User Journey Bechtle ermöglicht optimales Surfen im B2B Online-Shop

Anbieter zum Thema

SC-Networks GmbH

Vogel Corporate Solutions GmbH

Medienwerft Agentur für digitale Medien und Kommunikation mbH

neo4j

Wie lässt sich die User Journey auf der eigenen Website und im Online-Shop so optimieren, dass Geschäftskunden in Echtzeit finden, was sie suchen? Deutschlands größtes IT-Systemhaus Bechtle macht es vor. Graphtechnologie liefert die nötige Skalierbarkeit und Performance.

Hunderttausende Aktionen auf der Website pro Tag – wer seinen Kunden bei einem solchen Aufkommen personalisierte Empfehlungen in Echtzeit bieten will, der hat es mit einer echten Herausforderung zu tun. Denn auch im B2B Bereich geht es darum, das Kundenerlebnis auf der eigenen Website zu verbessern und das Surfen im Self-Service-Portal zum Erlebnis zu machen. Herkömmliche Datenbankensysteme führen hier schnell zu überlasteten Systemen und verzweifelten IT-Spezialisten.

Die Website der Bechtle AG versorgt Besucher wie Kunden mit umfassenden Informationen und Produkten im Bereich Hardware, Software und IT-Dienstleistungen. Im Web-Shop stehen mehr als 40.000 Produkte und Tausende von Informationsseiten zur Verfügung. Eine neue Lösung musste her – und zwar eine, die über gängige Web-Analysen hinausgeht.

Bechtle suchte für das Vorhaben nach einem Konzept, in dem die Strukturen der Daten – und nicht die Daten selbst – im Vordergrund stehen. Insbesondere für die Echtzeit-Recommendation gilt es, die Beziehungen zwischen Produkten, Klickvorgängen, Suchverläufen und Surfverhalten zu analysieren. Tatsächlich relevante Empfehlungen („Das könnte Ihnen auch gefallen“) setzen eine semantische Netzwerkanalyse voraus und damit völlig neue Datenmodelle und die Möglichkeit, komplexe Abfragen zu tätigen.

KPIs

5 relevante KPIs im B2B E-Commerce zur Erfolgsmessung

Zwei Wege zur Echtzeit-Empfehlung im Online-Shop

Personalisierte Produktempfehlungen lassen sich in der Regel nach zwei Methoden erstellen. Bei einem inhaltsbasierten System („content based“) werden Informationen zum potenziellen Käufer analysiert, wie zum Beispiel das Kauf- und Browserverhalten. Finden sich Übereinstimmungen, folgt die entsprechende Produktempfehlung. Tauchen im Key Account eines Kunden, zum Beispiel Bestellaufträge zu bestimmten Produkten auf, empfiehlt der Online-Shop komplementäre Systeme, Software und Komponenten. Einen zusätzlichen Mehrwert bietet das kollaborative Filtern („collaborative filtering“), indem es bei der Produktempfehlung das Verhaltensmuster anderer Käufer aus derselben Branche mit ähnlichen gesetzlichen Rahmenbedingungen miteinbezieht. Einmal steht also eine Eigenschaft (Kategorie – Produkt) im Vordergrund, das andere Mal geht es um Beziehungen (Kunde A – Kunde B).

Die Performance der Datenanalyse wird dabei zum Schlüsselfaktor, die Abfrage der Daten muss daher in wenigen Millisekunden ablaufen. Andernfalls besteht die Gefahr, dass Kunden entnervt zum Wettbewerber abwandern oder Empfehlungen erhalten, die auf veralteten oder unvollständigen Informationen basieren.

Graphtechnologie im Online-Shop von Bechtle

Hier kommt Graphtechnologie ins Spiel, welche genau diese komplexen Anforderungen erfüllt. Die Funktionsweise von Graphdatenbanken lässt sich schnell erklären: Daten werden als Kreise (Knoten) dargestellt, die über Linien (Kanten) miteinander verbunden sind. Diesen Knoten und Kanten können jeweils qualitative oder quantitative Eigenschaften zugeordnet werden. Über das Knoten-Kanten-Prinzip lässt sich das Datenmodell beliebig erweitern – das ermöglicht auch die wirklichkeitsnahe Abbildung großer und komplexer Netzwerke wie etwa im Webshop.

gesponsertDigital B2B Commerce

4 Handlungsfelder für den B2B E-Commerce der Zukunft

In Graphdatenbanken stehen die Beziehungen zwischen Daten im Vordergrund. Aus ihnen lassen sich die relevanten Zusammenhänge für den Unternehmenskunden sowie für Webdesigner, Sales Manager und Marketeers extrahieren. Graphtechnologie liefert also die nötige Geschwindigkeit, um Besucher noch während des Surfens auf der Webseite über interessante Produkte oder Inhalte zu informieren.

Die Graphdatenbank kommt bei Bechtle gleich in zwei Use Cases zum Einsatz: Zum einen werden die anonymisierten Interaktionsdaten der Kunden zu wesentlichen Kenngrößen für das Reporting aggregiert. Zum anderen lassen sich im Graphen Korrelationen über Produkte und Inhalte abfragen, die dem Kunden als Empfehlungen angezeigt werden.

„Ginni“ spricht, lernt und empfiehlt im Bechtle Online-Shop

So entstand „Ginni“. Das B2B Recommendation-System erzeugt in der Graphdatenbank ein ebenso komplexes wie aussagekräftiges Modell von Aktionen, die Kunden auf der Website auslösen. Durch Graph-Algorithmen lassen sich aus diesen Aktionsmustern Korrelationen ableiten, um Produkte mit anderen Produkten, Informationen oder Dienstleistungen zu assoziieren. So sehen Produktmanager und Webanalysten, nach welchen Begriffen Webseiten-Besucher suchen und welche Produkte am Ende der Customer Journey im Warenkorb landen. Das hilft Bechtle, das System kontinuierlich zu optimieren und die Navigation der User zu einem Erlebnis zu machen. Denn auch im B2B Bereich sind unvergessliche Eindrücke, Special Features und Empfehlungen nicht zu vernachlässigen.

Fazit: Die Macht der Beziehungen

Durch das Modellieren der Interaktionsdaten in der Graphdatenbank kann Bechtle deutlich tiefer in die Analyse der User Journeys einsteigen und gewinnt somit wertvolle neue Informationen. Genau das ist die notwendige Voraussetzung, um ein verbessertes Kundenerlebnis zu ermöglichen. Vor allem aber schafft der Graph den für KI und ML dringend benötigten Kontext über die fundamentalen Daten. In einer User Journey stecken viele wertvolle Erkenntnisse, die darüber Aufschluss geben, ob ein Online-Shop tatsächlich funktioniert und ob sich ein Besucher auf der Website zurechtfindet. Um diese Insights zu erhalten, muss es möglich sein, zwischen den Zeilen zu lesen. Hier leistet die Graphdatenbank einen wesentlichen Beitrag.