Gewinnmaximierung durch Erhöhung der Konversionsrate

Szenario

Unser Kunde ist ein großer Online-Mode-Anbieter mit mehr als 200.000 Besuchern pro Tag. Es gab in ihrem Online-Shop kein Empfehlungssystem, das kundenspezifisch Produkte beworben hat. Die Warenliste wurde zufällig angezeigt. Daher wurde entschieden, einen eigenen Algorithmus zu entwickeln, der die Produkte zuerst anzeigt, die eine höhere Kaufwahrscheinlichkeit besaßen.

Herausforderung

Es bestand die Schwierigkeit, die Beliebtheit jedes Produktes zu ermitteln. Dafür mussten wir die Produkte und Prozesse der Mode-Einzelhändler analysieren und in ständig enger Kooperation mit den Analytikern stehen, um die Anforderungen des Algorithmus zu entwerfen.
Die Aufgabe wurde weiter dadurch kompliziert, dass die Kundenvertreter zusätzlich zum Algorithmus eine manuelle Moderation der Produktliste einführen wollten. Damit sollten die Einzelhändler manuell die promovierten Waren ändern können.

Quote

„Mit dem neuen Algorithmus von Edgecase Technology konnten wir kundenspezifisch Produktwerbung betreiben und unseren Absatz signifikant erhöhen.“

Lösung

Der Algorithmus wurde auf Basis von „machine learning“ entwickelt und erstellt täglich einen Beliebtheits-Index für jedes Produkt (SKU), wobei er die folgenden Parameter berücksichtigt:

  • Saisonfaktor für Kategorien (Jede Warenkategorie wird in einer Tabelle für jede Kalenderwoche gereiht.)
  • Marken-Gewichtung (komplexe Formel mit aktuellem Bestand jeder Marke für jede Kategorie und mit der Marge)
  • Produktgrößen mit Einteilung der Kenngrößen für jede Warengruppe

 

Die Bedeutung eines Parameters kann manuell verändert werden. Wegen der komplizierten Formel wird der Beliebtheits-Index aller Waren jede Nacht aktualisiert und die Produktliste für den Folgetag erzeugt.

Ergebnis

  • Ein neuer Algorithmus mit manuellen Einstellungsmöglichkeiten
  • Steigerung der Konversionsrate um 14,29 %
  • Zusätzlicher Gewinn von 2,2 Mio. Euro in nur 6 Monaten