Retail Rockets Produktempfehlungen führen zu Umsatzsteigerungen für den Sporthändler Daka.nl

321 Views

In dieser Fallstudie konzentrieren wir uns auf einen Sportbekleidungs- und Hardware-Retailer namens Daka.nl. Sie waren der Meinung, dass ein personalisiertes Kundenerlebnis erforderlich ist, um die Zufriedenheit ihrer Kunden zu verbessern und den Umsatz ihres Online-Shops zu steigern. In Zusammenarbeit mit Retail Rocket entschieden sie, dass der beste Weg dies zu erreichen darin besteht, Produktempfehlungen auf ihrer Website einzusetzen.

Über Daka.nl

Daka Sport begann sein Sportgeschäft im Jahr 1965 in Holland. Sie expandierten in 14 Geschäfte im ganzen Land mit einer Verkaufsfläche von insgesamt 13.000 m2 und einem Online-Shop, der heute einer der größten Online-Sportshops des Landes ist. Ihre Geschäfte bieten eine komplette Bandbreite an Sportgeräten und Sportbekleidung, in dem alle Top-Marken vertreten sind. Bei einer so großen Vielfalt sind Produktempfehlungen im Online-Shop entscheidend.

Das Konzept

Bei dem Fall von Daka.nl, den wir uns heute ansehen, wurden Produktempfehlungen auf der Produktseite und auf der Warenkorbseite implementiert. Basierend auf dem Besucherverhalten und einer Produktdatenbankanalyse wurden den Kunden auf jeder Seite Produkte angezeigt, die sie am ehesten kaufen würden.

Retail Rocket führte eine Wirksamkeitsstudie mit A/B-Tests durch, um herauszufinden, wie verschiedene Empfehlungsalgorithmen die Conversion, den durchschnittlichen Bestellwert und den Umsatz des Online-Shops beeinflusst haben.

Empfehlungen auf der Produktseite

Durch das Hinzufügen von Empfehlungen zur Produktseite werden dem Kunden ähnliche Produkte und zugehörige Artikel basierend auf dem Produkt, das er gerade betrachtet, angezeigt. Die Empfehlungen werden mit verschiedenen motivierenden Überschriften versehen, wie z.B. „andere Kunden kauften auch“ und „Kunden, die diesen Artikel angesehen haben, haben auch gesehen“. Dies hilft den Kunden die benötigten Produkte zu finden oder einfach ein zusätzliches Produkt in den Warenkorb zu legen, was den durchschnittlichen Bestellwert erhöht.

Um die Wirksamkeit dieser Empfehlungen auf der Produktseite zu analysieren, wurde ein A/B-Test durchgeführt. Die Besucher der Produktseite wurden nach dem Zufallsprinzip in drei Gruppen eingeteilt:

1. Der ersten Gruppe wurden ähnliche Produkte gezeigt. Diese basieren auf Produkteigenschaften (Preis, Marke, Kategorie usw.) und kollaborativen Filtern (was andere Kunden auch gesehen haben und/oder was sie gekauft haben, usw.). Zum Beispiel:

2. Der zweiten Gruppe wurden ähnliche Produkte (oben positioniert) und verwandte Produkte (unten positioniert) basierend auf dem aktuell betrachteten Artikel angezeigt. Zum Beispiel:

3. Die dritte Gruppe war die Kontrollgruppe, die keine Empfehlungen sah.

Die Ergebnisse

Der A/B-Test zeigte die folgenden Ergebnisse:

Veränderung der Conversion Rate Veränderung des durchschnittlichen Bestellwertes Veränderung des Umsatzes
Leistungsänderung von “Ähnlichen Produkten” gegenüber “Kontrollgruppe”

      +0.2%

+4.3%

+4.5%

Die Tests von Retail Rocket zeigten, dass Daka.nl am meisten davon profitierte, dass Empfehlungen ähnlicher Produkt auf der Produktseite angezeigt wurden. Der durchschnittliche Auftragswert stieg um 4,3% und der Online-Umsatz um 4,5%.

Empfehlungen der Warenkorbseite

Wenn Nutzer den Warenkorb erreichen, ist es der perfekte Zeitpunkt, ihnen Artikel zu zeigen, die die bereits ausgewählten Artikel ergänzen. Diese Kunden werden sich wahrscheinlich dazu entscheiden, einen Kauf abzuschließen – und es bestehen gute Chancen, dass sie weitere Artikel zu ihrer Bestellung hinzufügen.

Deshalb hat Retail Rocket entsprechende Empfehlungen zu verwandten Produkten auf der Warenkorbseite von Daka.nl hinzugefügt. Drei verschiedene Algorithmen zu verwandten Produkten wurden getestet, um die optimale Implementierung zu finden.

Für die Wirksamkeitsstudie auf der Warenkorbseite wurden die Besucher nach dem Zufallsprinzip in vier Gruppen eingeteilt:

1. Der ersten Gruppe wurden verwandte Produkte angezeigt. Zum Beispiel:

2. Der zweiten Gruppe wurden verwandte Produkte aus anderen Kategorien als der Kategorie des Produktes angezeigt, das bereits dem Warenkorb hinzugefügt wurde. Zum Beispiel:

3. Der dritten Gruppe wurden verwandte Produkte basierend auf assoziativen Verbindungen gezeigt, d.h. sie konzentrierten sich eher auf relevante zusammengehörige Artikel als auf die Produkt-Popularität. Zum Beispiel:

4. Die Kontrollgruppe sah keinerlei Empfehlungen.

Die Ergebnisse

Die Ergebnisse des A/B-Tests sind wie folgt:

Veränderung der Conversion Rate Veränderung des durchschnittlichen Bestellwertes Veränderung des Umsatzes
Leistungsänderung von „Verwandte Produkte basierend auf assoziativen Verbindungen” gegenüber „Kontrollgruppe”

      +11.3%

-2.4%

+8.6%

Die Anzeige von „verwandte Produkte basierend auf assoziativen Verbindungen” auf der Warenkorbseite verbesserte die Conversion Rate um 11,3% mit einer statistischen Signifikanz von 94,1%. Der Online-Shop verzeichnete ein Umsatzwachstum von 8,6%.

Fazit

Jeder Schritt der Customer Journey hat seinen eigenen Zweck und Online-Shops müssen dies nutzen. Es ist wichtig, den richtigen Empfehlungsmechanismus im richtigen Augenblick zu verwenden, um dessen Wirkung zu maximieren. Dieser Fall zeigt, dass die Expertise von Retail Rocket einen enormen Einfluss auf ein Unternehmen haben und seine Expansion unterstützen kann.

Kommentar von Daka.nl

“Dank der Erweiterung von Retail Rocket konnten wir die Website weiter personalisieren. Dank verschiedener Tests beweist Retail Rocket, dass die personalisierten Empfehlungen eine höhere Conversion Rate und einen höheren Auftragswert gewährleisten. Die durchschnittliche Stückzahl pro Bestellauftrag, an der Retail Rocket beteiligt ist, ist um mehr als 50% gestiegen.”

Richard Schenderling, E-Commerce Manager at DAKA

 

Möchten Sie mehr über diesen Fall wissen oder wie Retail Rocket Ihnen helfen kann? Kontaktieren Sie uns.

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

BUCHEN SIE EINE DEMO