Ein Suchrezept für Lebensmittelhändler: Zutaten für den Erfolg im eCommerce

Nutzen Sie diese Strategien, um sicherzustellen, dass die E-Commerce-Erlebnisse Ihrer Lebensmittelmarke den richtigen Eindruck bei den Käufern von Lebensmitteln hinterlassen.

Dieser Beitrag wurde ursprünglich im Google Cloud Blog veröffentlicht und gemeinsam mit Matt Sullivan, Global Head of Strategic Partnerships, Google Cloud, verfasst.

Laut einer Studie von Deloitte wird heute mehr als die Hälfte der Lebensmittelverkäufe von der Digitalisierung beeinflusst, aber nur 4 % dieser Verkäufe werden tatsächlich online abgeschlossen . Daraus ergibt sich eine enorme Wachstumschance für Lebensmittelhändler, um ihren Anteil an den digitalen Käufern zu erhöhen. Die Verbraucher bevorzugen ein One-Stop-Shopping-Erlebnis, da es sowohl ihrer Zeit als auch ihrem Geldbeutel zugute kommt und auch dem Lebensmittelhändler zahlreiche Synergien bietet. Obwohl die Aggregatoren eine wachsende Konkurrenz darstellen, zeigen Untersuchungen von Google, dass die Mehrheit der Verbraucher immer noch bei ihrem Lebensmittelhändler in der Nähe einkaufen und die Geschäfte auswählen, die sie bereits besuchen. Untersuchungen zeigen, dass mindestens 40 % dieser digitalen Besuche über die Suche erfolgen (Tendenz stark steigend). Zusammen mit der Tatsache, dass die Konversionsrate über die Suche 50 % höher ist als ohne sie, ist dies ein klarer Beweis dafür, dass die Priorität der Suche eine der wichtigsten Zutaten für den Erfolg sein sollte.

Hier sehen wir uns das allgemeine Rezept an, dem Ihre Onsite-Suche folgen sollte, um ein angenehmes Erlebnis für Ihre Kunden zu schaffen:

Auffindbar

Laut KISSMetrics springen 12% der Käufer auf die Website eines Konkurrenten, wenn sie auf irrelevante Ergebnisse stoßen. Präzision ist von entscheidender Bedeutung, wenn der Käufer weiß, was er braucht – z. B. bestimmte Zutaten für ein Rezept, einen bestimmten Produktnamen oder sogar eine Lagerhaltungseinheit (SKU). Die Art und Weise, wie ein Käufer die Artikel beschreibt, kann sich von der Art und Weise unterscheiden, wie sie beschriftet sind. Daher ist es umso wichtiger, intelligente Suchtechnologien einzusetzen, um diese Lücken zu schließen. Auch die Art und Weise, wie die Suchanfragen eingegeben werden, entwickelt sich in Richtung freihändiger Methoden wie Sprach- oder Fotosuche. Die vektorbasierte Suchtechnologie bietet einen Mechanismus, um Ersatzartikel zu finden, wenn ein bestimmter Artikel nicht mehr verfügbar ist, sowie ergänzende Artikel zur Vervollständigung einer Mahlzeit. Empfehlungssysteme und Algorithmen für das Merchandising sollten genutzt werden, um die Alleinstellungsmerkmale eines Geschäfts zu präsentieren, z.B. Spezialitäten, Hausmarken oder einzigartige Produkte, die mit der Suchabsicht des Käufers in Zusammenhang stehen.

Die Bereitstellung von mehr Benutzerfreundlichkeit durch Einkaufstools, die die Suche nutzen, kann den Geschäften helfen, sich von den Aggregatoren abzuheben. Zusätzlich zu der Vorliebe, lokale und gleiche Geschäfte zu besuchen, zeigen Untersuchungen, dass die Wiederkaufsrate von Artikeln im Lebensmittelhandel viel höher ist als in anderen E-Commerce-Bereichen. Der Wunsch der Kunden ist es, die Ergebnisse auf der Grundlage früherer Bestellungen zu ermitteln, wie z.B. „Kaufen Sie es wieder“, und die Ergebnisse auf der Grundlage der Merkmale früherer Bestellungen zu beeinflussen. Bequeme Tools wie das Hochladen von Einkaufslisten und die intelligente Extraktion von Produkten aus Rezepten sind sowohl für neue als auch für bestehende Kunden von Vorteil. Wenn Kunden sich entschließen, in den Laden zu kommen, ist die Suche, die den Kunden hilft, die Artikel im Laden zu finden, ein Instrument, um Kunden mit einem hohen Gefühl der Dringlichkeit zu gewinnen.

Entdeckbar

Laut der Food Industry Association sagen 40% der Käufer, dass sie online besser neue Produkte entdecken können als im Geschäft. Wenn Kunden nicht genau wissen, welche Artikel sie benötigen, was der Laden alles führt oder wie die Produkte heißen (z.B. Schlüsselwörter), verlassen sie sich eher auf die Navigation und das Stöbern. Dies spiegelt das Verhalten der Kunden wider, die sich in den Gängen der Geschäfte umsehen. Das digitale Erlebnis kann das der Geschäfte durch dynamisch personalisierte Navigations- und Stöbererlebnisse mit Hilfe der Suche aufwerten. Dadurch wird ein einfühlsameres Erlebnis geschaffen, das auf die Absichten der Kunden eingeht und sich an diese anpasst, z. B. indem die Gänge auf der Grundlage der Ernährungsgewohnheiten und der bevorzugten Inhaltsstoffe neu sortiert werden.

Die Einführung von Empfehlungsgebern und Chatbots beim Surfen simuliert das Erlebnis im Geschäft, da die Kunden häufig mit anderen Kunden und dem Personal im Geschäft interagieren, um Empfehlungen zu erhalten. Diese können durch die Absichtssignale des einzelnen Käufers und die anderer ähnlicher Käufer beeinflusst werden. Sie möchten auch, dass Ihre Kunden Ihre Produkte in externen Suchmaschinen finden. Mit Smart Enrichment können Sie zum Beispiel die Informationstiefe auf den Navigations- und Durchsuchen-Seiten für einen bestimmten Artikel oder eine bestimmte Kategorie erhöhen. Die Vektorsuche und die Empfehlungsfunktion können auch dazu genutzt werden, um auf der Grundlage des Suchverhaltens des Käufers bestimmte Ziele zu verfolgen, wie z.B. relevante Hausmarken oder Generika als Ersatzprodukte. Dies ist besonders wertvoll in Zeiten steigender Kosten und der Zunahme kostenbewusster Verbraucher.

Informativ

Stellen Sie eine Vielzahl von Informationen zur Verfügung, die dem Käufer helfen, eine Entscheidung zu treffen, und zwar nicht nur die des Herstellers, sondern auch die der Benutzergemeinschaft. Dies hilft nicht nur dem Käufer, sondern trägt auch dazu bei, dass die Käufer Ihre Produkte in Suchmaschinen finden. Modelle des maschinellen Lernens können die Signale der Käufer mit den ihnen zur Verfügung gestellten Informationen (z.B. Zutaten und Rezepte) kombinieren, um Modelle wie Empfehlungssysteme und Personalisierung zu informieren – und um Erkenntnisse zu gewinnen. Diese Signale können von Drittanbietern stammen, z. B. von Diät- und Gesundheits-/Fitness-Apps, wenn der Kunde die Erlaubnis zur Weitergabe erteilt.

Im Folgenden finden Sie Beispiele für gängige Datenpunkte wie Kalorienzahl, Kohlenhydrat- und Fettzufuhr und Ernährungsziele, die in Apps verfolgt werden.

Datenpunkte können auch aus Nährwert- und Rezeptetiketten mit Hilfe von ML-basierter Entitätserkennung und Themenextraktion extrahiert werden. Dies macht die herkömmliche Datenmanipulation und -anreicherung überflüssig, vor allem wenn die Produktattribute und -details spärlich sind. Benutzergenerierte Inhalte wie Bewertungen, Beiträge und Videos können ebenfalls wertvolle Quellen sein, um das verfügbare Wissen über ein Produkt zu ergänzen.

Durch die Verknüpfung von Signalen mit der Erkennung von Entitäten und verfügbaren Produktattributen kann die Absicht des Käufers ermittelt werden. Dies kann genutzt werden, um die individuelle Echtzeit-Relevanz zu steuern, z. B. die Sortierung von Produkten nach ihrer Affinität zu Inhaltsstoffen:

Beleuchtet

Suchmaschinen können mit Wissensgraphen, wie z.B. einem Wissensgraphen für Lebensmittel, trainiert werden, so dass sie bereits die Beziehungen zwischen Entitäten und Themen für den jeweiligen Markt kennen. Dies kann auch genutzt werden, um zusätzliche Beschriftungen und Markierungen für die Produktanreicherung zu erstellen. Diätpläne wie Keto, Dash, Mediterran und Vegan können in diesen Graphen verwaltet werden, um sie während des gesamten Einkaufsvorgangs zu verwenden. Dies kann auch dazu beitragen, dass dem Kunden Produkte angezeigt werden, die er bisher nicht in Betracht gezogen hat oder die ihm nicht bekannt sind, was sowohl die Konversion als auch den Umsatz steigert. Deep Learning-Technologien wie Computer Vision können auf nutzergenerierte Bilder, wie z.B. Fotos von Tellern, angewendet werden, um Trends zu extrahieren und die Suche zu bereichern.

Die Vektorsuche kann angewendet werden, um Artikel auf der Grundlage ihres thematischen Abstands zu präsentieren. In der Lebensmittelbranche würde dies bedeuten, dass Alternativen zu nicht vorrätigen Artikeln auf der Grundlage der Suchanfrage oder ergänzende Artikel zu einer Suchanfrage, wie z.B. die Erkennung von Gerichten oder Rezepten, gefunden werden. Während die Vektorsuche in erster Linie durch die Eingabe von Schlüsselwörtern gesteuert wird, basieren die Empfehlungen in der Regel auf dem zugrundeliegenden Ergebnis, z. B. einer Landing Page, einer Produktdetailseite oder dem Status des Käufers, z. B. was sich in seinem Einkaufswagen befindet.

Personalisierte

Die Suche sollte sich am aktuellen Verhalten des Käufers orientieren und daran, ob seine Präferenzen vorhanden sind. Wie im Abschnitt „Informativ“ beschrieben, liefert die Verknüpfung von Shopper-Signalen mit zugrundeliegenden Datenpunkten wie Inhaltsstoffen, Nährwerten und Produktdetails Präferenz- und Affinitätsdaten, die in die Anzeige der Ergebnisse einfließen. Inferenzmodelle, die Wissensgraphen mit Ernährungsdaten und entsprechendem kollaborativem Einkaufsverhalten verwenden, können genutzt werden, um einen bestimmten Ernährungsplan zu erkennen, den der Käufer verfolgt. Individuelle Präferenzen, die über ein Profil mitgeteilt werden, wie z.B. Allergien und Ernährungseinschränkungen, können ebenfalls verwendet werden, um die Ergebnisse zu filtern, so dass irrelevante Produkte nicht angezeigt werden. Es hat sich gezeigt, dass die Personalisierung einen signifikanten positiven Einfluss hat, wenn sie während der gesamten Suche angewendet wird. Das folgende Diagramm zeigt einige gängige Praktiken für den Einsatz von Personalisierung in der Lebensmittelbranche:

Verbunden

Vernetzte Erlebnisse zwischen dem Geschäft und digitalen Berührungspunkten wie Apps, E-Mail, Webshop und Kampagnen sind unerlässlich. Untersuchungen haben ergeben, dass 61 % der Kunden bereit sind, für ein relevanteres, personalisiertes oder bequemeres Einkaufserlebnis Daten auszutauschen. Die meisten Touchpoints wie Gesundheits- und Ernährungs-Apps, E-Commerce-Plattformen und Kunden-/Marketingplattformen haben die Möglichkeit, Daten untereinander oder über einen zentralen Kundenspeicher (wie eine Kundendatenplattform) auszutauschen. Dies kann dem Kunden einen enormen Nutzen bringen, denn 91% der Kunden kaufen mit hoher Wahrscheinlichkeit erneut ein, wenn sie das Gefühl haben, dass sie gehört werden. Erwägen Sie die Integration dieser Quellen, insbesondere von Apps, um neue Kunden zu gewinnen und bestehende Kunden weiter zu binden. Die Verknüpfung von Back-Office-Systemen wie Lieferkette und Inventar ist ebenfalls wichtig, um den Kundenverkehr zu erhöhen – insbesondere bei Impuls- und Eilkäufern, die sich sonst vielleicht für einen Aggregator entscheiden würden. Die Aufrechterhaltung einer kontinuierlichen Konversation über alle Sitzungen und Berührungspunkte hinweg, unabhängig davon, wo das Erlebnis beginnt oder endet, ist jetzt eine Notwendigkeit.

Auf die Präsentation kommt es an

Die Präsentation ist gleichermaßen wichtig, egal ob es sich um eine Mahlzeit oder ein Erlebnis handelt. Auch wenn der Schwerpunkt auf den Ergebnissen liegt, die den Käufern gezeigt werden, ist es wichtig, sich auf die Präsentation dieser Ergebnisse zu konzentrieren. Zum Beispiel kann die Hervorhebung von Zutaten, die für die Entscheidung des Käufers wichtig sind, die Entscheidungsfindung erheblich erleichtern. Wenn der Kunde bei seiner Suche bestimmte Inhaltsstoffe genannt hat, sind die Ergebnisse wesentlich besser nutzbar, wenn diese Inhaltsstoffe hervorgehoben sind. Wenn die Vorlieben des Käufers oder die abgeleitete Affinität zu bestimmten Eigenschaften des Produkts verwendet werden, sollten diese ebenfalls hervorgehoben werden. Der Platz in der App und auf der Seite ist begrenzt. Umso wichtiger ist es, die Ergebnisse und die Navigation nach dem Nutzen für den Nutzer zu ordnen.