Künstliche Intelligenz (KI) erlaubt es dem Einzelhandel, das Kauferlebnis vor Ort auch im Internet abzubilden, indem sie Fragen beantwortet, personalisierte Produktempfehlungen gibt und einen maßgeschneiderten Kundenservice ermöglicht. McKinsey hat nach der COVID-19-Pandemie, die dem Einzelhandel aufgrund längerer Ladenschließungen schwer zu schaffen machte, sieben Maßnahmen zur Krisenbewältigung veröffentlicht. Jede dieser Maßnahmen lässt sich mithilfe von KI-Technologien realisieren, weshalb es nicht überrascht, dass die Anzahl der Unternehmen, die eine KI einsetzen, seither um 270% gestiegen ist.
Doch trotz der damit verbundenen Vorzüge müssen Unternehmen darauf achten, KI-Technologien so einzusetzen, dass sie den Unternehmenserfolg nicht bremsen, sondern fördern. So verringert KI zum Beispiel den Aufwand für menschliche Interaktion, wobei sich Einzelhändler nicht in allen Belangen auf die Technologie verlassen sollten. Des Weiteren dürfen Einzelhändler nicht vergessen, dass die KI immer nur so gut ist wie die Daten, mit denen sie trainiert wurde. Sind die Daten von vornherein unausgewogen, wird die KI diese Tendenz noch verstärken. Obwohl die KI in der Lage ist, maßgeschneiderte Kundenerlebnisse zu bieten, glauben nur 51% der Konsumenten, dass Unternehmen ihre personenbezogenen Daten schützen und verantwortungsvoll mit ihnen umgehen.
Dennoch versetzt KI die Einzelhändler in die Lage, ein perfektes Omnichannel-Erlebnis bereitzustellen, sodass die Kundschaft nahtlos von stationären Ladengeschäften zu Online-Shops und wieder zurückwechseln kann. Aus Unternehmenssicht sind die durch Kundeninteraktionen über mehrere Berührungspunkte hinweg gewonnenen Erkenntnisse von unschätzbarem Wert bei der Konzeption und Umsetzung von Omnichannel-Marketingstrategien. Sie ermöglichen es dem Unternehmen, kontinuierlich dazuzulernen und sich im richtigen Moment anzupassen, was zu höheren Umsätzen, mehr Einkäufen und einer dauerhaften Kundenbindung führt.
In diesem Beitrag beschäftigen wir uns damit, wie künstliche Intelligenz das Online-Shopping unterstützt und die (virtuelle) Ladenstraße revolutioniert.
Online-Shopping vs. Ecommerce: Was ist der Unterschied?
75% der Konsumenten kaufen mindestens einmal im Monat online ein. Die Begriffe „Online-Shopping“ und „Ecommerce“ werden zwar synonym verwendet, aber es gibt einen entscheidenden Unterschied.
Online Shopping bezeichnet den direkten Verkauf/Kauf von Waren und Dienstleistungen zwischen einem Einzelhändler und einem Verbraucher. Häufig ist der Online-Shop eine Ergänzung zu einem stationären Ladengeschäft. Er kann aber auch einem bestimmten Zweck dienen, z. B. wenn eine Schule oder ein Sportverein Trikots verkauft oder Spenden für eine gemeinnützige Einrichtung vor Ort sammelt. Weil die Konsumenten zunehmend im Internet einkaufen, werden bis 2026 voraussichtlich fast ein Viertel (24%) aller Käufe im Einzelhandel online getätigt (heute sind es 20,8%).
Ecommerce ist eine Plattform, die für den Online-Handel entwickelt wurde. Vergleichbar mit einem Marktplatz erlaubt sie es, dass zahlreiche Einzelhändler ihre Waren online einkaufen und verkaufen können – zu den erfolgreichsten Anbietern gehören Amazon, Alibaba und eBay. Es wird erwartet, dass der weltweite Ecommerce bis 2026 um 56% auf 8,1 Billionen Dollar anwächst (heute sind es 5,2 Billionen Dollar).
Dieser Beitrag beschäftigt sich schwerpunktmäßig mit dem Online-Shopping und zeigt auf, was Einzelhändler von den Ecommerce-Riesen lernen können, um ihr operatives Ergebnis zu verbessern. Im Folgenden finden Sie 8 Beispiele dafür, wie KI das Online-Shopping verbessern kann.
Kundenzentrierte Suchfunktionen
Bietet eine Website kein individualisiertes Einkaufserlebnis, fühlen sich nahezu drei Viertel (74%) aller Kunden frustriert. Die Wahrscheinlichkeit, dass sie den Einkauf abbrechen, steigt somit erheblich.
Künstliche Intelligenz unterstützt Einzelhändler, indem sie Suchergebnisse in Echtzeit personalisiert, damit sich Kunden von ihrem ersten Besuch an verstanden und wertgeschätzt fühlen. Dies führt zu einer Steigerung des durchschnittlichen Bestellwerts um 15-20% und zu einer Umsatzsteigerung von bis zu 8,5% pro Kunde.
Um eine solch starke Personalisierung zu erreichen, nutzt die KI-gestützte Website-Suche das Verfahren des Neuro-Linguistischen Programmierens (NLP). Auf diese Weise werden Kundenanfragen analysiert, um die Intention zu verstehen, und diese Daten mit früheren Suchanfragen und Käufen verknüpft, um die Suchergebnisse einzugrenzen und zu verbessern. Zusätzlich werden bei der kontextbezogenen Personalisierung externe Daten wie die aktuelle Jahreszeit oder aktuelle Themen berücksichtigt, um die Relevanz der Ergebnisse zu verbessern.
Werfen Sie einen Blick darauf, was Jenson USA, ein in den USA führender Online-Händler für Fahrräder, erreicht hat. Indem das Unternehmen verschiedene Kundensegmente definierte und danach die Suchergebnisse für die einzelnen Bereiche optimierte, erzielte es ein beeindruckendes Umsatzplus von 26% pro Besucher.
Eine weitere bedeutende Neuerung im Bereich der Website Suche ist Computer Vision, die dem Kunden eine bildbasierte Suche erlaubt. Auf diese Weise können Einzelhändler Empfehlungen auf der Grundlage des gewünschten Looks geben. Im Ecommerce hat man schnell die Möglichkeiten der Computer Vision erkannt und nutzt nun Online-Features wie “Shop the Look”. Diese Funktion ist dafür bekannt, dass sie die durchschnittliche Bestellmenge um 20% erhöht. Online-Händler, die diesem Beispiel folgen, machen ihr Kundenerlebnis damit zukunftsfähig, weil die visuelle Suche vor allem von jungen Erwachsenen zwischen 18 und 34 Jahren genutzt wird.
Sprachgesteuerte Suchmöglichkeiten
Das Kaufverhalten der Verbraucher hat sich grundlegend verändert. Mehr als ein Fünftel (22%) aller Kunden bevorzugt die Kommunikation mit einem KI-Sprachassistenten, anstatt die Frage einzutippen. Auch steigt die Zahl der Verbraucher, die Smart Speaker verwenden, von Jahr zu Jahr kontinuierlich an.
Dank KI können Online-Händler auch in Zukunft die Kundenwünsche und die Anforderungen an die Barrierefreiheit problemlos erfüllen. Sehbehinderte Besucher müssen sich nicht mehr mit Screenreadern und „barrierefreien Websites“ abmühen, weil die Sprachsuche ihnen in Sekundenschnelle die gewünschten Informationen liefert. Um die Vorteile zu nutzen, müssen die Einzelhändler lediglich ihre Website und ihre Produktangebote für die Sprachsuche optimieren, und zwar genauso, wie sie es für die Suchmaschinenoptimierung (SEO) tun würden.
Personalisierte Produktempfehlungen
Personalisierte Warenkorbempfehlungen regen 92% der Online-Kunden dazu an, zusätzliche Produkte zu kaufen und verringern die Abbruchquote bei Einkäufen um 4,35%.
Ein Online-Händler, der personalisierte Produktempfehlungen bereitstellt, beweist, dass er jeden einzelnen Kunden individuell betrachtet, seine Interessen versteht und ihn als Kunden schätzt. Die KI schafft dies, indem sie enorme Mengen an Kundendaten analysiert, damit sie zum Zeitpunkt des Kaufs wirksame Verkaufsstrategien einsetzen kann wie z. B.:
-
Verwandte Produkte: „Kunden kauften auch …“
-
Social Proof: „70% der Kunden bevorzugen …“
-
Wirtschaftliche Gründe: „geringer Bestand“ oder „Topseller“
Personalisierte Produktempfehlungen sind aber nicht nur dem Bezahlvorgang vorbehalten – sie können an jedem Punkt der Customer Journey genutzt werden.
Laut McKinsey können personalisierte Produktempfehlungen den Umsatz um 10-15% erhöhen und Kunden dazu veranlassen, erneut einzukaufen und Empfehlungen an Freunde und Familie auszusprechen. So verzeichnete die weltweit agierende Kosmetik- und Beautymarke Yves Rocher eine 11-mal höhere Kaufrate, als sie KI-gestützte Produktvorschläge einführte.
[BLOG] Mit KI Kunden zum perfekten Zeitpunkt ansprechen
Mehr erfahren
Kundensegmentierung
Marketer nutzen Kundensegmentierung, um die Wirksamkeit ihrer Kampagnen zu verstärken, was sich in einer Umsatzsteigerung von bis zu 760% niederschlagen kann.
Dank KI sind Einzelhändler in der Lage, ihre Kundensegmentierung zu automatisieren und Einblicke zu gewinnen, die in den Kundeninformationen verborgen liegen. Die KI kann nicht nur die Teile des Kundenstamms hervorheben, die eventuell übersehen wurden, sondern ermöglicht auch eine präzise Abbildung der Zielgruppe und erlaubt eine Datenanalyse ohne Mutmaßungen – zum Beispiel, dass bei Videospielen in erster Linie junge Männer angesprochen werden sollten.
Die Mansion Group ist ein Online-Casino-Unternehmen, das seine Kundendaten effektiv genutzt hat. Das Ergebnis war eine doppelt so stark individualisierte Customer Journey und eine um den Faktor 8 kürzere Zeit zur Konzeption und Durchführung einer Kampagne. Für Einzelhändler, die KI zur Segmentierung nutzen, ergeben sich eine Vielzahl von Vorteilen, wie zum Beispiel:
-
Zeit- und Kosteneinsparung: Dank der Automatisierung des Segmentierungsprozesses bleibt mehr Zeit für strategische Überlegungen.
-
Höhere Präzision und genauere Analyse: Detaillierte Einblicke und Kennzahlen zu jedem Segment ermöglichen eine gezieltere Entscheidungsfindung.
-
Verbesserte Personalisierung und Zielgruppenansprache: Mithilfe von detaillierten Einblicken in die Daten, können Einzelhändler maßgeschneiderte Kampagnen erstellen, die die Zielgruppe relevant und gezielt ansprechen.
Dialogbasierter Handel / Conversational Commerce
Die Mehrheit (90%) der Kunden erwartet innerhalb von 10 Minuten eine Antwort auf ihre Frage. Dank KI können Einzelhändler diesem Anspruch gerecht werden, ohne dass Mitarbeiter des Kundendienstes 24/7/365 bereitstehen müssen.
Die konversationelle KI ist in der Lage, die menschliche Sprache zu simulieren und erlaubt einen interaktiven Dialog und den dynamischen Informationsaustausch mit dem Kunden, ohne dass ein Mensch eingreifen muss. Weil das System aus jeder einzelnen Interaktion lernt, werden die Antworten mit der Zeit immer genauer und relevanter. Einzelhändler, die Conversational Commerce nutzen, verstehen ihre Kunden wesentlich besser und können so ein überzeugendes Online-Einkaufserlebnis schaffen. Wir erleben zum Beispiel bereits, dass Shopping-as-a-Service immer beliebter wird – die Verbraucher genießen die Vorzüge des Online-Shoppings in Kombination mit personalisierter Beratung, weil die KI ihren Geschmack, ihr Budget und ihre individuellen Vorlieben kennt.
Gefälschte Bewertungen erkennen
So gut wie jeder Kunde (99,9%) informiert sich beim Online-Einkauf anhand von Bewertungen. Beinahe die Hälfte (49%) vertraut Online-Bewertungen ebenso sehr wie persönlichen Empfehlungen von Freunden und Familie. Der Nachteil bei Online-Bewertungen ist jedoch, dass fast ein Drittel (30,9%) davon gefälscht sind.
KI kann Bewertungen anhand von Text-, Schreibstil- und Formulierungsmustern analysieren, um auffällige Merkmale zu erkennen – z. B. Bewertungen, die sich sehr ähnlich sind, übertrieben positiv oder negativ ausfallen oder eine von wenigen positiven Bewertungen unter vielen negativen sind. Sobald die KI dies erkannt hat, kann sie gefälschte Bewertungen automatisch entfernen und diejenigen hervorheben, die von anderen Nutzern verifiziert oder als hilfreich markiert wurden.
Dynamische Preisgestaltung
Preisgestaltungsstrategien sind komplex, da sie von zahlreichen Faktoren wie z. B. den Konkurrenzpreisen, den Herstellungskosten sowie der Kundennachfrage beeinflusst werden.
KI unterstützt Einzelhändler, indem sie den Preisgestaltungsprozess in Echtzeit automatisiert, z. B. durch Preiserhöhungen, wenn Wettbewerber nur noch geringe Lagerbestände haben, oder Preissenkungen, sobald die Nachfrage auf dem Markt sinkt. So können Händler immer den bestmöglichen Preis verlangen und ihre Margen sichern.
Das ist im Ecommerce nichts Neues, denn fast ein Drittel (29%) der Unternehmen arbeitet bereits mit einer dynamischen Preisgestaltung oder plant, dies zu tun. Amazon hat es auf diese Weise geschafft, den Gewinn um 25% zu steigern. Durch den Einsatz von KI kann dieser Prozess effizienter und optimal gestaltet werden.
Die Integration von Social Media Shopping
Die sozialen Medien spielen für Online-Händler eine immer wichtigere Rolle, da 43% aller Kunden weltweit in den sozialen Netzwerken nach Produkten suchen und 29% mindestens einmal pro Woche einen Kauf über Social Commerce tätigen. Andererseits verzeichnet dieser Vertriebskanal mit 91% auch die höchste Abbruchquote, weil die Konsumenten befürchten, dass ihre Einkäufe nicht abgesichert sind, eine Rückerstattung nicht möglich ist und die Produktinformationen unzureichend sind.
Indem KI zur Integration des Social-Media-Shoppings in die Online-Shops der Einzelhändler genutzt wird, kann die Kundschaft im passenden Moment abgeholt werden, um eine Conversion zu ermöglichen. Genau das hat Rapha Racing umgesetzt und konnte seine im Facebook Ads Manager angezeigten Kaufvorgänge um 31% steigern.
Des Weiteren können Einzelhändler von saisonalen Trends profitieren – so geben 76% der Verbraucher an, während der Weihnachtszeit etwas über soziale Medien zu kaufen. Außerdem profitieren Marken von aufkommenden Trends wie Live-Commerce. 72% aller TikTok-Nutzer weltweit, die Interesse an Markeninhalten haben, sind auch an einem Produktkauf interessiert.
Bloomreach erschließt Ihnen ein grenzenloses KI-Potenzial
Mithilfe von KI können Einzelhändler in Zukunft personalisierte Kundenerlebnisse in Echtzeit anbieten – und das in großem Umfang. Dabei sind nicht alle KI-Lösungen gleich. Um künstliche Intelligenz effektiv im Online-Shopping einzusetzen, benötigen Sie eine ganzheitliche Lösung wie Bloomreach. Die leistungsstarke Kombination aus Bloomreach Engagement für die Omnichannel-Marketing-Automatisierung und Bloomreach Discovery für die Produktfindung ermöglicht es Ihnen, ein ganzheitliches und personalisiertes Kundenerlebnis zu schaffen.
Die Grundlage für alle unsere Lösungen ist Loomi, unsere branchenweit führende KI, die speziell für den Ecommerce entwickelt wurde. Loomi wurde mit mehr als 13 Jahren Unternehmensdaten von einigen der größten Marken der Welt trainiert und ermöglicht es, sämtliche Kunden- und Produktdaten in ein nahtloses Einkaufserlebnis umzuwandeln – von Echtzeit-Marketingkampagnen über alle Kanäle hinweg bis hin zu intelligenten Merchandising- und Produktfindungs-Algorithmen. Erfahren Sie mehr darüber, wie Sie mit KI und Bloomreach Ihre Ziele erreichen und schauen Sie sich unsere Use Cases an.