8 Strategien, um den durchschnittlichen Bestellwert mit personalisierten Produktempfehlungen zu steigern

Hatten Sie schon einmal das Gefühl, dass Ihr Online-Shop zwar viele Besucher*innen hat, diese aber oft wieder gehen, ohne weitere Artikel in den Warenkorb zu legen – oder schlimmer noch, den Warenkorb komplett abbrechen? Genau hier setzen personalisierte Produktempfehlungen an.

Wenn Sie sich auf die Surfgewohnheiten und den Kaufverlauf individueller Kund*innen einstellen, können Sie punktgenaue Vorschläge unterbreiten, die den durchschnittlichen Bestellwert (Average Order Value, AOV) erhöhen, die Zahl der Warenkorbabbrüche verringern und echte Kund*innentreue aufbauen.

Im Folgenden finden Sie acht bewährte Taktiken, mit denen Sie bei allen Besucher*innen optimale Ergebnisse erzielen können (mit Beispielen aus der Praxis von BrandAlley). Erfahren Sie zunächst, wie sich Personalisierung auswirkt, warum sie wichtig ist und welche Arten von Empfehlungssystemen es gibt.

Die meisten Online-Käufer*innen geben an, dass sie Websites mit individuell zugeschnittenen Vorschlägen mit höherer Wahrscheinlichkeit erneut besuchen. Darüber hinaus wirkt sich Personalisierung auf viele verschieden Aspekte aus – von den Interaktionen bis hin zur Größe des Warenkorbs.

Laut unserer Studie zu Omnichannel-Kund*innenbindung und -treue aus dem Jahr 2024 neigen 31 % der Kund*innen eher dazu, einem Unternehmen treu zu bleiben, wenn es sein Shopping-Erlebnis persönlich gestaltet.

Ein weiterer wichtiger Faktor ist die Verringerung von Warenkorbabbrüchen. Im Jahr 2024 hat das Baymard Institute herausgefunden, dass 70,19 % der Bestellungen im Online-Handel abgebrochen wurden – eine Zahl, die bei E-Commerce-Marken zu Ernüchterung führen dürfte. Gut getimte, relevante Produktempfehlungen können dazu beitragen, diese Rate deutlich zu senken. Dabei werden Artikel präsentiert, an denen Kund*innen wirklich interessiert sein könnten, statt sie gleich wieder weiterziehen zu lassen.

Vorteile personalisierter Empfehlungen

• Verringerung von Warenkorbabbrüchen: Käufer*innen werden während der Kaufabwicklung an ergänzende oder verwandte Artikel erinnert, insbesondere an solche, die sie zwar angesehen, aber nicht zum Warenkorb hinzugefügt haben. Das kann helfen, Kaufabbrüche einzudämmen.
• Steigerung des durchschnittlichen Bestellwerts (AOV): Werden Kund*innen mit Accessoires mit höheren Gewinnspannen oder Paketangeboten angesprochen, kann das zu Impulskäufen führen und einen echten Mehrwert bieten. Vielleicht kommt für Sie eine „Vervollständigen Sie den Look“-Rubrik für Kleidung oder ein „Wird häufig zusammen gekauft“-Widget für Elektronikprodukte infrage. Sie können die Ausgaben individueller Kund*innen erhöhen, indem Sie Artikel hervorheben, die ihren eigentlichen Kauf sinnvoll ergänzen.
• Erhöhung der Sitzungsdauer: In den wettbewerbsintensiven Online-Märkten ist es von entscheidender Bedeutung, Besucher*innen bei der Stange zu halten. Personalisierte Produkt-Carousels, Landingpages oder dynamische Empfehlungen, die auf den Browserverlauf einzelner Nutzer*innen zugeschnitten sind, regen dazu an, weiter zu stöbern.
• Abheben von der Konkurrenz: Wenn Sie kuratierte Produktlinien oder Nischenempfehlungen anbieten, heben Sie sich von generischen Marktplätzen ab. So können Sie das Vertrauen Ihrer Kundschaft gewinnen und sie zu Wiederholungskäufen animieren. Mit der Zeit führt dies zu einer stärkeren Loyalität und positioniert Ihre Marke als Anlaufstelle für die individuellen Vorlieben Ihrer Kund*innen.

Schauen wir uns als Nächstes an, welche Arten von Empfehlungssystemen es gibt, wie jedes einzelne funktioniert und welche einzigartigen Vorteile sie für den E-Commerce-Erfolg bieten.

1. Auf AI-gestützte Insights setzen

Um den durchschnittlichen Bestellwert zu erhöhen, braucht es mehr als nur Vermutungen. AI hilft, Handlungen von Nutzer*innen in Echtzeit zu analysieren, Muster zu erkennen und versteckte Umsatzchancen aufzuspüren. Wenn Sie genau vorhersagen können, was individuelle Kund*innen als Nächstes möchten, können Sie relevante Cross- und Upsell-Angebote genau dann anbieten, wenn sie dafür am empfänglichsten sind.

Warum es hilft: Fortschrittliche Algorithmen erkennen schnell Verhaltensmuster und geben Prognosen zu den Absichten der Kund*innen ab.

So funktioniert es:

• Datenverarbeitung in Echtzeit: Eine AI-Engine analysiert aktuelle und frühere Handlungen von Nutzer*innen (Klicks, Verweildauer auf bestimmten Seiten, angesehene Artikel), um im Handumdrehen relevante Produktvorschläge zu liefern.
• Prädiktive Modellierung: Prognostiziert den nächsten wahrscheinlichen Kauf oder das nächste wahrscheinliche Interesse einer Person und steuert Cross- und Upsells zu kritischen Zeitpunkten.
• Proaktive Ansprache: Anhand dieser Insights können automatisierte, personalisierte E-Mails oder Push-Benachrichtigungen für Artikel ausgelöst werden, die eine Person mit hoher statistischer Wahrscheinlichkeit kaufen wird.

Erfahren Sie, wie Sie mit dem AI-gestützten Omnichannel-Marketing von SAP Emarsys personalisierte AI-gesteuerte Marketingkampagnen erstellen, umsetzen und skalieren können, um die Konversionsrate zu erhöhen und für mehr Wiederholungskäufe zu sorgen.

2. First-Party-Daten priorisieren

Wenn Sie sich auf die von Ihnen selbst gesammelten Daten stützen – und nicht auf Daten aus Drittquellen —, können Sie genauere Kund*innenprofile erstellen und langfristig Vertrauen bei den Nutzer*innen aufbauen. Auf dieser soliden Grundlage ist es einfacher, das Messaging individuell zuzuschneiden und relevant zu gestalten.

Warum es hilft: Einheitliche Kund*innen-Touchpoints (Website, E-Mail, Loyalty Apps) ermöglichen genaue Profile und sorgen für konsistente Nutzungserlebnisse.

So funktioniert es:

• Konsolidierte Nutzer*innenprofile: Erfassen Sie Daten direkt aus den Interaktionen mit Ihrer Marke (z. B. Anmeldeformulare und Mitgliedschaften bei Treueprogrammen), um sicherzustellen, dass sie in Ihrem Besitz sind und stimmen.
• Fortlaufende Anreicherung: Mit jeder Sitzung, jedem Klick und jedem Kauf wird das Profil individueller Nutzer*innen um weitere Details ergänzt, um zukünftige Empfehlungen noch mehr verfeinern zu können.
• Datenschutzkonformität: Wenn Sie sich auf Ihre eigenen Daten stützen, können Sie sich besser auf Veränderungen bei gesetzlichen Vorschriften wie DSGVO/CCPA einstellen und schaffen so Vertrauen bei den Nutzer*innen.

Erfahren Sie mehr über First-Party-Daten in unserem ultimativen Leitfaden.

3. Regelmäßig Empfehlungen aktualisieren

Artikel, die heute Interesse bei Käufer*innen wecken, können morgen schon vergriffen sein oder von neu eingetroffenen Produkten verdrängt werden. Wenn Sie Ihre Produktvorschläge stets auf dem neuesten Stand halten, können Sie sicherstellen, dass Sie immer das präsentieren, was gerade aktuell und attraktiv ist.

Warum es hilft: Interessen von Verbraucher*innen ändern sich schnell, und Bestandsänderungen können dazu führen, dass ältere Vorschläge irrelevant werden. Darum ist eine ständige Anpassung unerlässlich.

So funktioniert es:

• Automatisierte Aktualisierung: Synchronisieren Sie Ihre Empfehlungs-Engine täglich (oder noch häufiger), um Neuzugänge, ausverkaufte Artikel und angesagte Produkte aus Ihrem Lagerbestand zu berücksichtigen.
• Saisonale Trigger und Event-Trigger: Passen Sie die Vorschläge an Feiertage, Flash Sales oder wichtige Events (z. B. Schulanfang) an und stellen Sie so sicher, dass Sie immer zeitlich passende Produkte präsentieren.
• Dynamische Regale und Widgets: Wenn Sie „Top-Seller“ oder „Neuzugänge“ hervorheben, sollten Sie Echtzeit-Bestandsangaben nutzen, um zu vermeiden, dass Sie z. B. Artikel bewerben, die nicht auf Lager sind.

4. An saisonale Trends anpassen

Egal, ob es sich um die Feiertage, die Reisezeit im Sommer oder den Schulanfang handelt, die Nutzung saisonaler Events kann die Kaufbereitschaft erhöhen. Wenn Sie Ihre Empfehlungen auf solche saisonalen Höhepunkte abstimmen, bleibt Ihre Marke relevant und zeitgemäß.

Warum es hilft: Zeitgerechte Werbeaktionen, die sich an aktuellen Ereignissen orientieren, erhöhen die Relevanz und Dringlichkeit.

So funktioniert es:

• Kalenderbasierte Kampagnen: Planen Sie für die wichtigsten Jahreszeiten (Sommer, Feiertage) und für relevante lokale Events (Feste, Sportveranstaltungen), um Produktempfehlungen entsprechend anzupassen.
• Verhaltensmuster: Wenn sich das Nutzer*innenverhalten saisonal ändert (z. B. wenn im ersten Quartal mehr Büroartikel gekauft werden), sollten Sie diese Artikel vorrangig in Ihren Empfehlungen präsentieren.
• Lokale Relevanz: Passen Sie Ihre Vorschläge an das Klima der jeweiligen Region oder an kulturelle Feste an.

5. Für Mobilgeräte optimieren

Da immer mehr Menschen Smartphones zum Surfen verwenden, kann es sein, dass Nutzer*innen abwandern und Ihr AOV sinkt, wenn sie bei ihrem mobilen Erlebnis auf zu viel Reibung stoßen. Wenn Sie Ihre Empfehlungen in einem eleganten Mobile-First-Format präsentieren, eröffnet Ihnen das die Möglichkeit, nachhaltige Interaktionen zu generieren und den Warenkorb-Umsatz deutlich zu erhöhen.

Warum es hilft: Die meisten Kund*innen surfen über Smartphones, daher kann ein unübersichtliches Layout zu Beeinträchtigungen beim Engagement führen.

So funktioniert es:

• Carousel- und wischbare Widgets: Zeigen Sie empfohlene Artikel in einfach zu navigierenden horizontalen Listen an und vermeiden Sie es so, kleinere Bildschirme zu überladen.
• Responsives Design: Achten Sie darauf, dass sich Ihre Pop-ups oder Banner mit Produktempfehlungen nahtlos an unterschiedliche Mobilgeräte anpassen.
• Geschwindigkeit und Bedienfreundlichkeit: Schnelle Ladezeiten und minimale Reibungsverluste laden dazu ein, intensiver zu stöbern. Das kann dazu führen, dass mehr Produktempfehlungen angezeigt werden.

Möchten Sie mehr über die Optimierung für Mobilgeräte erfahren? Entdecken Sie, wie Sie mit der Mobile Customer Engagement-Lösung von SAP Emarsys den Lifetime Value von Mobile-First-Kund*innen durch datengestützte Personalisierung und andere Methoden steigern können.

6. A/B-Tests mit Platzierung und Formaten

Kleine Änderungen am Design – wie das Ändern des Überschriftentextes oder das Austauschen eines Slider-Layouts gegen ein Rasterlayout – können einen großen Unterschied bei den Konversionen ausmachen. Eine strukturierte A/B-Test-Strategie gibt Aufschluss darüber, was wirklich ankommt, und steigert sowohl die Zufriedenheit der Nutzer*innen als auch die Umsatzzahlen.

Warum es hilft: Durch die Durchführung von A/B-Tests können Sie anhand von Metriken wie Reichweite, Engagement, Klickrate und Konversion die Auswirkungen von Änderungen an Inhalten und Zielgruppen-Targeting bewerten.

So funktioniert es:

• Test-Rahmen: Führen Sie kontrollierte Experimente mit einer Untergruppe von Nutzer*innen durch und vergleichen Sie verschiedene Empfehlungs-Widgets (z. B. „Vervollständigen Sie den Look“ vs. „Aktuell im Trend“).
• Wichtige Variablen: Layout-Stile (Raster vs. Slider), Überschriften oder Position auf der Seite.
• Verwertbare Ergebnisse: Ermitteln Sie, welche Version die Klickrate, die Add-to-Cart-Rate oder den AOV maximiert, und nutzen Sie die erfolgreichste Variante.

7. Wichtige Touchpoints integrieren

Kund*innen springen zwischen Such- und Homepages, Produktdetails und Kaufabwicklung hin und her – das ist aktuell die Regel. Die konsequente Anzeige relevanter Produktvorschläge an jedem dieser Punkte kann den Gesamtwert des Warenkorbs erheblich steigern.

Warum es hilft: Wenn relevante Artikel während der gesamten User Journey immer wieder präsentiert werden, trägt das dazu bei, dass Ihre Marke im Gedächtnis bleibt.

So funktioniert es:

• Seite mit Suchergebnissen: Bieten Sie Alternativen an, wenn es keine exakte Übereinstimmung gibt. So können Sie Enttäuschungen bei den Nutzer*innen vermeiden.
• Startseite: Begrüßen Sie wiederkehrende Besucher*innen mit kürzlich angesehenen oder verwandten Produkten.
• Produktseite: Heben Sie „Wird häufig zusammen gekauft“- oder „Das könnte Ihnen auch gefallen“-Kombinationen hervor.
• Warenkorb: Schlagen Sie Last-Minute-Zusatzartikel oder ergänzende Accessoires vor.
• Post-Purchase-E-Mail: Werben Sie für Artikel, die das Kund*innenerlebnis weiter ausbauen (z. B. Nachfüllpackungen, kompatible Ausrüstung).

Wichtigste Erkenntnis: Durch ganzheitliche Integration kann sichergestellt werden, dass jeder Touchpoint den nächsten verstärkt und so ein einheitliches Marken- und Einkaufserlebnis entsteht.

8. Verhaltensänderungen beobachten

Trends und Vorlieben können sich von heute auf morgen ändern. Ein Artikel kann aufgrund von Social-Media-Hypes an Beliebtheit gewinnen, während ein anderer aus dem Blickfeld gerät. Wenn Sie diese Veränderungen nahezu in Echtzeit überwachen, verhindern Sie, dass Ihre Empfehlungen veralten oder irrelevant werden.

Warum es hilft: Der Geschmack von Verbraucher*innen ändert sich schnell; Echtzeit-Analysen sorgen dafür, dass sich Ihre Strategie entsprechend anpasst.

So funktioniert es:

• Verhaltens-Tracking: Verwenden Sie Session-Aufzeichnungen oder Heatmaps, um zu ermitteln, wo Nutzer*innen verweilen oder abspringen.
• Dynamische Dashboards: Greifen Sie auf Echtzeit-Performance-Metriken zu (Klickraten, Add-to-Cart-Raten) und reagieren Sie umgehend, wenn sich das Nutzer*innenverhalten ändert.
• Anpassung von Kampagnen: Wenn ein Produkt über Nacht zum Trend wird, sollten Sie es in Ihre Empfehlungen aufnehmen oder am nächsten Tag in einer E-Mail-Kampagne hervorheben.

In der Praxis: Die Echtzeit-Trigger der Adidas Running App zeigen, wie eine schnelle Reaktion auf neue Nutzer*innendaten für mehr Interaktionen und eine stärkere Kund*innenbindung entlang des gesamten Funnels sorgen kann.

Die Entwicklung einer datengesteuerten Empfehlungs-Engine kann zu großartigen Ergebnissen führen, birgt aber auch einige Hürden. Wenn Sie diese Herausforderungen schon im Vorfeld erkennen und deren Behebung entsprechend einplanen, können Sie sicherstellen, dass Ihre Personalisierungsstrategien stabil und konform bleiben.

Beschränkungen des Datenvolumens

Kleinere Einzelhändler verfügen oft nicht über die umfangreichen Datensätze, die für eine genauere, AI-gestützte Personalisierung erforderlich sind. Unzureichende Datensätze können die Empfehlungsgenauigkeit beeinträchtigen und zu generischen Vorschlägen führen, die keinen Anklang finden. Mögliche Lösungen:

• Ergänzen Sie Ihre Daten mit externen Insights: Optimieren Sie Ihre First-Party-Daten, indem Sie verantwortungsvoll beschaffte demografische Daten Dritter oder kontextbezogene Daten (z. B. regionale Trends) einbeziehen. Selbst eine geringe Menge an zusätzlichen Informationen kann die Vorhersagen verfeinern.
• Setzen Sie hybride Empfehlungsmodelle ein: Kombinieren Sie kollaborative und inhaltsbasierte Filterfunktionen. Dieser Ansatz gleicht das, was Sie über Ihre Produkte wissen, mit begrenzten Nutzer*innendaten aus. So kann sichergestellt werden, dass die Vorschläge zumindest teilweise relevant sind – auch wenn die individuellen Browserverläufe wenig Aufschluss geben.
• Nutzen Sie die Möglichkeiten von SAP Emarsys: Auch kleinere Marken können kohärente Nutzer*innenprofile erstellen, wenn sie bestehende Verhaltensdaten zu Käufen, E-Mails und zur Treue-App zusammenführen und vereinheitlichen. Die AI von Emarsys ist dann in der Lage, sinnvolle Produktempfehlungen auszugeben. Hier erfahren Sie mehr dazu.

Überlegungen hinsichtlich des Datenschutzes

Aufgrund von Vorschriften wie der DSGVO und dem CCPA sind Marken dazu verpflichtet, sorgfältig mit Kund*innendaten umzugehen. Obwohl die Personalisierung von Details lebt, muss es bei den Datenerfassungs- und Datennutzungspraktiken transparent zugehen. Mögliche Lösungsansätze dazu:

• Implementieren Sie transparente Opt-in-Verfahren: Informieren Sie Ihre Kund*innen genau darüber, wie und warum Sie ihre Daten verwenden. Ermöglichen Sie es, die Einwilligung einfach zu erteilen oder zu widerrufen. Diese Klarheit sorgt für Vertrauen und fördert die langfristige Loyalität.
• Anonymisieren Sie Verhaltensdaten: Speichern Sie Nutzer*inneninteraktionen, ohne sie mit personenbezogenen Daten zu verknüpfen, soweit dies möglich ist. Dieser Ansatz ermöglicht eine immer noch überzeugende Empfehlungslogik, ohne dass zu viele persönliche Details preisgegeben werden müssen.
• Geben Sie Kund*innen die Kontrolle: Bieten Sie Preference Center an, wo Nutzer*innen Feinabstimmungen bezüglich Ihrer Datenschutz- oder Personalisierungseinstellungen vornehmen können.

Wenn sie eine proaktive Herangehensweise in Bezug auf Herausforderungen wie Datenvolumen und Privatsphäre an den Tag legen, sind Sie in der Lage, robuste Empfehlungssysteme zu entwickeln, die den Erwartungen der Nutzer*innen und den gesetzlichen Anforderungen entsprechen.

Moderne Empfehlungs-Engines kombinieren AI mit Echtzeitdaten. Dabei stehen drei Schlüsselebenen im Vordergrund:

• Data Layer: Erfassung von Web-Analytics-Daten, CRM-Daten und POS-Datensätzen, um umfassende Käufer*innenprofile zu erstellen
• AI-Modelle: Einbeziehung von kollaborativen und inhaltsbasierten Filterfunktionen, um relevante Produktvorschläge zu generieren
• Delivery Layer: Integration in E-Commerce-Websites, E-Mail-Kampagnen oder mobile Apps, um zum idealen Zeitpunkt Empfehlungen zu geben

Die nächste Generation von Empfehlungssystemen wird sich auf Folgendes konzentrieren:

• Contextual Awareness (Bewusstsein für den jeweiligen Kontext): Berücksichtigung von Echtzeitfaktoren wie das lokale Wetter oder standortbezogene Daten, um maßgeschneiderte Vorschläge zu machen
• Voice Commerce: nahtlose Integration von Empfehlungen in sprachassistierte Shopping-Erlebnisse
• Personalisierung, die Rücksicht auf Datenschutz nimmt: differenzierter Datenschutz oder anonymisierte Insights – damit sich Kund*innen sicher fühlen, wenn sie ihre Daten teilen

Darum ist es wichtig: Diese Trends ermöglichen es E-Commerce-Marken, innovativere und relevantere Erlebnisse zu liefern und gleichzeitig die Privatsphäre der Nutzer*innen zu respektieren.

Pro-Tipp: Die SAP Emarsys Omnichannel Customer Engagement Platform für den E-Commerce unterstützt Sie dabei, eine Datenbank mit aktiven, hochwertigen Käufer*innen aufzubauen. Mit vorgefertigten, AI-gestützten Marketingautomatisierungen können Sie außerdem die Time-to-Value drastisch verkürzen.

Herausforderung: Generische Massen-E-Mails brachten Brand Alley nur noch wenig Erfolg. Anhand des Customer Lifecycles konnte das Marketingteam des Unternehmens erkennen, dass Kund*innen abwanderten. Leider war es bereits zu spät, als es zu dieser Erkenntnis kam.

Lösung: Man setzte AI-Modelle zur Vorhersage von Kund*innenpräferenzen ein, insbesondere für Nutzer*innen im mittleren Funnel. Außerdem konnte der AOV gesteigert werden, indem man „Wird häufig zusammen gekauft“-Widgets direkt auf den Produktseiten platzierte.

Ergebnisse:

• 10 % höherer AOV durch individuell zugeschnittene Produktangebote
• 28 % schnellerer Lagerumschlag bei saisonalen Waren

Fazit: Der Anstieg des durchschnittlichen Bestellwerts verdeutlicht, wie effektiv personalisierte Produktempfehlungen zur Steigerung des Umsatzes beitragen. BrandAlley bewies Anpassungsfähigkeit, indem das Unternehmen sein Produktangebot und seine Marketingstrategien während der Pandemie an die neuen Gegebenheiten anpasste.

Da man sich auf die „Haus und Garten“-Kategorien konzentrierte, konnte man in diesen Segmenten eine bemerkenswerte Umsatzsteigerung von 130 % erzielen. Das zeigt, wie wichtig es ist, Veränderungen im Verbraucher*innenverhalten zu erkennen und angemessen darauf zu reagieren.

Sehen Sie sich hier die komplette Erfolgsgeschichte an.

Wir wissen nun, dass personalisierte Produktempfehlungen den AOV erhöhen, Warenkorbabbrüche reduzieren und die Loyalität stärken. Durch die Anwendung der acht Best Practices – basierend auf einheitlichen Daten, AI-Algorithmen und regelmäßige Tests – können Sie die maßgeschneiderten Erlebnisse bereitstellen, die Online-Shopper*innen heute verlangen.

Von abgebrochenen Warenkörben bis hin zur Kund*innenabwanderung: Die SAP Emarsys Customer Engagement Platform identifiziert wichtige Wachstumschancen und hilft Ihnen, schnell von ihnen zu profitieren. Ihre Strategien lassen sich leicht implementieren und können mit einem einzigen Klick ausgeführt werden.

Sind Sie bereit, Ihre Empfehlungsstrategie zu optimieren? Buchen Sie eine Demo, um zu erfahren, wie AI-gestützte Personalisierung in Ihre gesamte Customer Journey integriert werden kann, von der Homepage bis hin zur Post-Purchase-Kund*innenansprache, und wie sie letztlich zu einem höheren AOV und langfristigem Wachstum führt.