Produktempfehlungen (E-Commerce)
Definition: Produktempfehlungen im E-Commerce sind algorithmisch oder manuell generierte Vorschläge für weitere Produkte, die auf Basis von Kaufhistorie, Browsing-Verhalten, Produktähnlichkeit oder dem Verhalten ähnlicher Kunden angezeigt werden. Sie sind ein zentrales Instrument für Cross-Selling, Upselling und die Steigerung des Average Order Value (AOV). Amazon hat mit seinem «Kunden, die X kauften, kauften auch Y»-System den Standard für E-Commerce-Empfehlungen gesetzt; Studien schreiben personalisierten Empfehlungen bis zu 35 % des Amazon-Umsatzes zu.
Erläuterung
Produktempfehlungen verbessern das Einkaufserlebnis auf zwei Ebenen: Sie helfen Kunden, relevante Produkte zu entdecken (Engagement), und sie steigern den Warenkorbwert (Revenue). Der Unterschied zwischen schlechten und guten Empfehlungen ist nicht die Technologie, sondern die Datenbasis und die Platzierungslogik. «Kunden kauften auch» auf einer Produktseite ist wertvoll – «Bestseller» ohne Kontext hingegen ist fast wertlos.
Empfehlungsalgorithmen
- Kollaboratives Filtern: «Nutzer wie Sie kauften auch...»; basiert auf Verhaltensähnlichkeit anderer Kunden; funktioniert gut bei grossen Datenbasis (1.000+ Transaktionen); das Amazon-Standardmodell
- Inhaltsbasiertes Filtern: Produkte mit ähnlichen Attributen (Kategorie, Marke, Preis, Farbe) empfehlen; funktioniert auch ohne Kaufhistorie; gut für neue Shops oder neue Nutzer
- Hybridmodelle: Kombination aus kollaborativem und inhaltsbasiertem Filtern; bessere Performance als Einzelmodelle; Standard bei kommerziellen Empfehlungs-Engines
- Regelbasierte Empfehlungen: Manuell definierte Regeln («wer Grill kauft, sieht auch Grillzubehör»); gut für bekannte Zusammenhänge; wartungsintensiv bei grossen Sortimenten
Empfehlungstypen und Platzierung
- Cross-Selling auf Produktseite: «Passend dazu», «Häufig zusammen gekauft»; ergänzende Produkte; unterhalb des Add-to-Cart-Buttons; erhöht AOV; funktioniert besonders bei Verbrauchsmaterialien und Zubehör
- Upselling auf Produktseite: «Ähnliche Produkte», «Höherwertige Alternative»; zeigt Premium-Version; erhöht Transaktionswert wenn Mehrwert klar kommuniziert wird
- Warenkorb-Empfehlungen: «Vergessen Sie nicht...»; günstige Ergänzungen mit niedrigem Kaufwiderstand; ideal für kleine Accessoires, Verbrauchsmaterialien, digitale Produkte
- «Recently Viewed»: Zuletzt angesehene Produkte; hilft bei Rückkehr nach Unterbrechung; Navigation-Funktion mehr als Empfehlung; reduziert Absprungrate
- Personalisierte Startseite: Für bekannte Kunden (Login oder Cookie); Produktempfehlungen basierend auf früheren Käufen und Browsing; höchste Personalisierungsstufe
Tools und Implementierung
- Shopify native: Shopify-eigene «Related Products»-Funktion; regelbasiert; keine KI; für kleine Shops ausreichend; begrenzte Konfigurierbarkeit
- Nosto: Empfehlungs-Engine speziell für E-Commerce; KI-basiert; Shopify, Magento, Shopware-Integration; ab ~369 €/Monat; sehr gute Performance bei mittleren Shops
- Dynamic Yield (by Mastercard): Enterprise-Lösung; Personalisierung + Empfehlungen + A/B-Testing in einer Plattform; für grosse Shops; hohe Implementierungskosten
- Klaviyo (für E-Mail-Empfehlungen): Personalisierte Produktempfehlungen in E-Mails basierend auf Kaufhistorie; sehr hohe ROI bei Wiederkauf-E-Mails; native Shopify-Integration
- LimeSpot, Frequently Bought Together (Shopify Apps): Günstigere Alternativen für kleine bis mittlere Shopify-Shops; gut für einfache Empfehlungswidgets; ab 15–50 $/Monat
Messung und Optimierung
- Empfehlungs-CTR: Anteil der Seitenbesucher, die auf Empfehlungswidgets klicken; Benchmark 2–8 %; unter 1 % deutet auf falsche Platzierung oder irrelevante Empfehlungen
- AOV-Uplift: Vergleich AOV mit und ohne Empfehlungsklick; gut funktionierende Empfehlungen steigern AOV um 10–25 %
- A/B-Tests: Verschiedene Empfehlungslogiken, Widget-Positionen und Titelformulierungen testen; was auf Desktop gut funktioniert, kann auf Mobile schlechter sein