Blog

Wertvolle Impulse für deinen Online Shop

Predictive Retailer – Realität oder Vision?

24. Januar 2017

Daniela Ilincic

Recommendation Engine Technologie

Mit dem Einsatz künstlicher Intelligenz im e-Commerce sollen Händler zum Predictive Retailer werden. Spezifische Kundenbedarfe werden vor dem Besuch im Online-Shop vorhergesehen und das gewünschte Produkt zur richtigen Zeit empfohlen. Dadurch soll beispielsweise einer berufstätigen Mutter, das passende Produkte für einen bevorstehenden Ausflug ihres Kindes, im digitalen Shop, eingeblendet werden. Realität oder Vision?

Eine Seifenblase zeigt eine Person die auf der Straße im Sonnenuntergang steht. Die Seifenblase symbolisiert die künstliche Intelligenz die auch in Online Shops für Recommendations eingesetzt wird.

Was ist künstliche Intelligenz?

Als künstliche Intelligenz wird eine Menge an Methoden bezeichnet, über welche der Computer derart programmiert wird, dass dieser auf Basis des menschlichen Handelns, Probleme löst. Dazu werden Algorithmen aus der Mathematik und Informatik verwendet, um intelligentes Verhalten zu simulieren. Da das Forschungsgebiet der künstlichen Intelligenz mit anderen wissenschaftlichen Bereichen wie Psychologie, Neurologie und Kommunikationswissenschaft Berührungspunkte aufweist, finden sich in der Praxis verschiedene Anwendungsbereiche der künstlichen Intelligenz.¹

 

Einsatz künstlicher Intelligenz im e-Commerce

Im e-Commerce wird künstliche Intelligenz bereits eingesetzt, um bestimmte Muster im Kaufverhalten eines Kunden zu erkennen und Vorhersagen über den Kauf eines Produktes zu treffen. So ist es heute bereits möglich, einem Kunden Produkte nach seinem Geschmack im Online-Shop zu empfehlen und dadurch den Kauf zu begünstigen. Ist es aber auch möglich, im Voraus zu erkennen, was der Kunde als nächstes benötigt, um sein Bedürfnis schneller zu befriedigen und die Zufriedenheit zu erhöhen? Um diese Frage zu beantworten, muss zunächst die Entstehung individueller und relevanter Empfehlungen beleuchtet werden.

 

Von der künstlichen Intelligenz zur relevanten Empfehlung

Um relevante und individuelle Empfehlungen auszusteuern, muss:

  • das Verhalten der Besucher im Online-Shop aufgenommen und in einer Datenbasis gesammelt werden. Dies geschieht über ein integriertes Tracking in einem Online-Shop.
  • über Supervised Learning und Reinforcement Learning, Teilbereiche der künstlichen Intelligenz, eine Analyse des Klick- und Kaufverhaltens eines Besuchers sowie der Gesamtheit der Besucher im Online-Shop erfolgen.

Das Ergebnis ist eine Vorhersage über den Kauf eines bestimmten Produkts, durch eine bestimmte Person. Dieses Produkt wird daraufhin einem Online-Shopper, welchem zuvor eine ID zugewiesen wurde, in Echtzeit empfohlen, während er sich im Online-Shop befindet.

Die Reaktion (z. B. Kauf oder Nichtkauf) wird dabei vom System erfasst und dieses Wissen für weitere Empfehlungen miteinbezogen. Es entsteht ein Lernprozess, über welchen die Empfehlungen stetig optimiert werden. Es ist also heutzutage bereits möglich, personalisierte Empfehlungen auszuspielen. Kann aber auch der spezifische Bedarf einer Person in Voraus ermittelt werden, um die Empfehlung noch genauer zu machen?

 

Ein Knoten stellt die vier wesentlichen Komponenten einer Personalisierung dar.

 

Vom Shop-Betreiber zum Predictive Retailer

Als Predictive Retailer soll der spezielle Bedarf eines Kunden im Voraus genau vorhergesehen werden, um weiter strategische Entscheidungen treffen zu können. Dadurch könnte z. B. der Lieferprozess bereits eingeleitet werden, bevor das Produkt bestellt wird. Dies würde die Kundenzufrieden durch eine noch schnellere Lieferzeit steigern. Der heutige Technologiestandard ermöglicht bereits, auf den Kundenbedarf einzugehen und diesen zu befriedigen. Um jedoch noch genauere Empfehlungen einzublenden, sind noch umfangreichere Daten nötig. Dazu gehören z. B. Daten hinsichtlich des Lebensstils, des Berufs, der Motivation und der Werte. Um diese zu verarbeiten, benötigt man wiederum eine weiterentwickelte Technologie. Deshalb ist der Predictive Retailer, welcher den spezifischen Bedarf einer Person vor dem Shopbesuch erkennt, derzeit noch eine Vision, die angestrebt wird.

 

Fazit:

Um den Kundenbedarf vorausschauend zu befriedigen, sind eine Datenbasis und die Verfahrensweise der künstlichen Intelligenz notwendig. Dadurch werden personalisierte Empfehlungen ermöglicht. Um jedoch als Predictive Retailer den Bedarf von Personen vor dem Shopbesuch zu ermitteln, sind noch umfangreichere Daten sowie die Weiterentwicklung der Verfahren nötig. Somit ist der Predictive Retailer eine Vision, die es zu erreichen gilt, um die Kundenzufriedenheit noch weiter zu erhöhen. Eine Investition in solch eine vorausschauende Technologie, lohnt sich deshalb schon heute.

¹ planetwissen

Erfahre, wie internetstores relevanten Empfehlungen einsetzt:

Lese jetzt die Case Study!

 

Case Study: Umsatzsteigerung bei internetstores

 

 

 

Mehr Infos zu den relevanten Empfehlungen >>

 

Hast du Fragen oder Anregungen? Teile sie gerne mit uns via Kommentarfunktion!

 

War dieser Beitrag hilfreich?

Daniela Ilincic

Daniela Ilincic ist als Online Marketing Managerin bei epoq tätig. Sie ist auf die Bereiche SEM und Content Marketing spezialisiert. Neben der Website-Optimierung schreibt sie Blogartikel und vermittelt marktrelevante Informationen zur Online Shop Personalisierung.

Kommentare (2)

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Digitales Storytelling personalisieren: Emotional Commerce 2.0

4. Oktober 2017

Mit Reco Engines den Warenkorbwert steigern

13. Juni 2017

e-Commerce Recommendations – via Cluster oder Personalisierung?

24. April 2017

Absprungrate senken | Teil 1: 4 Tipps für den Umgang mit Null-Treffer-Seiten 4 Tipps, wie der Online Shop für Ostern optimiert werden kann

Beginne zu tippen und drücke Enter zum suchen