KI: Neue Wege für die Personalisierung

Der Besucher eines Onlineshops sieht nach kurzer Verweildauer ein Produkt, das genau seinen Vorstellungen entspricht, und kauft es. Ein Glücksfall? Vielleicht. Oder einfach ein gelungenes Beispiel für datenbasierte Personalisierung. Um die Ansprache möglichst individuell und bedarfsorientiert zu formulieren, stehen Online-Anbietern heute eine Vielzahl von Kundendaten zur Verfügung – etwa zu vorherigen Käufen und Suchanfragen sowie zu Alter und Geschlecht. Allerdings fehlt es oft an Know-how und Zeit, um diese Daten gezielt auszuwerten.

Abhilfe schaffen Systeme mit Künstlicher Intelligenz (KI), die große Datenmengen automatisch analysieren. Auf Basis der Erkenntnisse wird ein Profil des Besuchers erstellt und dazu passender Content vorgeschlagen – im Modebereich etwa trendige Outfits, Kombinationsmöglichkeiten und Styling-Tipps. Das Profil wird auch bei Suchanfragen berücksichtigt. Sucht eine Kundin zum Beispiel nach Stiefeln, personalisiert die KI die Reihenfolge der gezeigten Modelle: Legt die Kundin eher Wert auf Bequemlichkeit und weniger auf Eleganz, erhält sie zunächst Bilder und Informationen zu sportlichen Boots, während ihr Stiefel mit Absatz erst später angezeigt werden. Auf diese Weise lässt sich die Customer Experience verbessern, und die Kaufwahrscheinlichkeit ist deutlich höher.

Voraussetzung dafür ist allerdings, dass es bereits Daten gibt, die etwas über den Kunden aussagen – etwa bisherige Suchanfragen oder Kaufvorgänge. Bei potenziellen Neukunden liegt bestenfalls eine konkrete Suchanfrage vor, im ungünstigeren Fall eine unspezifische wie „Stiefel“ oder „Turnschuhe“. Oder aber der Besucher ist gar nicht über die Suche, sondern etwa über eine Empfehlung auf die Website gekommen. Auch dann ist die Datenlage eher dürftig.

Auch Echtzeitdaten fließen in Kundenprofile ein

Künstliche Intelligenz kann aber sogar weiterhelfen, wenn es noch keine Kauf- oder Surfhistorie gibt. Denn die Technologie ist in der Lage, einen Besuch auch in Echtzeit auszuwerten: Wenn der Besucher sich gerade ein Produkt angesehen hat, werden ihm Artikel vorgeschlagen, die ähnlich sind. Betrachtet er diese Vorschläge, werden weitere Daten produziert, die sich in Echtzeit nutzen lassen. So lernt das System, was funktioniert und was nicht und optimiert seine Maßnahmen entsprechend.

Gezielte Auswertung, weniger Streuverluste

Mithilfe von KI lässt sich außerdem genauer messen, welche Content-Formate – etwa Text, Bild, Video – bei welchem Kunden funktionieren und wie bestimmte Inhalte beim Online-Publikum ankommen. Auch hier lernen die Systeme dazu – zum Beispiel ob die Zuordnung von Angeboten zu einem Profil erfolgreich war. Entsprechend genau können sie Entscheidungen über den richtigen Zeitpunkt und Kommunikationskanal einer Kommunikationsmaßnahme treffen.

KI-basierte Personalisierungsstrategien sorgen damit nicht nur für steigende Conversion-Raten und zufriedene Kunden, sondern auch für mehr Effizienz. Marketingverantwortliche sparen sich zeitintensive Tätigkeiten wie das Einteilen von Käufergruppen in Segmente und die entsprechende Content-Zuordnung. Und sie erhalten Hilfe bei Entscheidungen – etwa bei der Frage, für welche Kundengruppen Incentives sinnvoll sind: Mit dem KI-basierten „Incentive-Recommendation-Engine“ lässt sich anhand analysierter Kundendaten für jeden einzelnen Käufer die Wahrscheinlichkeit berechnen, mit der er in den nächsten Tagen einen Kauf tätigt. Das erleichtert die Incentive-Entscheidung, vermeidet Streuverluste und kann unter Umständen sogar inaktive Nutzer zu aktiven Kunden machen.

Visual Search: Neue Möglichkeiten für Modeanbieter und Trendscouts

Der Einsatz von KI eröffnet der Personalisierung aber auch ganz neue Wege. Ein Beispiel hierfür sind KI-basierte Visual-Search-Lösungen wie StyleSnap von Amazon oder Slyce. Damit kann ein potenzieller Kunde beispielsweise Mode abfotografieren, die KI analysiert daraufhin das Foto und schlägt ihm ähnliche Produkte im Onlineshop vor. Hinter dieser Technologie steckt die Cloud Vision API von Google, die sich ohne großen Aufwand in eine App oder in die mobile Version des Online-Shops einbinden lässt.

Vor allem in der Modebranche wird das Verfahren immer beliebter. So setzt die Firma DePauli, zu der unter anderem der Online-Shop herrenausstatter.de gehört, ein KI-basiertes Bilderkennungs-Tool ein: Wer auf der mobilen Version der Herrenmode-Website „Just4Men.de“ ein Kleidungsstück „shootet“, bekommt ähnliche Produkte aus dem Sortiment angezeigt.

Aber auch Trendscouts profitieren von der KI-gestützten Bilderkennung. Früher mussten Fotos gesichtet werden, um Trends frühzeitig zu erkennen – ein extrem aufwändiger und fehleranfälliger Prozess. Mit den neuen Image-Recognition-Modellen lassen sich Millionen von Bildern in kürzester Zeit analysieren. Das so genannte AI Trend- und Demand-Forecasting ist unter anderem beim Sporthersteller Nike im Einsatz.

Ob Echtzeitanalysen oder Visual Search: Durch den Einsatz von KI wird die Personalisierung von Kommunikation effizienter und effektiver. Und davon profitieren Online-Anbieter und ihre Kunden gleichermaßen.