Produktempfehlungen für Mailchimp nutzen
Sie kennen das! Sobald Sie in einem Onlineshop ein bestimmtes Produkt in den Warenkorb gelegt haben, schlägt Ihnen das System noch weitere Artikel vor, die Ihnen auch gefallen könnten oder die von anderen Kunden gekauft wurden. Bei den Online-Schwergewichten Amazon und Netflix ziehen sich diese Empfehlungen wie ein roter Faden durch die Customer Journey. Doch auch für kleinere E‑Commerce-Unternehmen sind die Produkt-Empfehlungen im Umfeld des Newslettermarketings eine Option, die Mailchimp anbietet.
Das Feature steht allen Mailchimp-Nutzern offen, die über ein kostenpflichtiges Konto verfügen und Ihre E‑Commerce-Daten (Produktbilder, Links und den Vorratsbestand) mit Shopify, BigCommerce oder API 3.0 verbunden haben. Auch für Magento ist dieser Service ab dem 7. Juni gültig. Voraussetzung ist auch, dass Ihr Shop mehr als 50 verschiedene Kunden innerhalb eines Jahres aufweisen kann, mehr als zehn Produkte im Angebot hat und mehr als 500 Bestellungen im Jahr verarbeitet. Alle anderen, die nicht über diese Kriterien verfügen, können anstelle von Produktempfehlungen auf die Top-Seller-Funktion zurückgreifen.
Wenn Sie Shopify, BigCommerce oder API 3.0 nutzen, sieht die Darstellung innerhalb ihres Kontos wie folgt aus:
Sobald die Box für die Produktempfehlungen in die Inhalte der Kampagne eingepflegt ist, kann deren Anzahl ausgewählt werden. Zudem hat Mailchimp ein Werkzeug integriert, das die Mehrfachnennung eines Produkts in einer Mail verhindert. Im Hintergrund analysiert Mailchimp vor dem Versand der Kampagne die individuelle Kauf-Historie des Kunden und bietet auf Basis dieser Ergebnisse personalisierte Produktempfehlungen an. Liegen keine Empfehlungen vor, greift das Programm auf die Top-Seller zurück.
Wie funktioniert der dahinter liegende Mechanismus nun genau? Nehmen wir als Beispiel einen Onlineshop für Kleidung, in dem ein Kunde ein T‑Shirt gekauft hat. Über diese reine Information hinaus, also Kunde X hat Kleidungsstück Y erworben, wäre es für den Erfolg einer Kampagne enorm hilfreich, wenn wir voraussehen könnten, was unser Kunde möglicherweise als nächstes kaufen will. Nur dann können wir zielsicher eine Mail verschicken, in der genau dieses Produkt beworben wird.
Um hier einen möglichst genauen Treffer landen zu können, kommt die Mathematik ins Spiel. Aus der Tabelle geht hervor, dass Kunden, die ein T‑Shirt gekauft haben, oftmals auch zu Socken greifen, aber den Hut links liegen lassen. Auch Karten, Actionfiguren und Bücher sind bei diesem Kunden-Typ eher weniger beliebt. Auf Basis dieser Daten würden wir nun in die nächste Kampagne als Produktempfehlungen sowohl die Socken als auch einen Hut integrieren.
Was passiert nun, wenn ein Kunde über einen längeren Zeitraum gar nichts gekauft hat? In diesem Fall erhält der Kunde eine Liste an Produkten, die im Shop in letzter Zeit besonders gut gelaufen sind. Niemand wird eine Empfehlung von Artikeln erhalten, die bereits gekauft wurden oder die zum Zeitpunkt der Kampagnen-Erstellung bereits ausverkauft sind. Alle Produktempfehlungen basieren auf diesen Überlegungen.
