Warum ist Online-Beratung gerade heute wichtig?
Verkaufsberatung im Internet ist heute von besonderer Bedeutung, weil sich das Kaufverhalten der Konsumenten durch die Möglichkeiten des Internets verändert hat. Immer mehr Kunden recherchieren zunächst im Internet, bevor sie bestimmte Produkte einkaufen. Die Boston Consulting Group sagt, dass sich 88 Prozent der europäischen Internetnutzer vor Anschaffungen zunächst im Internet informieren. Dabei suchen Kunden diese Informationen zunehmend auch direkt beim Hersteller.
Durch eine qualifizierte Beratung haben Online-Händler und Produkthersteller die Möglichkeit, Kaufentscheidungen dort positiv zu beeinflussen, wo sie in zunehmendem Maße heute getroffen werden: im Internet!
Welche Online-Beratungssysteme gibt es?
Der Markt der Beratungssysteme ist auf den ersten Blick schwer durchschaubar. Grundsätzlich kann man zwei unterschiedliche Technologien unterscheiden:
So genannte Vorschlagssysteme haben das Ziel, dem Kunden bei der Produktsuche behilflich zu sein. Die zweite Technologie beschäftigt sich ausschließlich mit Kundenkommunikation. Eine Besonderheit stellen sogenannte Guided Selling Systeme dar, die als eine Kombination aus Vorschlagsystem und Kundenkommunikation verstanden werden. Zu den reinen Vorschlagssystemen zählen Filtersuchsysteme, zu denen als extreme Ausprägung die Konfiguratoren gehören, sowie das Collaborative Filtering System und reine statistische Recommender-Systeme. Die Gruppe der Kundenkommunikations-Systeme lässt sich in solche Technologien aufteilen, hinter denen „echte Menschen“ und virtuelle Charaktere mit künstlichem Wissen stehen.
Die genannten Systeme im Einzelnen
Filtersuchsysteme
Filtersuchsysteme sind klassische Suchsysteme, die anhand von definierten Filtern Produktdaten prüfen und am Ende die Schnittmenge aller angegebenen Abfragekriterien anzeigen. Sucht der Kunde ein Produkt, das die Eigenschaften „Farbe=grün“ und „Preis=10 Euro“ haben soll, sucht das Filtersystem alle in der Datenbank enthaltenen Produkte genau nach diesen Produktfeatures ab. Als Trefferliste erhält man eine mehr oder weniger ungewichtete Liste mit Produkten, möglich ist auch eine Null-Treffer-Liste.
Vorteile:
Filtersuchsysteme helfen, gesuchte Produkte für den Kunden vorzuselektieren. Für den Kunden, der weiß, was er will, macht das die Suche wesentlich einfacher. Das System ist einfach zu entwickeln.
Nachteile:
Filtersuchsysteme können nur konkrete Produktfeatures abfragen und helfen vorwiegend den Kunden, die bereits wissen, was für ein Produkt sie kaufen wollen. Häufig leidet ein solches System an entweder zu großen Trefferlisten, die dann auch nicht mehr hilfreich sind oder an zu kleinen bzw. Null-Trefferlisten. Bei dem oben genannten Beispiel wird zur Veranschaulichung z.B. nicht das grüne Produkt angezeigt, dass nur 9,99 Euro kostet.
Beispiel: www.ebay.de (Powersuche)
Konfigurations-Systeme
Konfigurationssysteme sind im Grunde sehr umfangreiche regelbasierte Filtersuchsysteme. Sie werden eingesetzt, um aus verschiedenen Komponenten komplexe Produkte zusammenzustellen. Dabei prüfen sie bereits bei der Zusammenstellung, ob die gewählten Komponenten miteinander kompatibel sind. Geläufigstes Beispiel im B2C-Bereich ist der Fahrzeug-Konfigurator, mit dem man sich sein Wunsch-Fahrzeug selbst zusammenstellen – und den daraus resultierenden Preis recherchieren kann. Weit häufiger werden diese Systeme im B2B-Bereich eingesetzt, z.B. um Angebotserstellungszeiten bei komplexen technischen Produkten zu reduzieren.
Vorteile:
Konfigurationssysteme machen Sinn für Hersteller individualisierbarer Produkte, die aus variablen Komponenten zusammengestellt werden. Im B2B-Bereich werden sie eingesetzt, um in der Angebotsphase komplexe Produkte durchzukalkulieren. Für den Endkunden sind sie nur dann besonders hilfreich, wenn dieser bereits weiß, was er sucht, den Preis erfragen oder die Kompatibilität prüfen möchte.
Nachteile:
Der technische Hintergrund eines Konfigurators ist ein umfangreiches und sehr komplexes Regelwerk, das individuell für jeden Produktbereich erstellt werden muss. Daher ist ein Konfigurator sehr kostenintensiv in der Entwicklung und in der Datenpflege. Im B2C-Bereich sind Endkunden bei der Anwendung des Konfigurators häufig überfordert, da dieser Produkt-Know-how verlangt, das unerfahrene Nutzer oft nicht haben. Ohne Produktkenntnisse ist der Kunde nicht in der Lage, die einzelnen Komponenten auszuwählen.
Beispiel: www.daimler-chrysler.de
Collaborative Filtering Systeme
Collaborative Filtering Systeme sind so genannte implizite Vorschlagsysteme, die mit Hilfe statistischer Verfahren Kundenverhalten prognostizieren – und zwar auf Basis „ähnlicher“ Benutzer, die zuvor bereits z.B. einen Kauf getätigt haben. Dem Kunden wird anhand seines Verhaltens, das mit vorherigen Kunden verglichen wird, impliziert, welches Produkt außerdem noch zu ihm passen könnte. Es handelt sich hierbei um rein lernsystembasierte Technologien. Das bedeutet, dass je mehr Traffic auf der Website, desto treffsicherer ist das Vorschlagsverhalten.
Vorteile:
Das System generiert auf Basis von „Erfahrungen“ Vorschläge, die für einen großen Teil der Kunden relevant sind. Für Websites, die viel Kundenverkehr aufweisen, ist diese Art der Verkaufsförderung sehr erfolgreich.
Nachteile:
Collaborative Filtering Systeme lohnen sich meist nur für Online-Shops mit einem hohen Traffic-Aufkommen. Außerdem wird hier keine bedürfnisorientierte Beratung angeboten. Der Kunde hat keinerlei Möglichkeit, das Vorschlagsverhalten des Systems zu beeinflussen.
Beispiel: www.amazon.de
Recommender-Systeme
Recommender-Systeme sind vorwiegend explizite Vorschlagsysteme, d.h. Kunden müssen zunächst ein Suchprofil eingeben und erhalten daraufhin einen Produktvorschlag. Es handelt sich um eine rein lernsystembasierte Technologie. Das bedeutet, dass die Qualität des Vorschlagsystems sich im Laufe der Zeit selbst verbessert – vorausgesetzt der Kundenverkehr auf der Website ist entsprechend hoch. Anhand des Suchprofils, das vom Kunden eingegebenen werden muss, generiert der Recommender Produktvorschläge, die aus erlerntem Kundenverhalten resultieren.
Vorteile:
Recommender-Systeme sind dann sinnvoll, wenn dem System keine „harten Produkteigenschaften“ zur Verfügung stehen. Das ist beispielsweise im Bereich Geschenkartikel und Mode der Fall. Dort liefern sie gute Produktvorschläge. Die Produktdatenpflege ist sehr einfach zu leisten.
Nachteile:
Reine Recommender-Systeme sind kostenintensiv in der Anschaffung, da eine aufwändige Technologie dahinter steckt. Recommender lohnen sich meist nur für Online-Shops mit einem hohen Traffic-Aufkommen.
Beispiel: www.youSmile.de (Geschenkefinder)
Live Chat Boxes
Über Live Chat Boxes erhalten Kunden direkten menschlichen Chat-Kontakt zu einem Call-Center-Agent oder Mitarbeiter der Betreiber-Website. Ein optisch hervorgehobener Link öffnet ein Chat-Fenster, in das der Kunde seine Frage eingeben kann. Die Antwort wird durch den Mitarbeiter oder Call-Center-Agent manuell eingegeben und in Echtzeit in das Chatfenster gepostet. Diese Lösung ist besonders für kleine Unternehmen geeignet, wenn die Anzahl der Kundenanfragen überschaubar bleibt. Bei großem Anfragenaufkommen lässt sich diese Lösung nur mit einem Call Center bewältigen.
Vorteile:
Die Beratungsqualität ist sehr gut, weil es sich hier um eine Mensch-zu-Mensch-Beratung handelt. Der Call-Center-Agent kann theoretisch auf alle Fragen antworten. Die Anschaffungskosten für das System sind relativ gering, die Implementierung ist sehr einfach.
Nachteile:
Live Chat Boxes binden personelle Kapazitäten und sind – je nach Anzahl der Anfragen – als kostenintensiv einzugestufen. Zudem ist die Beratungsqualität sehr abhängig von den Fähigkeiten des Call-Center-Agents. Beratung kann meist nicht 24 Stunden gewährleistet werden.
Beispiel: www.liveperson.com
Call-Back-Buttons / telefonische Beratung
Über sog. Call-Back-Buttons kann der Internet-Besucher das Unternehmen, von dem er gerne Informationen erhalten möchte, auffordern, ihn zurückzurufen. Dazu klickt er auf einen in der Website platzierten Call-Back-Button, wo er seine Telefonnummer, Name und Gesprächsthema hinterlegen kann. Häufig ist dieser Button einfach ins Kontaktformular integriert. Unternehmens-mitarbeiter oder Call-Center-Agents erhalten diese Anfrage und rufen den besagten Kunden per Telefon zurück.
Vorteile:
Die Beratungsqualität ist sehr gut weil es sich hier um eine Mensch-zu-Mensch-Beratung handelt. Die Anschaffungskosten für das System sind gering, die Implementierung ist sehr einfach.
Nachteile:
Es muss eine ausreichende Mitarbeiterkapazität vorhanden sein, um all die Call-Back-Anfragen befriedigend zu bewältigen. Je nach Anzahl der Anfragen kann dieses System sehr kostenintensiv in der Unterhaltung sein. Zudem ist die Beratungsqualität sehr abhängig von den Fähigkeiten des Call-Center-Agents. Beratung kann meist nicht 24 Stunden gewährleistet werden und erfolgt zeitverzögert.
Beispiel: www.audi.de
Bot-Systeme / Avatar-Technologie
Bot-Systeme sind virtuelle, künstliche Persönlichkeiten, die als Kundenberater über ein Dialogfeld Fragen des Kunden beantworten können. Diese Avatare können ihre Informationen auch sprachlich wiedergeben. Das Wissen, das sie zur Kommunikation mit dem Kunden benötigen, muss durch Wissensingenieure von Hand eingegeben und modelliert werden. Bots können für den Bereich Service, E-Commerce und zur Unterhaltung eingesetzt werden. Nutzer geben ihre Anfrage in ein Dialogfeld ein und erhalten eine softwaregesteuerte Antwort.
Vorteile:
Die virtuellen Kundenberater erfüllen häufig die Funktion eines emotionalisierenden „Gesichts der Website“. Besonders hilfreich sind sie bei der Navigation durch die Website, um häufig gestellte Fragen (FAQ‘s) sofort zu beantworten und Unterstützung beim Ausfüllen von Formularen zu bieten.
Nachteile:
Der Aufbau der Wissensdatenbank ist sehr aufwändig und sie muss permanent gepflegt werden. Der Umfang und die Pflege der Wissensdatenbank sind ausschlaggebend für die Antwortqualität des Bots. Kunden sind oft enttäuscht, wenn nicht genügend Aufwand in den Aufbau und die Pflege der Wissensdatenbank investiert wurde.
Beispiel: www.reifen.com
Guided Selling Systeme
Guided Selling Systeme stellen eine Kombination aus Vorschlags- und Kommunikationssystem dar. Das Vorschlagsverhalten basiert auf konkreten Produktdaten und zusätzlich auf dem Beratungswissen professioneller Verkäufer. Das System ist in der Lage, den gesamten Beratungsprozess analog zu einem Beratungsgespräch mit einem echten Verkäufer abzubilden. Über die Bedürfniserfassung kann der Kunde auswählen, wie er das Produkt nutzen möchte und was für Eigenschaften ihm wichtig sind. Das System sucht daraufhin softwaregestützt nach dem passenden Produkt, generiert eine konkrete Produktempfehlung und begründet sie. Auf diese Weise wird der Kunde zielgerichtet zum Kaufabschluss geführt.
Vorteile:
Guided Selling Systeme helfen Kunden, die ein konkretes Bedürfnis haben, aber noch nicht wissen, mit welchem Produkt sie es befriedigen können. Genau wie ein echter Verkäufer kombiniert das Guided Selling System Produkt-Know-how mit Beratungswissen. Das System kann auf die Wünsche des Kunden eingehen und treffsicher passende Produkte vorschlagen. Zusätzlich liefert das System statistische Daten zum Kundenverhalten und zu Kundenpräferenzen.
Nachteile:
Das Beratungssystem muss für jeden einzelnen Produktbereich erstellt und modelliert werden. Ähnlich wie bei echten Verkäufern hat jedes Guided Selling System seinen Fachbereich, in dem es sich dafür bestens auskennt.
Beispiel: www.obi@otto.de, Produktbereich Hochdruckreiniger
Fazit
Nicht für jedes Unternehmen ist jedes der dargestellten Systeme sinnvoll. Faktoren wie Unternehmensgröße (bzw. Traffic-Aufkommen auf der Website), Branche, Produktsortiment, Unternehmensphilosophie oder Unternehmensausrichtung sind ausschlaggebend für die richtige Auswahl des Beratungssystems. Für manche Unternehmen können auch Kombinationen der Systeme sehr effektiv sein.
Autor:
Tim Stracke, Geschäftsführer der Mentasys GmbH. Die Mentasys GmbH entwickelt gemeinsam mit der Uni Karlsruhe automatisierte Verkaufsberatungssysteme für Industrie-, Handels- und Dienstleistungsunternehmen.