Product Discovery: Wie ihr mit Search- und Recommendation-Engines den Umsatz steigert

Wer sucht, der findet. Haustürschlüssel, Portemonnaie, Brille – fast täglich sind Menschen damit beschäftigt, irgendetwas zu suchen. Sicherlich geht es euch da nicht anders. Die Geduld, bei der Recherche nach Produkten im Internet weitere Zeit mit Suchen zu vergeuden, ist also mehr als begrenzt.

79 Prozent der Nutzenden, die auf einer Website nicht schnell finden, wonach sie suchen, wechseln zu einer anderen Seite. Umso wichtiger ist es, dass ihr es eurer Kundschaft erleichtert, für sie passende Angebote online zu entdecken.

Diese Aufgabe ist in mehrerlei Hinsicht herausfordernd. Um User mit euren Produkten zu begeistern, braucht es mehr als einen nutzerfreundlichen Webauftritt. Product-Discovery-Tools wie Search und Recommendation Engines helfen euch dabei, das Sucherlebnis eurer Website-User zu optimieren und somit eure Conversions zu steigern. Warum diese Tools so wichtig sind und wie ihr sie in der Praxis richtig einsetzt, erfahrt ihr im Beitrag.

Was ist Product Discovery im E-Commerce?

Product Discovery bezieht sich auf die Art und Weise, wie User eure Produkte und Services in eurem Shop finden und erkunden. Dazu gehört die textuelle, visuelle oder sprachgesteuerte On-Site-Suche ebenso wie das Durchsuchen einzelner Kategorien, der sogenannten Facetten-Navigation. Auch zielgerichtete Prozesse wie Guided Selling, bei dem Kunden durch Fragen und Empfehlungen zu den für sie passenden Produkten geleitet werden, haben einen großen Einfluss auf die Einkaufserfahrung eurer User.

Dabei ist das Ziel, euren potenziellen Käufern an jedem Zeitpunkt der Customer-Journey relevante Angebote auszuspielen. Im besten Fall kauft die Kundin oder der Kunde daraufhin in eurem Shop. Auch dann, wenn sie eigentlich auf der Suche nach etwas ganz anderem waren. In etwa so, wie wenn man zu Hause verzweifelt nach dem Schlüssel sucht und nebenbei die Packung Kaugummis, die verloren geglaubte Sonnenbrille und die längst verschollene Bonuskarte vom Café um die Ecke wieder findet.

Eine Win-Win-Situation, denn solche Glücksfunde schätzen nicht nur eure Nutzenden, sie kommen auch zugute: Studien zufolge können Unternehmen ihre Conversion-Rates um bis zu 25 Prozent steigern und ihre Umsätze erhöhen, wenn sie die passende Product-Discovery-Technologie einsetzen. Dazu gehören beispielsweise Search -, Insight – und Recommendation Engines.

Onsite-Search mit Search Engines

Dass ein Onlineshop über eine eigene Suche verfügt, ist inzwischen selbstverständlich. Dennoch wird ihr Wert für ein positives Nutzererlebnis oft unterschätzt. Mit einem einfachen Suchfeld ist es hier nämlich nicht getan. Geben User ein Suchwort ein, haben sie auch bestimmte Erwartungen an das Ergebnis. Schlägt die Suche fehl oder überzeugt das Ergebnis nicht, ist die Absprungrate hoch.

Datengetriebene Suchlösungen sollen euren Usern die Recherche nach einem bestimmten Stichwort erleichtern. Dazu zählt auch der Service, Suchvorschläge anzuzeigen oder Suchbegriffe zu vervollständigen. Ein weiterer wichtiger Punkt ist die Visualisierung des Outcomes in der Suche selbst und auf der Ergebnisseite.

Fakt ist: Mit einer modernen Suche könnt ihr viel mehr als nur das in die Suchleiste getippte Produkt anzeigen.

Funktionen von modernen Onsite-Lösungen im Überblick

Vorteile für eure Kunden:

• automatisches vervollständigen von Texteingaben
• ergänzende Produktvorschläge zu den Suchergebnissen
• Guided Selling für bestimmte Produktkategorien
• direkte Warenkorb- bzw. Kauffunktion aus den Suchergebnissen heraus
• vielfältige Suchmöglichkeiten via Texteingabe, QR-Code und Sprachsteuerung
• übersichtliches Clustering der Ergebnisse nach Produkt-, Marken und Kategorievorschlägen
• optionale Ergänzung der Suchvorschläge durch visuelle Informationen (Produktbilder, Preise, Verfügbarkeit etc.)
• erweiterbare Suchergebnisse abseits von Produkten bspw. Rechnungen und Jobangebote

Vorteile für euch:

• individuelle Priorisierung und Ausspielmöglichkeiten von Produkten zur Margenoptimierung
• A/B-Testing aller Konfigurationen zur Performanceoptimierung und Erstellung von Analytics-Dashboards
• reibungslose Standardintegration zu allen gängigen E-Commerce-Systemen

Einen Überblick führender Search Engines und die jeweiligen Vorteile der einzelnen Lösungen findet ihr auf der dotSource Leistungsseite.

Unterschied Search Engines und Insight Engines

Mithilfe von künstlicher Intelligenz (KI) werden diese Suchlösungen immer komplexer, vielfältiger, fähiger, genauer – und eben dank steigender Suchanfragen intelligenter. Das ist insbesondere bei sogenannten Insight Engines der Fall. Sie sind technologisch so ausgereift, dass sie eine präzise, nutzerfreundliche und intelligente Suche ermöglichen und sogar die Suchabsicht erkennen.

Mithilfe von Konnektoren crawlen und indizieren Insight Engines Inhalte aus verschiedenen Quellen. Darin liegt auch ihr größtes Unterscheidungsmerkmal zu den Search-Engines. Sie indizieren nämlich die gesamte Bandbreite an Unternehmensinhalten, von strukturierten Daten bspw. aus der Datenbank bis hin zu unstrukturierten Inhalten wie Text- und Audioformaten. Mittels Natural Language Processing und Natural Language Question Answering versteht und interpretiert die Lösung Nutzeranfragen.

Sucht ein User beispielsweise nach »Platte« könnte er eine Schallplatte oder eine Tischtennisplatte meinen – oder es handelt sich um einen ungewöhnlichen Tippfehler und ein Blazer mit einer Patte an der Tasche ist das Ziel.

Dank der intelligenten Suche wird das Ergebnis im Kontext und spezifisch auf den User zugeschnitten. Somit stellt ihr sicher, dass Nutzende auch das gewünschte Produkt wirklich finden. Gleichzeitig werden ihnen andere relevante Inhalte wie zum Beispiel eine Bedienungsanleitung oder passendes Zubehör angeboten.

Produktempfehlungen mit Recommendation Engines

Reine Produktsuchmaschinen gibt es inzwischen kaum noch. Die Tools haben sich zu Recommendation-Engines weiterentwickelt. Diese bieten umfassende Funktionalitäten wie zum Beispiel Produktempfehlungen, Analytics und A/B-Testing. Der Hauptgrund für diese Veränderung liegt in der Datenlage.

Gibt ein User etwas in der Search Engine ein, verarbeitet die Recommendation Engine diese Transaktion und kombiniert sie mit historischen Daten über das Nutzerverhalten sowie Produktdaten.

Verfügt ihr über diese wertvollen Informationen beziehungsweise wisst ihr, wie ihr diese generiert, könnt ihr euren Websitebesucherinnen und –besuchern relevante Empfehlungen ausspielen.

Die Empfehlungen können sich sowohl nach nutzerspezifischen Informationen wie dem Kauf- und Klickverhalten richten als auch interne Aspekte wie den Lagerbestand und die Marge einbeziehen. Sucht ein Kunde beispielsweise nach einer neuen Jeans, werden ihm auf einer Produktseite ähnliche Modelle zu einem höheren Preis (Up-Selling) angezeigt. Hat er sich dann für eine Hose entschieden, kann ihm noch ein passendes Shirt angeboten werden, um den Look komplett zu machen (Cross-Selling).

Dass sich Up- und Cross-Selling lohnt, beweist Amazon: Über ein Drittel der Käufe auf dem Marktplatz sind Recommendation Engines zu verdanken.

Funktionen von modernen Recommendation Engines im Überblick

• personalisierte Produktempfehlungen auf Basis des Nutzerverhaltens sowie unternehmensinterner Daten
• verschiedene Empfehlungsmethoden basierend auf dem Verhalten ähnlicher Nutzer oder auf Eigenschaften von Produkten, die für den User interessant waren
• kontinuierliche Verbesserung des Outputs durch den Einsatz von Machine Learning und künstlicher Intelligenz
• vielfältiger Einsatz innerhalb des Onlineshops bspw. auf der Startseite, Produktseiten, im Warenkorb oder als Pop-up

Voraussetzungen für den erfolgreichen Einsatz von Search und Recommendation Engines

Im Alltag ist man bei der Suche nach dem Schlüssel, dem Portemonnaie oder der Brille meistens auf sich allein gestellt. Dank strukturierter Daten ist das bei der Product Discovery anders. Sie legen die Grundlage für passgenaue Suchergebnisse.

Allerdings nur dann, wenn sie zentral gesammelt und optimal aufbereitet sind. Mit hochwertigen Produktdaten, kontinuierlichen Nutzeranalysen, echtzeitbasierter Datenverarbeitung und regelmäßigen Tests, bietet ihr euren Kunden positive Einkaufserlebnisse.

Datenqualität

Ohne hohe Datenqualität könnt ihr keine positive Produktsuche ermöglichen. Damit eure User möglichst zielgenau nach einem Produkt suchen können, müssen an diesem zahlreiche Attribute gepflegt sein. Das könnt ihr in einem geeigneten PIM-System realisieren. Sind die Informationen dann entsprechend strukturiert, zentralisiert und vernetzt, schafft ihr einen reibungslosen Datenfluss.

Das wiederum ist die Voraussetzung für Guided Selling, bei dem Webseitenbesucherinnen und –besucher beratend durch den Kaufprozess geführt werden. 

Habt ihr noch kein PIM-System im Einsatz oder wollt ihr euch über die Möglichkeiten eurer Lösung informieren, helfen euch die dotSource Expertinnen und Experten.

Datenanalysen

Daten helfen außerdem herauszufinden, wie und wonach eure Nutzenden suchen und wann empfohlene Produkte am ehesten zu einem Kauf führen. Mit der Analytics-Funktion könnt ihr relevante Kennzahlen während des Product-Discovery-Prozesses messen und auswerten. Diese Untersuchungen geben Aussage darüber, welche Aspekte ihr bei der Suche und den Empfehlungen ihr noch optimieren solltet.

Achtet also bei der Auswahl eines Product-Discovery-Tools darauf, dass es über die entsprechende Funktionalität verfügt.  

Datenverarbeitung in Echtzeit

Damit Suchanfragen möglichst individuell bearbeitet und Empfehlungen personalisiert erfolgen, sollten eure Tools über die Fähigkeiten zur Echtzeit-Datenverarbeitung verfügen. Das kann entweder der Kern der Lösung sein oder durch Zusatzfeatures wie Segmentierung und die Vorhersage zukünftiger Vorgänge mittels Real-Time-Predictions ergänzt werden.  

Optimierung/Testing

Verfügt ihr über hochwertige Daten, könnt ihr diese analysieren, ist der nächste Schritt, die Produktsuche für eure Nutzenden weiter zu optimieren.

Deswegen haben die meisten Lösungen Optimierungsmöglichkeiten wie A/B-Testing, Datenmodellierung oder -visualisierung bereits integriert.

Was es konkret mit A/B-Testing auf sich hat und wie ihr euren Onlineshop damit ganz gezielt weiter entwickeln könnt, wird euch auf der dotSource Leistungsseite erklärt.

Alle wichtigen Grundlagen für den erfolgreichen Einsatz von Search- und Recommendation Engines findet ihr kurz und knapp nochmal im Research-Video:

Wie sich die Product Discovery im B2B und B2C unterscheidet

Auch hinter Unternehmen stehen Menschen, die suchen. Ihr merkt, irgendwie bleibt keiner davor bewahrt. Also wollen auch Einkäuferinnen und Einkäufer online schnell zu finden, wonach sie suchen. Insbesondere im B2B-Kontext ist das relevant. Schließlich bleibt gerade im Arbeitskontext wenig Zeit, um online zu stöbern.

Sie erwarten: 

• schnelle Performance 
• gute Usability 
• ein angenehmes Design 
• präzise Filter

Die Anforderungen sind gleich. Nur die Art und Weise, wie sie erfüllt werden, unterscheidet sich in der B2B- und B2C-Product-Discovery. 

In der Regel ist die Product Discovery im B2B-Kontext Teil eines wiederkehrenden Einkaufsprozesses. Da B2B-User bereits genaue Produktattribute wie zum Beispiel die Artikelnummer oder den Modellnamen kennen, erfolgt die Product Discovery gezielt und einfach. Dabei werden Produkte oft direkt über das Navigationsmenü gesucht oder über eine Bestellübersicht nachbestellt.  

Im B2C-Kontext verläuft die Product Discovery in der Regel eher spontan und nicht so zielgerichtet. Ganz im Gegenteil. Käufer lassen sich sogar durch variable Faktoren wie dem Wetter oder der Stimmung beeinflussen.

Viele B2C-Kunden wissen am Anfang einer Journey gar nicht, wonach sie suchen. Sie wollen einfach nur stöbern. Wie auf einem Flohmarktschauen sie sich verschiedene Bereiche an und lassen sich inspirieren. Die Suchschärfe ist also viel geringer als im B2B, das Recommendation-Potenzial aber höher. Sucht eine Kundin beispielsweise nach einem Outfit für den Sommer, ist sie durchaus empfänglich für verschiedene Produktkategorien wie kurze Hosen, Röcke, Tops oder gar Sandalen.

Product-Discovery-Tools können also sowohl im B2B als auch im B2C einen erheblichen Wettbewerbsvorteil darstellen. Allerdings nur dann, wenn ihr berücksichtigt, wie eure Zielgruppe nach Produkten und Informationen sucht.

B2B Best Practices: Search Engine bei Heidelberger Druckmaschinen AG

Das Industrieunternehmen Heidelberger Druckmaschinen AG (HDM) macht vor, wie Suchfunktionen insbesondere im B2B die Nutzerfahrung verbessern können. Das Unternehmen hatte zwar im bisherigen Shopsystem eine Suchlösung im Einsatz, war aber mit der Performance nicht mehr zufrieden.

Das Team von HDM war auf der Suche nach einer flexibleren Lösung mit größerem Funktionsumfang, mit der sich neben reinen Produktdaten auch andere Informationen wie Bestellungen, Wunschlisten und Rechnungen abbilden lassen. Um diese Anforderungen zu erfüllen, entschieden sie sich für die Coveo Relvance CloudTM .

Vorteile von HDM durch die Integration einer modernen Search Engine:

• reduzierte Ladezeiten der Suchergebnisse um ein Zehnfaches
• verbesserte Relevanz der Suchergebnisse durch den Einsatz von Machine Learning
• zusätzliche Möglichkeit länderspezifischer Produktkataloge
• nutzerfreundliche und übersichtliche Suche auf allen Endgeräten dank Responsive Design

Mehr über das spannende E-Commerce-Projekt der Heidelberger Druckmaschinen AG könnt ihr übrigens in der Success Story »Digital Business in der Druckbranche: Internationale B2B-Plattform mit der Salesforce Commerce Cloud« nachlesen.

Personalisierung der Product Discovery

Eines haben also alle gemeinsam: Mensch sind immer wieder auf der Suche. Aber nicht alle suchen das Gleiche und erfreuen sich an denselben Dingen, die sie auf ihrer Erkundungstour entdecken. Personalisierte Ergebnisse und Empfehlungen sind für eine positive Product-Discovery als unumgänglich.

Mit den richtigen Product-Discovery-Tools könnt ihr Kataloge und deren Produktreihenfolge explizit für einzelne Kunden erstellen. Oder ihr zeigt beliebte Artikel besonders häufig in der Suchfunktion oder der Navigation.

Search- und Recommendation Engines haben ihren Funktionsumfang entsprechend erweitert und bieten inzwischen zusätzliche Funktionen. So bietet die Recommendation-Engine-Lösung von prudsys beispielsweise KI-Anwendungen, Realtime Prediction und Dynamic Pricing und ermöglicht so höchst individuelle Produktempfehlungen.

Auch die Insight-Engine-Lösung von Coveo bietet neben der intelligenten Suche und den Recommendations die Möglichkeit, verschiedenste Schritte der Product Discovery zu personalisieren.

Product Discovery: Best Practices und Tools

Eine hilfreiche Auflistung verschiedener Search-, Insight- Recommendation-Engines findet ihr im Whitepapaper »Erfolg durch Product-Discovery – Search- und Recommendation-Tools im Überblick«.

Dort erfahrt ihr, wann sich welches Tool für euer Unternehmen eignet. Außerdem erwarten euch weiterführende Infos und Tipps zu Themen wie Cross- und Upselling sowie inspirierende Praxisbeispiele.

Füllt jetzt das Formular aus und erhaltet euer kostenfreies Exemplar.