gestaltung der anrede - Absolit
gestaltung der anrede - Absolit
gestaltung der anrede - Absolit
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
T. Schwarz: Leitfaden E-Mail-Marketing 2.0 / Kap. 4 E-Mails gestalten<br />
Das System<br />
lernt aus dem<br />
Nutzerverhalten<br />
im Onlineshop<br />
Produktempfehlungen,<br />
die für den<br />
Kunden<br />
potenziell am<br />
interessantesten<br />
sind<br />
Was bedeutet „selbstlernend”?<br />
„This was simply the idea of a learning system that wants something, that adapts<br />
its behavior in or<strong>der</strong> to maximize a special signal from its environment.” [1]<br />
Der Recommendation Service „lernt” auf Basis sogenannter „Reinforcement-<br />
Learning-Strategies”. Übersetzt bedeutet dies „bestärkendes Lernen“: Das<br />
System erkennt auf Basis von Trial-and-Error, welche Empfehlungen optimal<br />
sind. Jede einzelne Reaktion auf die erfolgten Empfehlungen (zum Beispiel <strong>der</strong><br />
Klick eines Shopbesuchers auf ein angebotenes Produkt) wird als „Belohnung“<br />
erkannt. Dies trägt dazu bei, dass das System aus dem aktuellen Verhalten des<br />
Shopbesuchers „lernt“ und sich sukzessive selbst optimiert. Einmal erlernte<br />
Regeln werden dabei fortlaufend auf ihre Gültigkeit überprüft und notfalls<br />
sofort angepasst – ob im Webshop, bei einzelnen E-Mail-Aktionen o<strong>der</strong><br />
ganzen Kampagnen. Das heißt, än<strong>der</strong>n sich die Vorlieben o<strong>der</strong> Gewohnheiten<br />
<strong>der</strong> Shopbesucher, so än<strong>der</strong>n sich auch die Regeln des Recommendation<br />
Service und die darauf basierenden Empfehlungen. Auf diese Weise bleibt das<br />
Empfehlungssystem immer topaktuell.<br />
Recommendation Service im Webshop<br />
Der Recommendation Service wird über eine standardisierte Schnittstelle<br />
direkt in den Webshop eingebunden, wo er selbständig das Verhalten <strong>der</strong><br />
Shopbesucher analysiert. Es wird untersucht, welche Links angeklickt,<br />
welche Produkte wie lange angesehen, welche in den Warenkorb gelegt o<strong>der</strong><br />
letztendlich gekauft werden. Dabei werden aus dem Nutzerverhalten so genannte<br />
virtuelle Communities konstruiert. Das Verhalten eines Shopbesuchers wird<br />
mit typischen Verhaltensmustern <strong>der</strong> relevanten Community verglichen und<br />
Kaufwahrscheinlichkeiten berechnet. Die Erkenntnisse über die Kaufwahrscheinlichkeiten<br />
und die Nutzerprofile fließen dann im Webshop in die<br />
automatische Erstellung hochindividualisierter Produktempfehlungen ein.<br />
Dabei werden im Onlineshop an beliebiger Stelle Platzhalter eingefügt,<br />
sogenannte „Web API Widgets“ – kleine, bannerähnliche Anzeigen, innerhalb<br />
<strong>der</strong>er bestimmte Daten dynamisch angezeigt werden. Öffnet ein Interessent eine<br />
Seite mit solchen Platzhaltern, so ermittelt <strong>der</strong> Empfehlungsdienst sofort, welche<br />
Produkte in diesem Moment für diesen Shop-Besucher am interessantesten sind.<br />
Die entsprechenden Produktinformationen werden dann in Echtzeit beim Öffnen<br />
<strong>der</strong> Seite in die Platzhalter eingefügt. Auf diese Weise erhält je<strong>der</strong> Kunde genau<br />
die Informationen, die ihn am meisten interessieren und die im Onlineshop die<br />
höchste Wahrscheinlichkeit für eine Conversion bieten.<br />
Die Platzhalter, in denen die Produktempfehlungen bei Seitenaufruf erscheinen,<br />
können im Onlineshop an beliebiger Stelle in den vorhandenen HTML-Code<br />
eingebaut werden: Zum Beispiel auf <strong>der</strong> Produktdetailseite unterhalb o<strong>der</strong> neben<br />
<strong>der</strong> Produktdetailansicht. Auch die Anzahl <strong>der</strong> gewünschten Empfehlungen ist<br />
frei definierbar.<br />
240