Blog

HomeE-CommerceTargeting: Bessere Echtzeit-Profile mit semantischer Suche

Targeting: Bessere Echtzeit-Profile mit semantischer Suche

Mit semantische Filtern kann eine Produkt-Suche einen Suchbegriff interpretieren und aus diesem Filter-Kriterien abzuleiten, anstelle nur einfach nach einem Begriff in Textform zu suchen. Weitere Informationen…

Warum eine semantische Suche Marketing-Automation und Personalisierung im Online-Shop verbessern kann

Für die Personalisierung wird ein Echtzeit-Profil erstellt, welches unter anderem Interessen und Ziele des Nutzers enthält. Und neben der besseren Suchfunktion mit relevanteren Suchergebnissen können die semantischen Filter die Qualität dieses Echtzeit-Profils entscheidend verbessern. Ganz einfach: Ein Profil mit einem klar definierten Interesse, welches Kategorien und Eigenschaften zugeordnet werden kann, ist besser als eines mit Interesse an einem Schlüsselwort.

Bessere Nutzerprofile für die Personalisierung mit semantischer Suche

Aussagekräftiges Pre-Targeting und Echtzeit-Profil

Die Produkt-Suche ist immer häufiger das wichtigste Navigationselement im Online-Shop. Ohne Rücksicht auf statische Kategorien interagieren Nutzer an dieser Stelle sehr „frei“ mit dem Online-Shop. Im gleichen Moment geben sie auch sehe viel von sich preis: Interessen, Prioritäten, bevorzugte Vorgehensweisen, aktuelle Ziele (des Shop-Besuchs) und vieles mehr. Mit semantischen Filtern gelingt die Brücke vom Freitext-Eingabefeld hinüber zu auswertbaren Kategorien und Eigenschaften. Der Suchbegriff wird nicht mehr nur gesucht, sondern interpretiert. Und so gelingt ein Pre-Targeting und vor allem ein aussagekräftiges Echtzeit-Profil. Schauen wir uns das in der Praxis mit einem Beispiel an:

Semantische Filter und Echtzeit-Personalisierung in der Praxis

Was wir zum Beispiel im Online-Shop flaschenpost.ch beobachtet haben: Wenn Nutzer nach einer Traubenart suchen, zeigen sie deutlich, dass dies sehr wichtig für sie ist. Sonst hätten sie nicht danach gesucht… So lassen sich Nutzer differenzieren: Eine Persona wählt den Wein nach Traubenart, eine andere Gruppe nach Region. Wenn Sie aber nicht wissen, dass Merlot eine Traube ist? Genau: Ohne semantische Filter ist diese Zuordnung nicht möglich.
Andere Nutzer nutzen vielleicht Facetten, um die Traubenart auszuwählen, weil sie zu viele Suchergebnisse bekommen haben. Hier spielt die Art der Traube eine untergeordnete Rolle. Dieser Unterschied im Nutzerverhalten kann in Echtzeit analysiert, interpretiert und für ein besseres Nutzererlebnis durch Personalisierung verwendet werden.

Strategien für die Personalisierung

Wir können auf diese Weise eine einfache Ableitung ermöglichen: Sagen wir einfach, diese Person hat nach einer Traubenart („Merlot“) gesucht, also orientiert sich der Nutzer an Trauben. Welche Strategien funktionieren am besten für trauben-orientierte Nutzer?
Eine ganz einfache Strategie für die Personalisierung könnte so aussehen, dass für die Auswahl von Recommendations die Traubenart sehr hoch gewichtet wird. Suche ich als Nutzer explizit nach einer speziellen Traube, werden mir also überwiegend Merlot-Vorschläge gezeigt, weil mir das offensichtlich wichtig ist.
Ein anderer Nutzer wird vielleicht nach „Parker“ suchen, wenn es um die Auswahl von Wein geht. Entsprechend sollte für ihn der Aspekt der Auszeichnung sehr hoch gewichtet werden, um relevante und persönliche Produkt-Vorschläge und Recommendations zu platzieren.

Kontakt aufnehmen

Written by / 4 Articles

Als Vicepresident Products ist Sylvain Paillard entscheidend an der Produktentwicklung bei Boxalino beteiligt und Experte für künstliche semantische Intelligenz.

Leave a Comment