Empfehlungen

Die Empfehlungs-Engine: Selbstlernend. Kontextbasiert. Personalisiert.

Die Recommendation Engine von FactFinder NG analysiert die Klick- und Kaufhistorie Ihres Shops, um geeignete Produkte, Kategorien und Attribute zu ermitteln. Falls erforderlich, können für eine Empfehlungsquelle entweder einzelne oder mehrere Produkte verwendet werden, beispielsweise der komplette Inhalt des Warenkorbs. Befindet sich im Warenkorb ein Hemd und eine Krawatte, könnte FactFinder NG Artikel anzeigen, die zu beiden passen (z. B. eine Jacke). Ihre Empfehlungen werden durch die Verwendung des Personalization-Moduls von FactFinder NG noch präziser. Die Recommendation Engine berücksichtigt dann die individuellen Vorlieben des Kunden sowie die „Weisheit der Menge“, einschließlich Farben, Marken und anderer Faktoren.

Sie können Empfehlungen auch auf komplexen Regelwerken basieren. Dies kann beispielsweise im Apothekenhandel nützlich sein, um nur Produkte zu empfehlen, die keine Wechselwirkungen mit bereits ausgewählten Arzneimitteln haben. Zusätzlich können Sie Whitelist- und Blacklist-Einträge verwenden, um genau festzulegen, welche Empfehlungen für bestimmte Produkte gemacht bzw. nicht gemacht werden sollen.

Das Recommendation Engine-Tool liefert Produktempfehlungen basierend auf tatsächlichen Verkaufsinformationen. Je nach Art der Systemintegration können diese Verkaufsinformationen aus einer von Ihnen bereitgestellten Exportdatei stammen und/oder aus den Trackinginformationen generiert werden, die während des Betriebs von FactFinder NG erhoben werden.

Die Recommendation Engine kann auf verschiedenen Ebenen gesteuert werden: Aus den Matrizen bestimmt FactFinder NG die Bedeutung der Ebenen sowie die Anzahl der Empfehlungen und eine mögliche Selbstreferenz (Produkte aus derselben Kategorie dürfen empfohlen werden). Zusätzlich können Sie manuelle Empfehlungen erstellen, um bestimmte Produkte zu empfehlen oder zu verhindern. Manuelle Empfehlungen werden auf ähnliche Weise wie Kampagnen erstellt.

Wenn Sie neben der Recommendation Engine auch Personalization lizenziert haben, können Empfehlungen außerdem auf den bekannten Präferenzen der Nutzer basieren. Wenn beide Module vorhanden sind, finden Sie die Konfiguration im Untermenü Empfehlungen.