Ein praktischer Leitfaden für sitzungsbasierte Empfehlungen im Jahr 2025

Seien wir ehrlich: Der Großteil der „Personalisierung“, die wir online sehen, ist nicht ganz treffsicher. Man kauft einmal ein Paar Socken und plötzlich dreht sich das gesamte Online-Erlebnis für die nächsten sechs Monate nur noch um Socken. Das Problem ist, dass die althergebrachte Personalisierung von Ihrer Vergangenheit besessen ist und völlig ignoriert, was Sie jetzt gerade brauchen.

Aber es gibt eine viel intelligentere Methode, um herauszufinden, was jemand im Moment möchte: sitzungsbasierte Empfehlungen. Bei diesem Ansatz geht es darum, sich auf die Gegenwart zu konzentrieren und eine fundierte Vermutung darüber anzustellen, was ein Nutzer als Nächstes tun wird, basierend auf dem, was er während seines aktuellen Besuchs macht.

Dieser Leitfaden erklärt Ihnen, was sitzungsbasierte Empfehlungen sind, warum sie für jeden im E-Commerce oder im Kundensupport wichtig sind und wie Sie ähnliche, leistungsstarke Ergebnisse erzielen können, ohne ein riesiges Ingenieurteam zu benötigen.

Was sind sitzungsbasierte Empfehlungen?

Bei sitzungsbasierten Empfehlungen geht es darum, den nächsten Schritt eines Nutzers vorherzusagen, basierend auf seinen Klicks und Aktionen innerhalb eines einzigen, ununterbrochenen Besuchs. Stellen Sie sich eine „Sitzung“ einfach als einen Besuch auf Ihrer Website vor, der alle Produktansichten, Suchanfragen und in den Warenkorb gelegten Artikel während dieser Zeit umfasst.

Dies ist eine komplette Abkehr von traditionellen Methoden wie dem kollaborativen Filtern, das auf langfristigen Nutzerprofilen und riesigen Mengen an historischen Daten beruht. Sie haben das schon unzählige Male gesehen, es ist die klassische „Leute, die dies kauften, kauften auch das“-Logik. Und obwohl diese Methode ihre Berechtigung hat, ist sie für neue oder anonyme Besucher nutzlos. Wenn man nicht weiß, wer jemand ist, kann man auch nichts empfehlen. Das nennen Branchenkenner das „Kaltstartproblem“.

Sitzungsbasierte Modelle lösen dieses Problem elegant, indem sie sich auf den aktuellen Kontext konzentrieren. Es ist wie ein wirklich guter Verkäufer im Laden. Er braucht nicht Ihre gesamte Kaufhistorie, um hilfreich zu sein. Er hört einfach zu, was Sie fragen, und schaut, was Sie sich jetzt ansehen, um einen klugen Vorschlag zu machen. Indem diese Systeme das Verhalten eines Nutzers in Echtzeit analysieren, können sie vom ersten Klick an relevante Vorhersagen machen, egal ob es sich um einen treuen Kunden oder einen erstmaligen Besucher handelt.

Wie funktionieren sitzungsbasierte Empfehlungen eigentlich?

Die wahre Raffinesse liegt darin, die Reise eines Nutzers als eine Abfolge von Ereignissen zu betrachten. Die Reihenfolge der Klicks, zum Beispiel auf ein blaues Hemd, dann auf eine Jeans und dann auf braune Stiefel, erzählt eine Geschichte darüber, was diese Person vorhat.

Das Hauptziel ist die sogenannte „Vorhersage des nächsten Ereignisses“. Wenn die Aktionen eines Nutzers „Artikel A angesehen, dann Artikel B“ lauten, ist es die Aufgabe des Systems, den wahrscheinlichsten nächsten Schritt zu ermitteln. Wird er sich Artikel C ansehen oder etwas in den Warenkorb legen?

In vielerlei Hinsicht behandeln Datenwissenschaftler dies wie ein Sprachproblem. Sie betrachten die „Sitzung“ eines Nutzers als „Satz“ und die „Artikel“, mit denen er interagiert, als „Wörter“. Dies ermöglicht es ihnen, leistungsstarke KI-Modelle zu verwenden, von denen viele ursprünglich zum Verständnis menschlicher Sprache entwickelt wurden, um die Beziehungen zwischen Artikeln zu lernen. Ein Modell lernt beispielsweise schnell, dass „Laufschuhe“ und „Sportsocken“ tendenziell im selben „Satz“ vorkommen, was sie zu einem logischen Paar macht, das gemeinsam empfohlen werden kann.

Die dafür benötigten Daten sind einfach und unmittelbar:

• Nutzerinteraktionen: Klicks, Ansichten, Hinzufügen zum Warenkorb, Käufe.

• Zeitpunkt: Was jemand vor 30 Sekunden angesehen hat, ist weitaus relevanter als das, was er vor 10 Minuten gesehen hat.

• Keine Historie erforderlich: Es funktioniert ohne Nutzerprofile, Anmeldedaten oder diese unheimlichen Tracking-Cookies.

Genau so denkt ein moderner KI-Support-Agent. Er betrachtet die „Sitzung“, also die Frage eines Kunden und den dazugehörigen Kontext, um das beste „nächste Ereignis“ vorherzusagen. Das könnte die richtige Antwort sein, das Ticket für einen Menschen zu markieren oder Bestellinformationen nachzuschlagen. Mit einem Tool wie eesel AI können Sie Wissen aus Ihrem Helpdesk, internen Dokumenten und früheren Tickets abrufen, was dazu beiträgt, dass diese Vorhersagen unglaublich genau und wirklich nützlich werden.

eesel AI verbindet sich mit allen Wissensquellen Ihres Unternehmens, um präzisen, kontextbezogenen Support zu bieten – eine praktische Anwendung von sitzungsbasierten Empfehlungen.

Warum sitzungsbasierte Empfehlungen für das moderne Kundenerlebnis so wichtig sind

In Sitzungen zu denken, bedeutet nicht nur, den Leuten relevantere Produkte zu zeigen. Es geht darum, das gesamte Kundenerlebnis auf eine Weise zu verbessern, die Ihrem Unternehmen wirklich hilft.

Deshalb ist es so wichtig:

Wie sitzungsbasierte Empfehlungen das „Kaltstartproblem“ lösen

Das ist der unmittelbarste Vorteil. Sie können neuen Besuchern vom ersten Klick an hilfreiche Vorschläge machen. Für einen E-Commerce-Shop bedeutet das, dass ein neuer Kunde eher findet, was er sucht, und einen Kauf tätigt. Für ein Support-Portal bedeutet es, dass ein anonymer Nutzer eine direkte Antwort von einem Chatbot erhält, anstatt sich in einem Labyrinth von FAQs zu verirren. Es ist eine einfache Möglichkeit, Absprungraten zu senken und einen guten ersten Eindruck zu hinterlassen.

Passen Sie sich an das an, was Kunden jetzt wollen

Die Bedürfnisse eines Kunden ändern sich ständig. Die Person, die heute ein Geburtstagsgeschenk für ein Kind kauft, sucht morgen vielleicht nach einem neuen Arbeitslaptop. Alte, profilbasierte Systeme bleiben in der Vergangenheit stecken und schlagen auch lange nach dem Geburtstag noch Spielzeugempfehlungen vor. Sitzungsbasierte Modelle passen sich spontan an, da sie sich nur dafür interessieren, was gerade jetzt passiert, und stellen sicher, dass das Erlebnis immer frisch und relevant wirkt.

Geschäftsziele entscheidend voranbringen

Wenn man den Leuten zeigt, was sie wollen, und zwar genau dann, wenn sie es wollen, passieren in der Regel gute Dinge.

• Höhere Konversionsraten: Einen Nutzer im richtigen Moment zum richtigen Produkt oder zur richtigen Antwort zu führen, führt direkt zu mehr Verkäufen und zufriedeneren Kunden.

• Besseres Engagement: Ein reibungsloses, personalisiertes Erlebnis hält die Leute länger auf Ihrer Website und ermutigt sie, mehr zu entdecken.

• Stärkere Kundenbindung: Die Leute bemerken und schätzen es, wenn eine Marke ihre unmittelbaren Bedürfnisse erfüllt, ohne aufdringlich zu sein. Das schafft Vertrauen und motiviert sie, wiederzukommen.

Eine datenschutzfreundlichere Art der Personalisierung

Im Zeitalter der DSGVO und der allgemeinen Besorgnis über Daten-Tracking ist dies ein riesiger Vorteil. Da diese Methoden Nutzer nicht langfristig verfolgen oder Unmengen an persönlichen Daten speichern müssen, bieten sie eine Möglichkeit, das Erlebnis zu personalisieren und gleichzeitig die Privatsphäre der Nutzer zu respektieren.

Die Tücken der Implementierung von sitzungsbasierten Empfehlungen (und ein intelligenterer Weg nach vorn)

Obwohl die Idee großartig ist, ist die Realität beim Aufbau oder Kauf einer traditionellen Empfehlungs-Engine voller Probleme, auf die die meisten Teams nicht vorbereitet sind. Es ist eine Sache, darüber zu lesen, aber eine ganz andere, es zum Laufen zu bringen.

Die technische Komplexität und Kostenbarriere

Zunächst einmal ist der Aufbau dieser Systeme kein Wochenendprojekt. Es erfordert ein spezialisiertes Team von Datenwissenschaftlern und Machine-Learning-Ingenieuren sowie eine ernsthafte Investition in Rechenleistung. Die Modelle, über die man in wissenschaftlichen Arbeiten liest, mit Namen wie Rekurrente Neuronale Netze (RNNs) und Transformer, sind unglaublich komplex und für die meisten Unternehmen unerreichbar.

Selbst wenn Sie sich für eine Standardlösung eines großen Cloud-Anbieters wie Amazon Personalize oder den inzwischen eingestellten Azure AI Personalizer entscheiden, sind Sie noch nicht aus dem Schneider. Diese Plattformen beinhalten oft komplizierte Setups, verwirrende Preismodelle, die außer Kontrolle geraten können, und das Risiko, in das Ökosystem eines Anbieters eingeschlossen zu werden. Am Ende übergeben Sie einen wichtigen Teil Ihres Kundenerlebnisses an eine Blackbox, über die Sie nur sehr wenig Kontrolle haben.

Das Problem des isolierten Wissens

Hier ist der größte blinde Fleck des traditionellen Ansatzes: Empfehlungs-Engines sind großartig darin, Produkte vorzuschlagen, aber sie sind verloren, wenn die wahre Absicht eines Nutzers etwas ganz anderes ist. Was ist, wenn er eine Support-Frage, ein Abrechnungsproblem oder eine Idee für eine Funktion hat?

Das wahre Wissen Ihres Unternehmens steckt nicht nur in einer Produktdatenbank. Es ist überall verstreut: in Ihrer Wissensdatenbank, alten Support-Tickets, internen Wikis auf Confluence oder in Google Docs und sogar in den Slack-Konversationen Ihres Teams. Eine Standard-Empfehlungs-Engine kann auf nichts davon zugreifen. Dies führt zu einem unzusammenhängenden Erlebnis, bei dem Ihre Website das perfekte Produkt empfehlen kann, Ihr Chatbot aber eine einfache Frage zur Rückgaberichtlinie nicht beantworten kann.

Diese Infografik zur Wissensintegration zeigt, wie moderne KI-Tools das bei sitzungsbasierten Empfehlungen erwähnte Problem der Wissenssilos überwinden.

Eine moderne Alternative: Anwendung von Sitzungsintelligenz im Support

Für die meisten Unternehmen besteht das Endziel nicht nur darin, ein weiteres Produkt zu empfehlen, sondern die richtige Lösung zu empfehlen. Hier verändern moderne KI-Support-Plattformen das Gespräch komplett.

eesel AI bietet Ihnen eine praktische Möglichkeit, die Kernideen der sitzungsbasierten Intelligenz zu nutzen, ohne die zermürbende Ingenieursarbeit. Anstatt zu versuchen, das nächste Produkt zu erraten, das jemand kaufen könnte, konzentriert es sich auf das, was wirklich zählt: die richtige Antwort oder Aktion zu finden, um sein Problem sofort zu lösen.

Es verbindet sich mit nur wenigen Klicks mit all Ihren Wissensquellen, was Welten von starren, isolierten Empfehlungs-Engines entfernt ist. Es lernt aus Ihrer gesamten Ticket-Historie von Zendesk oder Freshdesk, Ihren Confluence-Seiten und Ihren Google Docs. Es macht sich automatisch mit der Stimme Ihrer Marke und dem Geschäftskontext vertraut und lernt aus jeder vergangenen „Sitzung“ (oder jedem Ticket), um superrelevante Antworten zu geben.

Und Sie können langwierige, schmerzhafte Implementierungsprojekte vergessen. Das Setup mit eesel AI ist vollständig im Self-Service. Sie können Ihren Helpdesk verbinden, ihn auf Ihre Dokumente verweisen und in wenigen Minuten einen funktionierenden KI-Agenten einsatzbereit haben. Keine obligatorischen Verkaufsgespräche oder Warten auf ein Ingenieurteam.

Eine der größten Ängste bei KI ist es, etwas zu starten, das schreckliche Antworten gibt. Der Simulationsmodus von eesel AI beseitigt dieses Risiko. Sie können Ihr Setup an Tausenden Ihrer vergangenen Tickets in einer sicheren Umgebung testen. Sie sehen genau, wie es reagiert hätte, und erhalten eine klare Prognose seiner Leistung und Ihrer potenziellen Einsparungen, bevor es jemals mit einem echten Kunden spricht. So können Sie klein anfangen, vielleicht nur eine Art von Ticket automatisieren, und dann erweitern, wenn Sie die Ergebnisse sehen.

Der eesel KI-Simulationsmodus bietet eine risikofreie Möglichkeit, die KI-Leistung zu testen – ein intelligenterer Ansatz als die Implementierung herkömmlicher sitzungsbasierter Empfehlungen.

Von der Empfehlung von Produkten zur Bereitstellung von Lösungen

Zu verstehen, was ein Nutzer im richtigen Moment braucht, ist der Schlüssel zu einem großartigen Kundenerlebnis. Während es bei traditionellen sitzungsbasierten Empfehlungen hauptsächlich darum ging, das nächste zu verkaufende Produkt zu finden, ist die Grundidee des kontextbezogenen Verständnisses in Echtzeit noch leistungsfähiger, wenn man sie auf den Kundensupport anwendet.

Die Zukunft der Kundeninteraktion besteht nicht nur darin, den Leuten zu zeigen, was sie als Nächstes kaufen sollen; es geht darum, ihnen die Antworten zu geben, die sie brauchen, genau dann, wenn sie sie brauchen. Es geht darum, Probleme sofort zu lösen und frustrierende Momente in erfreuliche zu verwandeln. Wenn Sie bereit sind, über grundlegende Empfehlungen hinauszugehen und intelligente, sofortige Lösungen zu liefern, ist es an der Zeit zu sehen, was eine dedizierte KI-Support-Plattform leisten kann.

Testen Sie eesel AI kostenlos und Sie können in weniger als fünf Minuten einen KI-Agenten einsetzen, der aus Ihrem vorhandenen Wissen lernt.