Читать книгу Discoverability im E-Commerce - Matthias Hell - Страница 4

Mit Empfehlungen ist das so eine Sache. Zielgenaue Produktvorschläge geben dem Online-Händler die Aussicht auf höhere Umsätze und locken gleichzeitig den Kunden mit der Verheißung auf ein Einkaufserlebnis im Netz, das den gewohnten Stöber-Faktor und die Chance auf Neuentdeckungen miteinschließt. In der Theorie sollten ausgeklügelte Empfehlungsmechanismen im Online-Handel also zum Standard gehören. Dass es sich noch deutlich anders verhält, belegt allerdings immer wieder die praktische Erfahrung:

So konnte auch ich mich dem Hype nicht entziehen und habe mir kürzlich Dan Browns „Inferno“ auf meinen Kindle geladen. Nachdem ich Robert Langdon auf seiner kulturgeschichtlichen Schnitzeljagd durch Florenz, Venedig und Istanbul gefolgt bin, könnte ich nun einen Tipp für eine weitere sommerlich leichte Lektüre gut gebrauchen. Also besuche ich die Amazon-Webseite in der Hoffnung auf treffsichere Empfehlungen: Kunden, die „Inferno“ gekauft haben, kauften auch … alle anderen Dan-Brown-Romane?! Desweiteren empfiehlt mir die Recommendation Engine des Online-Händlers eine Romanze von „Vanessa Mansini“ und einen Mystery-Schmöker von „Hanni Münzer“ – beides Autoren, von denen ich noch nie gehört habe, die aber aus Amazons Selfpublishing-Programm stammen. Nicht gerade das, wonach ich gesucht habe.

Wer bietet bessere Empfehlungen?

Als nächstes versuche ich mein Glück bei der Lese-Community Goodreads: Als Venedig-Liebhaber habe ich „Inferno“ dort meinem Venice-Shelf hinzugefügt. Die Buch-Plattform weist mich daraufhin auf einen neu erschienenen Donna-Leon-Roman, den Hemingway-Klassiker „A Moveable Feast“ sowie die spannend wirkenden Sizilien-Krimis von Andrea Camilleri hin. Zudem sehe ich, dass andere Nutzer mit ähnlichen Interessen wie ich derzeit die neuen Romane von Colum McCann, Adam Johnson und Rosa Liksom lesen. Das sind doch schon deutlich eher die Informationen, nach denen ich gesucht habe!

Die Qualitätsunterschiede bei den Empfehlungen erklären sich zum einen durch die unterschiedliche Beziehung, die ich zu Amazon und Goodreads habe. Amazon weiß lediglich, welche Artikel in der Vergangenheit über meinen Benutzer-Account gekauft wurden. Ob ich diese für mich selbst oder jemand anderen bestimmt waren, aus welcher Motivation heraus ich mich zur Bestellung entschieden habe und wie zufrieden ich schlussendlich mit dem gekauften Artikel war, ist dem Online-Händler dagegen unbekannt. Goodreads dagegen weiß, dass für mich beim Kauf von „Inferno“ der Venedig-Bezug entscheidend war, dass ich mit dem Titel mäßig zufrieden war (2 von 5 Sternen) und dass ich mich sonst eher für Bücher mit politischen und kunstgeschichtlichen Inhalten interessiere. Und nicht nur über mich hat die Buch-Community deutlich mehr Informationen: Zu Dan Browns „Inferno“ gibt es bei Amazon einige Hundert Kundenrezensionen, während Goodreads über weit mehr als 20.000 Bewertungen und rund 5.000 Nutzerrezensionen zu dem Titel verfügt – eine riesige Basis an qualifizierten Daten, die treffsichere Empfehlungen entsprechend einfacher macht.

Was wollen die Kunden als nächstes?

Vor dem Hintergrund meiner positiven Erfahrung mit Goodreads werden auch die 150 Mio. Dollar, die Amazon laut zuverlässigen Quellen im März 2013 für die Akquisition der Buch-Community bezahlt hat, verständlich: Selbst wenn Amazon bei seinem Warenangebot, den Preispunkten und dem sprichwörtlichen Kundenservice alles richtig macht, bleibt es doch eine Herausforderung, zu verstehen, wonach ein Kunde genau sucht und welche Artikel er in Zukunft benötigen wird. Plattformen wie Goodreads setzen dagegen genau an diesem Punkt an: Millionen von Nutzern beschäftigen sich hier aus purem Eigeninteresse mit dem Aufbau einer gigantischen Produktdatenbank und verhelfen einander so zu qualitativ hochwertigen Empfehlungen. Ausgeklügelte Algorithmen und redaktionell betreute Inhalte erhöhen zusätzlich den Mehrwert für die Nutzer.

Auch über die Buchbranche hinaus lohnt es sich deshalb, sich mit der Discoverability – der Entdeckbarkeit von Inhalten im Netz – auseinanderzusetzen. Wo liegen die Schwächen des Empfehlungssystems von Amazon? Wie funktionieren Empfehlungsalgorithmen? Worin unterscheiden sich die wichtigsten Buch-Communities, wenn es um die Generierung von treffsicheren Leseempfehlungen geht? Und welche Impulse können die Empfehlungsmechanismen beliebter Film- und Musik-Plattformen liefern?

Diese Fragen sollen auf den folgenden Seiten genauer beleuchtet werden – und damit auch den Lesern dieses Buchs zur Discoverability den Weg zu möglichst vielen Neuentdeckungen weisen.

Matthias Hell, im August 2013