Ein KI-Assistent, der fragt: \u201eWonach suchen Sie?“ kann intelligent klingen. Wenn er jedoch mit irrelevanten Produkten antwortet, endet das Gespr\u00e4ch schnell.<\/p>\n
Neueste Forschungsergebnisse* zeigen, dass Verbraucher nicht darauf warten, dass H\u00e4ndler ihnen einen futuristischen Einkaufsroboter bieten. Oder die auff\u00e4lligste KI-Funktion, die Verbraucher unterh\u00e4lt. Sie warten darauf, dass Marken verstehen, was sie m\u00f6chten. Empfehlungssysteme erf\u00fcllen dieses Bed\u00fcrfnis heute deutlich besser. <\/p>\n
Ein Empfehlungssystem funktioniert anders. Es kann aus dem Browsing-Verhalten, der Kaufhistorie, Pr\u00e4ferenzen, der Preissensibilit\u00e4t, Produktbeziehungen und dem Kontext in Echtzeit lernen. Es verbessert die Produktsuche unauff\u00e4llig, ohne dass K\u00e4ufer alles erkl\u00e4ren m\u00fcssen.<\/p>\n
Das macht Empfehlungen zu einem wichtigen ersten Schritt bei der Einf\u00fchrung von KI.<\/p>\n
Wenn K\u00e4ufer wiederholt n\u00fctzliche Vorschl\u00e4ge erhalten, beginnen sie, dem System zu vertrauen. Dieses Vertrauen kann anschlie\u00dfend zu fortschrittlicheren Funktionen f\u00fchren:<\/p>\n
Verbraucher sind eher bereit, Aufgaben zu delegieren, sobald sich die Technologie bew\u00e4hrt hat.<\/p>\n
Mit anderen Worten: Der Warenkorb ist nicht die Startlinie. Relevanz ist es.<\/p>\n
Das Interesse der Verbraucher w\u00e4chst, doch die Investitionen der H\u00e4ndler bleiben zur\u00fcck. Nur 36 % der H\u00e4ndler verf\u00fcgen \u00fcber ein eigenes KI-Budget, obwohl bereits etwa zwei Drittel der Verbraucher Einkaufsagenten mit KI nutzen oder Interesse daran zeigen.<\/p>\n
Dadurch entsteht ein gef\u00e4hrliches Ungleichgewicht.<\/p>\n
Kunden gew\u00f6hnen sich zunehmend an personalisierte digitale Erlebnisse, w\u00e4hrend viele H\u00e4ndler noch mit fragmentierten Daten, unvollst\u00e4ndigen Produktinformationen und begrenzten Infrastrukturen f\u00fcr Personalisierung arbeiten. Einen KI-Assistenten auf dieser Grundlage einzuf\u00fchren, wird das Problem nicht l\u00f6sen. Es k\u00f6nnte es lediglich sichtbar machen.<\/p>\n
Ein Assistent kann nichts empfehlen, was die Daten des H\u00e4ndlers nicht verstehen.<\/p>\n
H\u00e4ndler m\u00fcssen nicht mit einem vollst\u00e4ndig automatisierten Einkaufsagenten beginnen. Sie m\u00fcssen mit n\u00fctzlichen Erlebnissen beginnen, die funktionieren.<\/p>\n
Eine intelligentere Einf\u00fchrung k\u00f6nnte folgenderma\u00dfen aussehen:<\/p>\n
Dieser Ansatz erzeugt m\u00f6glicherweise nicht so viele Schlagzeilen, aber mit gr\u00f6\u00dferer Wahrscheinlichkeit bessere Ergebnisse.<\/p>\n
Das bekannteste KI-Modell ist nicht automatisch die beste L\u00f6sung f\u00fcr den Einzelhandel. Die Leistungsf\u00e4higkeit ist wichtiger als der Bekanntheitsgrad der Marke. H\u00e4ndler sollten Technologien danach ausw\u00e4hlen, wie gut sie in der Lage sind, die Absicht zu verstehen, Kundendaten zu verkn\u00fcpfen und konstant relevante Empfehlungen zu liefern.<\/p>\n
H\u00e4ndler verbringen m\u00f6glicherweise zu viel Zeit mit der Frage: \u201eWie f\u00fchren wir einen KI-Assistenten ein?“ Die bessere Frage lautet: \u201eWie k\u00f6nnen wir jede Produktempfehlung n\u00fctzlicher machen?“<\/p>\n
Ein Empfehlungssystem<\/a>, das konstant die richtigen Produkte anzeigt, kann schon heute ein besseres Erlebnis bieten. Es ist vertraut, unkompliziert und f\u00fcr Verbraucher leichter anzunehmen. Noch wichtiger ist, dass es das Vertrauen schafft, das die KI-Assistenten von morgen ben\u00f6tigen.<\/p>\n Die Marken, die erfolgreich sein werden, sind nicht diejenigen, die die auff\u00e4lligste KI-Funktion einf\u00fchren. Es sind diejenigen, die das Einkaufen m\u00fchelos erscheinen lassen – eine relevante Empfehlung nach der anderen.<\/p>\n *<\/sup>Quelle der Forschung: https:\/\/www.emarketer.com\/content\/ai-retail-interest-high-poor-execution-driving-abandonment<\/a><\/p>\n Entdecken Sie das Empfehlungssystem von Quarticon. <\/p>\n