Empfehlungen

Die Recommendation Engine: Selbstlernend. Kontextbasiert. Personalisiert.

FactFinder NGs Recommendation Engine analysiert die Klick- und Kaufhistorie Ihres Shops, um passende Produkte, Kategorien und Attribute zu bestimmen. Falls erforderlich, kann entweder ein einzelnes Produkt oder mehrere Produkte als Empfehlungsquelle verwendet werden, beispielsweise der gesamte 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 Nutzung des Personalization-Moduls von FactFinder NG noch präziser. Die Recommendation Engine berücksichtigt dann die individuellen Präferenzen des Kunden zusammen mit der „Weisheit der Masse“, einschließlich Farben, Marken und anderen Faktoren.

Sie können Empfehlungen auch auf komplexe Regelwerke stützen. Dies kann beispielsweise im Apothekenhandel nützlich sein, um nur Produkte zu empfehlen, die keine Wechselwirkungen mit bereits gewählten Medikamenten haben. Zusätzlich können Sie Whitelist- und Blacklist-Einträge verwenden, um genau festzulegen, welche Empfehlungen für bestimmte Produkte gemacht oder nicht gemacht werden sollen.

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

Die Recommendation Engine lässt sich auf verschiedenen Ebenen steuern: Anhand der Matrizen bestimmt FactFinder NG die Bedeutung der Ebenen sowie die Anzahl der Empfehlungen und eine mögliche Selbstreferenz (Produkte aus derselben Kategorie können 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 zusätzlich zur Recommendation Engine Personalization lizenziert haben, können Empfehlungen auch anhand bekannter Präferenzen von Nutzern erstellt werden. Wenn beide Module vorhanden sind, finden Sie die Konfiguration im Untermenü Empfehlungen.