Ein Kunde legt ein schwarzes Kleid in den Warenkorb. Was du jetzt zeigen willst, ist die Tasche, die Schuhe, der Schmuck dazu — was du auf keinen Fall zeigen willst, sind fünf weitere schwarze Kleider. Und genau das passiert, wenn man Empfehlungen falsch baut. Die meisten Systeme schlagen Ähnliches vor, und Ähnliches ist bei Komplementär-Empfehlungen das Gegenteil von dem, was du brauchst.
Das ist die Dimension, die ich bei der Look-Suche nur angerissen habe: ob Teile zusammenpassen. Hier geht es nicht ums Finden, sondern ums Ergänzen — und der Unterschied zwischen „sieht ähnlich aus” und „passt dazu” entscheidet, ob deine Empfehlungen verkaufen oder nerven.
Ähnlich ist das Gegenteil von dem, was du willst
Eine Ähnlichkeitssuche findet, was aussieht wie das Ausgangsstück. Für „zeig mir mehr davon” ist das richtig. Für „was passt dazu” ist es ein Eigentor: Du empfiehlst zum Kleid weitere Kleider, zum Sofa weitere Sofas. Der Kunde braucht keine zweite Variante desselben, er braucht das, was die erste ergänzt.
Komplementär heißt: eine andere Kategorie, die stilistisch zusammengeht. Das ist eine völlig andere Rechnung als Ähnlichkeit. Wer beides verwechselt — und das ist der häufigste Fehler überhaupt —, baut einen Empfehlungs-Mechanismus, der fleißig dasselbe nochmal anbietet und sich wundert, warum niemand klickt.
Woher das Modell weiß, was zusammenpasst
Es gibt zwei Quellen, und die guten Systeme kombinieren beide.
Die erste ist das echte Verhalten: Was wird tatsächlich zusammen gekauft, zusammen getragen, in kuratierten Looks zusammen gestellt. Daraus lernt ein Modell Kompatibilität aus der Realität, nicht aus Theorie. Diese Daten sind dein eigentliches Kapital.
Die zweite sind die Stil-Merkmale: Farbharmonie, Formalitätsgrad, Stilrichtung. Ein sportlicher Sneaker passt nicht zum Abendkleid, egal was die Daten sagen — solche Regeln stecken in den Eigenschaften. Die Merkmale tragen die Empfehlung auch dann, wenn noch keine Verhaltensdaten da sind. Das Zusammenspiel aus beidem ist der robuste Weg: etablierte Artikel lehnen sich ans Verhalten, neue ans Stil-Wissen.
Wie ich das angehe
Erst klären, welche Kategorien das Ausgangsstück ergänzen — zum Kleid die Schuhe, die Tasche, den Schmuck. Ausdrücklich nicht dieselbe Kategorie.
Was wird mit diesem Stück zusammen gekauft oder getragen, und was passt stilistisch. Verhalten und Merkmale ergänzen sich gegenseitig.
Nur zeigen, was lieferbar und für den Kunden relevant ist. Eine perfekte Empfehlung für etwas Ausverkauftes ist keine.
Reihenfolge nach erwarteter Passung. Für aktiv beworbene Looks gibt ein Mensch die Kombination frei — das Modell schlägt vor.
Wo es in der Praxis kippt
Ähnlichkeit und Kompatibilität verwechselt. Der eine große Fehler. Ein System, das Ähnliches als „passt dazu” ausgibt, empfiehlt fünfmal dasselbe und untergräbt das ganze Feature.
Kalter Start. Ein brandneues Produkt hat keine Verhaltensdaten. Ohne einen Rückfall auf Stil-Merkmale ist es für die Empfehlung unsichtbar — die Neuware, die du am liebsten verkaufst.
Bestseller-Schlagseite. Naives Lernen aus Verhalten empfiehlt am Ende jedem die Bestseller. Das ist langweilig, nicht personalisiert, und es begräbt den langen Schwanz deines Sortiments.
Geschmack ist nicht objektiv. Was zusammenpasst, ist teils kulturell und saisonal. Ein Modell kodiert einen Durchschnittsgeschmack, deine Marke hat einen eigenen. Die beworbenen Kombinationen gehören kuratiert, nicht dem Durchschnitt überlassen.
Plausibel, aber kommerziell sinnlos. Eine Empfehlungsliste kann ordentlich aussehen und trotzdem nichts bringen — ein Accessoire, das niemand dazu kauft. Deshalb misst man am echten Ergebnis, nicht am guten Eindruck.
Was es kostet — und woran
Der Aufbau selbst ist überschaubar. Der Wert hängt an deinen Daten: Je mehr du darüber weißt, was real zusammen gekauft und getragen wird, desto besser die Empfehlungen. Hast du diese Daten noch nicht, trägt die Stil-Variante den Anfang — und sie ist ohnehin nötig, um den kalten Start neuer Produkte abzufangen.
Der entscheidende Punkt steht am Ende, nicht am Anfang: Gemessen wird an echten Ergebnissen — wie oft eine Empfehlung im Warenkorb landet —, nicht an irgendeinem Ähnlichkeitswert im Labor. Und gegen eine simple Vergleichslinie, etwa „zeig einfach die Bestseller”. Schlägt dein schlaues System die Bestseller-Liste nicht, ist es seinen Aufwand nicht wert. Wer dir Empfehlungen ohne diese Messung verkauft, verkauft dir ein Gefühl.
Wo der Mensch dranbleibt
Empfehlungen stupsen, sie entscheiden nicht. Ein dezenter, passender Vorschlag hilft. Aufdringliche oder unpassende Empfehlungen kosten Vertrauen — und Vertrauen ist teurer als der eine Zusatzverkauf.
Marken-Looks brauchen Kuratierung. Was deine Marke als „passt zusammen” nach außen trägt, ist eine Geschmacksentscheidung. Die gehört zu einem Menschen, nicht zum Durchschnitt eines Modells.
Eine gute Empfehlung schlägt vor, was ergänzt, nicht was ähnelt. Was die Marke als zusammengehörig bewirbt, entscheidet ein Mensch — und der Erfolg zeigt sich am Warenkorb, nicht am Laborwert.
Wie ein ehrlicher Einstieg aussieht
Nimm eine Ankerkategorie — etwa Kleider — und lass das System dazu ergänzende Kategorien vorschlagen, Schuhe, Taschen, Schmuck. Schalte es für einen Teil der Besucher und miss die Anhängequote gegen eine simple Bestseller-Empfehlung. Schau dir an, was wirklich dazugekauft wird, nicht nur die Klickzahl. Schlägt deine Variante die einfache Linie spürbar, hast du den Beweis. Erst dann breiter ausrollen.
Worauf du achtest, wenn dir das jemand baut
- Unterscheidet das System sauber zwischen Ähnlichkeit und Kompatibilität? Verwechslung ist das K.-o.-Kriterium.
- Wie behandelt es den kalten Start neuer Produkte ohne Verhaltensdaten?
- Bremst es die Bestseller-Schlagseite, oder empfiehlt es allen dasselbe?
- Wird an der Anhängequote gemessen, gegen eine einfache Vergleichslinie — oder an einem Laborwert?
- Filtert es nach Verfügbarkeit, und gibt es eine Kuratierung für beworbene Looks?
Bevor du an Verhaltensdaten denkst, kannst du die Stil-Logik testen. Dieser Prompt macht aus einem Artikel passende Ergänzungs-Vorgaben — ohne Ähnliches vorzuschlagen:
Du schlägst zu einem Artikel KOMPLEMENTÄRE Teile vor — NICHT ähnliche.
Ich gebe dir die Merkmale des Ausgangsartikels (z. B. Kleid: schwarz, midi, elegant).
1. Nenne die KATEGORIEN, die diesen Artikel ergänzen (z. B. Schuhe, Tasche, Schmuck) — NICHT dieselbe
Kategorie wie der Ausgangsartikel.
2. Gib je Kategorie die passenden Stil-Vorgaben an: Farbe/Harmonie, Formalitätsgrad, Stilrichtung.
3. Sag ausdrücklich, was NICHT passt (z. B. sportliche Sneaker zu einem eleganten Abendkleid).
4. Erfinde keine konkreten Artikel oder Marken — das sind Vorgaben für die Katalogsuche, kein Ergebnis.
Gib je Kategorie eine Zeile aus: Kategorie | passende Stil-Vorgaben | was vermeiden.Du willst, dass dein Shop sinnvoll ergänzt, statt fünfmal dasselbe zu zeigen? Dann reden wir über eine deiner Ankerkategorien — und ich sage dir ehrlich, ob deine Verkaufsdaten schon für echte Kompatibilität reichen oder ob es erst die Stil-Variante braucht.