Wie funktioniert die Personalisierung bei Amazon und Netflix?

In den letzten Jahren ist die Personalisierung einen konkreten Schritt weitergegangen, um sich vom „Hype“ zu lösen und ihre Berufung im Marketing der B2B- und B2C-Bereiche zu finden. Auch Sie, liebe Leserinnen und Leser, waren jedes Mal, wenn Sie sich bei Netflix einloggen, um eine neue Staffel Ihrer Lieblingsserie zu schauen, unabsichtlich Teil der Experimente zur Personalisierung. Wie können Sie diese Modelle für personalisierte Empfehlungen in großem Maßstab umsetzen? Der folgende Artikel soll zeigen, wie zwei der größten Internetgiganten, Netflix und Amazon, die Personalisierung unter dem Gesichtspunkt der Umsatzsteigerung angehen.

Kostenloser Download: Leitfaden zur Website-Personalisierung

Das Geheimrezept von Netflix für personalisierte Kundenerlebnisse

Alles, was Netflix tut, basiert auf Daten und wird von smarten KI-Algorithmen angetrieben. Das Unternehmen ist ständig dabei, Ideen zu sammeln und zu testen, um dafür zu sorgen, dass die Inhalte, die auf seiner Plattform verbreitet werden, genau den Vorstellungen seiner Nutzer entsprechen. Diese Bemühungen sind ziemlich offensichtlich. 

Wir wollen verstehen, wie der Personalisierungsmechanismus bei Netflix Wunder wirkt und was wir von dem Online-Videostreaming-Riesen lernen können. 

1. Der Einsatz von A/B-Tests

Niemand versteht die Technik der A/B-Tests besser als Netflix. Nach Angaben von Todd Yellin, Vice President of Product bei Netflix, führt das Unternehmen jedes Jahr etwa 250 A/B-Tests durch. Bei jedem dieser Tests werden den Nutzern zwei verschiedene Versionen von Erlebnissen präsentiert, um zu sehen, wie sie auf die vorgeschlagenen Änderungen reagieren und antworten. Im Durchschnitt wählt Netflix etwa 100.000 Nutzer aus, um seine Hypothesen zu testen. Dies ist unter anderem der Grund, warum keine zwei Personen die gleiche Erfahrung auf der Plattform machen.

Netflix verfolgt hier einen empirischen Ansatz und achtet darauf, dass die auf der Plattform gezeigten Inhalte, Bilder und Videos auf tatsächlichen Daten aus den durchgeführten A/B-Tests beruhen und nicht auf der Meinung von einzelnen Personen. 

Die Landing Cards von Netflix sind ein perfektes Beispiel dafür. Landing Cards sind in der Regel Bilder oder Video-Teaser, die ein Nutze sehen, wenn sie die Empfehlungskategorien von Netflix durchsuchen. Wie können diese Karten nun einen Unterschied bewirken? Das Konzept ist einfach. Sowohl Bilder als auch Videos haben eine größere Wirkung auf die Köpfe der Kunden als der Inhalt (d. h. die Worte), die um sie herum gezeichnet werden. Es ist wahrscheinlicher, dass Menschen sich ein Video ansehen, wenn sie Bilder oder Teaser sehen, die attraktiv und ansprechend sind.

 A/B-Tests dieser Landing Cards ermöglichen es der Plattform, die Psychologie ihrer Kunden zu verstehen und die gesammelten Daten zu nutzen, um ihre Erfahrungen so effektiv wie möglich zu personalisieren.

2. Der Einsatz von KI für die Empfehlungsmaschine

Ähnlich wie Amazon setzt auch Netflix auf den Einsatz von KI und maschinellem Lernen, um seine Empfehlungsmaschinen zu verbessern. Das Unternehmen verwendet Kundendaten, den Suchverlauf, Bewertungsdaten sowie Zeit, Datum und die Art des Geräts, das ein Nutzer verwendet, um vorherzusagen, was ihm empfohlen werden sollte. Statistiken zeigen, dass Netflix im Jahr 2014 76.897 „Alt-Genres“ oder einzigartige Möglichkeiten verwendet hat, um die Art von Filmen und Sendungen zu bestimmen, die es jedem seiner Nutzer empfehlen sollte, um nicht nur deren Erfahrung zu personalisieren, sondern sie auch dazu zu bringen, wiederzukommen und mehr zu schauen.  

Außerdem verwendet das Unternehmen Kundendaten, um für jeden seiner Nutzer eine eigene Homepage zu erstellen. Es zeigt Inhalte, von denen es glaubt, dass sie am besten zu den Interessen seiner Nutzer passen sowie deren Gesamterlebnis auf der Plattform verbessern.

Der springende Punkt: Starke Empfehlungen, basierend auf KI und maschinellem Lernen, ermöglichen es Ihnen nicht nur, Ihren Nutzern ein personalisiertes Erlebnis zu bieten, das sie lieben werden, sondern auch Ihre Abwanderungsrate deutlich zu senken.

3. Die Verwendung der richtigen Inhalte zur richtigen Zeit

Abgesehen von Algorithmen, die Empfehlungen aussprechen, können Inhalte das Gesamterlebnis und die Beziehung eines Nutzers zu Ihrer Plattform entscheidend beeinflussen. Und Netflix versteht das sehr gut!

Der Online-Videostreaming-Riese nutzt Inhalte, um den Erfolg oder Misserfolg seiner Empfehlungen auf der Grundlage der Vorlieben oder Abneigungen der Nutzer zu ermitteln. Wenn ein Nutzer zum Beispiel sehr daran interessiert ist, Horrorfilme wie „The Ritual“, „The Babysitter“ oder „Apostle“ zu sehen, würde Netflix ähnliche Filme empfehlen, um den Nutzer an die Plattform zu binden. Netflix kann hier keine Komödien empfehlen, da dies angesichts der Browsing-Daten des Benutzers wie ein äußerst unsicherer Vorschlag erscheint.

Darüber hinaus verwendet Netflix auch die Zeit als eine starke Variable, um seinen Kunden Sendungen zu empfehlen. Das bedeutet, dass die Plattform kürzere Sendungen vorschlägt oder solche, die man schon zur Hälfte gesehen hat, wenn man sich spät abends einloggt, anstatt Sendungen mit längerer Laufzeit zu empfehlen.

Wir wissen, dass die Anzeige der richtigen Inhalte zur richtigen Zeit nicht nur dazu beitragen kann, das Kundenengagement auf Ihrer Plattform zu steigern, sondern auch das Nutzererlebnis erheblich verbessert.

Kostenloser Download: Leitfaden zur Website-Personalisierung

Amazons umfassendes System für Produktempfehlungen

Amazons Transformationsreise startete 2010, als das Unternehmen begann, seinen Kunden über das Widget „Kunden, die gekauft haben“ Produkte zu empfehlen. Das hat dem Unternehmen damals einen enormen Schub gegeben und wirkt immer noch Wunder für den Riesen im E-Commerce. Das Unternehmen gibt an, dass fast 35 % seiner Verkäufe auf solche personalisierten Empfehlungen zurückzuführen sind – und das bis heute! Fast 56 % von ihnen werden wahrscheinlich auch zu Wiederholungskäufern.  

Der Versuch, das Einkaufserlebnis der Kunden zu personalisieren, ist damit noch nicht abgeschlossen. Der Versuch, das Einkaufserlebnis eines Kunden zu personalisieren, ging allerdings noch weiter. In den letzten Jahren hat Amazon mithilfe von künstlicher Intelligenz, maschinellem Lernen und prädiktiven Analysen einige bemerkenswerte Fortschritte bei der Personalisierung erzielt.

Das können Sie von Amazons Personalisierungsbemühungen lernen:

1. KI und Deep-Learning-Techniken einsetzen

Wenn Sie sich bei Ihrem Amazon-Konto anmelden, werden Sie feststellen, dass die Plattform immer etwas Neues zu empfehlen hat, und ob Sie es nun mögen oder nicht, es passt perfekt zu Ihren Interessen. Wie macht sie das? Die Antwort ist Deep Learning!

Als verlängerter Arm der KI und des maschinellen Lernens nutzt Deep Learning Algorithmen, um menschliches Verhalten auf natürliche Weise zu verstehen und entsprechende Ergebnisse zu liefern. Im Kontext von Amazon hilft Deep Learning der Plattform dabei, zu analysieren, welche Produkte ein Kunde wahrscheinlich als nächstes kaufen wird, und ihnen diese zu empfehlen, während sie sich auf der Website befinden oder wenn sie sich erneut anmelden. Dabei berücksichtigt die Technologie die Produkte und Produktseiten, die ein Kunde angesehen, gekauft, bewertet und rezensiert hat.

2. Produktempfehlungsanalogien verwenden

Eine Sache, die uns das Unternehmen lehrt (und die aus den oben erwähnten Statistiken hervorgeht), ist die Erkenntnis, dass Empfehlungen den Umsatz in die Höhe treiben können. 

Durch die Hinzufügung einer ausgeklügelten, KI-gestützten Empfehlungsmaschine ist Amazon in der Lage, die „Entdeckung“ voranzutreiben, d. h. den Kunden Artikel zu zeigen, die sie am ehesten kaufen würden (auf der Grundlage ihrer Daten über das Verhalten vor Ort), und sie auch auf Artikel aufmerksam zu machen, die sie wahrscheinlich nicht von selbst entdecken würden. Die Personalisierung der Website spielt hier eine entscheidende Rolle.

3. „Eine-Größe-passt-nicht-allen“ anwenden

Eine weitere Sache, die Sie von Amazon lernen können, ist seine einzigartige Fähigkeit, jeden seiner Kunden auf einer persönlichen Ebene anzusprechen. Das heißt, jedes Mal, wenn ein Kunde auf der Website des E-Commerce-Riesen landet, wird er mit einer Homepage begrüßt, die speziell auf ihn zugeschnitten zu sein scheint. Diese Änderungen sind keine einmalige Angelegenheit, sondern etwas, das täglich und auf Grundlage des Echtzeitverhaltens des Kunden auf der Plattform geschieht. Auf diese Weise liefert Amazon ständig ein personalisiertes Erlebnis mit relevanten, empfohlenen Artikeln, die die Nutzer dazu bringen, immer wieder zurückzukommen.

Amazon hat nicht nur die Art und Weise, wie Kunden einkaufen, verändert, sondern sie auch mit einem unverwechselbaren und persönlichen Erlebnis verwöhnt. Das zeigt sich auch daran, dass 57 % der Kunden angeben, dass Amazon ihnen mehr Produktinformationen, Funktionen und Qualität bietet, was ihr Einkaufserlebnis insgesamt verbessert. 

Fühlen Sie sich inspiriert? Sehen Sie sich das Webinar an und erfahren Sie, wie Sie Kundendaten für die Personalisierung nutzen können.

Der Hunger, sich weiterzuentwickeln

Mit über tausend Unternehmen, die auf dem Online-Markt konkurrieren, sind Amazon und Netflix die Unternehmen, von denen man sich inspirieren lassen sollte, weil sie sich stetig weiterentwickeln. Vom Behavioral Targeting bis zum Deep Learning, von der Content-Personalisierung bis zur Conversion Rate Optimization gibt es nichts, was die beiden Giganten nicht schon erforscht und zu ihrem Vorteil genutzt haben. Lernen Sie von ihren Erfahrungen und der Art und Weise, wie sie sich in das Konzept der Personalisierung vertieft haben, um exponentiell zu wachsen und sich eine Nische auf dem heutigen kundenorientierten Markt zu schaffen. Nutzen Sie eine kostenlose Testversion von VWO Personalize oder fordern Sie eine Demo von unseren Produktexperten an, um zu verstehen, wie VWO Ihnen dabei helfen kann.