Maschinelles Lernen bei der Website-Suche im E‑Commerce

Es mag eine komplexe Angelegenheit sein, Vorhersagen über die Zukunft zu treffen – das bedeutet jedoch nicht, dass Unternehmen nicht in der Lage wären, Trends zu identifizieren und sich auf sie vorzubereiten. Indem Sie die damit verbundenen Chancen erkennen und nutzen, können Sie Ihr Unternehmen bei der Verbesserung seiner Produkte und beim Ausbau seines Kundenstamms unterstützen. Mithilfe von maschinellem Lernen können Sie aktuelle Daten analysieren und Zukunftseinblicke gewinnen.

Maschinelles Lernen bei der Website-Suche im E‑Commerce 

„Maschinelles Lernen“ bezeichnet die Fähigkeit eines Computers oder eines Programms, selbstständig auf Basis von Erfahrung zu lernen, anstatt von einem Menschen programmiert zu werden. Dabei nutzt das System künstliche Intelligenz, um Muster in Daten zu erkennen und sein eigenes Wissen durch Versuch und Irrtum zu trainieren.

Künstliche Intelligenz ist jedoch nicht unbedingt gleichbedeutend mit maschinellem Lernen. Künstliche Intelligenz bezeichnet jede Art von automatisiertem Verhalten, das menschliches Verhalten auf irgendeine Weise nachahmt. Kameras mit Bewegungssensor sind eine Art künstlicher Intelligenz, da sie Bewegungen erkennen können. Maschinelles Lernen ist ein Teilbereich der künstlichen Intelligenz mit speziellem Fokus auf der Frage, wie Maschinen Daten verarbeiten und basierend auf ihren Erfahrungen Prognosen über die Zukunft treffen.

Das Beste am maschinellen Lernen ist, dass es kein menschliches Eingreifen erfordert. Ihr Unternehmen kann Unmengen an Arbeitsstunden und Gemeinkosten einsparen, indem es auf maschinelles Lernen setzt, anstatt jede Änderung manuell von Programmierer*innen vornehmen zu lassen. Maschinelles Lernen lässt sich hervorragend im E‑Commerce-Bereich einsetzen, da es Daten von Kund*innen wie Bestellverläufe und Einkaufsgewohnheiten nutzbar macht.

Auf Grundlage dieser zahlreichen Datenpunkte ermöglicht das maschinelle Lernen Vorhersagen darüber, was sie brauchen werden und wann sie es brauchen werden. Dies kann Ihre Website jedoch nur bis zu einem gewissen Grad weiterbringen. Sind Kund*innen erst einmal auf Ihrer Website, müssen sie die gesuchten Produkte finden können, ohne dabei durch eine komplizierte Website-Navigation aufgehalten zu werden.

Sie können noch so viel Traffic auf Ihrer Website generieren – wenn Benutzer*innen das Gesuchte nicht finden können, hat niemand etwas davon. Ihre Konversionsrate hängt davon ab, wie benutzerfreundlich Sie Ihre Website gestalten und wie leicht Sie es den Kund*innen machen, Produkte durchzusehen und gezielt ausfindig zu machen. Hier kommt der zweite Teil des maschinellen Lernens ins Spiel: Es ermöglicht nämlich die Echtzeit-Anpassung der Kommunikation und der internen Suchergebnisse auf Ihrer Website anhand von Benutzerintentionen.

 Verbesserte Relevanz 

Eine der Möglichkeiten, wie maschinelles Lernen für die Website-Suche verwendet wird, ist die Ausgabe relevanterer Ergebnisse. In der Regel haben Kund*innen, die auf Ihrer Website nach Produkten suchen, vor, diese auch zu kaufen. Ihr Ziel ist es nun, herauszufinden, ob Sie die Produkte mit den entsprechenden Funktionen anbieten und zu welchen Preisen.

Wenn Kund*innen mit Ergebnisseiten konfrontiert werden, die ihnen entweder gar keine Ergebnisse liefern oder Hunderte, die wenig mit ihrer eigentlichen Suchanfrage zu tun haben, werden sie Ihre Website höchstwahrscheinlich unzufrieden verlassen und den Kauf woanders tätigen. Mithilfe von maschinellem Lernen können Sie dafür sorgen, dass Ihre Suche relevante Ergebnisse für Kund*innen ausgibt, deren Zeit knapp bemessen ist.

Verwandte Suchergebnisse 

Maschinelles Lernen unterstützt Kund*innen nicht nur durch das Vervollständigen von Produktnamen oder das Korrigieren von Schreibfehlern. Es zeigt ihnen auch ähnliche oder verwandte Produkte an und verleitet auf diese Weise zu mehr Käufen als ursprünglich geplant. Solche Zusatzkäufe fördern Sie beispielsweise, indem Sie Kund*innen während des Kaufprozesses Zubehör für die ausgewählten Produkte anzeigen.

Maschinelles Lernen bezieht frühere Einkäufe und den Browserverlauf mit ein und stellt anhand der Erfahrungen anderer Kund*innen neue Zusammenhänge zwischen Produkten her. Es kann auch berücksichtigen, was andere Kund*innen angeklickt oder in ihren Warenkorb gelegt haben, nachdem sie einen bestimmten Begriff oder eine Reihe von Stichwörtern gesucht haben, und so aus ihren Assoziationen lernen.

Wenn Sie beispielsweise ein Konto bei Amazon besitzen, haben Sie vielleicht schon bemerkt, dass Ihnen bei jeder Anmeldung – noch bevor Sie die Suchleiste anklicken – ähnliche Artikel vorgeschlagen werden wie die, die Sie beim letzten oder vorletzten Mal gekauft haben. Bei Amazon erhalten Sie häufig Empfehlungen basierend auf den letzten zwei oder drei von Ihnen bestellten Produkten.

Fehlertoleranz 

Ihre Website-Suche sollte auf jeden Fall mit Schreibfehlern umgehen können. Ein alleiniger Fokus auf Stichwörtern hilft wenig, wenn es jede Menge Kund*innen gibt, die in der Eile Wörter falsch schreiben oder nicht wissen, wie Ihre ausgeklügelten Markennamen buchstabiert werden. Wenn Sie maschinelles Lernen einsetzen, um solche Fehler auszugleichen und Bezeichnungen automatisch zu vervollständigen, machen Sie es Ihren Kund*innen wesentlich leichter, das zu finden, was sie suchen.

Das ist auch gut so, denn die meisten Kund*innen verlassen Ihre Website nach ein paar Minuten wieder, wenn ihre Suche bis dahin erfolglos geblieben ist.

Maschinelle Sprachverarbeitung 

Wenn Kund*innen sich auf die Suche nach etwas begeben, formulieren sie ihre Anfragen eher so, wie sie es Freund*innen gegenüber tun würden – sie verwenden natürliche Sprache. Durch Herumraten auf die richtige Kombination von Stichwörtern und damit auf die gewünschten Ergebnisse zu kommen, ist lästige Zeitverschwendung und ein mühsames Spiel, auf das sich die meisten Kund*innen nicht einlassen wollen.

Mit Tools für die Website-Suche wie Yext Answers sorgen Sie dafür, dass Ihre Website-Suche natürliche Sprache verarbeiten und relevante Ergebnisse liefern kann – unabhängig davon, wie Ihre Kund*innen ihre Fragen stellen. Das Tool katalogisiert außerdem alle Suchanfragen und verschafft Ihnen dadurch einen Überblick darüber, wonach Benutzer*innen suchen und ob bei Ihren Inhalten noch Justierungsbedarf besteht.

Predictive Analytics 

Maschinelles Lernen kann auch solche Erkenntnisse zu Kundenverhalten liefern, aus denen sich Vorhersagen über zukünftiges Verhalten anderer Kund*innen auf Ihrer Website ableiten lassen. Dafür werden ihre Lebensumstände und die Motivation hinter ihren Kaufentscheidungen in die Analyse einbezogen. Je nach gewählten Artikeln der Kund*innen lassen sich durch maschinelles Lernen Zusammenhänge zu wichtigen Lebensereignissen erschließen, die in Zukunft auch andere Produkte interessant für sie machen könnten.

Wenn ein*e Kund*in beispielsweise Katzenfutter kauft, sollte Ihre Website daraus automatisch schlussfolgern, dass diese Person eine Katze besitzt und in Zukunft weiteren Katzenbedarf benötigen wird. Für sie könnten daher Anzeigen für Katzenstreu, ‑spielzeug, ‑geschirre oder ‑kostüme relevant sein. Wenn die Person auf Ihrer Website registriert ist, sollten Sie ihr Gutscheine oder Rabattcodes für Produkte im Zusammenhang mit Katzen anbieten, um sie zur Rückkehr auf Ihre Website zu bewegen.

Die Analysemethode der Predictive Analytics kann jedoch auch in wesentlich größerem Maßstab angewandt werden. Durch die Analyse von Kauftrends bleiben Sie über Marktentwicklungen auf dem Laufenden und wissen, welche Artikel in naher Zukunft nachgefragt sein werden. Dies kann sich auf Ihre Marketingstrategien auswirken, aber auch darauf, wie Sie Ihre Artikelbestände verwalten und sicherstellen, dass gefragte Artikel zur richtigen Zeit vorrätig sind.

Um vorhersagen zu können, was Kund*innen jetzt und in Zukunft brauchen, müssen Sie den Kontext von Kundensuchen verstehen. Durch maschinelles Lernen lässt sich außerdem die Zeit zwischen den Käufen von Verbrauchsgütern berücksichtigen. So könnte Ihre Website-Suche im oben genannten Beispiel lernen, dass Kund*innen in der Regel drei Wochen nach dem Kauf einer Packung Katzenfutter eine weitere Packung bestellen.

Dieses Wissen wird trainiert, indem wiederkehrende Kund*innen sowie Muster und Überschneidungen von Käufen erkannt und Kaufintervalle zur Berechnung einer Durchschnittszeit herangezogen werden. Ihre Website kann daraufhin personalisierte Benachrichtigungen oder Rabattcodes verschicken und die Kund*innen auf diese Weise daran erinnern, dass ihr Katzenfutter zur Neige geht und nachgekauft werden sollte, damit ihre Katze nicht hungern muss.

Höheres Ranking 

Einen weiteren Vorteil für Website-Suchen bietet maschinelles Lernen im Hinblick auf die Auflistung von Suchergebnissen. Wenn Kund*innen nach Katzenfutter suchen und Sie mehrere Produkte mit dieser Bezeichnung führen, muss Ihre Suchmaschine auf irgendeine Weise festlegen, in welcher Reihenfolge diese auf der Ergebnisseite angezeigt werden.

Einige E‑Commerce-Websites wie etwa Amazon ermöglichen es Kund*innen, ihre Ergebnisse mithilfe von Filtern automatisch nach Preis oder durchschnittlicher Bewertung zu sortieren. Auch Sie können Yext in die Lage versetzen, die gesuchten Artikel Ihrer Kund*innen zu ermitteln, und zwar auf Grundlage früherer Suchvorgänge, ihres Einkaufsverhaltens, ihrer Eingabe in das Textfeld und der Käufe anderer Personen mit ähnlichem Profil.

Durch maschinelles Lernen kann Ihre Website-Suche all diese Daten analysieren und die Ergebnisse in eine sinnvolle Reihenfolge bringen, bei der Artikel, die für Kund*innen am ehesten infrage kommen, ganz oben erscheinen und die Kaufwahrscheinlichkeit nach unten hin immer weiter abnimmt.

Chatbots 

Nicht immer suchen Kund*innen auf Ihrer Website nach Produkten. Häufig sind sie stattdessen auf der Suche nach Informationen zu Ihrem Angebot, nach Anleitungen für die Einrichtung oder Verwendung eines Produkts oder nach weiteren Angaben zu seinen Funktionen. Ein automatisierter Chatbot ist eine hervorragende Möglichkeit, Anfragen dieser Art zu bearbeiten, ohne Mitarbeitende des Kundenservice hinzuziehen zu müssen.

Langes Warten auf E‑Mail-Antworten möchten Kund*innen in der Regel lieber vermeiden. Ein Chatbot dient als alternative Quelle sachkundiger Expertise, die jederzeit online zur Verfügung steht. Außerdem spart Ihr Unternehmen Zeit und Geld, denn der Chatbot übernimmt die Beantwortung von Kundenfragen und verringert damit die Anzahl derjenigen, die menschlichen Support in Anspruch nehmen müssen.

Fazit

Das Großartige an maschinellem Lernen ist, dass es Ihre Website-Suche mit jedem*jeder Käufer*in intelligenter und aussagekräftiger macht – ganz egal, ob dabei auch Produkte gekauft werden oder nicht. Ihre Website analysiert die Daten Ihrer Kund*innen und Benutzer*innen und ermittelt so, wie Produkte organisiert werden und miteinander in Beziehung stehen, um bessere und relevantere Ergebnisse zu liefern.

Kontaktieren Sie uns, wenn Sie mehr darüber erfahren möchten, wie Sie die Suche auf Ihrer Unternehmenswebsite durch maschinelles Lernen erweitern und Ihre Konversionsrate steigern können.

Quellen:

Machine Learning Improves E-Commerce Site Search (Maschinelles Lernen verbessert die Suche auf E-Commerce-Seiten) | Eventige

How machine learning is changing eCommerce site search for the better (Wie Machine Learning die Suche auf E-Commerce-Seiten verbessert)| Loop 54

Machine Learning For Ecommerce: How Does it Work? (Machine Learning für E-Commerce – So funktioniert’s) | Big Commerce

Tags:

Finden Sie heraus, wie Ihr Unternehmen suchenden Konsumenten verifizierte Antworten liefern kann. So wird Ihr Unternehmen leichter gefunden und Ihr Umsatz steigt.

Jetzt starten