EliteCart

Eine gute Empfehlungs-Engine zeigt Produkte, die Kunden wirklich wollen. Eine schlechte zeigt eine Geschenkkarte neben einer 200-€-Jacke oder einen Restposten-Artikel, der nur noch eine Größe vom Ausverkauf entfernt ist. Der Unterschied liegt meist nicht am Algorithmus - sondern daran, ob du ihm gesagt hast, was er weglassen soll. Mit Filtern für Produktempfehlungen ziehst du genau diese Grenze: Du entfernst die Artikel, die niemals auftauchen sollten, damit die Engine immer nur aus einem sauberen, relevanten Pool wählt.

Die meisten Stores stecken ihre Energie darin, Empfehlungen schlauer zu machen. Genauso wertvoll und viel einfacher ist es, sie sauberer zu machen. Dieser Leitfaden zeigt dir, wie du mit harten Filtern und Ausschlüssen die falschen Produkte fernhältst - mit konkreten Szenarien für Kollektion, Tag, Anbieter und Produkttyp.

Warum Filter für Produktempfehlungen besser sind, als zu hoffen, dass der Algorithmus es schon richtet

Empfehlungs-Engines lernen aus deinen Bestellungen und deinem Katalog. Sie erkennen gut, was zusammen gekauft wird, haben aber keine Meinung zu deinen Margen, deiner Markenstrategie oder dazu, welche Artikel du gerade still abverkaufst. Für die Engine sieht eine Geschenkkarte, die häufig in Warenkörben auftaucht, wie eine starke Empfehlung aus. Für dich ist sie ein vergeudeter Slot.

Es gibt zwei Wege, zu beeinflussen, was eine Engine anzeigt:

Filter sind harte Regeln. Sie entfernen Produkte, die nicht qualifizieren, Punkt. Ein herausgefiltertes Produkt kann schlicht nicht auftauchen, egal wie stark sein Kaufsignal ist.
Boosts sind weiche Regeln. Sie ordnen Produkte im Ranking nach oben oder unten, ohne etwas zu entfernen - praktisch, wenn du eine Kategorie höher gewichten, aber alles andere weiterhin zulassen willst.

In diesem Artikel geht es um Filter und Ausschlüsse, die harte Seite. Greif zu einem Filter, wenn ein Produkt niemals erscheinen darf, und zu einem Boost, wenn es nur seltener erscheinen soll. Unser Überblick zu den Merchandising-Regeln für Produktempfehlungen zeigt, wie beide zusammenspielen.

Die Produkte, die die meisten Stores zuerst herausfiltern sollten

Bevor du raffiniert wirst, räum den offensichtlichen Lärm weg. Das sind die Kategorien, die fast nie in einen Empfehlungs-Slot gehören:

Geschenkkarten. Sie tauchen ständig in Bestellungen auf, also liebt die Engine sie - aber eine Geschenkkarte als Add-on zu empfehlen, konvertiert selten und wirkt nachlässig.
Artikel mit häufigen Lieferengpässen. Produkte, deren Bestand nahe null pendelt, sorgen für ein schlechtes Erlebnis, wenn ein Kunde auf eine ausverkaufte Seite klickt.
Restposten und Auslaufware. Nützlich für einen eigenen Sale-Bereich, aber störend als Upsell neben Artikeln zum vollen Preis.
Füllartikel mit niedriger Marge. Wenn ein Produkt kaum die Kosten deckt, arbeitet es gegen dich, ihm wertvollen Empfehlungsplatz zu geben.
Markenfremde oder Drittanbieter-Artikel, die du führst, aber nicht neben deinen Hero-Produkten bewerben willst.
Irrelevantes Zubehör, das sich zwar verkauft, aber schlecht zu den meisten Warenkörben passt.

Jedes davon lässt sich sauber auf einen Filter abbilden. Der Trick liegt darin, das richtige Attribut zu wählen.

Einschließen vs. Ausschließen: Die Grundlogik

Jeder Filter arbeitet in eine von zwei Richtungen, und diese Unterscheidung richtig zu treffen, ist der halbe Weg.

Ausschließen-Logik entfernt eine festgelegte Menge und empfiehlt aus allem anderen. Das ist die richtige Voreinstellung für die Aufräumliste oben. Du sagst damit: „Empfiehl alles außer diesen hier." Schließe einen clearance-Tag aus, schließe den Produkttyp Geschenkkarte aus, schließe einen bestimmten Anbieter aus.

Einschließen-Logik macht das Gegenteil. Sie verwirft alles außer einer festgelegten Menge, sodass die Engine nur aus diesem Pool empfehlen darf. Das ist deutlich restriktiver und das richtige Werkzeug, wenn du enge Kontrolle willst - zum Beispiel „immer nur aus der Bestsellers-Kollektion empfehlen".

Eine einfache Faustregel: Nutze Ausschließen, um eine bekannte Liste von Problemfällen zu entfernen, und Einschließen, wenn du eine kleine, kuratierte Quelle auf die Whitelist setzen willst. Zum Einschließen zu greifen, obwohl du nur einen faulen Apfel entfernen wolltest, lässt deine Empfehlungen still verhungern, weil auch alles außerhalb deiner eingeschlossenen Menge verschwindet.

Nach Kollektion filtern

Kollektionen sind das intuitivste Attribut zum Filtern, weil du die Gruppierungsarbeit in Shopify bereits erledigt hast.

Schließe eine Kollektion aus, um eine ganze Kategorie draußen zu halten. Wenn du eine Clearance-Kollektion führst, bedeutet ihr Ausschluss, dass kein Restposten-Produkt jemals empfohlen werden kann, egal wie oft es sich verkauft. Dieselbe Logik gilt für eine Wholesale- oder Sample-Kollektion, die niemals Endkunden erreichen sollte.

Schließe eine Kollektion ein, um Empfehlungen auf eine kuratierte Quelle zu begrenzen. Ein Store mit einer eng kuratierten Recommended Add-Ons-Kollektion kann nur diese Kollektion einschließen und verwandelt die Engine so in einen smarten Re-Ranker über Produkte, die du bereits geprüft hast. Du bekommst eine Sortierung per Machine Learning bei menschlich kontrolliertem Sortiment. Diesem Muster gehen wir in kollektionsbezogenen Produktempfehlungen genauer nach.

Nach Tag filtern

Tags sind der flexibelste Filter, weil du sie komplett selbst steuerst. Sie sind ideal für übergreifende Attribute, die sich nicht sauber auf eine einzelne Kollektion abbilden lassen.

Füge einem beliebigen Produkt, das du zurückhalten willst, einen Tag wie no-upsell oder exclude-from-recs hinzu und erstelle dann einen Ausschluss-Filter auf diesen Tag. Jetzt ist es eine Tag-Änderung auf der Produktseite, ein Produkt aus den Empfehlungen herauszuhalten - ganz ohne die Engine neu zu konfigurieren. Das ist der sauberste Weg, eine sich verändernde Liste von Ausnahmen zu verwalten.

Tags eignen sich auch für positive Kuratierung. Versieh deine bewährten Add-on-Performer mit dem Tag recommend und schließe nur diesen Tag ein, wenn du maximale Kontrolle willst. Eine ausführlichere Behandlung der Tag- und Anbieter-basierten Kuratierung findest du unter Produkt-Tags und Anbieter zur Kuratierung von Empfehlungen nutzen.

Nach Anbieter filtern

Das Filtern nach Anbieter ist der schnellste Weg, Entscheidungen auf Markenebene zu treffen. Wenn du mehrere Marken führst, aber nur deine eigene Eigenmarke aktiv bewerben willst, hält ein Einschluss-Filter auf deinen Hausanbieter jede Empfehlung markentreu. Hat ein bestimmter Lieferant dünne Margen oder unzuverlässige Bestände, entfernt ein Ausschluss-Filter auf diesen Anbieter seinen kompletten Katalog in einem Zug aus der Auswahl.

Das ist weit weniger mühsam, als Hunderte einzelne Produkte zu taggen. Wenn die Entscheidung „diese ganze Marke, ja oder nein" lautet, ist der Anbieter der richtige Hebel.

Nach Produkttyp filtern

Der Produkttyp ist die natürliche Heimat struktureller Ausschlüsse. Den Produkttyp Gift Card herauszufiltern, ist der mit Abstand häufigste Filter, den Stores setzen, und sollte meist dein erster sein. Weitere nützliche Typ-Filter sind der Ausschluss von Warranty-, Shipping Protection- oder Service-Typen - Artikel, die in deinem Katalog existieren, aber als Produktempfehlung keinen Sinn ergeben.

Weil der Produkttyp ein fest eingebautes Shopify-Feld ist, sind diese Filter dauerhaft. Neue Geschenkkarten-Produkte, die du später hinzufügst, werden automatisch erfasst, solange sie den richtigen Typ tragen.

Alles zusammenbringen: Durchgespielte Szenarien

Filter sind am wirksamsten in Kombination. Ein paar realistische Setups:

Mode-Store, der Saisonware abverkauft. Schließe die Clearance-Kollektion und den Produkttyp Gift Card aus. Empfehlungen ziehen jetzt nur noch aus dem aktuellen Bestand zum vollen Preis, und die Saisonschlussware bleibt aus dem Upsell-Flow heraus.

Multi-Brand-Marktplatz, der die Marge schützt. Schließe einen Anbieter mit niedriger Marge und einen dropship-Tag aus. Die Engine hat immer noch Hunderte Produkte zur Auswahl, nur eben nicht die, deren Bewerbung dich Geld kostet.

Kuratierte Boutique, die enge Kontrolle will. Schließe nur eine Recommended Add-Ons-Kollektion ein und füge eine Preisverhältnis-Regel hinzu, damit Empfehlungen im Verhältnis zum Warenkorb-Artikel bleiben. Die Engine wird zu einem präzisen Re-Ranker über ein handverlesenes Regal.

Du kannst Bedingungen innerhalb einer Regel mit Und oder Oder kombinieren, sodass eine einzelne Regel eine Kollektion auf die Whitelist setzen und trotzdem einen verirrten Tag darin ausschließen kann - und du kannst separate Regeln in Gruppen klammern, wenn du gemischte Logik wie „(A und B) oder C" brauchst.

Wo EliteCart ins Spiel kommt

In EliteCart ist genau dafür EliteAI™ Ultra feinjustieren gemacht. Du startest bei einer von zwei Basis-Engines - häufig zusammen gekauft oder kategorieübergreifende Ergänzungen - und legst dann deine eigenen Filter darüber. Du kannst nach Preis, Preisverhältnis zum Warenkorb-Artikel, Tag, Anbieter, Produkttyp, Kollektion oder Titel filtern, und jeder Filter unterstützt Einschließen- oder Ausschließen-Logik. Die Einrichtung ist in der Referenz zu Filtern und Boosts und im Einrichtungs-Leitfaden zur Feinjustierung dokumentiert.

Deine feinjustierte Version trainiert auf deinen eigenen Bestellungen und deinem Katalog, und du weist sie pro Fläche zu, sodass deine Produktseite, dein Warenkorb und dein Checkout jeweils unterschiedliche Regeln fahren können. Die vollständige Veröffentlichung findest du in unserer Ankündigung zur EliteAI-Feinjustierung.

Wenn du nur eine Handvoll Produkte aus den Empfehlungen nehmen willst und keine komplette feinjustierte Engine brauchst, gibt es einen einfacheren Weg: Mit EliteCart kannst du auch einzelne Produkte komplett von EliteAI ausschließen - mit einer einzigen Einstellung.

Starte mit Ausschlüssen, nicht mit Einschlüssen. Nimm zuerst Geschenkkarten, Restposten und Füllartikel mit niedriger Marge heraus und beobachte, wie viel sauberer deine Empfehlungen werden, bevor du zu etwas Fortgeschrittenerem greifst. Die falschen Produkte, die nichts bringen, sind schlimmer als die richtigen Produkte, die mehr bringen - und ein paar gut gewählte Filter für Produktempfehlungen lösen das erste Problem in Minuten.

So steuerst du, welche Produkte empfohlen werden (Filter und Ausschlüsse)