{"id":4521,"date":"2018-10-19T16:56:49","date_gmt":"2018-10-19T14:56:49","guid":{"rendered":"https:\/\/www.recolize.com\/?p=4521"},"modified":"2018-11-07T07:11:43","modified_gmt":"2018-11-07T06:11:43","slug":"individuelle-empfehlungen","status":"publish","type":"post","link":"https:\/\/www.recolize.com\/de\/blog\/individuelle-empfehlungen\/","title":{"rendered":"Die Power von echten individuellen Empfehlungen"},"content":{"rendered":"
\n \n
<\/div>\n\n
\n
\n
\n

Viele E-Commerce-, Blog- und CMS-Systeme bieten sogenannte Recommendations oder Empfehlungen an. Diese Recommendations f\u00fcr Systeme wie Magento, Shopware, WooCommerce, WordPress, PrestaShop oder Spryker sind manuelle Empfehlungen<\/a>.<\/p>\n

Sie k\u00f6nnen z.B. Empfehlungen basierend auf eine Kategorie oder simple Upselling-Logiken f\u00fcr Ihren Warenkorb anbieten.<\/p>\n

Aber sind manuell gepflegte Empfehlungen ausreichend und k\u00f6nnen sie wirklich mit automatisierten und personalisierten Empfehlungen verglichen werden? Ganz und gar nicht!<\/p>\n

Der Unterschied<\/h2>\n

Es gibt drei Hauptunterschiede zwischen manuellen und individuellen Empfehlungen:<\/p>\n

    \n
  1. Manuelle Empfehlungen sind statisch oder Attribut-basiert. Pers\u00f6nliche Empfehlungen basieren auf dem Verhalten des Benutzers.<\/li>\n
  2. Manuelle Empfehlungen sind gleich f\u00fcr jeden Website-Besucher. Individuelle Empfehlungen zeigen Vorschl\u00e4ge aufgrund von Benutzerprofilen an.<\/li>\n
  3. Der Pflegeaufwand f\u00fcr manuelle Empfehlungen ist sehr gro\u00df. Individuelle Empfehlungen verwenden Machine Learning Technologien und lernen automatisch, um die perfekt passenden Recommendations zu generieren.<\/li>\n<\/ol>\n

    Feature-Vergleich<\/h2>\n

    In der folgenden Tabelle finden Sie einen Vergleich der Features einer echten Recommendation Engine wie Recolize mit manuellen Empfehlungen.\n

    \n \n \n\n \n\n \n \n\n\n Feature<\/th> wdt_ID<\/th> Recolize<\/th> Manuelle Empfehlungen<\/th> <\/tr>\n<\/thead>\n \n\n \n \n\n \n \n \n \n \n \n \n \n \n \n
    Manuelle Empfehlungen<\/td>\n 1<\/td>\n <\/i><\/td>\n <\/i><\/td>\n <\/tr>\n
    Cross-Sells basierend auf Attributen (z.B. Kategorie)<\/td>\n 2<\/td>\n <\/i><\/td>\n <\/i><\/td>\n <\/tr>\n
    Standard Upselling<\/td>\n 3<\/td>\n <\/i><\/td>\n <\/i><\/td>\n <\/tr>\n
    Fortgeschrittenes personalisiertes Upselling<\/td>\n 4<\/td>\n <\/i><\/td>\n <\/i><\/td>\n <\/tr>\n
    Personalisierte individuelle Empfehlungen<\/td>\n 5<\/td>\n <\/i><\/td>\n <\/i><\/td>\n <\/tr>\n
    Automatisierte personalisierte Cross-Sells<\/td>\n 6<\/td>\n <\/i><\/td>\n <\/i><\/td>\n <\/tr>\n
    Erweiterte Filter-Logiken<\/td>\n 7<\/td>\n <\/i><\/td>\n <\/i><\/td>\n <\/tr>\n
    Realtime Dashboard<\/td>\n 8<\/td>\n <\/i><\/td>\n <\/i><\/td>\n <\/tr>\n
    URL-basierte Regeln<\/td>\n 9<\/td>\n <\/i><\/td>\n <\/i><\/td>\n <\/tr>\n
    Integration auf jedem Seitentyp<\/td>\n 10<\/td>\n <\/i><\/td>\n <\/i><\/td>\n <\/tr>\n <\/tbody> \n\n \n \n \n\n <\/table>\n\n<\/div>