adRom E-Mail Marketing Leitfaden

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