Wie Online-Händler Das Offene Diagramm Von Facebook Nutzen Können

2023 Autor: Luccile Osborne | [email protected]. Zuletzt bearbeitet: 2023-05-22 02:10

Darren Vengroff, ehemals Principal Engineer bei Amazon, ist Chief Scientist bei RichRelevance, wo er Einzelhändlern wie Overstock und Sears dabei hilft, ein persönlicheres Einkaufserlebnis für Verbraucher zu schaffen. Sie können mehr von Darren auf dem RichRelevance-Blog lesen.

Amazon und Facebook machen Schlagzeilen mit der Einführung einer neuen Anwendung, mit der Kunden Produktempfehlungen basierend auf Facebook-Präferenzen erhalten können. Sobald Benutzer diese App aktivieren, kann Amazon ihre Aktivitäten auf Facebook überwachen, einschließlich der Seiten, die ihnen gefallen, und diese Informationen verwenden, um Produkte zu empfehlen, die sie möglicherweise kaufen möchten. Die Kombination von Konten mit einer solchen Anwendung, unabhängig davon, ob sie für Amazon oder andere Händler spezifisch ist, kann eine überzeugende Mischung aus sozialen Netzwerken und Einkaufsmöglichkeiten sein, die für Käufer und Händler einen Mehrwert schafft.

Während der Schritt von Amazon aufgrund seiner Marktposition für Schlagzeilen sorgte, kann jeder Händler eine App erstellen, mit der Facebook-Nutzer ihre Interessen teilen können. Das Sammeln dieser Daten ist der einfache Teil. Bei angemessener Nutzung liegt die eigentliche Herausforderung. Letztendlich wird der Erfolg der Empfehlungen, die von diesen Apps gesteuert werden, davon abhängen, wie die Relevanz - insbesondere aus dem sozialen Diagramm - extrahiert wird und wie Empfehlungen den Kunden präsentiert werden.

Wenn Sie es "mögen", möchten Sie es vielleicht kaufen

Sobald Daten über die Facebook-App gesammelt wurden, muss das Empfehlungssystem eines Händlers zunächst die Beziehung zwischen einer Seite, die jemandem "gefallen" hat, und einem oder mehreren Produkten identifizieren. Dies kann entweder nur über das Verhalten oder über eine Kombination aus Verhalten und Seiten- und Produktattributen erfolgen. Wenn wir beispielsweise die Vorlieben und Kaufmuster von Käufern analysieren, stellen wir möglicherweise fest, dass Leute, die die Facebook-Seite des Gastronomen Danny Meyer mögen, dazu neigten, sein Buch Setting the Table zu kaufen. Infolgedessen kann das System jetzt eine Beziehung zwischen der Seiten-ID von Danny Meyers Facebook-Seite und der ISBN seines Buches auf der Website des Händlers identifizieren.

Diese scheinbar kleine Information ist von unschätzbarem Wert. Dies deutet nicht nur darauf hin, dass es sinnvoll ist, das Buch Personen zu empfehlen, denen die Seite "gefallen" hat, sondern hat auch Auswirkungen auf unsere Fähigkeit, zukünftige Empfehlungen zu erstellen. Da es sich bei der Facebook-Seite speziell um Danny Meyer handelt, der zufällig auch der Autor des gekauften Buches ist, haben wir in diesem Fall starke Beweise dafür, dass es eine gute Marketingtaktik bei der Veröffentlichung wäre, es zu empfehlen, wenn er ein anderes Buch veröffentlicht Fans seiner Facebook-Seite.

Das Verfolgen eines Kaufs anhand einer "Gefällt mir" -Seite ist nur eine Art von Beziehung, die identifiziert werden kann. In ähnlicher Weise können andere Produktattribute wie Sterne (für Filme), Altersgruppe (für Spielzeug) oder Marke (für Bekleidung oder Unterhaltungselektronik) das System von einer "Gefallen" -Seite zu verwandten Produkten führen. Bei sorgfältiger Verwaltung führen Kombinationen dieser Arten von Produktattributen zusammen mit dem rohen Benutzerverhalten wahrscheinlich zu den besten Empfehlungen.

"Liken" führt nicht immer zum Kauf

Der zweite wichtige Teil eines erfolgreichen Empfehlungssystems, das auf einem sozialen Netzwerk wie Facebook aufbaut, ist ein genaues Verständnis der Art und Weise, in der bestimmte Einkaufsverhalten - von der Suche über das Durchsuchen von Artikeln bis hin zum Hinzufügen zu einem Warenkorb - mit dem Werden korreliert werden Fan oder "Liking" einer bestimmten Seite. Ich habe dies oben mit dem Beispiel angedeutet, das Kaufverhalten von Leuten zu betrachten, die Danny Meyers Facebook-Seite mochten. Empfehlungssysteme werden häufig erstellt, um die Beziehung zwischen einem vorherigen Kauf und einem wahrscheinlichen Kauf oder dem Durchsuchen und Kaufen zu verstehen.

Die Dynamik des "Likings" einer Facebook-Seite ist etwas anders und kostengünstiger als beim Kauf. Während für einige Seiten "Likes" die Kaufneigung anzeigt, gibt es viele andere Seiten, für die "Likes" keine Kaufneigung anzeigen. Zum Beispiel kann ein „Gefällt mir“rein zielgerichtet sein, wie im Fall eines Teenagers, der die Facebook-Seite für den Porsche 911 „mag“. Der Versuch, ihm eine maßgeschneiderte Abdeckung für einen 911 zu verkaufen, ist wahrscheinlich keine gute Idee. Die Empfehlung eines Porsche Logo T-Shirts könnte dagegen relevanter sein.

Die Realität ist, dass die Auswirkungen eines „Gefällt mir“sehr unterschiedlich sind, selbst wenn wir das spezifische Produkt identifiziert haben, das mit der Facebook-Seite verknüpft ist, und einiges an zusätzlichen Metadaten haben - Automarke und -modell im Fall des Sportwagens Beispiel.

Das soziale Netzwerk überspannen

Wenn wir von Seiten und einzelnen "Likes" zu Pages wechseln, die seine Freunde "Like" mögen, können die Dinge noch komplizierter werden. Eine Facebook-Nutzerin mit zwanzig Dingen hat möglicherweise Hunderte von Freunden, die Hunderte von Filmen zwischen sich „gemocht“haben. Aber wenn sie wirklich nach Ratschlägen für einen Film zum Kauf suchen würde, würde sie wahrscheinlich nur wenigen engen Freunden am stärksten vertrauen. Sie könnte ihrer Mutter und ihrem Freund nahe sein und dennoch kein Interesse an Filmen haben, die sie mögen, obwohl sie an ihrem Feedback zu anderen Produkten interessiert sein könnte, die von Schuhen über Mikrowellenherde bis hin zu Sonnenschutzmitteln reichen.

Wir müssen also nicht nur sehen, wie sich die Vorlieben einer Gruppe von Freunden auf das Einkaufsverhalten auswirken, sondern auch sehr vorsichtig sein und die verschiedenen Arten des Einflusses berücksichtigen, den verschiedene Personen haben.

Alles zusammenbringen

Alle oben beschriebenen Empfehlungsmöglichkeiten und damit verbundenen Herausforderungen stehen jedem Händler zur Verfügung, der eine Facebook-App erstellt und seine Kunden zur Nutzung ermutigt. Wie bei Empfehlungen, die ausschließlich auf dem Einkaufsverhalten basieren, können und sollten Händler dem Käufer eine Vielzahl verschiedener Empfehlungsstrategien präsentieren, die sowohl auf ihrem Einkaufsverhalten als auch auf ihrem Verhalten in sozialen Netzwerken basieren. Im Idealfall sollte dies sowohl passieren, wenn Käufer die Website eines Händlers durchsuchen, als auch wenn sie die App des Händlers auf Facebook verwenden.

Das letzte Puzzleteil ist dann ein Echtzeit-Optimierungssystem, das überwacht, wie verschiedene Empfehlungsstrategien in unterschiedlichen Kontexten ausgeführt werden - ob auf der Website eines Händlers oder an verschiedenen Orten auf Facebook - und für jeden Käufer den relevantesten Inhalt auswählt in jedem Moment ihrer Erfahrung.