• Produkte

    Easy to build, and to bring live

    Make your customers journey personal by integrating a smart system in your shop

    watch video

Intelligente Empfehlungen bilden das beste Verkäufer- und Produkt-Wissen ab

Kern der Guided Selling-Technologie ist das Knowledge Model und die Matching Engine:

Das Knowledge Model bildet die Kaufwünsche der Kunden auf die (technischen) Produkteigenschaften ab.
Die Matching Engine gleicht das Nutzerprofil bestehend aus sämtlichen Nutzereingaben, ggf. der Kauf-Historie und weiteren Nutzer-Daten mit allen Produktprofilen ab und ermittelt für jedes Produkt einen Fit-Score, der die Kaufwahrscheinlichkeit repräsentiert.

Da die Empfehlungen für jeden Nutzer individuell für sein user profile berechnet werden, unterbreitet excentos personalisierte Empfehlungen.

  • Wie wird eine Empfehlung berechnet?

    Wie von einem menschlichen Top-Verkäufer: Mit Vertriebs- und Produkt-Wissen

    Das Wissen von Produktexperten und erfolgreichen Fachverkäufern wird von excentos modelliert und über die Matching Engine bereitgestellt:
    • in der Beratungs-Session wird ein Nutzerprofil bestehend aus sämtlichen Kaufwünschen und Nutzungsdaten gebildet
    • das Nutzerprofil wird durch ein Wissensmodell in konkrete Produkt-Anforderungen übersetzt
      Dazu ist Verkäufer- und Produktwissen hinterlegt, dass z.B. bei einem Notebook die richtige Prozessorleistung für eine bestimmte Anwendung ermittelt.
    • es wird ein Ranking über die am besten geeigneten Produkte errechnet
    • das Ranking wird nach Kaufwahrscheinlichkeit optimiert

    Das Wissensmodell beinhaltet alles, was über die Produkte, deren Eigenschaften, Ihre Vertriebsstrategie und typische Kaufwünsche relevant ist.
    Das Verkäuferwissen, also die Abbildung von Kaufwünschen auf Produktattribute, ist allgemein modelliert und nicht für einzelne konkrete Produkte. Dadurch steht es auch neuen Produkten unmittelbar zur Verfügung und das Sortiment kann also permanent ausgewechselt werden.
    Die Matching Engine betrachtet immer alle Eigenschaften eines Produktes und vergleicht diese unter Beachtung der Zusammenhänge zwischen den Eigenschaften mit den Nutzerwünschen. Berechnet wird ein Ranking (Eignungsreihenfolge) aller Produkte; die Ergebnisliste wird in der Reihenfolge der Kaufwahrscheinlichkeit sortiert.
  • Wie kann das Empfehlungsverhalten konfiguriert und optimiert werden?

    Das Empfehlungsverhalten wird durch die Auswertung der Erfolgszahlen fortlaufend optimiert.
    Es kann für unterschiedliche Zielstellungen parametrisiert werden

    • Conversion-Optimierung: Es werden primär Produkte mit hoher Conversion empfohlen (automatisiert gelernt oder durch Experten-Analyse geführt)
    • Warenkorb-Optimierung: Es werden primär Produkte empfohlen, welche die Zahlungsbereitschaft des Nutzers optimieren.
    • Kompromiss-Situationen: Die Empfehlungen erlauben dem Nutzer, sich alles zu wünschen - und wenn nicht jedem Wunsch entsprochen werden kann, werden alle Vor- und Nachteile sinnvoll abgewogen
    • Marge: excentos empfiehlt primär Produkte mit hoher Marge
    • Lagerbestand: Die Empfehlungen berücksichtigen intelligent den Lagerbestand: Der Restbestand wird abverkauft oder Stockout-Situationen werden vermieden

    Siehe unsere Erfolgszahlen für Conversion- und Warenkorb-Optimierung.

    Einige der Parameter, mit denen das Empfehlungsverhalten konfiguriert werden

    • Relevance: Übersetzung des Kaufwunsches auf die (technischen) Rohdaten der Produkte, Bestimmung der Relevanz-Scores je Ausprägung
    • Match-Weight, Tolerance und Importance: Wie stark werden bestimmte Nutzereingaben gewichtet, wie werden Abweichungen toleriert und wie rankt ein Attribut im Vergleich zu anderen?
    • Business-Rules: Regeln, um z.B. Vertriebs-Ziele wie Marge, Neueinführungen, Advertisements etc. gezielt in der Ergebnisliste zu positionieren
    • Post-Processing: Logiken zur Optimierung der Empfehlungs-Reihenfolge, z.B. um bestimmte Produkte / Produkteigenschaften, Cluster ähnlicher Produkte oder andere Eigenschaften besonders zu behandeln
    • viele weitere Attribute wie Push-Faktoren, Rankings, Sortierkriterien, Präferenzreihenfolgen etc., sodass sich jedes gewünschte und sinnvolle Empfehlungsverhalten für jede Kaufsituation konfigurieren lässt
  • Was ist der Vorteil von excentos' Matching Engine zu herkömmlichen Filtern oder Facettensuche?

    Matching ist intelligenter als Filtern; und Filtern widerspricht dem natürlichen Kaufverhalten.

    Filter sind scharfe Suchmethoden, die nur "geeignet" oder "ungeeignet" kennen. Filter können keine Abstufungen dazwischen machen; daher haben Filter-Ergebnislisten eine schlechte Relevanz. Filter arbeiten rein auf Produktdaten und können nicht Kaufwünsche in Anforderungen übersetzen. Ein menschlicher Verkäufer würde niemals Filtern.

    Die excentos Matching Engine betrachtet wie ein Fachverkäufer immer alle Eigenschaften eines Produktes und vergleicht diese unter Beachtung der Zusammenhänge zwischen den Eigenschaften mit allen Kaufwünschen. excentos berät über die Abhängigkeiten. Berechnet wird ein Ranking (Eignungsreihenfolge) aller Produkte; die Ergebnisliste wird in der Reihenfolge der Kaufwahrscheinlichkeit individuell für jeden Nutzer sortiert.

    excentos kann daher intelligent beraten und Kaufwünsche in Produktempfehlungen übersetzen.
    Die Filter- und Facettensuche kann nur filternde Suchabfragen beantworten.

    Ein gut verkaufendes Fachgeschäft braucht Beratung.
    Filter und Facettensuche sind nur Selbstbedienung.

    Vorteile excentos Matching:

    • über Anforderungen beraten
    • Abweichungen tolerieren,
    • den Grad der Eignung beurteilen
    • Vorteile berücksichtigen: (z.B. "ein Notebook mit mehr Arbeitsspeicher ist besser")
    • Alternativen vorschlagen, wenn kein Produkt alle Anforderungen erfüllt
    • sinnvolles und relevantes Empfehlungsverhalten
    • Verkaufsoptimierung und Umsetzung Ihrer Verkaufs-Strategie (z.B. welcher Kühlschrank soll bei 2-Personen-Haushalt empfohlen werden?)

    Nachteile Filter / Facettensuche im Vergleich zu excentos Matching Engine:

    • harte Filterung widerspricht dem natürlichen Kauf- und Suchverhalten
    • keine Beratung
    • schlechte Relevanz der Treffer, da die Ergebnislisten nicht inhaltlich sortiert sind
    • kein graduelles Ranking der Produkte, sondern nur "passt" oder "passt nicht"
    • leere Ergebnislisten treten schnell auf, wenn der Nutzer mehrere Filter miteinander kombiniert
    • kein Upselling
  • Gibt es eine Ergebnisvorschau? Gibt es Zwischenempfehlungen?

    Ja, excentos kann laufend aktualisierte Empfehlungen anzeigen

    Es gibt unterschiedliche Möglichkeiten:
    • Ergebnisvorschau: Es werden nach jeder Nutzereingabe aktualisierte Empfehlungen ausgespielt.
      Die Ergebnisvorschau wird neben der Fragekarte oder unterhalb der Fragekarte angezeigt.
      Wir raten, die Ergebnisvorschau nicht zu früh anzuzeigen, damit der Nutzer sich ausreichend beraten fühlt.
    • Zwischenempfehlung: Je nach Produktsortiment kann es sein, dass für die Nutzeranforderungen verschiedene Lösungen / Teilsortimente geeignet sind, die sich gut clustern lassen - z.B. Tunnelzelte versus Kuppelzelte versus Familienzelte, Rock versus Kleid, Notebook versus Tablet, Bustierbikini versus Badeanzug etc. Diese Cluster können in einer Zwischenempfehlung abhängig von den Nutzereingaben empfohlen werden.
      Die Vor- und Nachteile können bei einer Zwischenempfehlung mit Reasoning argumentiert werden. Der Nutzer kann wählen (auch mehrfachauswählbar), zu welchen Clustern / Zwischenempfehlungen ihn weitere Produkte interessieren. Beispiel: Formen für Bikini-Oberteile und Bikini-Unterteile abhängig von der Größe und Körperform im Bikini-Berater.


  • Woher weiß excentos, welche Produkte die besten Empfehlungen sind?

    Wie ein guter Verkäufer, der sich permanent selber optimiert

    Für die initiale Entwicklung des Beraters wird basierend auf den Produktdaten, Experten-Wissen, Nutzungsdaten, Ihrer Vertriebs-Strategie und excentos umfangreicher Erfahrung aus über 45 Produktkategorien bestimmt, was die besten Empfehlungen sind.
    Anschließend sammelt excentos wertvolle Nutzungsdaten und Feedback aus jeder Beratungs-Session. Basierend auf den Nutzungsdaten wird das Empfehlungsverhaltens fortlaufend optimiert.
  • Können die Empfehlungen je Zielgruppe angepasst werden?

    Ja, für jede Zielgruppe kann eine eigene Empfehlungs-Strategie definiert werden

    Sie wollen ein bestimmtes Produktsortiment an Single-Haushalte verkaufen? Business-User sollen keine Consumer-Produkte empfohlen bekommen, und wer für den Marathon trainiert, soll nur bestimmte Schuh-Typen angezeigt bekommen?
    Kein Problem, das Empfehlungsverhalten wird für jede Zielgruppe basierend auf deren Kaufwünschen und Ihrer Vertriebsstrategie optimiert.

Wir freuen uns von Ihnen zu hören!

Haben Sie noch Fragen zu unseren Product Guides, Guided Selling oder unseren Services?
Dann schreiben Sie uns eine E-Mail. Wir freuen uns darauf, Ihre Fragen zu beantworten.

* Eingabe erforderlich