Website-Personalisierung des Quelle Online Store: Steigerung der Conversion-Rate um 6,4 %

Der Modeeinzelhandel weist den wohl vielfältigsten E-Commerce mit einem besonders hohen Anteil an Spontankäufen auf. Manchmal können Besucher der Website jedoch nicht die gesamte Produktpalette sehen und daher nicht das richtige Produkt finden. Durch die zeitige Anzeige personalisierter Produktempfehlungen leisten wir Orientierungshilfe und steigern damit die Conversion-Rate des Online Store.

Je mehr interessante Produkte der Benutzer sieht, umso höher ist die Wahrscheinlichkeit eines Kaufs. Die Implementierung der personalisierten Produktempfehlungen in den einzelnen Phasen der Customer Journey von der Homepage bis zur Warenkorbseite muss sorgfältig geplant werden und die phasenspezifischen Merkmale berücksichtigen.

In dieser Fallstudie sehen Sie, wie die Conversion-Rate auf der Homepage, der Kategorieseite und der Warenkorbseite des Quelle Online Store durch personalisierte Produktempfehlungen gesteigert werden konnte.

Alle Analysen wurden anhand von A/B-Tests in der Desktop-Version der Website durchgeführt.

Fallstudie 1 Effektivitätsanalyse der Produktempfehlungen auf der Homepage

Die Optimierung des Website-Personalisierungssystems für den Quelle.ru Online Store begann mit einer Effektivitätsprüfung verschiedener Empfehlungsalgorithmen auf der Homepage.

Alle Besucher der Website wurden nach dem Zufallsprinzip in drei Segmente aufgeteilt:

1.Dem ersten Segment wurden Bestseller im Webshop angezeigt,

2. dem zweiten Segment personalisierte Bestseller auf Grundlage der Benutzerinteressen.

3. Das dritte Segment war die Kontrollgruppe (es wurden keine Empfehlungen angezeigt).

Ergebnisse

Der A/B-Test führte zu folgenden Ergebnissen:

	Conversion increase
Bestseller	+0.65%
Personalisierte Bestseller	+3.3%
Kontrollgruppe (ohne Empfehlungen)	–

Fazit

Die Ergebnisse der A/B-Tests zeigten, dass personalisierte Empfehlungen von Retail Rocket die auf der Homepage des Quelle.ru Online Store die Conversion-Rate um 3,3 % erhöhen, wobei die statistische Signifikanz bei 98,7 % liegt.

Fallstudie 2 Effektivitätsanalyse der Produktempfehlungen auf der Homepage

Die Ergebnisse des vorangegangenen Tests zeigten, dass die höchste Conversion-Rate für den Block „Personalisierte Bestseller“ erzielt wird. Im nächsten Schritt wurde untersucht, wie eine höhere Anzahl von Empfehlungsblöcken und deren Platzierung auf der Homepage die Conversion-Rate beeinflussen.

Alle Besucher der Website wurden nach dem Zufallsprinzip in drei Segmente aufgeteilt:

1.Dem ersten Segment wurde ein Block personalisierte Bestseller angezeigt,

2. dem zweiten Segment personalisierte Bestseller (oben) und personalisierte Empfehlungen auf Grundlage des Produktinteraktionsverlaufs (unter dem ersten Block).

3. Dem dritten Segment wurden personalisierte Empfehlungen auf Grundlage des Produktinteraktionsverlaufs (oben) und personalisierte Bestseller (unter dem ersten Block) angezeigt, also dieselben Elemente wie für das zweite Segment, aber in umgekehrter Reihenfolge.

Ergebnisse

Der A/B-Test führte zu folgenden Ergebnissen:

	Conversion increase
Personalisierte Bestseller (die Kontrollgruppe)	—
Personalisierte Bestseller (oben) + personalisierte Empfehlungen auf Grundlage des Browsingverlaufs (unter dem ersten Block)	-1.8%
Personalisierte Empfehlungen auf Grundlage des Browsingverlaufs (oben) + personalisierte Bestseller (unter dem ersten Block)	-2.6%

Fazit

Beim Testen dieser Hypothese stellte sich heraus, dass die effektivste Konfiguration in der Implementierung der „personalisierten Bestseller“ besteht und dass das Hinzufügen eines zweiten Empfehlungsblocks auf der Quelle.ru Homepage keine wirkungsvolle Änderung darstellt.

Die Anwendung der „personalisierten Bestseller” ohne zusätzliche Empfehlungsblöcke auf der Homepage im Quelle.ru Online Store ist die effektivste Konfiguration.

Dies belegt, dass ein Block je nach Platzierung ganz unterschiedliche Ergebnisse erzielen kann. Aus diesem Grund sollten wesentliche Änderungen erst nach eingehender Analyse ihrer Auswirkungen auf die Kennzahlen des Online Store übernommen werden.

Fallstudie 3 Effektivitätsanalyse der Produktempfehlungen auf der Kategorieseite

Besucher, die zur Kategorieseite wechseln, haben bereits Interesse an einer Gruppe von Produkten gezeigt. Dies ist daher ein optimaler Zeitpunkt, um Besuchern durch personalisierte Empfehlungen die Orientierung in einer breit gefächerten Produktpalette zu erleichtern.

Auf der Kategorieseite wurde eine Effektivitätsanalyse der weiterführenden Personalisierung vorgenommen. Alle Besucher der Website wurden nach dem Zufallsprinzip in drei Segmente aufgeteilt:

1.Dem ersten Segment wurden Bestseller in der Kategorie angezeigt,

2. dem zweiten Segment personalisierte Bestseller in der Kategorie auf Grundlage der Benutzerinteressen.

3. Dem dritten Segment wurden keine Empfehlungen angezeigt.

Ergebnisse

Der A/B/C-Test führte zu folgenden Ergebnissen:

	Conversion increase
Bestseller in der Kategorie	+3.5%
Personalisierte Bestseller in der Kategorie	+6.4%
Kontrollgruppe	—

Fazit

Die Testergebnisse zeigen, dass sich mit dem Ansatz „Personalisierte Bestseller in der Kategorie“ auf der Kategorieseite des Quelle.ru Online Store die Conversion-Rate um 6,4 % erhöht, wobei die statistische Signifikanz 99,96 % beträgt.

Fallstudie 4 Effektivitätsanalyse der Produktempfehlungen auf der Warenkorbseite

Die Bedeutung der Warenkorbseite liegt auf der Hand. Sie bietet die Gelegenheit, passend zur Auswahl des Kunden weitere Produkte anzubieten. Dadurch lässt sich die Anzahl der Artikel an der Kasse steigern.

Um die effizienteste Konfiguration von Empfehlungen auf der Warenkorbseite des Online Store zu ermitteln, wurde eine Analyse durchgeführt, bei der die Besucher in vier Segmente unterteilt wurden:

1.Dem ersten Segment wurden verwandte Produkte angezeigt, also ergänzende Artikel zu denen im Warenkorb.

2. Dem zweiten Segment wurden verwandte Produkte mit Ausnahme von Produkten aus den bereits im Warenkorb vorhandenen Kategorien angezeigt. Damit wurde die Absicht verfolgt, vielfältigere Produktempfehlungen anzubieten und dadurch die Wahrscheinlichkeit zu erhöhen, dass weitere Produkte zum Warenkorb hinzugefügt werden.

3. Dem dritten Segment wurden verwandte Produkte mit Bestseller-Filterung angezeigt, also eine Auswahl an ergänzenden Produkten, aus denen die Bestseller ausgeschlossen wurden.

4. em vierten Segment wurden personalisierte Produktempfehlungen aus der Kategorie „Zubehör“ angezeigt.

Ergebnisse

Der A/B-Test führte zu folgenden Ergebnissen:

	Conversion increase
Verwandte Produkte (die Kontrollgruppe)	—
Verwandte Produkte mit Ausnahme von Produkten aus den bereits im Warenkorb vorhandenen Kategorien	+0.75%
Verwandte Produkte mit Bestseller-Filterung	+0.56%
Personalisierte Produktempfehlungen aus der Kategorie „Zubehör“	+5.8%

Fazit

Die Testdaten ergeben, dass sich mit dem Ansatz „Verwandte Produktempfehlungen aus der Kategorie „Zubehör““ auf der Kategorieseite des Quelle.ru Online Store die Conversion-Rate um 5,8 % erhöht, wobei die statistische Signifikanz 99 % beträgt.

Um zu ermitteln, welcher Empfehlungsalgorithmus im spezifischen Fall am effektivsten ist, sind ständige Tests verschiedener Ansätze und Optionen erforderlich.

Kommentar von Quelle

Im wettbewerbsintensiven Modeeinzelhandel können Händler sich nur behaupten, wenn sie die Preise senken, wobei letztendlich die Margen verschwinden, oder aber indem sie die Effizienz steigern, um jeden Prozentpunkt kämpfen und so die Rentabilität sichern. Letzteres ist unser Ansatz. Jedes Prozent Anstieg bei der Conversion-Rate auf den Hauptseiten des Online Store führt zu einer spürbaren Umsatzsteigerung. Dies wird durch die aktuellen Kosten für eingehenden Datenverkehr untermauert. Wir betrachten das Team bei Retail Rocket nicht einfach als Auftragnehmer, sondern als echte Experten auf ihrem Gebiet und als Menschen, die unsere Ansichten teilen.

Andrey Osokin, Marketing Director, Quelle / Otto