Cross-Selling und Up-Selling

Zeigt Produktempfehlungen an, die sich auf das Produkt beziehen, das der Besucher gerade betrachtet, wie z.B. "Kunden, die dies auch gesehen haben". Cross- und Up-Selling hat Ein- und Ausschlussregeln, die es ermöglichen zu filtern, welche Art von Produkten in einer Empfehlung angezeigt werden, z.B. die Kontrolle, ob die Empfehlung Alternativen oder ergänzende Produkte anzeigt. Die Empfehlung wird auch mit Bewertungseinstellungen gesteuert, die festlegen, wie die Relevanz zwischen den empfohlenen Produkten bewertet wird. Lesen Sie mehr über Ein- und Ausschlusseinstellungen hier und Bewertungseinstellungen hier.

Ähnliche Empfehlungsart wie Cross-Selling und Up-Selling, jedoch für die Warenkorbseite vorgesehen. Die Warenkorbempfehlung zeigt Produkte basierend auf allen Produkten im Warenkorb an und wird oft als "Kunden, die diese auch gekauft haben" angezeigt. Empfehlungen werden typischerweise relevanter, wenn mehr Artikel gleichzeitig im Warenkorb gehalten werden, da Nosto empfohlene Produkte auf mehr Daten zurückgreifen kann. Empfohlene Produkte können auf eine bestimmte Teilmenge eingeschränkt werden, indem Ein- und Ausschlusseinstellungen und Bewertungseinstellungen verwendet werden.

Die Empfehlung für den kostenlosen Versand ist eine ähnliche Einstellung wie die Empfehlung für den Warenkorb, beinhaltet aber anpassbare Sichtbarkeitseinstellungen basierend auf dem Gesamtwert des Warenkorbs. Ansonsten funktioniert die Empfehlungsart ähnlich wie die Warenkorbempfehlung.

Bestseller und Trendprodukte oder kurz gesagt eine Empfehlungsart, die auf allgemeinen Trenddaten und Popularität basiert und anzeigt, was derzeit " angesagt und beliebt " im Online-Shop ist. Angezeigte Produkte können gefiltert und beispielsweise auf eine bestimmte ausgewählte Teilmenge von Produkten eingeschränkt werden, indem Ein- und Ausschlusseinstellungen angewendet werden. Mehr dazu erfahren Sie hier.

Geo-targeted ist eine geobasierte Version der Bestseller, die alle die gleichen Optionen bietet, aber Produkte empfiehlt, die sich am Standort des Benutzers orientieren: Land, Bundesland, Stadt oder sogar Stadtteil. Mehr dazu erfahren Sie hier.

Die Empfehlung wurde als Tickerversion konzipiert und zeigt nicht die Produkte an, die im Trend liegen, sondern zeigt in Echtzeit, mit welchen Produkten aktuelle Kunden interagieren: Betrachten eines Produkts, Hinzufügen eines Produkts zum Warenkorb und Kaufen, optional Anzeigen der Position des Benutzers auf Stadtebene. Live-Feed wurde entwickelt, um einen ähnlichen Buzz-Effekt online zu erzeugen, der während der Verkaufssaison in einer Offline-Umgebung üblich ist.

Die Empfehlung zeigt den Besuchern die Artikel an, die sie angesehen oder zu ihrem Warenkorb hinzugefügt haben, die sie aber bei früheren Besuchen im Geschäft nicht gekauft haben (technisch gesehen Browsersitzungen), wodurch sie mehr Gewicht auf die Artikel legen, die häufiger, mehrfach und vor allem in den Warenkorb aufgenommen wurden, wobei gekaufte Artikel optional ausgeschlossen werden. Wenn ein Benutzer nur mit einer geringen Anzahl von Produkten interagiert hat, greift die Empfehlung automatisch auf relevante Alternativartikel zurück. Wird in der Regel angezeigt als: "Artikel, die Sie kürzlich angesehen haben". Da die Empfehlungsart auf der persönlichen Einkaufshistorie basiert, wird sie nur Besuchern angezeigt, die bei aktuellen oder früheren Besuchen der Website mehr als ein Produkt durchsucht haben.

Zeigt den Browserverlauf des Besuchers in linearer Reihenfolge an. Ähnlich wie personalisierte Empfehlungen, aber es verleiht den Produkten kein Gewicht, was bedeutet, dass die Produkte in der Reihenfolge angezeigt werden, in der sie durchsucht wurden. Da die Empfehlungsart auf der persönlichen Einkaufshistorie basiert, wird sie nur Besuchern angezeigt, die bei aktuellen oder früheren Besuchen der Website mehr als ein Produkt durchsucht haben.

Zeigt neue Produkte an, die sich auf den aktuellen Browserverlauf eines Besuchers beziehen, mit Ausnahme von Produkten, die ein Besucher bereits angesehen oder gekauft hat, indem er den Browserverlauf des Besuchers mit ähnlichen Profilen vergleicht. In der Praxis zeigt es einem einzelnen Besucher neue und unsichtbare Produkte, basierend auf seinen persönlichen Vorlieben. Da die Empfehlungsart auf der persönlichen Einkaufshistorie basiert, wird sie nur Besuchern angezeigt, die bei aktuellen oder früheren Besuchen der Website mindestens ein Produkt besucht haben. Browsing History Related unterstützt Ein- und Ausschlussfilter, die es beispielsweise ermöglichen, empfohlene Produkte auf ausgewählte Kategorien oder auf Produkte innerhalb eines vordefinierten Margenbereichs zu beschränken.

Zeigt Produkte an, die andere Besucher nach derselben Suchanfrage in der internen Suche angesehen und gekauft haben. Neben allen durchgeführten Suchanfragen erfasst die Empfehlungsart auch Trend-Suchbegriffe, häufige Tippfehler und kann in der Praxis oft eine Empfehlung anzeigen, während die interne Suche der Website ein leeres Suchergebnis liefert.

Zeigt Produktempfehlungen an, die sich auf die Produkte beziehen, die ein Besucher gerade gekauft hat. Am besten verwendet auf der Dankeschön-Seite für Ihre Bestellung, wo ein erfolgreicher Kauf an einen Kunden kommuniziert wird.
Hinweis: Wenn sie dort nicht verwendet werden, basieren die Empfehlungen auf der vorherigen Bestellung.

Die Empfehlungsart zeigt Artikel an, an denen Kunden aus derselben Quelle wie PPC-Werbung ihr Interesse bekundet haben. Typischerweise auf Landing Pages verwendet, werden Blog-Posts, die über eine bestimmte Kategorie, Marke oder saisonale Produkte sprechen, verwendet, um automatisch gemeinsame Nenner für Benutzer zu ermitteln, die sich mit Inhalten beschäftigen. Die Empfehlungen für die Landing Page berücksichtigen sowohl UTM-Tags als auch den Google-Gclid-Parameter, so dass die Gruppierung der Nutzer nach Werbekanälen und die Bestimmung des Interesses nach der Interaktion mit Inhalten automatisch erfolgt. Landing Page Recommendations funktionieren automatisch, wenn sie auf der Zielseite bereitgestellt werden und haben keine zusätzlichen Optionen, aber aufgrund ihrer Natur empfehlen wir, Fallback Recommendations damit zu verwenden.

Manuelles Merchandising. Zeigt immer die gleichen Produkte basierend auf Produkt-IDs und der Reihenfolge der Produkt-IDs an. Denken Sie daran, zu überprüfen, ob es sich bei den Produkten um Instock handelt, da auch das manuelle Merchandising den Verfügbarkeitsstatus einhält.

Zeigt eine völlig zufällige Auswahl von Produkten, die von Nosto indexiert wurden. Bestimmt für Debugging- und Testzwecke, z.B. in Testumgebungen.

Hinweis: Nosto löscht die Kundendaten nach 15 Monaten Inaktivität. Bitte beachten Sie diesen Zeitraum bei der Verwendung von Algorithmen, die Kundendaten erfordern.