Wie die KI zum Top-Verk�ufer wird

Bild: Lassedesign, Shutterstock

10.10.2023 - ChatGPT und E-Commerce hat nichts miteinander zu tun? Nur auf den ersten Blick! In Wahrheit k�nnen Online-Shops von der KI-Software enorm profitieren.

von Dominik Grollmann

K�nstliche Intelligenz und Machine Learning gilt schon seit Jahren als wichtigster Trends �berhaupt. Insofern ist der Hype um ChatGPT wenig �berraschend. Und umso wichtiger ist die Frage, wie dieser Trend den ECommerce beeinflussen kann. �ndern sich Kaufgewohnheiten, Angebotsformate, Online-Marketing oder ECommerce-Tools? Die Antwort - Vorsicht Spoiler! - in Kurzfassung: ChatGPT hat die KI nicht neu erfunden. In den meisten ECommerce-Tools sind l�ngst entsprechende Funktionen integriert. Aber es gibt einen schmalen Grat, der durch ChatGPT einen wahren Turbo erf�hrt: Das faszinierende Sprachverst�ndnis erlaubt eine einfache und nat�rliche Kommunikation zwischen Mensch und Maschine. Damit l�sst sich arbeiten.

Wie ChatGPT den E-Commerce ver�ndert

Maschinelle Lernalgorithmen und KI helfen letztlich dabei, Daten zu analysieren und Muster zu erkennen - sie zu "verstehen" - und darauf basierend Entscheidungen vorzuschlagen. Der ECommerce-Klassiker besteht darin, Kaufverhalten vorherzusagen und den KundInnen personalisierte Angebote zu unterbreiten. Etwa, indem eine Recommendation Engine versucht, passende Produkte zu finden oder eine Marketing-Automation-L�sung E-Mails personalisiert. Zum richtigen Zeitpunkt. Mit dem richtigen Produkt. Und der richtigen Ansprache.

Damit das funktioniert, sind Daten notwendig. In hoher Qualit�t und in gro�er Quantit�t. Ob in einer E-Mail ein "Herr M�ller" oder eine "Frau M�ller" angesprochen wird, k�nnen wenige hochwertige CRM-Daten verraten oder kann anhand von Kauf- und Klickhistorie mit einer gewissen Wahrscheinlichkeit errechnet werden. Am besten ist nat�rlich die Kombination aus beidem: Viele Daten. Und hochwertige Daten. Das f�hrt zwangsl�ufig zum besten Ergebnis.

F�r Shop-Betreiber ist es aber gar nicht so einfach, an diese Daten zu gelangen. Die g�ngigen Strategien lauten: Gutscheincode f�r die Newsletter-Anmeldung; Bonus f�r die Er�ffnung des Kundenkontos; Pr�mien f�r die Teilnahme an einem Loyalty-Programm. Damit l�sst sich schon viel erreichen: Die H�ndler Innen verf�gen so �ber korrekte Stammdaten und haben die notwendigen Zustimmungen erhalten, um Kauf- und Klickverhalten zu tracken. Vielleicht konnten sie �ber eine Auswahl verschiedener Newsletter noch etwas �ber die Interessen der KundInnen erfahren. Aber ehrlich: Nun wird es z�h. Die wenigsten KundInnen haben ein Interesse mehr Informationen zu teilen. Wozu auch?

L�sst sich nun die Zahl der relevanten Kundeninformationen nur schwer erh�hen, kann man immer noch an der Qualit�t der verbliebenen arbeiten.

Produktdaten sind der Schl�ssel

"Wenn wir wissen, auf welche Produkte unsere Kunden klicken, was sie kaufen, was sie retournieren, k�nnen wir etwas sehr wertvolles �ber unsere Kunden erfahren", erkl�rt Philipp G�ller, Chef der auf KI und E-Commerce-Anwendungen spezialisierten Softwarefirma Paraboost aus Markgr�ningen. "Denn hinter jedem Artikel steht ein Bed�rfnis, das er befriedigt. Wir k�nnen also die Bed�rfnisse unsere Kunden verstehen."

F�r einen menschlichen Verk�ufer mag das trivial sein. Man merkt einem Kunden im Laden schnell an, wie er "tickt". Wer sich beim Kauf eines hochwertigen City-Rads f�r Komfortfeatures interessiert, wird vielleicht auch auf eine praktische Tasche, bequeme Bekleidung oder einen Airbag-Helm ansprechen. Wer sich eher f�r unknackbare Schl�sser interessiert und sich beklagt, dass ihm nun schon das dritte Fahrrad geklaut wurde, signalisiert eher Interesse an einer Zusatzversicherung. Der sportliche Mountainbiker will dagegen auch eine gute Figur auf seinem Rad abgeben und legt gr��eren Wert auf Marken, Status und stylische Sonnenbrillen.

Einem Menschen fallen diese Einsch�tzungen leicht. Ein wenig Einf�hlungsverm�gen und Menschenkenntnis reichen. Eine Recommendation Engine hat es viel schwerer. Naturgem�� kann sie Menschen und deren Bed�rfnisse nicht verstehen. Au�erdem redet niemand mit ihr.

So ist die Maschine alleine auf historische Daten angewiesen: Zu Clip-on-Schutzblechen werden h�ufig Akkulampen geordert. Wer ein Kinderrad kauft, nimmt oft zus�tzlich einen Sicherheitswimpel und eine lustige Glocke mit. Bestenfalls kann das System noch Kundendaten (Alter, Geschlecht) und einige Produktdaten (Farbe, Gr��e, Einsatzzweck) der bereits gekauften Produkte ber�cksichtigen.

Aber genau hier liegt das Problem: "Die Unternehmen kennen Artikeldaten wie Farbe, Gr��e, Gewicht - die Standards - recht gut", hat G�ller erkannt. "F�r die Kaufentscheidung ist es aber viel wichtiger, zu wissen, welchen Nutzen der Artikel stiftet. Und hier fehlen die Daten." Am wenigsten mangelt es dabei an Wissen. Denn dass ein teures Schloss ein gro�es Sicherheitsbed�rfnis befriedigt, wei� im Grunde jeder. Die Information ist nur nicht in der Produktbeschreibung enthalten.

Maslow wei�, was KundInnen w�nschen

Diese �berlegung hat G�ller auf die Idee gebracht, die fehlenden Informationen durch ChatGPT anreichern zu lassen. G�ller hat dazu die Maslow'sche Bed�rfnishierarchie gew�hlt. Dabei handelt es sich um ein sozialpsychologisches Modell des US-amerikanischen Psychologen Abraham Maslow (1908-1970), das auf vereinfachende Art und Weise menschliche Bed�rfnisse und Motivationen in einer hierarchischen Struktur beschreibt.

Maslow stellte fest, dass manche Bed�rfnisse Priorit�t vor anderen haben und unsere Handlungen bestimmen. Luft und Wasser sind beispielsweise physiologische Grundbed�rfnisse, die wir dringender als alle anderen brauchen. Sind sie jedoch gestillt, treten andere Bed�rfnisse in den Vordergrund, die sofort dringender erscheinen (obwohl sie nat�rlich faktisch weniger wichtig sind). Sprich: Sofern wir Durst haben, werden wir uns vordringlich diesem Bed�rfnis widmen und sogar bereit sein, daf�r Risiken einzugehen. Zumindest, wenn der Durst sehr gro� wird. Ist er jedoch gestillt, treten sofort andere Bed�rfnisse in den Vordergrund. Wir werden uns zum Beispiel wieder in Sicherheit bringen.

Maslow unterscheidet f�nf wesentliche Bed�rfnisse, die hierarchisch geordnet wirken:

Physiologische Grundbed�rfnisse
Sicherheitsbed�rfnisse
Soziale Bed�rfnisse
Individualbed�rfnisse
Selbstverwirklichung

Auch wenn sich die Bed�rfnisse �berlappen, gibt es in jeder Phase ein Bed�rfnis mit der h�chsten Intensit�t. Dieses ist nicht das alleinige, aber in diesem Moment das vorherrschende Motiv unseres Handelns. Und: Je nach Bed�rfnislage sind auch verschiedene Produkte oder Varianten gefragt.

Entscheidender Einfluss auf die CLV

Zun�chst geht es also darum, die Bed�rfnislage zu erkennen, um dann die richtigen Schl�sse zu ziehen. Dazu hat Paraboost den kompletten Produktkatalog eines Online-Shops von ChatGPT danach bewerten lassen, welche Bed�rfnisse aus der Maslow'schen Hierarchie die einzelnen Artikel befriedigen. Daraus l�sst sich ablesen, in welcher Phase sich der Kaufende befindet. Etwa: Steht beim Sicherheitswimpel f�r das Kinderfahrrad eher der Aspekt "Sicherheit" (reflektierende Signalfarbe) oder der Aspekt "Individualisierung" ("Lillifee"-Motiv) im Vordergrund?

"Aber mit dieser Information l�sst sich weit mehr anfangen, als nur die Produktempfehlung zu verbessern", wei� Paraboost-Chef G�ller. Von entscheidender Bedeutung ist es im Marketing, die Bestandskunden klug zu segmentieren. Nicht nur, um die Ansprache des Werbemittels zu verbessern, sondern auch, um das Werbebudget optimal einzusetzen: "Wir haben festgestellt, dass die Maslow'schen Bed�rfniskategorien zu den Top-Variablen zur Errechnung der Customer Lifetime Value geh�ren", sagt G�ller. Das zuk�nftige K�uferverhalten und die Kaufwahrscheinlichkeit l�sst sich anhand der Bed�rfnisphasen pr�zisieren, weil sich die Pers�nlichkeitsentwicklung auch im Kaufverhalten widerspiegelt.

Und auch zu Personalisierungzwecken l�sst sich K�nstliche Intelligenz hervorragend einsetzen. W�hrend Newsletter an die Empf�ngerInnen angepasst sind, endet dies meist bei der Produktbeschreibung im Shop. Der Aufwand w�re einfach zu hoch, f�r Tausende von Artikeln mehrere Text-Varianten zu schreiben und vorzuhalten. Mit ChatGPT ist das m�glich. "Wir nutzen die Maschine, um conversionstarke Produkttexte automatisiert zu erzeugen", verr�t G�ller. "Die KI fasst die vorhandenen Texte zusammen und generiert daraus Beschreibungen mit Tagline, hervorgehobenen Selling Points und verkaufsstarker Botschaft."

F�r die Maschine ist es aber auch kein Problem, Verkaufsargumente und sprachlichen Stil an eine m�nnliche und weibliche Zielgruppe, ein �lteres oder j�ngeres Publikum anzupassen. Und selbst die Maslow'schen Bed�rfnisse k�nnen ber�cksichtigt werden - zumindest in einer standardisierten Form, um die Variantenvielfalt nicht explodieren zu lassen.

Denn gerade zu Anfang ist es wichtig, den �berblick zu behalten. Das Prompting, also die Bedienung einer generischen KI will durchaus gelernt sein. "Es lohnt, damit zu spielen und sich an die richtigen Einstellungen heranzutasten", sagt G�ller. Zu viel "Temperatur" sorgt f�r �bertrieben schr�ge Texte, zu wenig f�r sehr trockene Ergebnisse. Man kann ChatGPT zudem mit verschiedenen Anreizen zu besseren Ergebnissen bringen. "ChatGPT mag gerne spielerische Herausforderungen", hat G�ller festgestellt.

Auf jeden Fall sollte man sich zun�chst mit einer gewissen Vorsicht herantasten. Denn: F�r das, was in der Produktbeschreibung steht, haftet in jedem Fall der H�ndler. Egal, wer den Text geschrieben hat.

Bild: Peter von Bredow

Peter von Bredow
(Tealium)

Data-Driven Marketing 2023: Wie Sie mit Machine Learning Ihre Customer Experience optimieren

Sie wollen Ihre Kundendaten nutzen, um Ihren Kunden die Customer Experience zu bieten, die sie erwarten? Wir zeigen Ihnen in dieser Session, wie Sie Ihre CX mit Machine Learning und Predictive Insights auf das n�chste Level heben.

Erfahren Sie anhand von Praxisbeispielen, wie die genaue Vorhersage des n�chsten Schrittes Ihres Kunden Ihnen dabei hilft, die Customer Experience zu gestalten und welches die Voraussetzungen f�r ein erfolgreiches Machine Learning Projekt sind.Key-Learnings aus dieser Session:
- Die ersten Schritte f�r ein erfolgreiches Machine Learning Projekt
- Herausforderungen im Einsatz von maschinellem Lernen
- Wie Sie einen Nutzen aus Ihren Machine-Learning-Projekten ziehen
- Welchen Mehrwert diese Projekte Ihren Kunden bieten
Vortrag im Rahmen der Zukunftskonferenz 2023. Trends f�r ECommerce, Marketing und digitales Business am 06.12.22, 09:30 Uhr