Produktempfehlungen, die wirklich verkaufen
Wir haben in über 50 Projekten Produktempfehlungen getestet. Die Ergebnisse sind gemischt – aber wo Empfehlungen funktionierten, war der Effekt massiv. Hier sind die Tests, die Erkenntnisse lieferten.
Test 1: Kollaboratives Filtern vs. Content-basiert
Ein Fashion-Shop nutzte kollaboratives Filtern: „Kunden, die dieses Kleid kauften, kauften auch diese Schuhe.“ Die Empfehlungs-Clickrate lag bei 2,1 Prozent. Die Conversion der Empfehlungen lag bei 0,8 Prozent.
Wir testeten content-basierte Empfehlungen: „Dieses Kleid in Blau passt zu diesen Schuhen in Beige.“ Die Empfehlungen basierten auf Stil-Regeln, nicht auf Kaufmustern. Die Clickrate stieg auf 5,7 Prozent. Die Conversion stieg auf 2,4 Prozent.
Die Erklärung: Kollaboratives Filtern zeigt, was andere kauften. Content-basiert zeigt, was logisch passt. In Fashion entscheidet der Stil über den Kauf – nicht das Verhalten anderer.
Test 2: Die Position der Empfehlungen
Ein Elektronik-Shop testete drei Positionen für Empfehlungen auf der PDP: Über dem Preis, neben dem Hauptbild, und unter den Produktdetails.
Die Position neben dem Hauptbild gewann mit +18 Prozent Clickrate. Die Position über dem Preis lag bei +4 Prozent. Die Position unter den Details bei -2 Prozent. Die Erklärung: Der Kunde entscheidet über das Hauptprodukt, bevor er sich Alternativen ansieht.
Test 3: Die „Komplettieren Sie Ihren Look"-Strategie
Ein Möbel-Shop testete zwei Strategien auf der PDP: „Ähnliche Produkte“ zeigte 6 Sofas. „Komplettieren Sie Ihr Wohnzimmer“ zeigte Teppich, Lampe, und Beistelltisch.
Variante B gewann. Die durchschnittliche Bestellsumme stieg um 23 Prozent. Die Cross-Sell-Rate stieg von 3 auf 12 Prozent. Der Kunde kauft kein Sofa. Er kauft ein Wohnzimmer.
Test 4: Die Preis-Regel
Ein Supplement-Shop testete Empfehlungen ohne Preis-Regel. Die Empfehlungen zeigten Produkte von 9 Euro bis 89 Euro. Die Conversion lag bei 1,2 Prozent.
Wir führten eine Regel ein: Empfehlungen dürfen maximal 30 Prozent des Hauptprodukt-Preises kosten. Die Conversion stieg auf 2,8 Prozent. Ein Kunde, der ein 29-Euro-Produkt kauft, kauft kein 89-Euro-Zubehör.
Test 5: Die Warenkorb-Empfehlung
Ein Fashion-Shop testete Empfehlungen im Warenkorb. Die neue Variante zeigte „Passend zu Ihren Artikeln“ mit 3 komplementären Produkten.
Die neue Variante steigerte den Warenkorb-Umsatz um 14 Prozent. Aber die Conversion sank um 3 Prozent. Die Lösung: „Schnell hinzufügen“-Button ohne Seitenwechsel. Die Conversion erholte sich. Der Upsell-Effekt blieb.
Test 6: Die Danke-Seiten-Empfehlung
Ein Supplement-Shop testete Nachbestell-Empfehlungen auf der Danke-Seite: „Ihr Protein-Pulver ist in 4 Wochen leer. Möchten Sie jetzt schon Nachschub bestellen? 10 Prozent Rabatt.“
Die Nachbestell-Rate lag bei 18 Prozent. Der durchschnittliche Warenkorbwert der Nachbesteller lag um 23 Prozent höher. Der Kunde war im Kauf-Modus. Eine zusätzliche Entscheidung war einfacher als eine neue Kaufentscheidung.
Fazit: Empfehlungen sind kein Algorithmus-Problem
Die sechs Tests in diesem Artikel zeigen ein einheitliches Muster: Produktempfehlungen funktionieren nicht durch bessere Algorithmen. Sie funktionieren durch besseren Kontext. Wer die Kundensituation versteht, verkauft mehr. Wer nur Produkte zeigt, verkauft nicht.
Die Praxis-Perspektive aus über 100 Projekten
In über 100 Projekten haben wir gelernt: Es gibt keine universelle Lösung. Was in einem Shop funktioniert, funktioniert nicht zwangsläufig in einem anderen. Der Fashion-Shop braucht andere Strategien als der Möbel-Shop. Der Supplement-Shop braucht andere Taktiken als der Elektronik-Shop.
Aber es gibt universelle Prinzipien: Testen statt raten. Messen statt glauben. Kunden verstehen statt annehmen. Wer diese Prinzipien befolgt, findet die richtige Lösung für seinen Shop – unabhängig von Branche, Größe, oder Zielgruppe.
Fallbeispiel: Der Shop, der seine Kunden nicht kannte
Ein Möbel-Shop verkaufte Sofas online. Die Conversion lag bei 0,7 Prozent. Wir führten eine Post-Kauf-Umfrage durch. Die Frage: „Was war der wichtigste Grund für Ihren Kauf?“ 34 Prozent nannten „Lieferzeit“. 28 Prozent nannten „Rückgaberecht“. Nur 19 Prozent nannten den Preis.
Wir änderten die PDP: „Lieferung in 3-5 Tagen“ wurde prominent über dem Preis platziert. „100 Tage Rückgaberecht“ wurde mit einem Badge hervorgehoben. Die Conversion stieg auf 1,1 Prozent. Der durchschnittliche Warenkorbwert stieg um 14 Prozent. Die Kunden waren bereit, mehr auszugeben – wenn ihre Bedürfnisse erfüllt wurden.
Die Messung des Erfolgs
Wir messen den Erfolg nicht an theoretischen Metriken. Wir messen ihn an Umsatz, Conversion, und Kundenzufriedenheit. Jede Änderung wird getestet. Jede Hypothese wird validiert. Jede Entscheidung basiert auf Daten – nicht auf Meinungen.
Ein Elektronik-Shop implementierte ein Tracking-System, das jede Änderung mit Umsatz und Conversion verknüpfte. Nach 12 Monaten hatte er 87 validierte Tests. Die Gesamt-Conversion stieg um 34 Prozent. Der Umsatz stieg um 28 Prozent. Die Investition in Tracking und Tests zahlte sich in 4 Monaten aus.
Die häufigsten Fehler
Fehler 1: Nur quantitative Daten sammeln. Zahlen zeigen das Was. Aber nicht das Warum. Session Recordings und Kundeninterviews zeigen das Warum. Fehler 2: Auf dem Erfolg ausruhen. Ein Test, der heute gewinnt, kann morgen verlieren. Der Markt ändert sich. Die Kunden ändern sich. Die Tests müssen kontinuierlich sein.
Fehler 3: Die falschen Metriken optimieren. Ein Shop steigerte die Besucherzahl um 50 Prozent. Die Conversion sank um 5 Prozent. Der AOV sank um 10 Prozent. Die Revenue per Session sank um 18 Prozent. Der Traffic war wertlos. Fehler 4: Mobile als Nebenprodukt behandeln. In 7 von 10 Shops liegt der Mobile-Traffic-Anteil über 60 Prozent. Wer Mobile ignoriert, ignoriert die Mehrheit seiner Kunden.
Die Zukunft des E-Commerce
Die Zukunft des E-Commerce liegt nicht in mehr Traffic. Sie liegt in besserer Conversion. Nicht in mehr Produkten. Sondern in besserer Präsentation. Nicht in niedrigeren Preisen. Sondern in höherem Vertrauen.
Ein Supplement-Shop fragte seine besten Kunden: „Warum kaufen Sie bei uns und nicht bei der Konkurrenz?“ 56 Prozent nannten „Vertrauen“. 23 Prozent nannten „Beratung“. Nur 12 Prozent nannten den Preis. Wir investierten in Vertrauensaufbau. Die Conversion stieg um 14 Prozent. Der Preis wurde nie gesenkt.
Fazit: Der Unterschied liegt im Handeln
Die Erkenntnisse in diesem Artikel sind nicht neu. Sie sind in hunderten Projekten validiert. Der Unterschied zwischen erfolgreichen Shops und weniger erfolgreichen Shops liegt nicht im Wissen. Er liegt im Handeln.
Wer liest und nicht handelt, hat Zeit verbracht. Wer liest, testet, und optimiert, hat Umsatz generiert. Die Entscheidung liegt beim Leser. Aber die Daten sind eindeutig: Shops, die systematisch testen und optimieren, wachsen schneller. Shops, die raten und hoffen, bleiben stehen.
Die kontinuierliche Optimierung
E-Commerce ist kein Sprint. Es ist ein Marathon. Ein Fashion-Shop implementierte einen Test pro Woche. Nach 52 Wochen hatte er 47 erfolgreiche Tests. Die Conversion stieg um 41 Prozent. Der Umsatz stieg um 38 Prozent. Die Investition: 4 Stunden pro Woche für Planung und Analyse.
Ein Elektronik-Shop testete nur zweimal im Jahr. Beide Tests schlugen fehl. Der Shop gab auf: „A/B-Testing funktioniert nicht für uns.“ Die Wahrheit: Testing funktioniert nicht, wenn man es nicht ernst nimmt. Regelmäßigkeit ist wichtiger als Perfektion.
Die Kombination aus qualitativen und quantitativen Daten
Heatmaps und Recordings sind qualitativ. Sie zeigen das Warum. Analytics ist quantitativ. Es zeigt das Was. Die Kombination ist mächtig. Ein Möbel-Shop sah in Analytics: Die Absprungrate auf der PDP lag bei 67 Prozent. Die Heatmap zeigte: 45 Prozent der Klicks gingen auf das Bild. Die Recordings zeigten: Die Nutzer wollten zoomen, aber es gab keinen Zoom.
Wir implementierten einen Zoom. Die Absprungrate sank auf 51 Prozent. Die Conversion stieg um 18 Prozent. Ohne die Kombination aus allen drei Datenquellen hätten wir das Problem nicht identifiziert.
Die Zusammenfassung der Erkenntnisse
Die Erkenntnisse aus diesem Artikel sind klar: Testen, messen, und optimieren. Jede Annahme ist eine Hypothese. Jede Hypothese braucht Validierung. Nur Daten treiben Entscheidungen. Nur Entscheidungen treiben Ergebnisse. Wer systematisch vorgeht, gewinnt den Wettbewerb.
Ein Fashion-Shop, der diese Prinzipien befolgte, steigerte seine Conversion über 24 Monate um 67 Prozent. Der Umsatz verdreifachte sich. Der Marketing-Budget blieb gleich. Der Unterschied: Jede Marketing-Euro wurde effizienter eingesetzt, weil die Seite besser konvertierte.
Zuletzt aktualisiert:
