Produktempfehlungs-E-Mail
Definition: Eine Produktempfehlungs-E-Mail ist eine automatisierte oder segmentiert versendete E-Mail, die bestehenden Kunden auf Basis ihrer Kaufhistorie, ihres Browsing-Verhaltens oder algorithmusbasierter Affinitäten passende Produkte vorschlägt. Sie wird im Post-Purchase-Prozess, als Browse-Abandonment-Follow-up oder zur Reaktivierung inaktiver Kunden eingesetzt. Personalisierte Empfehlungs-E-Mails erzielen 5–10× höhere Conversion Rates als generische Newsletter und sind eines der effizientesten Instrumente zur Steigerung der Wiederkaufrate und des CLV.
Erläuterung
Der Unterschied zwischen einer generischen Massen-E-Mail («Unsere Neuheiten diese Woche!») und einer personalisierten Empfehlungs-E-Mail («Passend zu Ihrem letzten Kauf») ist Relevanz. Und Relevanz ist die einzige Ressource, die im E-Mail-Marketing knapper ist als Budget. Wer die Kaufhistorie nutzt um relevante Folgeprodukte vorzuschlagen, hat einen unfairen Vorteil gegenüber dem Wettbewerb, der alle Kunden gleich behandelt.
Empfehlungs-E-Mail-Typen
- Post-Purchase Cross-Sell: 5–10 Tage nach Kauf; «Passend zu [gekauftem Produkt] empfehlen wir...»; Zeitpunkt nach Produktnutzungsbeginn; Beispiel: nach Kauf einer Kaffeemaschine → Empfehlung für Kaffeebohnen, Filterpapier, Reinigungstabletten
- Browse-Abandonment-Empfehlung: Nutzer hat Produktseite besucht aber nicht gekauft; E-Mail mit angesehenen Produkten + ähnlichen Alternativen; ideal 1–4 Stunden nach Seitenbesuch; weniger aggressiv als Cart-Abandonment-E-Mail
- Wiederkauf-Erinnerung: Für Verbrauchsprodukte mit bekannter Verbrauchsdauer; «Ihr Vorrat wird vermutlich bald aufgebraucht sein...»; ideal für Beauty, Supplements, Haustierprodukte; hochrelevant und willkommen
- Reaktivierungs-E-Mail mit Empfehlungen: Kunden, die 90–180 Tage nicht gekauft haben; personalisierte Produktauswahl basierend auf letzter Kaufhistorie; oft mit kleinem Anreiz (5–10 % Rabatt) kombiniert
- Saisonale Empfehlungen: Frühlingskollektion für Kunden, die letztes Jahr Frühlingsartikel kauften; anlass-basierte Segmentierung; höhere Relevanz durch zeitliche Übereinstimmung
Personalisierungslogik
- Kaufhistorie-basiert: Was hat der Kunden zuletzt gekauft? → Komplementärprodukte; was kauften Kunden mit ähnlichem Profil danach? → kollaboratives Filtern
- Kategorie-Affinität: Welche Kategorien hat der Nutzer häufig durchsucht oder gekauft? → Empfehlung aus diesen Kategorien; besser als rein produktbasierte Empfehlung
- Preispunkt-Sensitivität: Empfehlungen im Preisbereich der bisherigen Käufe; kein Luxury-Upselling an Budget-Käufer; keine Budget-Empfehlung an Premium-Kunden
- Nicht gekaufte Warenkorbartikel: Artikel, die im Warenkorb lagen aber entfernt wurden, als Empfehlung in Post-Purchase-E-Mail aufnehmen; Erinnerung ohne Druck
Timing und Frequenz
- Post-Purchase: Tag 1: Bestellbestätigung (kein Empfehlungs-Push); Tag 7–10: Empfehlungs-E-Mail nach Produkterhalt; Tag 30: «Wie gefällt Ihnen [Produkt]?» mit weiteren Empfehlungen
- Browse-Abandonment: 1–4 Stunden nach Seitenbesuch; nicht zu spät (Interesse verfällt); nicht zu früh (wirkt aggressiv); max. 1–2 Mails im 7-Tage-Fenster
- Frequenzsteuerung: Empfehlungs-E-Mails nicht häufiger als 1×/Woche senden; kombiniert mit regulärem Newsletter auf Gesamtfrequenz achten; unsubscribe-Rate als Signal für zu häufige Kommunikation
Tools und Integration
- Klaviyo: Marktstandard für E-Commerce-E-Mail; native Shopify-Integration; Produktempfehlungs-Block per Drag&Drop in E-Mail-Templates; Algorithmus nutzt gesamte Kaufhistorie; ab 20 €/Monat
- Omnisend: Alternative zu Klaviyo; etwas günstigere Einstiegspreise; gute Empfehlungs-Funktionen; starke Push-Notification-Integration
- Emarsys / SAP CX: Enterprise-Lösung; sehr leistungsfähige Personalisierungs-Engine; für grosse Händler mit komplexen Segmentierungsanforderungen