Jeder Onlineshop-Betreiber kennt das Ziel: Kunden sollen mehr kaufen. Die durchschnittliche Bestellgrösse zu steigern ist eine der effektivsten Methoden, den Umsatz zu erhöhen – ohne mehr Besucher zu brauchen. Personalisierte Produktempfehlungen auf Basis von KI sind dabei einer der stärksten Hebel, den E-Commerce-Unternehmen heute zur Verfügung haben.
Warum generische Empfehlungen nicht mehr ausreichen
„Meistverkaufte Produkte“ oder „Das könnte Ihnen auch gefallen“ – solche Empfehlungen basieren auf aggregierten Daten und treffen im Einzelfall oft nicht. Ein Kunde, der eine Profi-Kamera kauft, interessiert sich wenig für das beliebteste Produkt in der Kategorie Elektronik. Er möchte passende Speicherkarten, ein Stativ, eine Reinigungsset – Produkte, die zu seinem spezifischen Kauf passen.
KI-Systeme analysieren das individuelle Verhalten jedes Besuchers: Was hat er bisher gekauft? Was hat er angesehen, aber nicht gekauft? Wie lange hat er auf welchen Produktseiten verbracht? Welche Produkte haben ähnliche Kunden kombiniert gekauft? Auf Basis dieser Signale werden Empfehlungen generiert, die tatsächlich relevant sind.
Wie Empfehlungssysteme technisch funktionieren
Die meisten modernen Recommender-Systeme kombinieren zwei Methoden: kollaboratives Filtern (was kaufen ähnliche Kunden?) und inhaltsbasiertes Filtern (welche Produkteigenschaften passen zusammen?). Deep-Learning-Modelle ergänzen diese Ansätze und erkennen auch schwer greifbare Zusammenhänge in den Daten.
Anbieter wie Nosto, Dynamic Yield oder Algolia Personalization bieten solche Systeme als SaaS-Lösung an. Sie lassen sich in wenigen Tagen integrieren und zeigen messbare Effekte oft schon innerhalb der ersten Woche.
Wo Empfehlungen wirken
KI-Empfehlungen entfalten ihre Wirkung an mehreren Punkten im Kaufprozess: auf Produktseiten als Cross-Sell-Vorschläge, im Warenkorb als Ergänzungen, im Checkout als Impulskäufe und in der Post-Purchase-E-Mail als Folgeempfehlung. Amazon schätzt, dass rund 35 Prozent seines Umsatzes auf Empfehlungssysteme zurückgehen – das zeigt das Potenzial.
Was Shops realistisch erwarten können
Shops, die personalisierte Empfehlungen einführen, berichten typischerweise von 10 bis 30 Prozent höheren durchschnittlichen Bestellwerten. Die genauen Zahlen hängen vom Sortiment, der Traffic-Menge und der Qualität der Implementierung ab.
Wichtig: Datenschutz muss von Anfang an mitgedacht werden. Personalisierung, die auf pseudonymisierten Daten basiert und DSGVO-konform umgesetzt ist, ist rechtlich unbedenklich – und schafft gleichzeitig Vertrauen bei den Kunden. Empfehlen Sie nur das, was wirklich passt, und vermeiden Sie den Eindruck, dass der Shop „alles weiss“ – das erzeugt eher Unbehagen als Kaufbereitschaft.
Weiterführende Artikel:
Personalisierte Produktempfehlungen: Wie KI den Umsatz im Onlineshop steigert
Personalisierte Lernpfade mit KI: Mitarbeiterentwicklung neu gedacht
Personalisierte Newsletter mit KI: Warum Segmentierung den Unterschied macht
