Produktempfehlungsmaschine
Kurze Definition
Eine Produktempfehlungsmaschine ist Software, die die Produkte vorschlägt, die ein Käufer am wahrscheinlichsten möchte. Sie basiert auf ihrem Verhalten, den Produkteigenschaften, was ähnliche Käufer gekauft haben oder wonach sie in einem Gespräch fragen.
Auf dieser Seite
Die Hauptansätze
Kollaboratives Filtern empfiehlt, was Personen mit ähnlichem Verhalten gekauft oder angesehen haben. Das item-to-item kollaborative Filtern von Amazon, beschrieben von Linden, Smith und York im Jahr 2003, machte das Muster „Kunden, die dies gekauft haben, kauften auch“ berühmt. Inhaltsbasiertes Filtern empfiehlt Produkte, deren Eigenschaften denen ähneln, die dem Käufer gefallen haben. Regeln und Merchandising – Bestseller, Margen, Neuheiten – werden in den meisten Geschäften darübergelegt.
Jeder Ansatz hat eine bekannte Schwäche: Kollaboratives Filtern benötigt viele Verhaltensdaten und hat Schwierigkeiten mit neuen Produkten und neuen Besuchern, während inhaltsbasiertes Filtern saubere, konsistente Produkteigenschaften benötigt.
Konversationelle Empfehlungen
Ein neuerer Ansatz lässt Käufer in Worten angeben, was sie benötigen: „ein Geschenk für einen 10-Jährigen, der Wissenschaft mag, unter 40 Euro“, „einen Staubsauger für eine Wohnung mit Haustieren“. Ein KI-Assistent interpretiert die Anfrage, durchsucht den Katalog nach Bedeutung und mit strukturierten Filtern – Preis, Lagerbestand, Größe, Marke – und erklärt, warum jeder Vorschlag passt.
Dies funktioniert gut für Erstbesucher ohne Historie und für überlegte Käufe, bei denen Käufer Fragen haben. Es hängt stark von der Qualität der Produktdaten ab: Wenn Größen, Materialien oder Kompatibilität im Katalog fehlen, kann der Assistent sie nicht verwenden.
Fallstricke
Das Empfehlen von nicht vorrätigen Produkten, Produkten, die eine angegebene Einschränkung ignorieren, oder dasselbe Bestseller-Produkt für alle zu empfehlen, erodiert schnell das Vertrauen. Die in einer Empfehlung angezeigten Preise müssen mit dem Live-Katalog übereinstimmen. Und Empfehlungen sollten am Ergebnis des Kunden gemessen werden – haben sie gefunden, was sie benötigten? – nicht nur an Klicks.
Produktempfehlungen in AI SmartTalk
AI SmartTalk indiziert Produktkataloge von Shopify, PrestaShop, WooCommerce und Joomla sowie Produkte, die über seine API importiert wurden. Der Assistent durchsucht sie nach Bedeutung und mit Filtern für Preisspanne, Lagerbestand, Marke, Kategorie und Variantenattribute, kann Begriffe ausschließen, die der Käufer ausschließt, und zeigt die Ergebnisse als Produktkarten mit Lager- und Rabattinformationen im Chat an.
Häufig gestellte Fragen
Was ist der Unterschied zwischen kollaborativer und inhaltsbasierter Filterung?
Kollaborative Filterung nutzt das Verhalten anderer Käufer (Menschen, die X gekauft haben, haben auch Y gekauft). Inhaltsbasierte Filterung verwendet die eigenen Attribute der Produkte (diese Jacke ist ähnlich wie jene).
Brauche ich viele Daten für Produktempfehlungen?
Verhaltensbasierte Empfehlungen benötigen das. Konversations- und attributbasierte Empfehlungen benötigen hauptsächlich einen gut beschriebenen Katalog, was sie für kleinere Geschäfte nutzbar macht.
Kann ein KI-Chatbot Produkte empfehlen?
Ja, wenn er mit dem Live-Katalog verbunden ist. Er sollte auf echten Daten wie Preis und Lagerbestand filtern, anstatt sich auf das Gedächtnis des Sprachmodells über Produkte zu verlassen.