Künstliche Intelligenz und E-Commerce - ein Duo mit Potenzial

Est steht fest: Die öffentliche Meinung zu künstlicher Intelligenz ist überwiegend negativ, und die Details sind of unzureichend verstanden. Der Begriff der künstlichen Intelligenz selbst hat bereits unzählige endlose Debatten nach sich gezogen, und das Stichwort "künstlich" stiftet Verwirrung in seinem Bezug auf die technologischen Aspekte. Wir möchten in diesem Spannungsfeld keine Partei ergreifen, und ganz im Gegenteil hierzu einen pragramtisch orientierten Ansatz vorschlagen, in dem wir uns auf praktische und bereits heute relevante Anwendungen dieses Themas für den Bereich E-Commerce konzentrieren. 

Anstelle uns also auf den Begriff der künstlichen Intelligenz zu begrenzen, ziehen wir es vor, von Big Data und Algorithmen zu sprechen. Wenn wir Algorithmen erwähnen, ist dies im Sinne statistischer Modelle gemeint. KI wird in diesem Zusammenhang zu einem Mittel zur Erstellung von Vorhersagen basierend auf rationneller Basis und mit deutlich höherer Zuverlässigkeit als sie seitens eines individuell handelnden Menschen erzielt werden könnte, dessen kognitive Kapazität ihre natürlichen Grenzen kennt. 

Diesen Ansatz haben wir auch in unserem Webinar des vergangenen Jahres verfolgt, in dem wir auf auf Yann Le Cun, den Facebook Vorstand für Künstliche Intelligenz verwiesen, welcher KI als « die Gesamtheit der Technologien die Maschinen das Abhandeln von Aufgaben und die Lösung von Problemen gestattet, die normalerweise Menschen vorbehalten sind » definiert.

In anderen Worten zeigt sich KI also als eine Art Technologie auf diese wir uns mathematisch stützen können um unsere menschlichen und technischen Grenzen zu sprengen und so immer besser in der Vorhersage und in der Antizipation unserer täglichen Problemstellungen zu werden, was aus unserer Perspektive eine enorme Chance zur deutlichen Verbesserung des Online Handels bedeutet. 

Wie der letzte Bericht der KPMG unterstreicht, ist "künstliche Intelligenz im E-Commerce heute kein futuristisches Konzept mehr sondern vielmehr ein praktisches Anwendungsfeld dessen sich die Online-Händler deutlich bewusst sind. »

Denn die Akteure des E-Commerce haben sehr konkrete Fragestellungen: welche Mittel können eingesetzt werden, um Suggestiv-Verkäufe zu Optimieren? Wie können Tests auf der eigenen E-Commerce Website möglichst effizient konzipiert und durchgeführt werden? Wie können Preise über die Gesamtheit der Webmarketing-Kanäle hinweg effizient verwaltet werden wenn die Datenströme mehrere Tausende Artikelreferenzen enthalten? Wie kann die Platzierung Ihres Katalogs auf Marktplätzen mittels Synchronisationsprozessen optimiert werden? Und welche Möglichkeiten bestehen, die zeitfressenden Arbeitswege der natürlichen Suchmaschinenoptimierung möglichst kurz und effizient zu halten?

Kurz gesagt, wie werden Algorithmen Ihnen die feinfühlige Anpassung Ihres Angebots entsprechend der Nachfragen Ihrer verschiedenen Zielgruppen gestatten?

Diese zentralen Fragestellungen werden wir im Folgenden innerhalb von drei verschiedenen Kapiteln angehen: 

. im ersten Kapitel sehen wir wie KI sich in eine E-Commerce Seite integrieren lässt, um hier die User Experience zu optimieren, und dabei enorme Zeitgewinne für die Internet-User zu erzielen. 

. im zweiten Kapitel erfahren wir wie künstliche Intelligenz zur Verbesserung der Effizienz der eingesetzten Werbemittel genutzt werden kann, und bei dieser Gelegenheit einen gezielten Blick auf das bei Google eingesetzte Machine Learning werfen. 

. im dritten Kapitel schließlich wird die Bilanz der neu verfügbaren algorithmischen Lösungen gezogen, die uns gestatten Datenströme zu Marktplätzen oder Webmarketing-Kanälen zu automatisieren und dabei gleichzeitig die Marktbestpreise aus Benchmark aller vergleichbaren Artikel in Echtzeit anzupassen und - entsprechend der gewünschten Vertriebs-Performance - anzuzeigen. 

Online Händler sind stets auf der Suche nach der besten Einkaufserfahrung für die Besucher Ihres Online-Shop, die letzteren gestatten muss, die Produkte die den Erwartungen am meisten entgegenkommen am schnellsten zu finden.

Nehmen wir ein anschauliches Beispiel: Eine Kundin der E-Commerce Seite des Herstellers von Schuhen für urbane Entdecker PATAUGAS möchte ein neues Paar Schuhe finden. In diesem Stadium ihrer Produktsuche wünscht die potenzielle Kundin zunächst eine Suche nach dem Farbwert, da dies die erste Variable ist die feststeht. Sie wird also natürlicherweise den Begriff 'Schwarz' in die Suchleiste der Seite eingeben. Darauf basierend wird die integrierte Suchmaschine automatisch eine Serie an Produkten vorschlagen. 

Soweit können einige Leser dazu angehalten sein, nichts außergewöhnliches festzustellen, und sich Fragen, welchen Bezug zur künstlichen Intelligenz und zur Funktionsweise der Algorithmen dieses Beispiel bietet…

Genau an dieser Stelle muss aber die subtile Funktionsweise des Systems beachtet werden. Tatsächlich nutzt die Suchleiste hier eine Algorithmus-gestützte Lösung (Doofinder) dessen hintanstehender Prozess relevante Produkte anzeigt, ohne dass der Nutzer seine Suche bestätigen muss. Dies gestattet dem Algorithmus vom Verhalten der Nutzer zu lernen und sich dabei immer besser an die Anfragen letzterer anzupassen und so wiederum deren gesamte Einkaufserfahrung zu optimieren. Es handelt sich um ein äußerst leistungsfähiges Mittel welches schnell und intuitif arbeitet um den Internet-Usern das Produkt welches Ihren Erwartungen am ehesten entspricht nahezubringen - denn dem System ist es gelungen, zu "verstehen", welche Art an Produkten diese Kundin am ehesten interessieren könnte.

Ein anderes Beispiel ist die Seite E-Liquide.fr, auf der diese Suchfunktion ebenfalls implementiert wurde, und die heute zu den nationalen Marktführern im Bereich von E-Liquids für E-Zigaretten zählt. Die Ergebnisse lassen nicht auf sich warten: Laut dem Marketing Direktor Julien Goldrach führen 70% der seitens der Besucher durchgeführten Anfragen zum Klick auf einen Artikel, was wiederum eine Konversionsrate von mehr als 15% zur Folge hat! 

Alle Internetnutzer die sich häufiger auf Amazon begeben haben es bemerkt: Dass die Seite einen echten suggestiven Effekt auswirkt, der den Besucher beim kauf orientiert oder "berät" indem angezeigt wird, das « die Kunden die diesen Artikel suchen auch jene Produkte konsultiert oder gekauft haben… ». Diese Empfehlungen sind oft besonders zutreffend, da sie nicht nur wie angezeigt abhängig von den Produktsuchen, sondern auch abhängig vom Profil des Internetnutzers erstellt werden.

Die gute Neuigkeit ist, dass diese Art von Technologie nicht exklusiv den Giganten des E-Commerce und dem Online-Handels-Monopolisten Amazon vorbehalten ist. Online-Händler aller Unternehmensgrößen haben heute durchaus Zugang zu dieser Art algorithmus und können so dieselbe Suggestiv-Verkaufsfunktion auch ihren Besuchern und potenziellen Kunden zur Verfügung stellen, um deren Einkaufserfahrung noch persönlicher zu machen. So hat es beispielsweise ein Lederschmuck-Onlinehändler gemacht und hierzu die Lösung Target2Sell implementiert, deren Funktionsweise auf genau demselben Prinzip basiert:

Die hier angezeigten empfohlenen Artikel sind entsprechend des Besuchers personalisiert. Der Verwalter dieser E-Commerce Website kann somit zur gleichen Zeit komplementäre Artikel hervorheben, deren Relevanz in der vertriebsstrategischen Logik oder sogar in der eigenen Erfahrung beruhen kann. (cf. articles complémentaires - ergänzende Artikel, am Seitenende des obenstehenden Beispiels) und sich dabei auf einen Suggestions-Algorithmus stützen, der zudem Produkte aus vorhergehenden Besuchen desselben Internet-Users und sogar seine allgemeinen Vorlieben aus vergangenen Bestellungen hervorheben wird. (cf. « Nos recommandations - unsere Empfehlungen »).