Pro­dukt­emp­feh­lun­gen für Mailchimp nut­zen

Sie ken­nen das! Sobald Sie in einem Online­shop ein bestimm­tes Pro­dukt in den Waren­korb gelegt haben, schlägt Ihnen das Sys­tem noch wei­tere Arti­kel vor, die Ihnen auch gefal­len könn­ten oder die von ande­ren Kun­den gekauft wur­den. Bei den Online-Schwer­ge­wich­ten Ama­zon und Net­flix zie­hen sich diese Emp­feh­lun­gen wie ein roter Faden durch die Cus­to­mer Jour­ney. Doch auch für klei­nere E‑Com­merce-Unter­neh­men sind die Pro­dukt-Emp­feh­lun­gen im Umfeld des News­let­ter­mar­ke­tings eine Option, die Mailchimp anbie­tet.

Das Fea­ture steht allen Mailchimp-Nut­zern offen, die über ein kos­ten­pflich­ti­ges Konto ver­fü­gen und Ihre E‑Com­merce-Daten (Pro­dukt­bil­der, Links und den Vor­rats­be­stand) mit Shop­ify, Big­Com­merce oder API 3.0 ver­bun­den haben. Auch für Magento ist die­ser Ser­vice ab dem 7. Juni gül­tig. Vor­aus­set­zung ist auch, dass Ihr Shop mehr als 50 ver­schie­dene Kun­den inner­halb eines Jah­res auf­wei­sen kann, mehr als zehn Pro­dukte im Ange­bot hat und mehr als 500 Bestel­lun­gen im Jahr ver­ar­bei­tet. Alle ande­ren, die nicht über diese Kri­te­rien ver­fü­gen, kön­nen anstelle von Pro­dukt­emp­feh­lun­gen auf die Top-Sel­ler-Funk­tion zurück­grei­fen.

Wenn Sie Shop­ify, Big­Com­merce oder API 3.0 nut­zen, sieht die Dar­stel­lung inner­halb ihres Kon­tos wie folgt aus:

Campaign

Sobald die Box für die Pro­dukt­emp­feh­lun­gen in die Inhalte der Kam­pa­gne ein­ge­pflegt ist, kann deren Anzahl aus­ge­wählt wer­den. Zudem hat Mailchimp ein Werk­zeug inte­griert, das die Mehr­fach­nen­nung eines Pro­dukts in einer Mail ver­hin­dert. Im Hin­ter­grund ana­ly­siert Mailchimp vor dem Ver­sand der Kam­pa­gne die indi­vi­du­elle Kauf-His­to­rie des Kun­den und bie­tet auf Basis die­ser Ergeb­nisse per­so­na­li­sierte Pro­dukt­emp­feh­lun­gen an. Lie­gen keine Emp­feh­lun­gen vor, greift das Pro­gramm auf die Top-Sel­ler zurück.

Produktempfehlungen

Wie funk­tio­niert der dahin­ter lie­gende Mecha­nis­mus nun genau? Neh­men wir als Bei­spiel einen Online­shop für Klei­dung, in dem ein Kunde ein T‑Shirt gekauft hat. Über diese reine Infor­ma­tion hin­aus, also Kunde X hat Klei­dungs­stück Y erwor­ben, wäre es für den Erfolg einer Kam­pa­gne enorm hilf­reich, wenn wir vor­aus­se­hen könn­ten, was unser Kunde mög­li­cher­weise als nächs­tes kau­fen will. Nur dann kön­nen wir ziel­si­cher eine Mail ver­schi­cken, in der genau die­ses Pro­dukt bewor­ben wird.

Um hier einen mög­lichst genauen Tref­fer lan­den zu kön­nen, kommt die Mathe­ma­tik ins Spiel. Aus der Tabelle geht her­vor, dass Kun­den, die ein T‑Shirt gekauft haben, oft­mals auch zu Socken grei­fen, aber den Hut links lie­gen las­sen.  Auch Kar­ten, Action­fi­gu­ren und Bücher sind bei die­sem Kun­den-Typ eher weni­ger beliebt. Auf Basis die­ser Daten wür­den wir nun in die nächste Kam­pa­gne als Pro­dukt­emp­feh­lun­gen sowohl die Socken als auch einen Hut inte­grie­ren.

Tabelle

Was pas­siert nun, wenn ein Kunde über einen län­ge­ren Zeit­raum gar nichts gekauft hat? In die­sem Fall erhält der Kunde eine Liste an Pro­duk­ten, die im Shop in letz­ter Zeit beson­ders gut gelau­fen sind. Nie­mand wird eine Emp­feh­lung von Arti­keln erhal­ten, die bereits gekauft wur­den oder die zum Zeit­punkt der Kam­pa­gnen-Erstel­lung bereits aus­ver­kauft sind. Alle Pro­dukt­emp­feh­lun­gen basie­ren auf die­sen Über­le­gun­gen.