Ein KI-Assistent, der fragt: „Wonach suchen Sie?“ kann intelligent klingen. Wenn er jedoch mit irrelevanten Produkten antwortet, endet das Gespräch schnell.
Neueste Forschungsergebnisse* zeigen, dass Verbraucher nicht darauf warten, dass Händler ihnen einen futuristischen Einkaufsroboter bieten. Oder die auffälligste KI-Funktion, die Verbraucher unterhält. Sie warten darauf, dass Marken verstehen, was sie möchten. Empfehlungssysteme erfüllen dieses Bedürfnis heute deutlich besser.
Wie funktionieren Empfehlungssysteme?
Ein Empfehlungssystem funktioniert anders. Es kann aus dem Browsing-Verhalten, der Kaufhistorie, Präferenzen, der Preissensibilität, Produktbeziehungen und dem Kontext in Echtzeit lernen. Es verbessert die Produktsuche unauffällig, ohne dass Käufer alles erklären müssen.
Das macht Empfehlungen zu einem wichtigen ersten Schritt bei der Einführung von KI.
Wenn Käufer wiederholt nützliche Vorschläge erhalten, beginnen sie, dem System zu vertrauen. Dieses Vertrauen kann anschließend zu fortschrittlicheren Funktionen führen:
- 61 % der Verbraucher interessieren sich für Produktpakete und ergänzende Produkte.
- Bei den bestehenden KI-Nutzern steigt dieser Anteil auf 88 %.
- Das Interesse daran, dass KI einen vollständigen Warenkorb erstellt, steigt von 48 % bei allen Verbrauchern auf 81 % bei den bestehenden KI-Nutzern.
Verbraucher sind eher bereit, Aufgaben zu delegieren, sobald sich die Technologie bewährt hat.
Mit anderen Worten: Der Warenkorb ist nicht die Startlinie. Relevanz ist es.
Das eigentliche Problem: Händler sind nicht ausreichend vorbereitet
Das Interesse der Verbraucher wächst, doch die Investitionen der Händler bleiben zurück. Nur 36 % der Händler verfügen über ein eigenes KI-Budget, obwohl bereits etwa zwei Drittel der Verbraucher Einkaufsagenten mit KI nutzen oder Interesse daran zeigen.
Dadurch entsteht ein gefährliches Ungleichgewicht.
Kunden gewöhnen sich zunehmend an personalisierte digitale Erlebnisse, während viele Händler noch mit fragmentierten Daten, unvollständigen Produktinformationen und begrenzten Infrastrukturen für Personalisierung arbeiten. Einen KI-Assistenten auf dieser Grundlage einzuführen, wird das Problem nicht lösen. Es könnte es lediglich sichtbar machen.
Ein Assistent kann nichts empfehlen, was die Daten des Händlers nicht verstehen.
Hören Sie auf, dem fortschrittlichsten Anwendungsfall hinterherzujagen
Händler müssen nicht mit einem vollständig automatisierten Einkaufsagenten beginnen. Sie müssen mit nützlichen Erlebnissen beginnen, die funktionieren.
Eine intelligentere Einführung könnte folgendermaßen aussehen:
- Produktdaten und Kundenprofile verbessern.
- Personalisierte Produktempfehlungen einsetzen.
- Benachrichtigungen über Preissenkungen, Geschenkideen und Vorschläge für ergänzende Artikel hinzufügen.
- Relevanz, Interaktion, Konversion und Abbrüche messen.
- Dialogbasierte und automatisierte Einkaufsfunktionen erst dann einführen, wenn Vertrauen aufgebaut wurde.
Dieser Ansatz erzeugt möglicherweise nicht so viele Schlagzeilen, aber mit größerer Wahrscheinlichkeit bessere Ergebnisse.
Das bekannteste KI-Modell ist nicht automatisch die beste Lösung für den Einzelhandel. Die Leistungsfähigkeit ist wichtiger als der Bekanntheitsgrad der Marke. Händler sollten Technologien danach auswählen, wie gut sie in der Lage sind, die Absicht zu verstehen, Kundendaten zu verknüpfen und konstant relevante Empfehlungen zu liefern.
Sie müssen nicht die auffälligste KI-Funktion einführen
Händler verbringen möglicherweise zu viel Zeit mit der Frage: „Wie führen wir einen KI-Assistenten ein?“ Die bessere Frage lautet: „Wie können wir jede Produktempfehlung nützlicher machen?“
Ein Empfehlungssystem, das konstant die richtigen Produkte anzeigt, kann schon heute ein besseres Erlebnis bieten. Es ist vertraut, unkompliziert und für Verbraucher leichter anzunehmen. Noch wichtiger ist, dass es das Vertrauen schafft, das die KI-Assistenten von morgen benötigen.
Die Marken, die erfolgreich sein werden, sind nicht diejenigen, die die auffälligste KI-Funktion einführen. Es sind diejenigen, die das Einkaufen mühelos erscheinen lassen – eine relevante Empfehlung nach der anderen.
*Quelle der Forschung: https://www.emarketer.com/content/ai-retail-interest-high-poor-execution-driving-abandonment
Entdecken Sie das Empfehlungssystem von Quarticon.
