Empfehlungen

Die Recommendation Engine: Selbstlernend. Kontextbasiert. Personalisiert.

Die Recommendation Engine von FactFinder NG analysiert die Klick- und Kaufhistorie Ihres Shops, um passende Produkte, Kategorien und Attribute zu ermitteln. Falls erforderlich, kann als Empfehlungsquelle entweder ein einzelnes Produkt 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 Nutzung des Personalisierungs-Moduls von FactFinder NG präziser. Die Recommendation Engine berücksichtigt dann die individuellen Vorlieben des Kunden sowie die „Weisheit der Masse“, einschließlich Farben, Marken und anderer Faktoren.

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

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

Die Recommendation Engine kann auf verschiedenen Ebenen gesteuert werden: Über die 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 auszuschließen. Manuelle Empfehlungen werden auf ähnliche Weise wie Kampagnen erstellt.

Wenn Sie neben der Recommendation Engine auch Personalisierung lizenziert haben, können Empfehlungen außerdem basierend auf den bekannten Vorlieben von Nutzern erstellt werden. Sind beide Module vorhanden, finden Sie die Konfiguration im Untermenü Empfehlungen.