Bewertung
Marktsegment

Content Recommendation Software & Tools

Content Recommendation Software ist eine sowohl von Websites als auch von Publisher-Advertiser-Konstrukten genutzte Software, die dafür sorgt, dass Nutzer*innen die Inhalte ausgespielt werden, die zu ihnen passen. Auf der eigenen Website können das beispielsweise personalisierte Produktempfehlungen sein, die Kund*innen abhängig vom User-Profil und/oder Kontext (z.B. beim Ansehen eines ähnlichen Produkts) angezeigt werden. Werbetreibende, die auf Websites von Publishern werben, nutzen Content Recommendation Software im Rahmen des sogenannten Native Advertising. Hier wird der Content vom Advertiser als Empfehlung in direkter Umgebung vom Content des Publishers eingebunden, um so die eigene Message nahtlos und natürlich an (potenzielle) Kund*innen oder Nutzer*innen zu kommunizieren. Ein Beispiel dafür wäre z.B. die Anzeige für den Artikel eines Corporate Blogs unterhalb des dazu inhaltlich passenden Artikels aus dem Web-Angebot eines großen deutschen Medienhauses.

Software aus dem Bereich Content Recommendation ist Teil des Content Marketings, eignet sich sowohl für große als auch für kleinere Unternehmen und richtet ihr Angebot sowohl an Agenturen als auch an Werbetreibende direkt.

Taboola

Taboola, 2007 gegründet, liefert Empfehlungen für das Open Web und hilft Menschen, Dinge zu entdecken, die ihnen gefallen könnten. Taboolas Plattform basiert auf künstlicher Intelligenz und wird auf Webseiten, in digitalen Geräten und mobilen Apps genutzt, um Inhalte zu monetarisieren und das Nutzerengagement zu steigern. Im Fokus: mehr Traffic für die eigene Website generieren. Benefits, die das Unternehmen nennt, sind: relevantere Zielgruppen auf 22.000+ Top-Websites weltweit erreichen, Content zielgerichtet distribuieren, mehr Traffic und Sichtbarkeit für Apps, Artikel etc., eine höhere Markenbekanntheit, mehr Leads und einen höheren Umsatz. Eigenen Angaben zufolge nutzen über 13.000 Werbetreibende Taboola, um täglich über 500 Millionen aktive Nutzer in einer markensicheren Umgebung zu erreichen. Das Unternehmen hat Büros in 18 Städten weltweit, darunter New York und Tel Aviv.

Outbrain

Outbrain bezeichnet sich selbst als "die weltweit führende Discovery-Plattform" oder aber: "der Discovery und Native Advertising Feed im Open Web". Outbrain Amplify soll dafür sorgen, dass Inhalte genau den Nutzer*innen gezeigt und empfohlen werden, die sie ansprechend und relevant finden. Eignen soll sich die Lösung für Startups und Fortune 50 Companies gleichermaßen. Im Fokus: "hochwertigen" Traffic für die eigene Website generieren, Wahrnehmung bei den Zielgruppen steigern, Leads und Conversions generieren.

Trbo

Trbo, ein Unternehmen aus München, bezeichnet sich selbst als "Onsite-Personalisierungs-Plattform", mit der sich Kund*innen in Echtzeit individuell und persönlich ansprechen lassen. Im Bestfall werden damit Besucher*innen zu Kund*innen. Eignen soll sich die Lösung für die unterschiedlichsten Branchen - von Travel über Sports bis hin zu Retail. Das Besondere daran: Trbos selbstlernender Algorithmus soll das User*innen-Verhalten auf Basis von über 50 Besucher*innen-Merkmalen analysieren können. Die Daten erlauben im nächsten Schritt eine "zielgerichtete Auslieferung verschiedener Layer im Design des Online-Auftritts", die das Einkaufserlebnis von Website*besucherinnen nachweislich optimieren sollen.

Plista

Mit Plista, der "globalen Plattform für datengetriebenes Native Advertising in redaktionellen Premium-Umfeldern" mit Hauptsitz in Berlin, sollen Werbetreibende und Publisher direkten und zentralen Zugang zu einem breiten Portfolio an nativen Lösungen erhalten. Das Tool soll darüber hinaus in der Lage sein, Inhalte und Werbung den individuellen Interessen der Nutzer*innen anzupassen - über alle Kanäle und Endgeräte hinweg. Der Grund hierfür: die "proprietäre Echtzeit-Empfehlungstechnologie" des Tools. Plista gibt zudem an, mit "tausenden von Premium-Publishern" zusammenzuarbeiten.

Opinary

Opinary, ein Berliner Startup, 2016 gegründet, bietet Nutzer*innen eine neue Möglichkeit, die eigene Meinung in Online-Content zu teilen. Rund 84 Millionen sollen im Moment die eigene Position mit einem Klick sichtbar machen und Meinungstrends verstehen können. Die Lösung TrafficBoost ermöglicht es Werbetreibenden, Nutzer*innen im genau passenden Umfeld mit der richtigen Frage vorzuqualifizieren - und direkt hochwertigen Traffic auf die eigenen Kanäle zu generieren. Dafür nutzt Opinary proprietäres Contextual Targeting und sein exklusives Publisher-Netzwerk.

8SELECT

8SELECT bietet Online-Händlern eine technische Plattform, um expertenbasierte Product-Set-Empfehlungen (z. B. Outfits) und personalisiertes Cross-Selling automatisiert und skalierbar in Online-Shops sowie an allen Touchpoints entlang der gesamten Customer Journey auszuspielen. Das Regensburger Software-Unternehmen liefert seine Plug & Play Lösung als SaaS mit einfachem API-Zugang. Die Administration und Konfiguration der Produktempfehlungen soll mit ‚8.HX‘ skalierbar und effizient gestaltet werden können. Nutzer*innen sollen eigenen Angabe zufolge höhere Warenkörbe zwischen 30% bis 50% verzeichnen können.

Mehr über Content Recommendation Software & Tools

Content Recommendation Software: In unserem Vergleich gibt’s die besten Content Recommendation Tools - hier erhältst Du weitere nützliche Infos

Eine Content Recommendation Software bietet automatisch kontext- und zielgruppengenaue Inhalte in bestimmten Teilen einer Webseite an. Man findet die Ergebnisse des Einsatzes eines Content Recommendation Tools dann häufig in Bereichen, die mit "Für Sie empfohlen" oder "Das könnte Sie interessieren" gekennzeichnet sind. Eine Content Recommendation Software, auch Content Recommendation Engine oder Content-Empfehlungssystem genannt, sammelt und analysiert dafür Daten, die im weitesten Sinne auf dem Verhalten der (potenziellen) Kunden*innen basieren. Diese Daten werden dann verwendet, um personalisierte und relevante Inhalte bzw. Produktempfehlungen anzubieten. Die Vorhersage der Präferenzen der Nutzer*innen verschafft jenen idealerweise eine bessere bzw. mühelosere Customer-Journey. Weltkonzerne, wie Spotify oder Amazon, beherrschen diese Ausprägung des Content-Marketings wirklich gut, aber auch für kleine Unternehmen ergeben sich hier viele Möglichkeiten, Ihre (potenziellen) Kunden*innen effektiv anzusprechen. Die Big-Player haben nicht selten ihre ganz eigenen Empfehlungssysteme, was für kleinere Betriebe natürlich keine Option darstellt. Letztere können mittlerweile aber auf einem recht großen Markt von allgemein einsetzbarer Content Recommendation Software wählen.

Gute Content Recommendation Software bringt oft unter anderem folgende Features bzw. Vorteile mit:

  • Sie arbeitet mit Kundendaten aller wichtigen Online-Kanäle der Customer-Journey und ermöglicht somit eine sehr effiziente Content-Ausspielung.

  • Content Recommendation Software hilft enorm dabei, personalisierte, vorteilhafte Kundenerlebnisse über mehrere Kanäle hinweg zu schaffen.

  • Sie erlaubt es Anwendern*innen, individuelle Personalisierungen zu erstellen.

  • Sie nutzt häufig Machine-Learning und ermöglicht weitgehend automatisierte Segmentierungen sowie A/B-Tests zur Erstellung von Customer-Profilen.

Welche Typen von Content Recommendation Software gibt es?

Nicht alle Content Recommendation Engines sind gleich! Grundsätzlich gibt es drei unterschiedliche Arten. Einige Tools folgen Usern im Web und analysieren direkt, was jene auf Websites tun. Sie können nur Inhalte vorschlagen, die rein auf deren Online-Standort oder früheren Interaktionen mit einer Website basieren. Content Recommendation Software kann des Weiteren vollständig auf Basis von manuellen Eingaben, persönlichen Informationen oder vordefinierten Regeln arbeiten. Solche Typen bergen jedoch erhöhte Gefahr, dass Empfehlungen schnell irrelevant bzw. veraltet sind, wenn nicht penibel auf Datenaktualität geachtet wird. Oftmals können Benutzer mit den vorgeschlagenen Inhalten nichts (mehr) anfangen, weil sie ungenau oder irreführend sind. Dennoch sind solche Systeme für Unternehmen mit vergleichsweise wenigen (potenziellen) Kunden oftmals die beste Wahl. Bei Content Recommendation Software, die stets aktuelle Daten aus allen verfügbaren Quellen benutzt, ist das Risiko von veralteten Empfehlungen deutlich geringer. Besucher*innen sind hier fast automatisch punktgenau zum jeweiligen Stand ihrer Anliegen oder Voraussetzungen zu bedienen. Das kann nicht nur direkte Abschlüsse stark begünstigen, sondern auch dem Image der content-ausspielenden Marke enorm nutzen.

Wie funktionieren Content Recommendation Tools?

Content Recommendation Software, die Daten aus unterschiedlichen Quellen analysiert und für die Ausspielung von Inhalten verwendet, verfährt typischerweise in drei Schritten, die sich wie folgt gestalten.

  1. Datensammlung: Daten sind für die Content Recommendation Software der Treibstoff, den sie für ihre Arbeit benötigt. Die Engine sammelt implizite und explizite Daten.

    • Implizite Daten sind solche Informationen, die sich aus der Nutzung von Online-Kanälen mehr oder weniger automatisch ergeben und unter anderem per Tracking erfasst werden können. Beispiele sind die Suchhistorie, Klicks und vorherige Bestellungen.
    • Explizite Daten entstehen durch direkte Eingaben von Usern, wie Bewertungen und/oder persönlich übermittelte Vorlieben bzw. Abneigungen.
  2. Datenspeicherung: Je mehr Daten gespeichert werden, desto bessere Empfehlungen sind zu erzielen. Unternehmen sollten demnach so viele Informationen, wie nur möglich ist, zusammentragen. Anhand dieser sind (potenzielle) Kunden*innen präzise zu analysieren und in Segmente einzuteilen.

  3. Datenanalyse und Empfehlung: Content Recommendation Software analysiert Daten, indem sie sie filtert, um relevante Erkenntnisse für die endgültigen Empfehlungen zu extrahieren.

Wer braucht Content Recommendation Software

Fast jedes Unternehmen kann Nutzen aus dem Einsatz einer Content Recommendation Software ziehen. Es gibt zwei wichtige Aspekte, die bestimmen, wie sehr Betriebe profitieren.

  • Die Breite der Daten: Ein Unternehmen, das nur eine Handvoll Kunden bedient, die sich unterschiedlich verhalten, wird nicht viel Nutzen aus einem vollautomatisierten Empfehlungssystem ziehen. Menschen sind, wenn es um die Analyse weniger Informationen geht, immer noch die erste Wahl. In solchen Fällen sollten die Mitarbeiter ihr qualitatives und quantitatives Verständnis der Zielgruppe nutzen, um genaue Empfehlungen auszuspielen. Das kann dann aber durchaus auch mithilfe einer speziellen Content Recommendation Software geschehen.

  • Tiefe der Daten: Ein einzelner oder lediglich wenige Datenpunkte zu den (potenziellen) Kunden*innen sind für eine Content Recommendation Software nicht besonders hilfreich. Genaue Empfehlungen können nur durch Deep-Data über die jeweiligen Online-Aktivitäten und - wenn möglich - auch Offline-Verhaltensweisen erreicht werden.
    Unter diesen Voraussetzungen sind Content Recommendation Tools in folgenden Branchen tendenziell besonders hilfreich.

  • E-Commerce: Die Branche, in der Empfehlungssysteme zum ersten Mal in großem Umfang eingesetzt wurden, ist der E-Commerce. Mit oftmals Millionen von Kunden*innen und Daten über deren Online-Verhalten sind E-Commerce-Unternehmen optimal aufgestellt, um genaue Empfehlungen zu generieren.

  • Einzelhandel: Einkaufsdaten sind sehr wertvolle Informationen, da sie direkt Aufschluss über die Bedarfe und Bedürfnisse von Kunden*innen geben. Einzelhändler mit vielen Kunden*innen und entsprechend umfangreichen Datenpools stehen mit an der Spitze der Unternehmen, die genaue Empfehlungen abgeben können und sollten.

  • Medien: Ähnlich wie beim E-Commerce gehören Medienunternehmen zu den absoluten Profiteuren von Content Recommendation Software. Beispielsweise ist eine News-Website heute kaum noch ohne ein Empfehlungssystem vorstellbar. Wird ein solches maximal zweckdienlich eingesetzt, können Leser zielgenau durch die Angebote bis hin zu Werbepartnern geleitet werden.

  • Bankwesen: Bankgeschäfte aller Art erfolgen heute sehr häufig online – und dabei fallen eine Menge nützlicher Daten an, die Unternehmen der Finanzbranche effektiv für Empfehlungen, die zu neuen Abschlüssen führen, verwenden können.

  • Telekommunikation: Die Telekommunikation hat eine ähnliche Dynamik wie das Bankwesen. Telekommunikationsunternehmen haben häufig Zugang zu Millionen von (potenziellen) Kunden*innen, von denen jede Interaktion aufgezeichnet wird. Entsprechende Produktpaletten sind im Vergleich zu anderen Branchen eher begrenzt, was Empfehlungen in der Telekommunikation relativ überschaubar macht.

  • Weitere Unternehmen mit großem Datenaufkommen: Im Grunde profitieren alle Unternehmen, die ein großes Datenaufkommen haben und deren Informationen eine ausreichende Tiefe aufweisen. Die richtige Empfehlung im passenden Kontext auszuspielen, wird von Empfängern*innen fast in jedem Zusammenhang honoriert.

Welche Vorteile kann Content Recommendation Software im Einzelnen bringen?

Da der Wettbewerb in allen Branchen zunimmt, ist die Bindung der Kunden*innen ein wichtiges Ziel für jedes Unternehmen. Content Recommendation Software ermöglicht es, den Umsatz durch sehr effizientes Up-Selling oder Cross-Selling an bestehende Kunden*innen massiv zu steigern. Die nachfolgenden Zahlen einiger Weltkonzerne zu Content-Empfehlungen lassen keinen Zweifel, dass entsprechende Tools überaus wertvolle Conversion-Helfer für Betriebe sein können:

  • 35 Prozent des Umsatzes von Amazon.com sollen tatsächlich durch dessen Empfehlungs-Engine generiert werden.

  • 75 Prozent der Nutzer von Netflix wählen Filme/Fernsehserien aufgrund von Vorschlägen. Die Netflix-Führungsetage erklärt, dass Empfehlungen die Abwanderungsrate um mehrere Prozentpunkte senken. Dies erhöht den Lifetime-Value bestehender Kunden, weshalb davon ausgegangen wird, dass Recommendations Netflix mehr als eine Billion US-Dollar pro Jahr einsparen.

  • Spotify hat 2015 erstmals Discover Weekly Playlist-Empfehlungen veröffentlicht und konnte 2016 mit 40 Millionen Discover Weekly-Nutzern (40 Prozent der Gesamtnutzer zu diesem Zeitpunkt) eine Umsatzsteigerung von 80 Prozent verzeichnen.

Das sind natürlich absolut herausstechende Fälle, die aber auch kleineren Unternehmen verdeutlichen, was mit Content Recommendation Software bzw. deren zweckmäßigem Einsatz alles zu erreichen ist. Im Einzelnen kann Content Recommendation Software folgende zentrale Vorteile verschaffen.

  • Gesteigerter Umsatz/Conversions: Es gibt nur sehr wenige Möglichkeiten, ohne erhöhten Marketing-Aufwand mehr Umsatz zu erzielen. Und wenn eine Content Recommendation Software verwendet wird, sind wiederkehrende Verkäufe tatsächlich unter fast keinem zusätzlichen Aufwand im Marketing zu erzielen. Das Tool spielt nämlich sowieso vorhandene Inhalte lediglich zum genau passenden Zeitpunkt bzw. zur idealen Phase der Customer-Journey aus und überzeugt somit sehr effizient.

  • Erhöhte Benutzerzufriedenheit: Natürlich ist immer ein möglichst kurzer Weg zum Verkauf anzustreben, da dieser sowohl für Unternehmen als auch für Kunden*innen – wenn das Produkt wirklich passt - den großen Vorteil eines stark reduzierten Aufwands bedeutet. Mit Content Recommendation Software kann genau ein solch verkürzter Weg geschaffen werden, indem ein passendes Produkt oder auch Informationen, die zum Kauf eines passenden Produkts bzw. zur Inanspruchnahme einer bestimmten Marke motivieren, im richtigen Kontext übermittelt werden. Manchmal kann das sogar schon geschehen, bevor Zielkunden*innen überhaupt konkret nach dem betreffenden Produkt suchen.

  • Erhöhte Loyalität: Über Content Recommendation Software können (potenzielle) Kunden*innen dazu gebracht werden, mehr Zeit auf einer Website zu verbringen und deren Inhalte intensiv zu nutzen. Somit festigt sich das Standing der jeweiligen Marke praktisch automatisch, was wiederum die Wahrscheinlichkeit erhöht, dass Nutzer*innen immer wieder – schließlich auch ohne Empfehlungen – zurückkehren und vielleicht sogar zu echten Markenbotschaftern werden.

  • Geringere Abwanderung: Content Recommendation Software bietet viele Möglichkeiten, (potenzielle) Kunden*innen sehr direkt zu überzeugen und zu binden. So lassen sich darüber natürlich auch Rabatte oder Gutscheine zielgenau ausspielen bzw. mit Empfehlungen koppeln.

Gute Content Recommendation Software bringt oft unter anderem folgende Features bzw. Vorteile mit:

  • Sie arbeitet mit Kundendaten aller wichtigen Online-Kanäle der Customer-Journey und ermöglicht somit eine sehr effiziente Content-Ausspielung.

  • Content Recommendation Software hilft enorm dabei, personalisierte, vorteilhafte Kundenerlebnisse über mehrere Kanäle hinweg zu schaffen.

  • Sie erlaubt es Anwendern*innen, individuelle Personalisierungen zu erstellen.

  • Sie nutzt häufig Machine-Learning und ermöglicht weitgehend automatisierte Segmentierungen sowie A/B-Tests zur Erstellung von Customer-Profilen.

Welche Typen von Content Recommendation Software gibt es?

Nicht alle Content Recommendation Engines sind gleich! Grundsätzlich gibt es drei unterschiedliche Arten. Einige Tools folgen Usern im Web und analysieren direkt, was jene auf Websites tun. Sie können nur Inhalte vorschlagen, die rein auf deren Online-Standort oder früheren Interaktionen mit einer Website basieren. Content Recommendation Software kann des Weiteren vollständig auf Basis von manuellen Eingaben, persönlichen Informationen oder vordefinierten Regeln arbeiten. Solche Typen bergen jedoch erhöhte Gefahr, dass Empfehlungen schnell irrelevant bzw. veraltet sind, wenn nicht penibel auf Datenaktualität geachtet wird. Oftmals können Benutzer mit den vorgeschlagenen Inhalten nichts (mehr) anfangen, weil sie ungenau oder irreführend sind. Dennoch sind solche Systeme für Unternehmen mit vergleichsweise wenigen (potenziellen) Kunden oftmals die beste Wahl. Bei Content Recommendation Software, die stets aktuelle Daten aus allen verfügbaren Quellen benutzt, ist das Risiko von veralteten Empfehlungen deutlich geringer. Besucher*innen sind hier fast automatisch punktgenau zum jeweiligen Stand ihrer Anliegen oder Voraussetzungen zu bedienen. Das kann nicht nur direkte Abschlüsse stark begünstigen, sondern auch dem Image der content-ausspielenden Marke enorm nutzen.

Wie funktionieren Content Recommendation Tools?

Content Recommendation Software, die Daten aus unterschiedlichen Quellen analysiert und für die Ausspielung von Inhalten verwendet, verfährt typischerweise in drei Schritten, die sich wie folgt gestalten.
1. Datensammlung: Daten sind für die Content Recommendation Software der Treibstoff, den sie für ihre Arbeit benötigt. Die Engine sammelt implizite und explizite Daten.
* Implizite Daten sind solche Informationen, die sich aus der Nutzung von Online-Kanälen mehr oder weniger automatisch ergeben und unter anderem per Tracking erfasst werden können. Beispiele sind die Suchhistorie, Klicks und vorherige Bestellungen.

  • Explizite Daten entstehen durch direkte Eingaben von Usern, wie Bewertungen und/oder persönlich übermittelte Vorlieben bzw. Abneigungen.
  1. Datenspeicherung: Je mehr Daten gespeichert werden, desto bessere Empfehlungen sind zu erzielen. Unternehmen sollten demnach so viele Informationen, wie nur möglich ist, zusammentragen. Anhand dieser sind (potenzielle) Kunden*innen präzise zu analysieren und in Segmente einzuteilen.

  2. Datenanalyse und Empfehlung: Content Recommendation Software analysiert Daten, indem sie sie filtert, um relevante Erkenntnisse für die endgültigen Empfehlungen zu extrahieren.

Wer braucht Content Recommendation Software

Fast jedes Unternehmen kann Nutzen aus dem Einsatz einer Content Recommendation Software ziehen. Es gibt zwei wichtige Aspekte, die bestimmen, wie sehr Betriebe profitieren.

  • Die Breite der Daten: Ein Unternehmen, das nur eine Handvoll Kunden bedient, die sich unterschiedlich verhalten, wird nicht viel Nutzen aus einem vollautomatisierten Empfehlungssystem ziehen. Menschen sind, wenn es um die Analyse weniger Informationen geht, immer noch die erste Wahl. In solchen Fällen sollten die Mitarbeiter ihr qualitatives und quantitatives Verständnis der Zielgruppe nutzen, um genaue Empfehlungen auszuspielen. Das kann dann aber durchaus auch mithilfe einer speziellen Content Recommendation Software geschehen.

  • Tiefe der Daten: Ein einzelner oder lediglich wenige Datenpunkte zu den (potenziellen) Kunden*innen sind für eine Content Recommendation Software nicht besonders hilfreich. Genaue Empfehlungen können nur durch Deep-Data über die jeweiligen Online-Aktivitäten und - wenn möglich - auch Offline-Verhaltensweisen erreicht werden.
    Unter diesen Voraussetzungen sind Content Recommendation Tools in folgenden Branchen tendenziell besonders hilfreich.

  • E-Commerce: Die Branche, in der Empfehlungssysteme zum ersten Mal in großem Umfang eingesetzt wurden, ist der E-Commerce. Mit oftmals Millionen von Kunden*innen und Daten über deren Online-Verhalten sind E-Commerce-Unternehmen optimal aufgestellt, um genaue Empfehlungen zu generieren.

  • Einzelhandel: Einkaufsdaten sind sehr wertvolle Informationen, da sie direkt Aufschluss über die Bedarfe und Bedürfnisse von Kunden*innen geben. Einzelhändler mit vielen Kunden*innen und entsprechend umfangreichen Datenpools stehen mit an der Spitze der Unternehmen, die genaue Empfehlungen abgeben können und sollten.

  • Medien: Ähnlich wie beim E-Commerce gehören Medienunternehmen zu den absoluten Profiteuren von Content Recommendation Software. Beispielsweise ist eine News-Website heute kaum noch ohne ein Empfehlungssystem vorstellbar. Wird ein solches maximal zweckdienlich eingesetzt, können Leser zielgenau durch die Angebote bis hin zu Werbepartnern geleitet werden.

  • Bankwesen: Bankgeschäfte aller Art erfolgen heute sehr häufig online – und dabei fallen eine Menge nützlicher Daten an, die Unternehmen der Finanzbranche effektiv für Empfehlungen, die zu neuen Abschlüssen führen, verwenden können.

  • Telekommunikation: Die Telekommunikation hat eine ähnliche Dynamik wie das Bankwesen. Telekommunikationsunternehmen haben häufig Zugang zu Millionen von (potenziellen) Kunden*innen, von denen jede Interaktion aufgezeichnet wird. Entsprechende Produktpaletten sind im Vergleich zu anderen Branchen eher begrenzt, was Empfehlungen in der Telekommunikation relativ überschaubar macht.

  • Weitere Unternehmen mit großem Datenaufkommen: Im Grunde profitieren alle Unternehmen, die ein großes Datenaufkommen haben und deren Informationen eine ausreichende Tiefe aufweisen. Die richtige Empfehlung im passenden Kontext auszuspielen, wird von Empfängern*innen fast in jedem Zusammenhang honoriert.

Welche Vorteile kann Content Recommendation Software im Einzelnen bringen?

Da der Wettbewerb in allen Branchen zunimmt, ist die Bindung der Kunden*innen ein wichtiges Ziel für jedes Unternehmen. Content Recommendation Software ermöglicht es, den Umsatz durch sehr effizientes Up-Selling oder Cross-Selling an bestehende Kunden*innen massiv zu steigern. Die nachfolgenden Zahlen einiger Weltkonzerne zu Content-Empfehlungen lassen keinen Zweifel, dass entsprechende Tools überaus wertvolle Conversion-Helfer für Betriebe sein können:

  • 35 Prozent des Umsatzes von Amazon.com sollen tatsächlich durch dessen Empfehlungs-Engine generiert werden.

  • 75 Prozent der Nutzer von Netflix wählen Filme/Fernsehserien aufgrund von Vorschlägen. Die Netflix-Führungsetage erklärt, dass Empfehlungen die Abwanderungsrate um mehrere Prozentpunkte senken. Dies erhöht den Lifetime-Value bestehender Kunden, weshalb davon ausgegangen wird, dass Recommendations Netflix mehr als eine Billion US-Dollar pro Jahr einsparen.

  • Spotify hat 2015 erstmals Discover Weekly Playlist-Empfehlungen veröffentlicht und konnte 2016 mit 40 Millionen Discover Weekly-Nutzern (40 Prozent der Gesamtnutzer zu diesem Zeitpunkt) eine Umsatzsteigerung von 80 Prozent verzeichnen.
    Das sind natürlich absolut herausstechende Fälle, die aber auch kleineren Unternehmen verdeutlichen, was mit Content Recommendation Software bzw. deren zweckmäßigem Einsatz alles zu erreichen ist. Im Einzelnen kann Content Recommendation Software folgende zentrale Vorteile verschaffen.

  • Gesteigerter Umsatz/Conversions: Es gibt nur sehr wenige Möglichkeiten, ohne erhöhten Marketing-Aufwand mehr Umsatz zu erzielen. Und wenn eine Content Recommendation Software verwendet wird, sind wiederkehrende Verkäufe tatsächlich unter fast keinem zusätzlichen Aufwand im Marketing zu erzielen. Das Tool spielt nämlich sowieso vorhandene Inhalte lediglich zum genau passenden Zeitpunkt bzw. zur idealen Phase der Customer-Journey aus und überzeugt somit sehr effizient.

  • Erhöhte Benutzerzufriedenheit: Natürlich ist immer ein möglichst kurzer Weg zum Verkauf anzustreben, da dieser sowohl für Unternehmen als auch für Kunden*innen – wenn das Produkt wirklich passt - den großen Vorteil eines stark reduzierten Aufwands bedeutet. Mit Content Recommendation Software kann genau ein solch verkürzter Weg geschaffen werden, indem ein passendes Produkt oder auch Informationen, die zum Kauf eines passenden Produkts bzw. zur Inanspruchnahme einer bestimmten Marke motivieren, im richtigen Kontext übermittelt werden. Manchmal kann das sogar schon geschehen, bevor Zielkunden*innen überhaupt konkret nach dem betreffenden Produkt suchen.

  • Erhöhte Loyalität: Über Content Recommendation Software können (potenzielle) Kunden*innen dazu gebracht werden, mehr Zeit auf einer Website zu verbringen und deren Inhalte intensiv zu nutzen. Somit festigt sich das Standing der jeweiligen Marke praktisch automatisch, was wiederum die Wahrscheinlichkeit erhöht, dass Nutzer*innen immer wieder – schließlich auch ohne Empfehlungen – zurückkehren und vielleicht sogar zu echten Markenbotschaftern werden.

  • Geringere Abwanderung: Content Recommendation Software bietet viele Möglichkeiten, (potenzielle) Kunden*innen sehr direkt zu überzeugen und zu binden. So lassen sich darüber natürlich auch Rabatte oder Gutscheine zielgenau ausspielen bzw. mit Empfehlungen koppeln.