Wie Amazon seine Empfehlungen verbessern kann
Amazon ist der erfolgreichste Online-Händler der Welt und sein Wachstum ist ungebremst. Viele Unternehmen orientieren sich an Amazon, wenn es um Best Practices für E-Commerce und Online-Handel geht. Aber nicht alles, was sie tun, ist richtig. Eine der am meisten gelobten Funktionen ist in Wirklichkeit ein wenig schwach: die Empfehlungen.
Der Beitrag dieses Twitter-Benutzers erhielt zum Beispiel über 404k Likes:
Liebes Amazon, ich habe einen Toilettensitz gekauft, weil ich einen brauchte. Notwendigkeit, nicht Wunsch. Ich sammle sie nicht. Ich bin nicht süchtig nach Toilettensitzen. Ganz gleich, wie verlockend Sie mir eine E-Mail schicken, ich werde nicht denken: „Ach, nur noch ein Toilettensitz, ich gönne es mir.
– Jac Rayner (@GirlFromBlupo) April 6, 2018
Das Problem
Amazons Empfehlungen sind in einem Punkt sehr gut: Sie erinnern Sie an das, was Sie sich angesehen, aber nicht gekauft haben. Sie erhalten also Benachrichtigungen auf Ihrem Telefon. Sie erhalten Benachrichtigungen auf Facebook. „Hey, wolltest du nicht neulich diesen Toilettensitz kaufen? Hier sind welche, die Sie kaufen könnten.“
Aber Sie haben bereits einen Toilettensitz gekauft. Sie sind kein Liebhaber von Toilettensitzen. Die meisten Menschen, die einen Toilettensitz kaufen, kaufen einen oder zwei und wahrscheinlich das gleiche Modell oder die gleiche Marke, alles in einem Kauf. Amazon verfügt wahrscheinlich über Kundendaten, die ihnen das verraten würden, aber sie gehen mit einem großen Hammer vor.
Der Fix
Der einfachste Weg, dieses Problem zu beheben, könnte darin bestehen, ein Zeitintervall für die Empfehlungen festzulegen, so dass sie irgendwann veralten und nicht mehr angezeigt werden. Es sieht so aus, als würde Amazon dies bereits tun oder veraltete Empfehlungen durch etwas ersetzen, das Sie sich erst kürzlich angesehen haben. Dieser Ansatz eignet sich jedoch nicht für größere Einkäufe, bei denen sich die Kunden Zeit lassen, bevor sie sich für einen Kauf entscheiden.
Amazon empfiehlt Zubehör für kürzlich getätigte Käufe, so dass wir wissen, dass sie Kaufsignale erfassen und darauf basierende Dinge empfehlen. Mein Sohn hat kürzlich eine Nintendo Switch gekauft. Seitdem empfiehlt Amazon Taschen und anderes Zubehör. Diese Add-Ons sind eine großartige Anwendung von Empfehlungen.
Eine andere mögliche Lösung besteht darin, keine Artikel zu empfehlen, die denen ähnlich sind, die ein Kunde bereits gekauft hat. Das funktioniert jedoch nicht bei verderblichen Artikeln, die wir regelmäßig kaufen. Sie möchten Sie vielleicht sogar dazu ermutigen, diese zu abonnieren. Amazon nimmt diese Abgrenzung vor, wenn es seine Dash Buttons für diese Art von Konsumgütern empfiehlt.
Das Beste, was Amazon tun könnte, um seine Empfehlungen zu verbessern, ist eine bessere Erstellung von Kundenprofilen. Wenn Kunden, die einen Toilettensitz kaufen, diese Aktion in den nächsten Wochen nicht wiederholen, dann sollten wir ihnen keine Toilettensitze mehr zeigen.
Andererseits werden Kunden, die regelmäßig Schuhe kaufen, diese vielleicht häufiger kaufen, wenn sie gute Empfehlungen erhalten. Sie können diese Kunden algorithmisch segmentieren und identifizieren, indem Sie sie auf der Grundlage ihrer Signalmuster in Clustern zusammenfassen. Ja, sie haben vor kurzem Schuhe gekauft, aber wir sollten ihnen weiterhin Schuhe anbieten, weil sie tatsächlich Schuhliebhaber sind. Oder Leute, die alte Schallplatten kaufen, machen Sie weiter so, sie kaufen Vinyl, wann immer sie es bekommen können.
TL;DR
Kurz gesagt, Amazon sollte Kaufsignale mit einer Technik des maschinellen Lernens namens „Clustering“ nutzen, um Kunden zu segmentieren, um festzustellen, ob sie wahrscheinlich wieder etwas Ähnliches kaufen werden. Wenn nicht, empfehlen Sie diesen Artikel nicht mehr. Wenn ähnliche Kunden ähnliche Artikel mehr als einmal gekauft haben, dann empfehlen Sie sie erneut.
Es versteht sich von selbst, dass wir in Lucidworks Fusion über Tools und Techniken verfügen, die all dies ermöglichen.