5 Fallstudien zur finnischen Marke Finn Flare: Wie Produktempfehlungen ihren Umsatz um 13,4% steigern konnten

646 Views

Der Käufer von heute ist nicht so leicht zu befriedigen. Wichtig ist ihm nicht nur das Sortiment und die Preise, sondern auch die Möglichkeit, schnell zu finden, was er braucht. Dieses Problem wird durch personalisierte Produktempfehlungen gelöst, die auf verschiedenen Seiten des Webshops platziert werden. Sie sollen den Anwendern Produkte zeigen, die für sie von besonderem Interesse sind. Von beiden Seiten profitiert der Käufer – benötigte Ware findet er schnell und bleibt zufrieden. Zudem gibt er dem Onlinestore die Möglichkeit, seinen Umsatz und den durchschnittlichen Bestellwert zu steigern. Für weitere Details darüber, wie die Einführung von Produktempfehlungen den Umsatz eines Shops erhöht, stellen wir Ihnen das folgende Beispiel des Online-Shops Finn Flare vor.

Finn Flare ist eine finnische Marke für Freizeitbekleidung, dessen Geschichte bis ins Jahr 1965 zurückreicht, als die Marke registriert und die erste Bekleidungskollektion veröffentlicht wurde. 1974 wurde die Marke erstmals in der UdSSR eingeführt, heute verfügt Finn Flare über eine eigenes Brand und ein Partnernetzwerk von mehr als 150 Geschäften in der GUS. Der Online-Shop der Marke verzeichnet über 800.000 Besucher pro Monat.

Fall 1. Prüfung der Wirksamkeit von Produktempfehlungen auf der Homepage

Die Homepage stellt den Anfang der Customer Journey dar. Es ist wichtig, die Aufmerksamkeit des Benutzers in diesem Stadium zu erregen, sodass die Wahrscheinlichkeit viel höher ist, dass er am Ende „Vielen Dank für Ihren Kauf” auf seinem Bildschirm sehen wird.

Das Retail Rocket Growth Hacking Team führte tausende von Tests durch und wusste eines – es gibt keinen universellen Weg, um eine höhere Conversion Rate im Onlinestore zu garantieren.

Alles muss durch Erfahrung überprüft werden. Auf der Homepage des Finn Flare Online-Shops gibt es zwei Blöcke mit Produktempfehlungen – Bestseller und persönliche Empfehlungen.

Im ersten Schritt wurden mehrere Varianten der Bestseller-Algorithmen getestet. Der Block der persönlichen Empfehlungen blieb unverändert. Die Prüfung erfolgte mittels A/B-Prüfung, bei der alle Anwender in vier Segmente aufgeteilt wurden:

1. Dem ersten Segment wurden die Bestseller des Online-Shops angezeigt:

2. Dem zweiten Segment wurden personalisierte Bestseller angezeigt:

3. Dem dritten Segment wurde beliebte Ware aus Kategorien von Interesse für den Benutzer angezeigt:

4. Dem vierten Segment wurden keine Empfehlungen angezeigt.

Ergebnisse

Die Tests erzielten folgende Ergebnisse:

Änderung Conversion (%) Änderung des durchschnittlichen Bestellwertes (%) Prognostizierte Umsatzsteigerung
Bestseller +3,54% -5,73% -2,39%
Personalisierte Bestseller +3,82% -7,39% -3,85%
Beliebte Ware aus Kategorien von Interesse für den Benutzer +8,16% -2,05% +5,94%
Kontrollgruppe

Fazit

Laut der Testergebnisse, erhöht der Einsatz des Mechanismus “Beliebte Ware aus Kategorien von Interesse für den Benutzer” im Empfehlungsblock der Homepage den Umsatz um 8,16 % bei einer statistischen Signifikanz von 93,5 %. Trotz eines leichten Rückgangs des durchschnittlichen Bestellwertes ergibt sich daraus ein prognostizierter Umsatzanstieg von 5,94 %.

Fall 2. Prüfung der Wirksamkeit von Produktempfehlungen auf der Homepage: Hinzufügen eines zweiten Blocks

In einigen Fällen zeigt ein Block von Produktempfehlungen eine höhere Wirksamkeit als zwei Blöcke, manchmal aber auch umgekehrt. Daher haben wir uns beim nächsten A/B-Test auf der Homepage des Finn Flare Online-Shops dazu entschlossen zu überprüfen, wie viele Blöcke und in welcher Reihenfolge diese mehr Effektivität bringen würden. Alle Website-Besucher wurden nach dem Zufallsprinzip in drei Segmente eingeteilt:

1. Dem ersten Segment wurde lediglich ein Block gezeigt – beliebte Ware aus Kategorien von Interesse für den Benutzer:

2. Dem zweiten Segment wurden zwei Blöcken angezeigt: beliebte Ware aus den Kategorien, die für den Benutzer von Interesse sind (oberhalb) und persönliche Empfehlungen (unter dem Block mit beliebter Ware). Diese Konfiguration zeigte die besten Ergebnisse im vorherigen Test, so dass dieses Segment die Kontrollgruppe darstellt:

3. Dem dritten Segment wurden zwei Blöcke angezeigt: persönliche Empfehlungen (oberhalb) und beliebte Ware aus Kategorien, die für den Benutzer von Interesse sind (unter dem Block mit persönlichen Empfehlungen):

Ergebnisse

Die Prüfung ergab folgende Ergebnisse:

Änderung Conversion (%) Änderung des durchschnittlichen Bestellwertes (%) Prognostizierte Umsatzsteigerung
Beliebte Ware aus Kategorien von Interesse für den Benutzer -0,22% -0,52% -0,74%
Zwei Blöcke: Beliebte Ware aus Kategorien von Interesse für den Benutzer (oberhalb) und persönliche Empfehlungen (unten). Kontrollgruppe
Zwei Blöcke: persönliche Empfehlungen (oberhalb) und beliebte Ware aus Kategorien von Interesse für den Benutzer (unten) +10,10% -1,39% +8,57%

Fazit

Den Testergebnissen zufolge, erhöht der Einsatz der Mechanismus “Zwei Blöcke: Persönliche Empfehlungen (oberhalb) und beliebte Ware aus Kategorien, die für den Benutzer interessant sind (unten)” auf der Homepage den Umsatz um 10,1 % bei einer statistischen Signifikanz von 96,1 %. Bei einem leichten Rückgang des durchschnittlichen Bestellwertes um 1,39 % beträgt das prognostizierte Umsatzwachstum 8,57 %.

Fall 3. Prüfung der Wirksamkeit von Produktempfehlungen auf der Produktseite: Auswahl des Erscheinungsbildes eines Blocks

Die Produktseite ist ein wesentlicher Schritt in der Customer Journey. Hier prüft der Benutzer die Details, betrachtet das Foto, schaut sich die Zusammensetzung an und entscheidet, ob er das Produkt kaufen möchte. Empfehlungen sind eine ausgezeichnete Möglichkeit, einen potentiellen Käufer im Geschäft zu halten, wenn das von ihm überprüfte Produkt nicht ganz zu ihm passt oder aber zusätzliche Waren anzubieten, die ihn interessieren könnten.

In der Produktkarte wurde das Erscheinungsbild eines Empfehlungsblocks getestet: den Produktbildern wurden Labels mit einem Rabatt-Prozentsatz hinzugefügt. Alle Website-Besucher wurden per Zufallsprinzip in vier Segmente eingeteilt:

1. Dem ersten Segment wurde ein Empfehlungsblock ohne Rabatt-Labels angezeigt:

2. Dem zweiten Segment wurde ein Empfehlungsblock mit kleinen Rabatt-Labels angezeigt:

3. Dem dritten Segment wurde ein Empfehlungsblock mit großen Rabatt-Labels angezeigt:

4. Dem vierten Segment wurde keine Empfehlungen angezeigt, es übernahm die Rolle der Kontrollgruppe.

Ergebnisse

Nach dem Test, erlangte man folgende Ergebnisse:

Änderung Conversion (%) Änderung des durchschnittlichen Bestellwertes (%) Prognostizierte Umsatzsteigerung
Empfehlungsblock ohne Rabatt-Labels +9,46% +3,60% +13,40%
Empfehlungsblock mit kleinen Rabatt-Labels +5,36% -6,59% -1,58%
Empfehlungsblock mit großen Rabatt-Labels +3,98% +1,44% +5,48%
Kontrollgruppe

Fazit

Gemäß der Testergebnisse, erhöht ein Empfehlungsblock ohne Rabatt-Labels auf der Produktseite die Conversion um 9,5 % mit einer statistischen Signifikanz von 96,6 %. In Kombination mit einem Anstieg des durchschnittlichen Bestellwertes um 3,6 %, ergibt sich ein prognostiziertes monatliches Umsatzwachstum von 13,4 %.

Fall 4. Prüfung der Wirksamkeit von Produktempfehlungen im Warenkorb: Einrichten eines Algorithmus für ergänzende Ware

Die Warenkorbseite ist der letzte Schritt vor dem Kauf. Es ist wichtig, hier eine feine Grenzlinie zu kenntlich zu machen. Zum einen, dürfen Sie den Benutzer nicht ablenken, damit er das “Ziel” erreicht. Zum anderen, laden Sie ihn ein, etwas anderes zu kaufen und somit die Auftragskosten der Bestellung zu erhöhen. Aus diesem Grund ist die beste Lösung, ergänzende Artikel anzuzeigen.

Im Warenkorb des Online-Shops Finn Flare wurden verschiedene Varianten ergänzender Ware getestet. Alle Website-Besucher wurden nach dem Zufallsprinzip in vier Segmente unterteilt:

1. Dem ersten Segment wurden ergänzende Artikel basierend auf kollaborativen Algorithmen mit Content Filtering angezeigt:

2. Dem zweiten Segment wurde ergänzende Ware aus anderen Kategorien als der Kategorie des überprüften Produktes angezeigt:

3. Dem dritten Segment wurden Accessories angezeigt:

4. Dem vierten Segment wurden keinerlei Empfehlungen angezeigt, es übernahm die Rolle der Kontrollgruppe.

Ergebnisse

Nach dem Test, erlangte man folgende Ergebnisse:

Änderung Conversion (%) Änderung des durchschnittlichen Bestellwertes (%) Prognostizierte Umsatzsteigerung
Standardmäßig ergänzende Ware +5,85% +1,06% +6,98%
Ergänzende Ware aus anderen Kategorien als der des überprüften Produkts +1,86% +6,81% +8,80%
Accessories +1,52% -0,99% +0,52%
Kontrollgruppe

Fazit

Den Testergebnissen zufolge, erhöht die Verwendung des Mechanismus “Standardmäßig ergänzende Ware“ in einem Empfehlungsblock im Warenkorb des Online-Shops Finn-flare.ru die Conversion um 5,85 % mit einer statistischen Signifikanz von 97,1 %. Der monatliche Umsatz soll um 6,98 % steigen.

Fall 5. Prüfung der Wirksamkeit von Produktempfehlungen im Warenkorb: Auswählen des Erscheinungsbilds eines Blocks

Der Warenkorb kann mit dem Kassenbereich eines Geschäfts verglichen werden, in dem maßgebende Preise für Impulsiv-Käufe gemacht werden. Was können Sie verwenden, um den Benutzer zu angeln? Natürlich einen guten Rabatt! Daher wurden verschiedene Größen eines Rabatt-Labels im Warenkorb getestet. Alle Website-Besucher wurden nach dem Zufallsprinzip in drei Segmente unterteilt:

1. Dem ersten Segment wurde ein Empfehlungsblock mit regulärem Erscheinungsbild angezeigt:

2. Dem zweiten Segment wurde ein Empfehlungsblock mit kleinen Rabatt-Labels angezeigt:

3. Dem dritten Segment wurde ein Empfehlungsblock mit großen Rabatt-Labels angezeigt:

Ergebnisse

Nach der Durchführung der Prüfung, wurden folgende Ergebnisse beobachtet:

Änderung Conversion (%) Änderung des durchschnittlichen Bestellwertes (%) Prognostizierte Umsatzsteigerung
Empfehlungsblock ohne Rabatt-Labels
Empfehlungsblock mit kleinen Rabatt-Labels +0,63% +2,50% +3,16%
Empfehlungsblock mit großen Rabatt-Labels -6,24% -2,79% -8,86%

Fazit

Den Testergebnissen zufolge, erhöht die Verwendung des Mechanismus “Empfehlungsblock mit kleinen Rabatt-Labels“ in einem Empfehlungsblock innerhalb des Einkaufswagens die Conversion um 0,63 % und den durchschnittlichen Bestellwert um 2,5 %. Dies führt zu einem prognostizierten Umsatzwachstum von 3,16 %.

Personalisierte Ergebnisse für Finn Flare

Infolge der durchgeführten A/B Tests, konnte der Umsatz des Online-Shops dementsprechend auf drei Schlüsselseiten deutlich gesteigert werden:

  • Homepage – um 15,01 %
  • Produktseite – um 13,40 %
  • Warenkorb – um 12,23 %

Die Erfahrung des Online-Shops Finn Flare beweist erneut: die Optimierung der Customer Journey auf jedem Schritt ist gleichbedeutend mit der Möglichkeit, Kennzahlen wie Conversion und durchschnittlicher Bestellwert und somit den Umsatz eines Online-Shops zu erhöhen.

Kommentare von Finn Flare

“Finn Flare stellt höchste Anforderungen an die Qualität seiner Ware und an das Serviceniveau, das für alle Kanäle der Interaktion mit Käufern gilt – vom Ladengeschäft über den Online-Shop bis hin zu sozialen Netzwerken. Um Einkäufe im Online-Shop so bequem für Online-Shopper zu gestalten, wie mit Hilfe von Beratern im Ladengeschäft, verwenden wir auf allen Seiten der Website persönliche Produktempfehlungen. Wir freuen uns, dass die Experten von Retail Rocket nicht nach dem “fix and forget”-Prinzip arbeiten, sondern ständig versuchen, etwas Neues auszuprobieren, bestehende Anzeigen zu verbessern, sodass unsere Käufer das individuellste Konzept erhalten und der Online-Shop seinen Umsatz und durchschnittlichen Bestellwert erhöht”.

Irina Belova, Internet Marketing Manager

 

Website personalization technology and triggered emails are now available to everyone!

BUCHEN SIE EINE DEMO