Optimierung von Entscheidungsarchitekturen (Teil 4): Entflechtung

Beitrag aus Ausgabe 77 / April 2019
Conversion-Optimierung
Dr. Jessica Strozyk und Oliver Engelbrecht

Nach ihrem Studium der Psychologie hat Jessica an der University of St. Andrews, Schottland, promoviert und war im Anschluss für mehr als fünf Jahre in Forschung und Lehre an der Universität Tübingen tätig. Seit Mai 2018 setzt sie nun ihr in dieser Zeit gesammeltes kognitionspsychologisches Wissen bei der Berliner Agentur LEAP/ in die Praxis um.

Nach seinem Studium der Politikwissenschaft (mit dem Schwerpunkt Diplomatie) hat Oliver zunächst das SEO-Portal aufgebaut und zuletzt als Chefredakteur geleitet. Nun ist er bei der Agentur LEAP/ für das Marketing verantwortlich und koordiniert das Magazin GrowthUp – wiederum als Chefredakteur.

Entflechtungen sind eine Art von Nudge, die besonders dann zum Einsatz kommen, wenn der Nutzer komplexe Entscheidungen treffen muss. Doch wie funktioniert das?

Ebenfalls erschienen:

Optimierung von Entscheidungsarchitekturen (Teil 1): Fehlerantizipation
suchradar 74 (Oktober 2018)

Optimierung von Entscheidungsarchitekturen (Teil 2): Feedback
suchradar 75 (Dezember 2018)

Optimierung von Entscheidungsarchitekturen (Teil 3): Defaults
suchradar 76 (Februar 2019)

Wie treffen wir Entscheidungen?

Menschen gehen sehr unterschiedlich vor, wenn sie Entscheidungen treffen müssen. Bei einfachen Entscheidungen werden in der Regel alle relevanten Attribute der Optionen gegeneinander abgewogen. Angenommen, jemand steht im Supermarkt, um Eier einzukaufen. Die verschiedenen Packungen unterscheiden sich in Größe, Preis, Herkunft und Haltungsart der Hühner, aber dennoch ist das Angebot so begrenzt, dass jedes Attribut und jedes Produkt berücksichtigt werden können. Ein höherer Preis kann hierbei bspw. durch eine artgerechte Haltung aufgewogen werden, weshalb dieses Vorgehen auch als kompensatorische Strategie bezeichnet wird.

Anders sieht es bei komplexen Entscheidungen, wie z. B. dem Kauf eines neuen Sofas, aus. Hier ist es völlig unmöglich, alle Produkte und alle möglichen Attribute gleichzeitig zu berücksichtigen. Würde jemand genau das versuchen, käme es schnell zu einer Informationsüberflutung und der sogenannten Paralyse durch Analyse. Eine Entscheidung ist dann aufgrund der Menge an Daten nicht mehr möglich. Menschen müssen daher einen Weg finden, die Masse an Informationen zu reduzieren, weshalb üblicherweise die sogenannte Elimination-by-aspects-Strategie eingesetzt wird. Hierbei wird für jedes Attribut ein Schwellenwert festgelegt (z. B. darf das Sofa maximal 1 500 Euro kosten) und alle Optionen bzw. Produkte, die diesen Schwellenwert überschreiten, werden eliminiert. Das wird solange für verschiedene Attribute wiederholt, bis die Optionen auf ein überschaubares Set reduziert worden sind. Die komplexe Entscheidung wird auf diese Art und Weise also entflochten.

Wie kann eine Website die Nutzer bei der Entflechtung unterstützen?

Um den Nutzer beim Entflechtungsprozess zu unterstützen bzw. um einen Entflechtungsprozess überhaupt erst zu ermöglichen, ist es wichtig, die Bedürfnisse und die Denkweise des Nutzers zu berücksichtigen und in der Struktur der Seite widerzuspiegeln. So kann die Reihenfolge, in der Produkte oder Produktkategorien angezeigt werden, den Nutzer in seiner Entscheidung entweder behindern oder unterstützen. Auch die Reihenfolge, in der die Produkte selbst angezeigt werden, kann eine Rolle spielen. Man denke nur an eine Seite, die Wandfarbe verkauft und diese nicht nach Farbschattierung, sondern z. B. alphabetisch nach Farbnamen sortiert. Dass ein Nutzer sich hier nur schwer zurechtfinden würde, ist naheliegend.

Wie sollten Filter aufgebaut sein?

Ein weiteres wichtiges Mittel zur Entflechtung sind Filter, wie man sie im E-Commerce in der Regel auf Kategorieseiten findet. Filter ermöglichen es den Nutzern, überhaupt erst die Elimination-by-aspects-Strategie anzuwenden, indem sie in einer Filterkategorie (= Attribut, z. B. Farbe) diejenigen Filterwerte (z. B. rot, blau …) auswählen, welche die Produkte beschreiben, die sie im finalen Entscheidungsset behalten wollen. Unter den verbleibenden Produkten kann dann die kompensatorische Entscheidungsstrategie angewendet werden.

Filter sind also ein wichtiges Instrument zur Entflechtung, bei deren Erstellung es allerdings einiges zu beachten gilt. Gerade in einem größeren Shop mit vielen verschiedenen Produkten muss viel Zeit in die Filterpflege investiert werden, um für alle Produktgruppen ausschließlich passende Filterkategorien mit sinnvollen Bezeichnungen anzubieten. Um Filter wirklich gut nutzbar zu machen, sollte man zudem auf Fachjargon verzichten und, wenn nötig, eine sinnvolle Hierarchiestruktur aufbauen.

Damit wären wir auch schon bei einem weiteren wichtigen Aspekt von Filtern angekommen: der Usability. Beim Filtern nach dem Preis ist es z. B. wichtig, die Nutzung möglichst flexibel zu gestalten. So ist es für einen Nutzer mit einem persönlichen Preislimit von 70 Euro wenig hilfreich, wenn man Produkte mit einem Preis von 50 bis 100 Euro ein- oder ausschließen kann.

Ein anderer Aspekt, der die Usability von Filtern stark beeinflussen kann, ist der Zeitpunkt, zu dem ein Filter angewendet wird. Wird die Seite nach jeder Filterauswahl direkt neu geladen, kann das den Nutzerflow unterbrechen. Ebenso kann es hinderlich sein, wenn die Seite nach der Anwendung eines Filters direkt wieder nach oben springt. Generell ist es wichtig, bei der Einrichtung von Filtern die Nutzerbedürfnisse zu antizipieren. Können die Nutzer den Filter, den sie für eine Entscheidungsfindung benötigen, nicht finden, ist es sehr wahrscheinlich, dass sie zu einem anderen Shop wechseln.

Ein weiteres Mittel zur Entflechtung ist das sogenannte kollaborative Filtern: eine Methode, durch die basierend auf den Verhaltensmustern und den Vorlieben von vielen die Interessen eines einzelnen Nutzers vorhergesagt werden. Hierbei handelt es sich um eine Data-Mining-Technik. Der Nutzer gibt also selbst keine Informationen ein, sondern bekommt automatisch Produktempfehlungen angezeigt. Webseiten, die diese Methode anwenden, sind bspw. Amazon, Netflix und Spotify. Auch dies ist eine Form der Entflechtung, da sich der Nutzer nicht mehr zwischen einer überwältigenden Anzahl von Optionen entscheiden muss, sondern einfach den Empfehlungen folgen kann und nur noch zwischen wenigen vorausgewählten Optionen abwägen muss.

Fazit

Ob automatisches, kollaboratives Filtern oder die Verwendung von gut durchdachten manuellen Filtern – beide Methoden helfen den Nutzern dabei, die für sie richtige Entscheidung zu treffen. Das führt zu zufriedenen Kunden, die gerne wiederkommen.

Spannend? Dieser Artikel ist im suchradar #77 erschienen

Lesen Sie weitere spannende Artikel aus der Ausgabe „Content vs. Werbung“! Entweder online oder als PDF-Magazin.

Kostenlos als PDF-Version Alle Artikel aus der Ausgabe ansehen