Wie Sie die Konversionsrate im E-Commerce mit Signalen erhöhen

Signale sind aussagekräftige Indikatoren dafür, was Kunden wollen. Hier erfahren Sie, wie Marken Signale mit maschinellen Lernmodellen nutzen können, um die Konversion zu verbessern.

Was sind Signale?

Im Zusammenhang mit dem Kundenerlebnis definieren wir ein Signal als eine Nachricht über ein Ereignis und den zugrunde liegenden Kontext. Zum Beispiel eine Ansicht oder ein Klick, eine Suche oder ein Filter, ein Kauf, die Erstellung eines Support-Tickets, ein Bounce oder Abbruch, das Öffnen einer E-Mail – all dies sind übliche Ereignisse, die Signale erzeugen können. Gängige Beispiele für Signalkontext sind gerätespezifische Fingerabdrücke (Diagramm unten), Standort sowie abgeleitete Kontextinformationen wie Wetter und Jahreszeit. Signale werden von den meisten modernen Kundendatenplattformen (CDPs), Product Intelligence-Plattformen und Analysepaketen verwendet. Sie können die gleichen Quellen verwenden oder Ihre Signale direkt von diesen Plattformen beziehen.

Die Registerkarte Ereignisse in Google Analytics zeigt Beispielsignale, die von einer Website ausgehen. Die meisten Pakete, einschließlich Google Analytics, unterstützen heute die Integration von Signaldaten. Tag-Manager wie Google Tag Manager, Tealium und Adobe Tag Manager bieten ebenfalls eine API für die bidirektionale Integration von Signaldaten.

 

Signale können auf direkten oder indirekten Ereignissen während einer Customer Journey beruhen. Bei Kundeninteraktionen klassifizieren wir Signale als explizit, implizit und systematisch.

Implizit ist indirekt, aber explizit ist direkt.

Signale kommen von allen Kontaktpunkten, ob online oder offline, können aber auch von außen kommen. Signale sollten als positiv oder negativ angegeben werden. Übliche Beispiele für explizite Signale sind Käufe, Bewertungen, soziale Beiträge, Suchanfragen und Rückgaben (negativ). Explizite Signale erfordern in der Regel einen gewissen Aufwand seitens des Endnutzers. Im Gegensatz dazu werden implizite Signale automatisch und ohne Zutun des Benutzers gesendet und können auch auf Schlussfolgerungen basieren.

Beispiele hierfür sind der Besuch eines Benutzers, das Clickstream-Verhalten, das Öffnen von E-Mails, die Absicht, eine Anfrage zu stellen, oder Bounce (negativ). Systematische Signale sind solche, die nicht von einem Menschen, z. B. einer Analyse-Engine, erzeugt werden. Beispiele hierfür sind Ereignisse, die aus einem ERP, einem Auftragsverwaltungssystem, einem Ticketing-/CRM-System, aus erstellten Geschäftsregeln oder aus einer BI-/Analyseplattform synthetisiert werden.

 

Warum sind Signale wichtig?

Den Nutzern zuzuhören ist ein wesentlicher Grund für den Erfolg der meisten Unternehmen. Durch ihre Interaktionen und ihr Verhalten sagen Ihnen die Benutzer im Wesentlichen, was ihnen wichtig ist. Die Einbeziehung von Signalen in maschinelle Lernmodelle kann Ihre Interaktionen „intelligenter“ machen. Intelligente Interaktionen verbessern das Kundenerlebnis und steigern so KPIs wie den Umsatz pro Sitzung.

Signale helfen auch dabei, herauszufinden, was zu Ihren Geschäftsergebnissen führt, ob positiv oder negativ, was zu effektiveren datengesteuerten Strategien führt, z.B. durch Analysen und Erkenntnisse. Die heutigen Fortschritte im Bereich des maschinellen Lernens ermöglichen die Verarbeitung und Analyse immenser Mengen von Signaldaten, um Ergebnisse in Echtzeit zu erzielen. In diesem Blog geht es um die Anwendung und Aktivierung von Signalen in Ihrem Unternehmen, um bessere Ergebnisse zu erzielen.

Identifizieren und Sammeln von Signaldaten

Die meisten nativen digitalen Plattformen und Touchpoints sammeln heute bereits Daten oder bieten eine Schnittstelle zur Nutzung von Interaktionssignalen an. Im Allgemeinen können digitale Signale über einen Tag-Manager, einen Tracking-Pixel oder ein Beacon-Skript, Unternehmenstransaktionen, Ereignisprotokolle, Point-of-Sale-Systeme und Analyseplattformen instrumentiert und erfasst werden. Alle Systeme, die über Daten verfügen, die für einen Kunden sichtbar sind, sollten für Signale sowohl online als auch offline in Betracht gezogen werden. Es ist wichtig, einen Schlüssel zu finden, der die Verbindung von Signaldaten über mehrere Quellen hinweg ermöglicht. Ein gängiger Schlüssel ist ein Kunden-Token, wie z.B. eine Kunden-ID.

Für E-Commerce und Einzelhandel sollten Signale rund um den Kunden, das Produkt, die Bestellung, den Touchpoint usw. erfasst werden. Speziell im Omnichannel-Handel gehören zu den üblichen Signalen Ansichten, Gesten, Klicks, Abbrüche, Käufe (Online- und Offline-Touchpoints) und eine ganze Reihe anderer Daten zur Benutzerüberwachung, die in modernen Web-Frameworks wie React oder PWA leicht verfügbar sind.

• Besuch & Anmeldung
• ClickStream wie Landing Page Views, Browse Page Views, Pdp Views.
• Suchen, Filtern, Sortieren
• In den Warenkorb & Zur Kasse gehen
• Negative Signale – entfernte Warenkörbe, Bounces, abgebrochene Warenkörbe und Retouren
• Soziale Signale – Bewertungen, Reaktionen in den sozialen Medien
• Versandsignale – z. B. Liefermethode
• Abonnement & Rückkauf
• Signale von Geschäften und Call Centern wie Einkäufe und Rückgaben

 

Der Kundenselbstbedienungsdienst würde auf den Signalen aufbauen, die für den Handel verwendet werden, einschließlich der Signale, die durch Ticketing, Chat und Interaktionen mit Wissensdatensätzen erzeugt werden. Das Marketing würde Signale nutzen, die aus Kampagnen-Interaktionen, Leads, Marketing-Analysen und Kundendaten generiert werden.

• Kundensegment
• Kunden-Affinitäten
• Chat-Interaktionen
• Fälle
• Liefert
• Kampagnen-Interaktionen
• Veranlagungen
• Vertrag (b2b)

 

Zu den Unternehmensanwendungen gehören Signale, die Geschäftsprozesse umgeben, wie z.B. Arbeits- und Prozessabläufe, Transaktionen, Finanzdaten, Mitarbeiter-/Stundenaufzeichnungen und Lieferkettendaten.

• Lagerbestand (z.B. Wieder auf Lager)
• Omnichannel-Transaktionen
• Schwellenwerte für den Customer Lifetime Value
• Rabatt-Aktivierungen
• Neue Kategorien
• Ausgelassene/eingestellte Produkte
• Marge & Kosten
• Vorlaufzeiten

 

Signale und Kontexte

Der Schlüssel dazu sind Signal-Metadaten wie der Kontext. Diese Metadaten bieten Einblicke in das Signal, um präzisere Interaktionen zu unterstützen und bestimmte Ergebnisse zu erzielen. Die Signal-Metadaten rund um den Kunden würden zum Beispiel umfassen:

• Kontext wie Referrer, Kampagne, Standort, Gerät, Saison
• Sitzungsdaten, damit ein Signal mit einem bestimmten Ereignis wie einem Besuch in Verbindung gebracht werden kann
• Metadaten aus anderen Systemen, z.B. Marketing (Segment/Zielgruppe/Kampagne), ldap/saml (Rolle/Funktion/Gruppe) für interne Anwendungen, Klassifizierungscodes (z.B. SIC/NAIC) für b2b
• KPIs, die gemessen werden, wie z.B. Click-Through-Rate (allgemein), Marketing (cpc), E-Commerce (Konversion), Kundenservice (Lösungszeit), und so weiter.

 

Anwendungen von Signaldaten

Die Verknüpfung von Signaldaten mit Geschäftsdaten und zugehörigen KPIs ist der Punkt, an dem die Magie passiert. Wenn wir beispielsweise Signale mit Produkten und KPIs korrelieren, erfahren wir, welche Produktmerkmale und -attribute sich auf einen bestimmten KPI wie die Konversion auswirken. Wenn wir dieses Ergebnis dann noch mit Verhaltenssignalen korrelieren, können wir herausfinden, welche spezifischen Verhaltensweisen über welche Produktmerkmale die KPIs beeinflussen.

Ein Endergebnis könnte eine Affinitätsmatrix sein, die für die Personalisierung verwendet werden kann.

Der nachstehende E-Commerce-Anwendungsfall zeigt einige praktische ML-basierte automatisierte hyperpersonalisierte Anwendungsfälle unter Verwendung einer durch Signale generierten Affinitätsmatrix.

Eine personalisierte Startseite eines Bekleidungshändlers, die auf den Signalen des einzelnen Benutzers basiert, kann maßgeschneiderte Versionen der folgenden Punkte enthalten:

• • Navigation
  • Banner & UGC
  • Werbeaktionen
  • Kategorie-Empfehlungen
  • Vorschläge
  • Produkte

• Signalgesteuerte Erlebnisse sorgen für Relevanz, Auffindbarkeit und Auffindbarkeit und tragen so zur CVR bei.
• Kontextabhängige & personalisierte Erlebnisse steigern Konversion / Umsatz / Besuch

Verwendung von Signalen in internen Anwendungen

Signale können auch dazu verwendet werden, die richtigen Informationen zur richtigen Zeit zu liefern, damit Ihre Mitarbeiter ihre Arbeit effektiver erledigen können.

• Signale steigern die Relevanz und den Rang der Ergebnisse in unternehmensweiten Quellen
• Personalisierung auf der Grundlage von Signalen verbessert die Relevanz für Benutzer und Benutzerrolle

Aus Ihren internen Anwendungen, in denen Mitarbeiter mit Kunden interagieren, kann eine Fülle wichtiger Daten hervorgehen. Zum Beispiel können die Entscheidungen, die ein Mitarbeiter im Namen eines Kunden trifft, eine Lösung, eine Antwort – all das kann zur Gesamtintelligenz hinter Ihren nachfolgenden Interaktionen beitragen.

Zusammenfassung

Bei Signalen gibt es keine Einheitsgröße für alle. Signale, die für ein bestimmtes Geschäft wichtig sind, sind es für ein anderes vielleicht nicht. Zum Beispiel können maßgefertigte Kleidungsstücke oft nicht zurückgegeben werden, so dass Retouren als Signal nicht sehr nützlich sind. Für einen Hersteller ist es jedoch wichtig zu wissen, ob ein bestimmtes Teil häufig zurückgegeben wird – ein Zeichen dafür, dass die Beschreibung des Teils möglicherweise unzureichend oder ungenau ist.

Da Signale für jeden Kunden und jedes Unternehmen einzigartig sind, wird die Identifizierung der richtigen Signale der Schlüssel sein, um KI in die Lage zu versetzen, das Verhalten eines einzelnen Kunden zu entschlüsseln und eine Personalisierung in Echtzeit in großem Umfang zu ermöglichen. Vernachlässigen Sie nicht Ihre historischen Signaldaten. Sie können historisch verfügbare Clickstream-Daten – die Rohsignale über Kunden – als Trainingsdaten verwenden, damit die KI die Absichten der Kunden vom ersten Tag an versteht.

Signale sind aussagekräftige Indikatoren für das Verhalten Ihrer Kunden. Sie ermöglichen es Ihnen nicht nur, das zu liefern, was Ihre Kunden wünschen, sondern auch vorherzusagen, was sie als Nächstes brauchen. Unterstützt durch Algorithmen des maschinellen Lernens können Signale Ihr Unternehmen in die Lage versetzen, ein natürliches, nahtloses Omnichannel-Erlebnis zu schaffen, vom Merchandising über die Produktfindung bis hin zum Kundenservice.

Erfahren Sie, wie Lucidworks Marken geholfen hat, Signale zu erfassen und zu nutzen, um die Customer Journey zu verbessern, kontaktieren Sie uns.