Frequently Bought Together (FBT / häufig zusammen gekauft) Automatische Empfehlung, die zeigt, welche Produkte andere Käufer zusammen mit dem aktuell betrachteten Artikel erworben haben, basierend auf realen Daten zu gemeinsamen Käufen. Definition Das System analysiert die Bestellhistorie, um Produkte zu identifizieren, die statistisch signifikant zusammen gekauft werden. Es nutzt kollaboratives Filtern: Es basiert nicht auf der Ähnlichkeit der Produkte, sondern auf dem realen Kaufverhalten Tausender Nutzer. Kaufen viele Käufer der Kamera A auch den Akku B und die Tasche C, ergibt sich die Assoziation, ohne dass sie jemand programmieren muss. Das Co-Kauf-Signal ist stärker als das Co-Besuch-Signal, baut sich aber langsamer auf (Transaktionshistorie erforderlich). Das System identifiziert Paare oder Gruppen mit überzufälliger Häufigkeit und erzeugt eine nach Kauf-Affinität geordnete Liste. Geschäftlich hat diese Empfehlungsart einen Vorteil gegenüber dem klassischen Upselling: Der Nutzer muss nicht überzeugt werden, mehr für dasselbe Produkt auszugeben, sondern seinen Kauf mit dem zu ergänzen, was er ohnehin braucht. Weniger gefühlter Widerstand, mehr realer Mehrwert. Wofür es nützlich ist Steigert den durchschnittlichen Bestellwert (AOV) organisch, ohne manuelle Konfiguration je Produkt. Wirksam in Kategorien, in denen Produkte sich natürlich ergänzen (Elektronik mit Zubehör, Mode mit Accessoires, Lebensmittel mit Beilagen). Die Empfehlung wird als hilfreich (nicht aufdringlich) wahrgenommen, weil sie reale Kaufmuster widerspiegelt. Doofinder Doofinder enthält ein Empfehlungsmodul, mit dem sich Frequently-Bought-Together-Blöcke auf Produktseiten anzeigen lassen. Das System lernt aus den Transaktionsdaten des eigenen Shops, um die relevantesten Co-Ereignisse zu identifizieren, ohne manuelle Konfiguration je Produkt. Merchandising-Regeln erlauben zusätzlich, bestimmte Artikel innerhalb dieser Empfehlungen zu priorisieren oder auszuschließen, z. B. um langsam drehenden Bestand abzubauen oder Mindestmargen einzuhalten. Praxisbeispiel Ein Fotofach-Shop fügt den FBT-Block auf der Seite einer Einsteiger-DSLM hinzu. Der Algorithmus erkennt: 34 % der Käufer dieser Kamera kauften auch einen Zusatzakku, 28 % nahmen einen Tragegurt in dieselbe Bestellung. Beide Produkte erscheinen standardmäßig im Block, mit automatisch berechnetem Gesamtpreis aller drei Artikel. Vor Aktivierung des Blocks lag der durchschnittliche Bestellwert auf dieser Seite bei 649 €. Drei Monate später, bei einer Adoptionsrate des Blocks von 18 %, stieg er auf 712 €. Das Zubehör hing nicht länger davon ab, dass der Nutzer es selbst suchte. Quellen Baymard Institute — Product Page UX — Cross-sell and Upsell Patterns Shopify — Product Recommendations API Carousel Logics — Doofinder Support