Einführung in Recommendations
Der Text in diesem Artikel stammt vom Webinar Einführung in Recommendations, das Sie sich unten zur Gänze ansehen können.
Das Webinar „Einführung in Recommendations“ beinhaltet eine ausführliche Untersuchung, wie der Wert von Adobe Target Recommendations wirksam eingesetzt werden kann. Erfahren Sie, wie diese Target-Aktivität automatisch Produkte oder Inhalte anzeigt, die für Ihre Kunden von Interesse sein könnten, indem sie Echtzeitvorschläge auf der Grundlage früherer Besuche optimiert. Außerdem können Sie in die Target-Benutzeroberfläche eintauchen, um eine schrittweise Übersicht über das Erstellen einer Recommendations-Aktivität zu erhalten.
Einführung
Wir alle kennen die Empfehlungen, die uns beim Online-Einkauf angezeigt werden. Immer mehr Kunden erwarten diese Empfehlungen und verwenden sie als Ausgangspunkt, um andere verfügbare Angebote zu durchsuchen. Wenn Sie an Ihr eigenes Kaufverhalten denken, müssen Sie wohl zugeben, dass diese Empfehlungen wirklich gut funktionieren. Fast jeder von uns hat schon einmal ein Produkt gekauft, das er bzw. sie zuerst in einer Empfehlung gesehen haben – egal ob im Internet oder in einem Laden.
Die folgende Abbildung zeigt eine Empfehlung, die Zubehör präsentiert, das häufig mit einem neuen Smartphone gekauft wird, darunter auch Ladestationen und Kopfhörer.
Aber wir denken nicht immer darüber nach, wie Digital-First-Marken die Messlatte der Kundenerwartungen höher legen. Unser Konsum von Medien und Inhalten wird immer mehr von personalisierten Empfehlungen gesteuert. Überlegen Sie, was Sie als Erstes sehen, wenn Sie Netflix, Spotify oder YouTube öffnen. Diese Unternehmen beginnen das Kundenerlebnis mit Empfehlungen. In einer Welt, in der mehr Alternativen denn je verfügbar sind, ist es entscheidend, dass Sie die relevantesten Inhalte für Ihre Kundinnen und Kunden am Punkt der Interaktion identifizieren können.
Marketingexperten verwenden Adobe Target, um personalisierte Erlebnisse für eine Vielzahl von Branchen, Kundentypen und Kanäle verfügbar zu machen.
Adobe Target stellt personalisierte Inhalte überall bereit.
-
Publishing: Web-Herausgeber verwenden Target Recommendations, um Site-Besuchern Artikel zu empfehlen und die Interaktion zu steigern.
-
Video-Tutorials: Adobe Creative Cloud verwendet Target, um Photoshop-Benutzern in der Photoshop-Anwendung Video-Tutorials zu empfehlen.
-
Gaming: Gaming-Unternehmen verwenden Target, um Benutzern auf ihren Konsolen Spiele und Inhalte zu empfehlen.
-
B2B-: B2B-Unternehmen verwenden Target, um B2B-Pospects Videos, White Papers und Blog-Posts zu empfehlen, Downloads bereitzustellen und Bestandskunden Hilfe anzubieten.
-
Reisen: Ein deutscher Reiseunternehmer verwendet Target, um Reisenden Hotels und Ähnliches zu empfehlen.
-
Einzelhandel: Ein führender B2B-retailer verwendet Target, um wiederkehrenden Besuchern im Browser und in seiner mobilen App die besten Kategorien und Produkte zu empfehlen.
Dies sind nur einige der Arten, wie Kunden Target verwenden, um personalisierte Empfehlungen bereitzustellen.
Wie sehen gute Empfehlungen aus?
Gute Empfehlungen sollten relevant und personalisiert sein. Zur Steigerung der Relevanz und Personalisierung benötigen Sie drei Dinge:
- Steuerelemente für Marketingexperten, um die Relevanz der empfohlenen Artikel zu steigern. Als Marketingexperte haben Sie wertvolles Hintergrundwissen und verstehen, welche Attribute Ihrer Produkte oder Inhalte für ein Empfehlungsmodell relevant sind. Wenn Sie eine Videoseite betreiben, wissen Sie, dass Benutzer vielleicht daran interessiert sind, Filme vom selben Regisseur zu sehen, aber wahrscheinlich kümmert es Sie nicht, Filme zu sehen, die vom selben Studio produziert wurden. Target stellt Ihnen Steuerelemente zur Verfügung, mit denen Sie Ihre Algorithmen auf der Basis dieser Branchenkenntnis verbessern können.
- Hochentwickelte Modelle, um die Millionen von Artikeln in Ihrem Katalog und den Interaktionsereignissen sinnvoll zu ordnen. Target besitzt eine fortschrittliche maschinelle Lernfunktionen, die sich auf jahrelange Erfahrung stützt. Zusätzlich handhaben wir Jahr für Jahr Milliarden von Empfehlungen.
- Benutzerkontext, um sicherzustellen, dass Empfehlungen zeitgerecht und für Ihre Benutzer relevant sind. Sie möchten das Video, das jemand gerade angesehen hat, oder das Hemd, das jemand gerade zum Warenkorb hinzugefügt hat, nicht empfehlen. Das umfangreiche Benutzerprofil von Target kann in Recommendations verwendet werden, um Personalisierung sicherzustellen.
Implementieren von Target Recommendations
Beginnen Sie mit einer Strategie.
- Welche Artikel möchten Sie empfehlen? Überlegen Sie sich zunächst, welche Artikel Sie empfehlen möchten. Dies könnten Produkte, Videos oder Inhalte sein.
- Wo möchten Sie die Empfehlungen präsentieren? Überlegen Sie dann, wo Sie Empfehlungen präsentieren möchten. Wählen Sie die Kanäle (Web, Mobile, im Geschäft, im Kiosk usw.) aus, auf denen Empfehlungen präsentiert werden sollen. Welche Teile der Customer Journey sollen Empfehlungen enthalten? Welche Seiten auf Ihrer Website sollen Empfehlungen enthalten?
- Wie werden Sie feststellen, ob Empfehlungen erfolgreich sind? Angenommen, Sie haben ein Erlebnis ohne Empfehlungen und ein Erlebnis mit Empfehlungen oder Sie verfügen über zwei verschiedene Typen von Empfehlungen. Wie können Sie ermitteln, welches Erlebnis für Ihre Kunden besser war? Einige Metriken sind möglicherweise schwieriger zu messen als andere. Beispielsweise sind die Auswirkungen von Empfehlungen auf den Kundenlebenszeitwert oft nur schwer unmittelbar festzustellen. Es ist daher oft einfacher, anstelle einer abstrakten eine konkretere Metrik zu verwenden, z. B. Umsatz pro Besuch, durchschnittlicher Bestellwert oder Anzahl der Klicks. In einigen Fällen möchten Sie möglicherweise auch eine Metrik minimieren, z. B. die Anzahl der Supportanrufe.
Nachdem Sie Ihre Strategie festgelegt haben, können Sie mit der Implementierung von Target Recommendations beginnen.
Die Implementierung von Recommendations umfasst im Großen und Ganzen drei Schritte:
- Trainieren von Target in Bezug auf Ihren Kontext oder Ihre Produkte.
- Erfassen des Benutzerverhaltens.
- Bereitstellen von Empfehlungen mit dem richtigen Kontext.
Trainieren von Target in Bezug auf Ihren Kontext oder Ihre Produkte
Wenn Sie mit Recommendations beginnen, übermitteln Sie Informationen zu jedem Artikel, den Sie empfehlen möchten. Target bietet verschiedene Integrationsoptionen zur Erstellung Ihres Katalogs.
Die einfachste und am häufigsten verwendete Methode besteht darin, täglich oder wöchentlich eine CSV-Datei von Ihrem Produktinformationsmanagement- oder Content-Management-System zu übermitteln. Sie können jedoch auch Informationen über die Datenschicht von Ihrer Seite mithilfe der Adobe Target-JavaScript-Bibliothek senden, unsere APIs nutzen, um Informationen direkt aus Ihrem Ausgangssystem weiterzugeben, oder unsere Adobe Analytics-Integration nutzen, wenn Sie bereits Katalogdaten an Analytics weiterleiten.
Sie können aber auch mehrere Optionen gemeinsam verwenden, z. B. den Großteil der Daten täglich per CSV-Datei und Inventaraktualisierungen häufiger per API übermitteln.
Normalerweise hilft Ihre IT-Abteilung bei der Durchführung dieses Schritts.
Unabhängig von der gewählten Methode sollten Sie zu jedem Artikel drei Kategorien von Metadaten mitsenden:
- Daten, die dem Benutzer angezeigt werden sollen, der die Empfehlung erhält. Zum Beispiel den Namen des Films und eine URL mit einer Miniaturansicht.
- Daten, die zur Anwendung von Marketing- und Merchandising-Steuerelementen nützlich sind. Beispielsweise die Bewertung des Films, sodass Sie keine Filme mit explizit sexuellen Inhalten empfehlen.
- Daten, die zur Bestimmung der Ähnlichkeit von Artikeln nützlich sind. Beispielsweise das Genre des Films oder die Darsteller im Film.
Erfassen des Benutzerverhaltens
Als Nächstes sollten Sie Tags hinzufügen oder vorhandene Analytics-Implementierungen nutzen, um die Konversionsereignisse (wie Öffnungen und Käufe) zu tracken, die Target-Algorithmen verbessern.
Sie müssen sicherstellen, dass Target weiß, welche Artikel Ihre Benutzer öffnen und kaufen. Wenn der Kauf für Ihren Kontext nicht relevant ist, können Sie einen anderen Konversionstyp verfolgen, z. B. ein PDF herunterladen, eine Umfrage ausfüllen, einen Newsletter abonnieren, ein Video ansehen usw.
Wenn Sie Target bereits zum Durchführen von A/B-Tests auf Ihrer Site verwenden, haben Sie diesen Schritt möglicherweise bereits durchgeführt. Oder wenn Sie Adobe Analytics bereits dazu verwenden, Berichte zu Site-Besuchen und Konversionsverhalten zu erstellen, können Sie Analytics als Quelle für Ihre Verhaltensdaten verwenden. Andernfalls gestaltet sich die Einrichtung am einfachsten mithilfe eines Tag-Managers wie Adobe Experience Platform. Es ist auch möglich, Offline- oder In-App-Interaktionen über die Echtzeit-API an Target zu senden.
Erhalten von Empfehlungen mit dem richtigen Kontext
Übermitteln Sie Informationen über Benutzer und Kontext im Moment der Interaktion an Target, um relevante und personalisierte Empfehlungen zurückzugeben.
Neben dem Benutzerverhalten in aggregierter Form müssen Sie Target den spezifischen Kontext übermitteln, in dem Empfehlungen angezeigt werden. Dazu gehören Informationen über die Seite und das Benutzerprofil. Target verwendet diese Informationen, um personalisierte Empfehlungen zu erstellen. Auf einer Einzelhandels-Website möchten Sie beispielsweise wissen, welches Produkt und welche Produktkategorie sich der Besucher momentan ansieht. Zusätzlich möchten Sie auch Informationen zu diesem Benutzer (Lieblingsmarke, bevorzugte Produktkategorie, Treuestufe usw.) wissen. Diese Informationen sind wichtig, damit Target Artikel filtern und die Personalisierung von Empfehlungen verbessern kann.
Erstellen der ersten Recommendations-Aktivität
Was ist eine Recommendations-Aktivität?
Eine Recommendations-Aktivität besteht aus folgenden Komponenten:
- Zielgruppe: Wer soll diese Empfehlungen sehen?
- Kriterien: Welche Artikel sollen empfohlen werden?
- Design: Wie sollen die empfohlenen Artikel präsentiert werden?
Standardmäßig enthält Target 14 integrierte Zielgruppen, 42 integrierte Kriterien und 10 integrierte Designvorlagen. Sie können jedes dieser Elemente anpassen oder eigene hinzufügen.
Target verwendet das Konzept der Kriterienkarte. Eine Kriterienkarte ist wie ein Rezept für die Personalisierung.
Die Auswahl oder Erstellung der richtigen Kriterien ist wichtig, um die gewünschten Personalisierungsergebnisse zu erzielen. Ein Kriterium ist wie ein Trichter, der Sie ausgehend vom gesamten Katalog zu Ihren endgültigen Empfehlungen führt.
In den folgenden Abschnitten werden die einzelnen Teile dieses Trichters und deren Funktionsweise in Target beschrieben:
Statische Filter (Sammlungen und Ausschlüsse)
Statische Filter sind allgemein anwendbare Regeln für Katalogattribute, die sich nicht häufig ändern.
In Bezug auf den Inhalt möchten Sie beispielsweise vielleicht alle Filme in Empfehlungen einbeziehen, aber Filme, die explizite sexuelle Inhalte haben, ausschließen. In Bezug auf den Einzelhandel verfügen Sie möglicherweise über mehrere Marken in verschiedenen Regionen der Welt. Sie möchten aber nur Produkte empfehlen, die in den USA verfügbar sind. Möglicherweise möchten Sie auch bestimmte Produkte einer regionalen Marke ausschließen.
Dies sind alles Katalogattribute, die allgemein anwendbar sind und die Sie möglicherweise in mehreren Empfehlungen verwenden möchten, und von denen nicht zu erwarten ist, dass sie sich häufig ändern.
Algorithmus (Empfehlungsschlüssel und -logik)
Als nächsten Schritt müssen Sie einen Empfehlungsschlüssel und eine Empfehlungslogik auswählen. Hier legen Sie die Grundlage Ihrer Empfehlung fest.
Zunächst müssen Sie den Empfehlungsschlüssel auswählen. Der Empfehlungsschlüssel ist das gesuchte Objekt, aufgrund dessen eine Empfehlung ausgewählt wird. Er ist stellt die Basis einer Empfehlung dar.
Eine Empfehlung kann auf Folgendem basieren:
- Dem vom Besucher betrachteten Artikel
- Der vom Besucher betrachteten Kategorie
- Dem Artikel, den der Besucher zuletzt gekauft oder in den Warenkorb gelegt hat
- Einem benutzerspezifischen Attribut, das einem Besucher oder einem Artikel zugeordnet ist
Auf der Grundlage dieser Schlüssel wählen Sie dann die gewünschte Empfehlungslogik aus:
- Artikel mit ähnlichen Attributen
- Die am häufigsten angezeigten Artikel einer bestimmten Kategorie
- Kunden, die diesen Artikel gekauft haben, haben auch diese Artikel gekauft
- Ein benutzerdefiniertes Attribut
Standardmäßig enthält Target eine Reihe von Algorithmen.
- Zu den beliebtesten Algorithmen zählen „Am häufigsten angesehen“ und „Am häufigsten gekauft“.
- Zu den inhaltsbasierten Algorithmen gehören „Ähnliche Inhalte“.
- Algorithmen für artikelbasiertes kollaboratives Filtern umfassen die Kategorien „Ansicht/Ansicht“, „Ansicht/Gekauft“ und „Gekauft/Gekauft“. Beachten Sie, dass „Gekauft“ jede beliebige Konversion sein kann.
- Zu den personalisierten Algorithmen zählen „Kürzlich angesehen“, „Site-Affinität“ und „Profiloptimiertes kollaboratives Filtern“.
- Sie können auch Ihre eigenen benutzerdefinierte Algorithmen verwenden.
Online-Geschäftsregeln
Der letzte Schritt ist die Anwendung von Online-Geschäftsregeln. Damit versorgen Sie Ihre Algorithmen mit dem Domänenwissen und dem aktuellen Kontext, der darauf basiert, was der Besucher auf Ihrer digitalen Property gerade macht.
Im Inhaltskontext möchten Sie beispielsweise vielleicht Filme ausschließen, die der Besucher bereits gesehen hat, oder Filme vom selben Regisseur oder im selben Genre empfehlen. Im Einzelhandelskontext möchten Sie möglicherweise nicht vorrätige Produkte ausschließen, Artikel im Preissegment von 5 bis 500 $ anzeigen oder Artikel derselben Marke empfehlen.
Demo
Nachdem Sie die oben im Empfehlungstrichter beschriebenen Aufgaben ausgeführt haben, erhalten Sie Ihre endgültige Empfehlung. Um eine produktinterne Demonstration in Target anzusehen, beginnt die Demo um 21 :00 im Webinar zu Adobe Target-, das unten verlinkt ist.