Discoverability im E-Commerce. Matthias Hell

„Vage Empfehlungen, lange Wartezeiten“ lautete das repräsentative Fazit einer Marktstudie, die das Deutsche Institut für Servicequalität (DISQ) im Sommer 2012 veröffentlichte. 130 Filialen von 13 großen Buchhandelsketten hatte das DISQ getestet und traf dabei auf ein Serviceniveau, das deutlich unter dem in anderen Handelssegmenten üblichen Standard lag.

      Damit bestätigte das Marktforschungsunternehmen eine gängige Weisheit: Wer schnell Bücher kaufen will, bestellt bei Amazon. Wer dagegen stöbern und sich beraten lassen möchte, wählt den Weg in die (unabhängige) Buchhandlung seines Vertrauens.

      Wie gut sind Amazon-Empfehlungen wirklich?

      Wie schon eingangs erwähnt, verzichtet auch Amazon nicht darauf, seinen Kunden mit Buchempfehlungen einen Anreiz zum Kauf weiterer Titel zu bieten – allerdings mit oft enttäuschenden Ergebnissen. Warum das so ist, zeigt ein Blick auf die Recommendation-Technologie von Amazon.

      Das Empfehlungssystem von Amazon bei Büchern unterscheidet sich prinzipiell nicht von anderen Produktbereichen: Ausgehend von der Einkaufshistorie der Kunden und evtl. abgegebenen Produktbewertungen erfolgt eine hochgradig personalisierte Darstellung der Amazon-Webseite. So wird, wer bevorzugt Fashion-Artikel und Baby-Zubehör bestellt, eine komplett andere Amazon-Homepage vorfinden als jemand, der sich in erster Linie für Unterhaltungselektronik und Medien-Artikel interessiert. Das gleiche gilt für den Buchbereich: Wer bei Amazon hauptsächlich Fachliteratur kauft, hat es mit einer anderen Storefront zu tun, als ein Kunde, der bei dem Online-Händler regelmäßig aktuelle Roman-Neuerscheinungen bestellt.

       Einfaches Prinzip mit großer Wirkung

      Diese Personalisierung betrifft nicht nur die Amazon-Homepage, sondern setzt sich in den einzelnen Kategorien und auf den Produktseiten fort – wie auch die entsprechenden Empfehlungsfloskeln verdeutlichen: Phrasen wie „Wird oft zusammen mit folgenden Artikeln gekauft“, „Kunden, die diese Artikel in Ihrem Einkaufswagen gelegt haben, haben auch Folgendes gekauft“ und „Kunden, die diesen Artikel gekauft haben, kauften auch“ kennt jeder Amazon-Nutzer zur Genüge.

      Als weltgrößter Online-Händler hat Amazon einen beträchtlichen Aufwand in den Aufbau seines Empfehlungssystems investiert – der sich zumindest in Teilbereichen durchaus auszahlt. So gelten die Produktempfehlungen von Amazon in E-Commerce-Kreisen allgemein als weit entwickelt und gehen auch Analysten davon aus, dass der Onlinehändler mit seinen On-Site-Empfehlungen eine vergleichsweise hohe Conversion Rate erzielt.

       Chancengleichheit für Selfpublisher

      Im Buchbereich haben zudem eine Reihe von Self Publishing Autoren auf die Vorzüge des Empfehlungssystems von Amazon verwiesen. Während es für unabhängige Autoren ohne die Marketing-Power eines großen Verlags im Rücken so gut wie unmöglich ist, ihre Bücher in die Auslagen des stationären Buchhandels zu bringen, sorgen die Empfehlungsmechanismen von Amazon für einen egalisierenden Effekt: Für Funktionen wie „Also bought“ und „Similar Items“ macht es keinen Unterschied, ob es sich um den Bestseller eines Star-Autors oder um ein bei einem Self-Publishing-Dienst veröffentlichten Titel eines Amateur-Schriftstellers handelt. Zudem hat das Empfehlungssystem von Amazon eine selbstverstärkende Wirkung und steigt nach ersten Anfangserfolgen die Häufigkeit der Empfehlungen – und damit auch der potenziellen Verkäufe. Unbekannte, unabhängige Autoren haben bei Amazon somit bessere Chancen denn je.

      Wie nicht zuletzt unser Einstiegsbeispiel rund um Dan Browns „Inferno“ zeigt, ist das Amazon-Empfehlungssystem dennoch notorisch unzuverlässig. Einige Erklärungen dafür haben wir bereits geliefert. Genauere Einsichten bietet ein Überblick über die gängigen Recommendation-Mechanismen: Was sind Empfehlungsalgorithmen? Wie unterscheidet sich Amazon hier vom Wettbewerb? Und welche Entwicklungsperspektiven und Grenzen gibt es für algorithmische Verfahren?