EliteCart

Eine smarte Empfehlungs-Engine lernt, was deine Käufer tatsächlich zusammen kaufen, und zeigt diese Produkte dann in deinem Warenkorb und auf deinen Produktseiten. Das ist mächtig, aber nicht die ganze Geschichte. Die Engine kennt deine Kaufmuster. Sie kennt nicht deine Margen, deinen Überbestand, deine Markenstandards oder die Produkte, die du lieber nie neben einer 400-€-Jacke zeigen würdest. Genau diese Lücke füllen Merchandising-Regeln für Produktempfehlungen: die Geschäftslogik, die du über automatische Vorschläge legst, damit die Engine auf deine Ziele hinarbeitet und nicht nur auf statistische Korrelationen.

Wenn du je eine algorithmische Empfehlung angesehen und gedacht hast „technisch relevant, aber das würde ich dort nie zeigen", verstehst du bereits, warum Regeln wichtig sind. Die gute Nachricht: Du musst dich nicht zwischen Automatisierung und Kontrolle entscheiden. Dieser Leitfaden gliedert die drei Hebeltypen auf, die jeder Händler kennen sollte.

Warum eine smarte Engine trotzdem deine Geschäftslogik braucht

Empfehlungs-Engines optimieren auf eine Sache: Produkte, die tendenziell zusammen gekauft werden. Das ist ein guter Anfang, aber dein Store hat Ziele, die ein Algorithmus allein aus der Bestellhistorie nicht ableiten kann.

Marge und Bestand. Die Daten bevorzugen vielleicht ein margenschwaches Lockvogelprodukt oder etwas, das du auslaufen lässt, während du lieber andere Artikel bewegen würdest.
Marken- und Preispositionierung. Ein Premium-Store will sein Hero-Produkt selten neben einem Artikel aus der Wühlkiste sehen, selbst wenn die beiden sich tatsächlich zusammen verkaufen.
Katalog-Realität. Manche Produkte sollten überhaupt nie erscheinen: Geschenkkarten, Garantien, eingeschränkte Waren oder Kernprodukte, die du für andere Platzierungen reservierst.

Nichts davon ist ein Versagen der Engine. Es sind Geschäftsentscheidungen, die in deinem Kopf leben, nicht in deinen Daten, und Merchandising-Regeln sind die Art, sie aufzuschreiben. Um tiefer in die Automatisierungsseite einzusteigen, behandelt unser Leitfaden zu wie KI-gestützte Upsells manuelle Produktempfehlungen übertreffen, wann du dich auf den Algorithmus und wann auf Kuratierung stützen solltest.

Die drei Hebeltypen

Fast jede Merchandising-Regel, die du schreiben wirst, fällt in eine von drei Kategorien:

Eignung - welche Produkte überhaupt gezeigt werden dürfen.
Ranking - welche zugelassenen Produkte höher oder niedriger ranken.
Bedingungen - Regeln, die nur in bestimmten Warenkorb-Kontexten gelten.

Stell es dir als Trichter vor. Die Eignung entscheidet, wer in den Raum kommt, das Ranking entscheidet, wer vorne steht, und die Bedingungen entscheiden, welche Regeln überhaupt gelten, je nachdem, was im Warenkorb ist.

Hebel eins: Eignung (harte Regeln)

Eignungsregeln sind absolut. Sie entfernen jedes Produkt, das nicht qualifiziert, Punkt, egal wie stark die Kaufkorrelation ist. Das sind die Regeln, zu denen du greifst, wenn „nie" die richtige Antwort ist. Häufige Beispiele:

Preisunter- und -obergrenzen. Empfiehl nur Produkte über 15 €, damit du nie einen einzelnen Sticker als Upsell anbietest, oder begrenze Empfehlungen auf einen Preis, der zu deinem durchschnittlichen Warenkorbwert passt.
Preis relativ zum Warenkorb. Halte Empfehlungen in einem sinnvollen Verhältnis zu dem, was der Käufer bereits kauft.
Kategorie- und Katalog-Umfang. Beschränke Empfehlungen auf bestimmte Produkttypen, Anbieter oder Kollektionen, oder schließe eine „Nicht empfehlen"-Kollektion für Geschenkkarten, Garantien und reservierte Produkte aus.
Tag- und Titel-Logik. Beziehe Produkte nach Tag oder nach Schlüsselwörtern im Titel ein oder aus, praktisch, um eingestellte oder saisonale Artikel draußen zu halten.

Da das harte Filter sind, setze sie bewusst ein. Filterst du zu aggressiv, kannst du einen Slot von guten Optionen aushungern. Das Ziel ist, Produkte zu entfernen, die wirklich nie erscheinen sollten, nicht jeden Vorschlag im Detail zu steuern. Für eine tiefere Anleitung siehe wie du steuerst, welche Produkte empfohlen werden.

Hebel zwei: Ranking (weiche Regeln)

Ranking-Regeln sind die Nuancen-Ebene. Statt ein Produkt zu entfernen, schieben sie es in der Liste nach oben oder unten, sodass ein zugelassenes Produkt weiterhin erscheinen kann, während du beeinflusst, wie prominent. Das ist Präferenz statt Verbot. Stell dir eine einfache Skala vor, die von „Stark abschwächen" über „Abschwächen" und „Neutral" bis zu „Verstärken" und „Stark verstärken" reicht. Diese Skala wendest du auf Attribute an, die dir wichtig sind:

Verstärke deine Bestseller. Gib bewährten Verkäufern einen sanften Schub, damit sie öfter auftauchen, ohne frische Entdeckungen zu verdrängen.
Bevorzuge einen Anbieter oder Produkttyp. Fördere eine Eigenmarke oder eine margenstarke Kategorie, ohne alles andere auszusperren.
Steuere nach Preisrichtung. Lehne dich leicht höher oder niedriger, je nachdem, ob du Bestellwert oder Attachment-Rate verfolgst.
Fördere eine Kollektion. Bevorzuge während einer Kampagne leise eine saisonale Kollektion und drehe sie danach wieder zurück.

Die Kunst des Rankings ist Zurückhaltung. Ein leichter Boost lässt die Intelligenz der Engine intakt, während er die Ergebnisse in Richtung deiner Ziele kippt. Ein grober Boost auf alles hebt sich selbst auf und verwandelt deine Empfehlungen zurück in eine statische Liste. Preisbasiertes Ranking verdient besondere Aufmerksamkeit, die wir in preisbewussten Produktempfehlungen behandeln.

Hebel drei: Bedingungen (kontextbewusste Regeln)

Die ersten beiden Hebel gelten immer. Bedingungen fügen Kontext hinzu: eine Regel, die nur greift, wenn der Warenkorb auf eine bestimmte Weise aussieht. Am saubersten denkst du daran als „wenn der Käufer X kauft, dann wende diese Regel an". Der Auslöser ist, was bereits im Warenkorb liegt. Du könntest also sagen: Wenn der Warenkorb-Artikel ein Kameragehäuse ist, empfiehl nur Objektive und Zubehör oberhalb eines bestimmten Preises. Derselbe Käufer, der eine Handyhülle kauft, würde diese Regel nie sehen, weil der Auslöser nicht passt.

Bedingte Logik ist das, was Empfehlungen im großen Maßstab handkuratiert wirken lässt: Zeige Premium-Add-ons nur, wenn der Warenkorb bereits ein Premium-Produkt enthält, wende für hochwertige Artikel eine strengere Preisuntergrenze an als für Einstiegswaren, oder segmentiere nach Produktlinie, ohne für jede eine eigene Kampagne zu bauen.

Bedingungen bewahren dich davor, Dutzende Einzelregeln zu schreiben. Statt einer separaten Einrichtung für jede Produktlinie schreibst du kontextbewusste Logik einmal und lässt den Warenkorb entscheiden, was gilt. Diese Muster vertiefen wir in Wenn-Dann-Regeln für bedingte Produktempfehlungen.

Die drei Hebel zusammensetzen

Die drei Hebel stapeln sich und werden in dieser Reihenfolge ausgewertet: Die Eignung kürzt den Kandidatenpool auf zugelassene Produkte, das Ranking sortiert das Verbleibende nach deinen Präferenzen, und Bedingungen schalten bestimmte Regeln nur ein, wenn der Warenkorb passt. Ein praktischer Ausgangspunkt ist eine Handvoll Eignungsregeln, um Produkte draußen zu halten, die nie erscheinen sollten, ein oder zwei sanfte Ranking-Boosts in Richtung deiner Bestseller oder deiner margenstärksten Kategorie, und Bedingungen nur dort, wo eine bestimmte Produktlinie eine andere Behandlung braucht.

Widerstehe dem Drang, alles auf einmal zu tun. Jede Regel macht das System etwas schwerer nachzuvollziehen, also füge sie eine nach der anderen hinzu und beobachte, wie sich die Empfehlungen verschieben. Die richtige Zahl ist das kleinste Set, das deine Empfehlungen so verhalten lässt, wie es ein sorgfältiger menschlicher Merchandiser täte. Kombinierst du das mit einer starken Belohnungsleisten-Strategie, gibst du Käufern sowohl relevante Vorschläge als auch einen klaren Anreiz, sie hinzuzufügen.

Wie EliteCart hier hineinpasst

EliteCarts EliteAI™ Ultra feinjustieren bringt alle drei Hebeltypen an einen Ort. Du startest von einer vortrainierten Basis-Engine, entweder EliteAI™ Ultra Original für Paarungen häufig zusammen gekaufter Produkte (am besten für Zubehör und Add-ons) oder EliteAI™ Ultra CrossCategoryBoost für Ergänzungen aus anderen Produkttypen (am besten, um den Warenkorb zu verbreitern). Von dort legst du deine eigene Logik darüber:

Filter sind deine Eignungsregeln: harte Einschluss- oder Ausschlusslogik nach Preis, Preis-zu-Warenkorb-Verhältnis, Tag, Anbieter, Produkttyp, Kollektion oder Titel.
Boosts sind deine Ranking-Regeln: eine fünfstufige Skala von Stark abschwächen bis Stark verstärken, angewendet nach Tag, Anbieter, Produkttyp, Kollektion, Preisrichtung oder Beliebtheit.
Wenn/Dann-Bedingungen sind deine Kontextregeln: Wende einen Filter nur an, wenn der Trigger-Artikel des Warenkorbs einem von dir gewählten Attribut entspricht.

Jede Version trainiert auf deiner eigenen Bestellhistorie und deinem Katalog, sie lernt also speziell von deinem Store. Jedes Speichern reiht einen frischen Trainingslauf ein, und für Käufer ändert sich nichts, bis du die Version als Empfehlungsquelle auf einer Oberfläche zuweist: deinem Warenkorb, deiner Produktseite, dem Two-Step-Cart oder einem beliebigen Checkout-Modul. Du kannst bis zu drei aktive Versionen behalten und die archivieren, die du gerade nicht nutzt.

Das Help Center deckt die Einrichtung der Feinjustierung und die vollständige Referenz zu Filtern und Boosts ab. Für Hintergründe dazu, wie die Engine lernt, starte mit EliteAI™ verstehen, oder lies die Feature-Ankündigung.

Starte mit der Eignung, verfeinere mit dem Ranking und greife zuletzt zu Bedingungen. Eine smarte Engine findet die Muster; deine Merchandising-Regeln sorgen dafür, dass diese Muster deinem Geschäft dienen. Schichte sie durchdacht und deine Empfehlungen wirken weniger wie die Vermutung eines Algorithmus und mehr wie eine bewusste Entscheidung.

Merchandising-Regeln für Produktempfehlungen: Ein Leitfaden für Shopify-Händler