{"id":4459,"date":"2019-07-08T19:04:00","date_gmt":"2019-07-08T17:04:00","guid":{"rendered":"https:\/\/ameo-agentur.de\/?p=4459"},"modified":"2025-05-09T10:56:53","modified_gmt":"2025-05-09T08:56:53","slug":"produktempfehlungen","status":"publish","type":"post","link":"https:\/\/ameo-agentur.de\/de\/wissen\/produktempfehlungen\/","title":{"rendered":"Erfolgsfaktor: Produktempfehlungen auf Amazon"},"content":{"rendered":"\n

Im globalen\u00a0E-Commerce\u00a0ist vor allem ein Player nicht mehr wegzudenken: Amazon<\/a>. Was vor 25 Jahren mit einem kleinen B\u00fccher-Onlineshop angefangen hat, ist heute ein Konzern der Superlative geworden. Mit weltweit ca. 600.000 Mitarbeiter:innen, einem globalen Logistik- und\u00a0Fulfillment-System, eigener Cloud (AWS,\u00a0Amazon Web Services), eigener Hardware (kindle<\/a>, Fire TV, Echo usw.), eigenen Produkt- und Handelsmarken (z. B. Find, Amazon Basics usw.), Musik- und Videostreaming und einem\u00a0Marketplace<\/a>, der allein in Deutschland ca. aktive 300 Millionen Produkte umfasst. Von den einen neidvoll be\u00e4ugt, von anderen skeptisch analysiert und wieder anderen enthusiastisch gefeiert: Amazon ist allgegenw\u00e4rtig und immer wieder stellt sich die Frage, warum Amazon so erfolgreich ist? Worauf begr\u00fcndet sich der globale Siegeszug? Manchmal sind es vor allem die kleinen Dinge, die kleinen Steinchen, die eine Lawine ins Rollen bringen. Und eines dieser kleinen Steichen nennt sich \u201eProduktempfehlung\u201c, welche ausschlaggebend dazu beigetragen hat, dass z. B. das\u00a0Amazon Flywheel\u00a0sich \u00fcberhaupt erst drehen konnte und sich nach wie vor immer schneller zu drehen scheint.<\/p>\n\n\n\n

Warum Produktempfehlungen auf Amazon so wichtig sind<\/h2>\n\n\n\n

Zwei Schritte zur\u00fcck: Was genau bedeutet eigentlich Produktempfehlung und vor allem im Kontext des Amazon Marktplatzes? Zur\u00fcckzuf\u00fchren ist dies wohl auf einen der ersten Entwickler, die Amazon im Jahr 1997, also 3 Jahre nach Gr\u00fcndung in Seattle, eingestellt hat: Greg Linden. Der urspr\u00fcnglich im Marketing<\/a> angesiedelte Linden sollte f\u00fcr die damals noch kleine B\u00fccher-Online-Plattform von Jeff Bezos eine Art intelligentes Empfehlungssystem<\/strong> entwickeln, um mehr Produkte pro Bestellung bzw. pro Kund:in verkaufen zu k\u00f6nnen. Die erste Idee dahinter war simpel sowie komplex zugleich und aufgrund der Rechenkapazit\u00e4t der 90er-Jahre im Prinzip von Anfang an zum Scheitern verurteilt. Greg Linden setzte hier anfangs auf ein System, das Nutzer:innen und ihr Kaufverhalten direkt miteinander vergleichen konnte. Der Gedanke dahinter klingt logisch: Was Kund:innen gekauft haben, k\u00f6nnte andere K\u00e4ufer:innen auch interessieren. Auf diesem Grundgedanke basieren auch heute noch Produktempfehlungen auf Amazon. 1997 jedoch wurden Kundenprofile direkt und live miteinander verglichen und das brachte die damals laufenden IT-Systeme schnell an ihre Leistungsgrenze, da selbst zu diesem Zeitpunkt schon einige Millionen Datens\u00e4tze miteinander abgeglichen werden mussten. Die Folge waren immer langsamere Empfehlungen und eine tr\u00e4gere Verkaufsplattform \u2013 Gift f\u00fcr Wachstum, Skalierbarkeit und Conversion.<\/p>\n\n\n\n

Item-to-Item Collaborative Filtering<\/h2>\n\n\n\n

Eine kleine, aber sehr effektive Neukalibrierung der zu vergleichenden Daten \u00e4nderte aber alles. Es wurden nicht mehr Nutzer:innen, sondern Produkte miteinander verglichen. D. h. Produkt mit Produkt (\u201eitem-to-item\u201c)<\/strong> war die neue Datenbasis f\u00fcr die dann folgende Produktempfehlung. Der Gedanke dahinter war clever: Wurden bestimmte Produkte sehr h\u00e4ufig zusammengekauft, wurden sie fortan auf der Plattform auch entsprechend genau so angezeigt. Das gleiche Prinzip funktionierte nicht nur bei bestellter, sondern auch angesehener Ware, d. h. Produkte, die oft hintereinander von potenziellen K\u00e4ufer:innen angeschaut wurden, bekamen ebenfalls eine Nebeneinanderdarstellung (\u201ecollaborative filtering\u201c, gemeinsame Darstellung \/ Sortierung) und wurden so besser in den Fokus der Nutzer:innen ger\u00fcckt. Das Gute daran war, das nun nicht mehr Daten in Echtzeit ausgewertet werden mussten. Alle direkten Produktvergleiche konnten offline aufbereitet und mit ein wenig Zeitverz\u00f6gerung auf dem Marktplatz ausgespielt werden. Das schonte begrenzte Rechenkapazit\u00e4ten und machte Amazon wieder schnell und effektiv. Der Grundgedanke, Nutzer:innen und das Kaufverhalten miteinander zu vergleichen, war dabei nach wie vor im Fokus, nur passierte dies eben nicht mehr auf komplexen Customer-Journey-Daten, sondern auf echten Verk\u00e4ufen.<\/p>\n\n\n\n

Amazons Produktvergleiche funktionieren nicht immer<\/h2>\n\n\n\n

So clever dieses \u201eItem-to-Item\u201d-System auch war und nach wie vor ist, es hatte ein Problem: Es funktionierte nicht immer. Vergleicht man \u201enur\u201c Verk\u00e4ufe und Produkte mit dem gleichen Grundinteresse bei K\u00e4ufer:innen (z. B. \u201eKunden, die diesen Artikel angesehen haben, haben auch angesehen\u201c, \u201eKunden haben auch Folgendes gekauft\u201c oder \u201eKunden, die diesen Artikel gekauft haben, kauften auch\u201c) kann das schnell die Sicht verzerren. Bestimmte Bestseller stehen aufgrund ihrer Popularit\u00e4t in keinem direkten Verh\u00e4ltnis zu einem konkreten anderen Produkt bzw. lassen nur schwer ein gemeinsames Kaufinteresse (collaborative Filtering) zu. Kommt dann noch ein saisonaler oder tempor\u00e4r eingeschr\u00e4nkter Kaufeinfluss dazu, verzerrt sich das Bild noch weiter. Ein Beispiel:<\/p>\n\n\n\n