Der Black Friday, der den Gymshark-Shop zum Einsturz brachte

Die dringende Notwendigkeit für Gymshark, auf Headless Commerce umzusteigen, ergab sich nach dem Black Friday 2015. Der Kundenansturm während dieses wichtigen Verkaufsereignisses überlastete den bestehenden, selbst gehosteten Online-Shop des Unternehmens, was zu einem Systemabsturz führte, der Gymshark nicht nur Umsatz, sondern auch seinen hart erkämpften guten Ruf kostete. 

Es wurde beschlossen, auf eine Headless-Commerce-Architektur umzusteigen, wobei der Schwerpunkt auf erstklassigen, skalierbaren und API-orientierten Technologien lag. Ausgehend von seinem monolithischen Online-Shop entschied sich Gymshark für Shopify als Grundlage für den Aufbau einer neuen Shop-Oberfläche. Anschließend wurden führende Lösungen für Such- und Navigationsfunktionen (Algolia), die Frontend-Oberfläche (ReactJS) und das Kundenbeziehungsmanagement (Contentful) eingeführt, die alle durch zusätzliche AWS-Dienste und -Tools unterstützt werden.

Ein dringender Bedarf an Verbesserungen bei der Produktsuche

Die Spitzenauslastung durch Kunden war nicht der einzige Auslöser für die Umstellung bei Gymshark. Die Such- und Entdeckungsfunktionen des Shops wiesen laut Ben Pusey, Software-Product-Owner bei Gymshark und verantwortlich für die E-Commerce-Plattform des Unternehmens, „große Probleme“ auf. 

Schlechte Suchergebnisse führten dazu, dass Bestseller ganz unten auf der Seite landeten, während nicht vorrätige Produkte ganz oben angezeigt wurden. Die geringe Relevanz führte zu schlechten Konversionsraten bei der Suche. Und dem Einkaufserlebnis fehlte jegliche Personalisierung, die Verbraucher mittlerweile erwarten. Zudem war das manuelle Merchandising für das Merchandising-Team sehr aufwendig und nicht skalierbar. Eine fehlende Lokalisierung führte zu langen Ladezeiten für Käufer außerhalb Großbritanniens und zu schlechten Suchergebnissen aufgrund sprachlicher Nuancen.

Die Lösung: Verbesserung der Relevanz durch Algolia

Das Unternehmen wandte sich an Algolia, um die Suche auf der Website und die Browsing-Funktionen auf seinen Produktkategorieseiten zu verbessern, den hohen Arbeitsaufwand im Merchandising zu reduzieren und vieles mehr. Laut Pusey entschied sich Gymshark aufgrund von vier Faktoren für Algolia: 

• Einfache Entwicklung: Gut dokumentierte und benutzerfreundliche APIs.
• Skalierbarkeit: Fähigkeit, Spitzenauslastungen während Verkaufsaktionen zu bewältigen.
• Innovation: Kontinuierliche Einführung neuer Funktionen und Möglichkeiten.
• Zusammenarbeit: Enge Zusammenarbeit bei Beta-Tests und der Entwicklung neuer Funktionen. 

Die Umsetzung erfolgte zügig: Gymshark stellte innerhalb weniger Monate statt mehrerer Jahre von seinem monolithischen, selbst gehosteten Shop auf ein Headless-Modell um und führte die interne Personalisierung mithilfe von Algolia in nur einem Quartal ein. Das Unternehmen nutzt nun den gesamten Relevanz-Stack von Algolia, um verschiedene Geschäftsziele zu erreichen, und prüft derzeit, wie es diesen noch besser nutzen kann.

Die Relevanz steigern – für ein hervorragendes Sucherlebnis

Heute nutzt Gymshark Algolia für die Website-Suche, um zusätzliche Umsätze zu generieren, indem das Nutzererlebnis auf die spezifischen Bedürfnisse, die Zielgruppe und den Produktkatalog zugeschnitten wird. Oberste Priorität hatte dabei jedoch die Verbesserung der Relevanz. Gymshark nutzt Algolia für die Website-Suche, um zusätzliche Umsätze zu generieren, indem das Kundenerlebnis auf die spezifischen Bedürfnisse, die Zielgruppe und den Produktkatalog zugeschnitten wird. 

Das Team fügte seinem Ranking Kriterien wie die Produktverfügbarkeit hinzu, um zu verhindern, dass nicht vorrätige Artikel auf den Suchseiten an erster Stelle angezeigt werden. Es nutzte weitere Geschäftsdaten, um die Relevanz auf Basis einzelner Suchanfragen zu optimieren – beispielsweise durch die Verbesserung der durchschnittlichen Klickposition von Produkten anhand des meistgesuchten Suchbegriffs „Camo“, was zu höheren Klickraten führte. Darüber hinaus nutzte Gymshark die von Algolia mithilfe von KI generierten Synonyme, um Kunden relevante Produkte anzuzeigen, die zuvor übersehen worden waren. So erhielten beispielsweise US-Kunden bei der Suche nach „Sweatpants“ keine Ergebnisse, da diese in Großbritannien als „Joggers“ bezeichnet werden. Die KI von Algolia erkannte diese Nuance – und korrigierte sie. 

Die KI-gestützten Merchandising-Funktionen von Algolia wurden genutzt, um Bestseller-Produkte auf der Grundlage der jeweiligen Suchanfrage zu bewerben, was zu einem geschätzten zusätzlichen Umsatz von 2 Millionen Pfund pro Jahr geführt hat. 

Die Gesamtergebnisse sind bemerkenswert. Innerhalb von nur einem Jahr stiegen die Konversionsraten bei der Suche von 6,2 Prozent auf über 10 Prozent und steigen weiter an. Und dank der verbesserten Benutzererfahrung, die die Suche nun bietet, nutzen immer mehr Kunden diese Funktion. Während die Suche früher bei weniger als 10 Prozent der Bestellungen eine Rolle spielte, wurde sie am Black Friday 2020 bei mehr als 30 Prozent genutzt. Der Umsatz durch Suchnutzer ist im Vergleich zum Vorjahr um mehr als 400 Prozent gestiegen!

Steigerung der Kundenbindung mit einer von Algolia unterstützten Sammelseite

Das Team stellte fest, dass Algolia die Suche auf seiner Website so deutlich verbesserte, dass es beschloss, die Vorteile auch auf das Navigationserlebnis der Kunden anzuwenden. Mittlerweile nutzt es für seine Produktdetailseiten (PLPs) und Kollektionsseiten den Algolia-Relevanz-Stack und profitiert so von den Vorteilen des benutzerdefinierten Rankings, der Regeln,des dynamischen Re-Rankings sowie der Möglichkeit, von Menschen gesteuerte und KI-gestützte Merchandising-Funktionen zu kombinieren. 

Das Merchandising-Team von Gymshark nutzt nun den Visual Editor von Algolia, um auf der Grundlage der Geschäftsdaten des Unternehmens präzise Merchandising-Regeln festzulegen und das Merchandising automatisch im gesamten Shop durchzuführen – wodurch das Kundenerlebnis durch Schnelligkeit und Relevanz verbessert wird. 

Bestseller und Artikel, die in den meisten Größen vorrätig sind, werden bevorzugt angezeigt, während nicht vorrätige Artikel mithilfe eines Prioritätsbewertungssystems für das Produktranking ausgeblendet werden. Pusey schätzt, dass das Unternehmen dadurch jährlich zusätzliche Umsätze in Höhe von 4,5 Millionen Pfund erzielt hat. 

Im Jahr 2021 testete das Unternehmen die Wirkung der Relevanzfunktionen von Algolia auf seiner Produktseite für Leggings. Diese Kategorie ist die umsatzstärkste des Unternehmens und umfasst ein unglaublich großes Sortiment (fast 60 Leggings-Modelle und 223 Farbvarianten). 

Die Ergebnisse waren bemerkenswert. Durch die Hervorhebung etablierter Artikel ganz oben auf der Seite entfielen auf diese Artikel 8,3 Prozent der Klicks und 15 Prozent des gesamten Seitenumsatzes. Ohne diese Maßnahme entfielen auf die oberste Platzierung hingegen lediglich 3,2 Prozent der Klicks und 3,9 Prozent des Umsatzes. 

Zudem wurden Bestellungen etwa zehnmal seltener abgebrochen, und am Kassenschalter wurden etwa 40 Prozent häufiger Artikel hinzugefügt. Der Umsatz pro Klick stieg um 8 Prozent, doch noch wichtiger ist, dass die getätigten Käufe Artikel betrafen, bei denen es zu weniger Rücksendungen kam. Die Statistiken zeigen, dass weniger Rücksendungen direkt zu einer höheren Kundenbindung führen.

Reduzierung des manuellen Arbeitsaufwands durch KI-gestütztes Merchandising

Während die Lösungen von Algolia das Kundenerlebnis verbesserten und den Umsatz steigerten, erwies sich die Einführung von KI-gestützten Merchandising-Funktionen für Gymshark intern als echter Segen. Durch die Automatisierung des Merchandisings reduzierte das visuelle Merchandising-Tool von Algolia nicht nur den manuellen Arbeitsaufwand, sondern half Gymshark auch dabei, Zuverlässigkeitsprobleme zu überwinden, die laut Pusey zu Systemabstürzen führten. 

„In besonders geschäftigen Zeiten war das Verkaufsteam nicht in der Lage, das Sortiment auf der Website schnell genug anzupassen und auf Bestandsveränderungen sowie auf Kaufverhalten und Trends zu reagieren“, erklärte Pusey. 

Alles läuft nun regelbasiert ab, sodass Änderungen nahezu in Echtzeit vorgenommen werden können, um Faktoren wie Lagerbestände, neue Produkte und Verbrauchertrends zu berücksichtigen. Das Merchandising hat sich von einem weitgehend manuellen Prozess zu einem Vorgang entwickelt, bei dem man „im Grunde nur noch die Einstellungen festlegt und sich dann nicht mehr darum kümmern muss“. 

Dadurch konnte das Handelsteam hektische Situationen vermeiden und sich auf andere wertschöpfende Tätigkeiten konzentrieren, und dank skalierbarer und zuverlässiger Technologie werden die Systemausfälle – und die daraus resultierenden Kundenverluste –, die früher auftraten, nun verhindert.

Personalisierung und mehr

Gymshark nutzt Algolia, um das Einkaufserlebnis zu personalisieren, zusätzliche Umsätze zu generieren und die Markentreue zu stärken. Nachdem das Unternehmen die Lösung zunächst relativ einfach auf Such- und Kollektionsseiten implementiert hatte, weitete es den Einsatz der Personalisierungsfunktionen von Algolia auf die gesamte Website und sogar auf die externe Kommunikation aus. 

Gymshark begann damit, anhand der Farbvorlieben der Kunden und der Informationen aus deren Warenkörben personalisierte Suchergebnisse und Produktplatzierungen zu erstellen. Das Unternehmen plant jedoch, die Personalisierung auf bestimmte Veranstaltungen, Preisstufen und weitere Aspekte auszuweiten – unter Nutzung tiefergehender Daten und Analysen. 

Das Unternehmen prüft derzeit, wie es durch Personalisierung noch größere Vorteile erzielen kann, indem es personalisierteEmpfehlungenund Upselling-Maßnahmen im Warenkorb fördert.

Umsatzsteigerungen sind erst der Anfang

Pusey schätzt, dass der Einsatz von Algolia für die Suche, die verbesserte Kundennavigation und das KI-gestützte Merchandising insgesamt zu einem erstaunlichen zusätzlichen Jahresumsatz von 20 Millionen Dollar geführt haben. 

Die Umstellung der E-Commerce-Architektur auf einen Headless-Commerce-Ansatz und den Einsatz von Algolia für Suche, Navigation, KI-gestütztes Merchandising und Personalisierung haben Gymshark zwar zu einem Umsatzwachstum verholfen, doch die Auswirkungen gehen weit über schwarze und rote Zahlen hinaus. 

Durch den Einsatz eines „Headless“- und Microservice-Ansatzes ist Gymshark in der Lage, seine E-Commerce-Fähigkeiten schrittweise und agil weiterzuentwickeln. Im Bereich Suche und Navigation bestehen die nächsten Schritte darin, KPI-gesteuerte Merchandising-Algorithmen zu testen, maschinelles Lernen zur Neugewichtung der Rangfolge auf Kollektionsseiten anzuwenden, neue Personalisierungsstrategien zu erproben und Produktempfehlungen zu implementieren – und all dies parallel zur Einführung einer mobilen App, die von all diesen Funktionen profitiert. Für den Rest der Technologieplattform bereitet sich Gymshark darauf vor, ein neues Produktinformationsmanagementsystem zu implementieren. 

Das Unternehmen hat bereits enorme Erfolge erzielt und prüft nun, wie es Algolia und andere erstklassige Lösungen nutzen kann, um das Kundenerlebnis in den kommenden Tagen, Wochen und Jahren weiter zu verbessern.