Wie Onlineshops von Künstlicher Intelligenz profitieren

Das Umfeld in dem Onlineshops agieren hat sich in den letzten 10 Jahren rasant gewandelt, ein wesentlicher Antreiber: Künstliche Intelligenz (KI). Dabei spielen die enorm wachsenden Mengen an verfügbaren Daten eine Rolle und auch die neuen Möglichen diese intelligent zu Verarbeiten. Große Unternehmen wie Amazon oder Alibaba setzen KI in allen Bereichen ein, um interne Prozesse zu optimieren und Kunden ein besseres und schnelleres Einkaufserlebnis zu ermöglichen. Ein wichtiges Gebiet ist die KI-basierte Textanalyse. Dr. Till Plumbaum, Head of A.I./Research bei Neofonie, ist sich sicher: um sich gegenüber der großen Konkurrenz an Onlineshops durchzusetzen, sind Textanalyse Werkzeuge der Schlüssel für erfolgreichen E-Commerce. Dabei reicht das Einsatzgebiet von der automatischen
Erstellung von Produktseiten bis zur inhaltsbasierten Empfehlung für den Kunden. Im Folgenden stellt er Beispiele sowohl für Onlinehändler als auch Onlinekunden vor, die uns schon bald begegnen werden.

Eine 2017 durchgeführte repräsentative Studie der Bitkom belegt, dass zwei Drittel der Onlinekäufer Kundenbewertungen in Onlineshops lesen. Sie sind zu einem wesentlichen Faktor beim digitalen Verkauf gewachsen. Dahingehend gehören Fake-Bewertungen zu den größten Herausforderungen: Syntaktische und semantische Algorithmen helfen dabei, diese wettbewerbsverzerrenden Bewertungen zu identifizieren. Und auch darüber hinaus ist die Textanalyse von Bewertungen wichtig: Aus positivem wie negativem Feedback erhalten Unternehmen und Anbieter Informationen über etwaige Probleme von Produkten oder Bestellungen. Auch im Bereich Retoure ist der erste Touchpoint die KI. Gründe für Rückgaben automatisch zu interpretieren, spart Zeit und folglich auch Geld. Textanalyse ist hier der Schlüssel, um das eigene Produkt bzw. die Dienstleistung zu optimieren.

Mittels Einsatz von Methoden der KI lassen sich auch gezielt Produkte und Dienstleistungen mit hoher Attraktivität identifizieren. Ein präsentes Schlagwort dabei: Predictive Analytics. Die Kombination aus Data Mining und Maschinellem Lernen sorgt dafür, dass Daten systematisch erfasst werden und im Anschluss mithilfe von Prognosemodellen in Relation zueinander gesetzt werden. Das Ergebnis sind Vorhersagen über zukünftige Trends, die sich Onlinehändler zu Nutze machen sollten. Diese Informationen automatisiert zu erfassen, bietet die Chance, das eigene Warenangebot anzupassen und so zum Beispiel den Preis zu bestimmen oder den Bestand zu erhöhen.  

Um den Kunden auf direktem Weg zum gewünschten Produkt zu führen, ist die Suche erfolgsentscheidend. In vielen Shopsystemen wird die integrierte Suche genutzt, die Betreiber behandeln diese aber eher stiefmütterlich. Eine Out-of-the-Box Lösung, wie sie in vielen Shopsystemen verfügbar ist, erfüllt zwar meist die Anforderung, das Kunden Produkte finden, aber mehr nicht. Gerade hier kann die Textanalyse einen entscheidenden Beitrag leisten, das Shopsystem von der Konkurrenz abzusetzen. Eine intelligente Suche muss in der Lage sein, die Intention des Nutzers zu erkennen und so passende Produktvorschläge zu ermitteln. Auch wenn der Nutzer sie in der Suche nicht klar benennen kann. Die Suche des Kunden wird dabei von der KI untersucht und um semantische und kontextbezogene Informationen erweitert. Mittels der erweiterten Suchanfrage und anhand ähnlicher Anfragen, die von der KI analysiert wurden, kann dem Kunden eine individuelle Liste an Artikeln angezeigt werden und auch weiterführende Informationen gegeben werden.

Neben der textuellen Suche ist auch die Suche mit Bildern ein möglicherweise wichtiger Punkt, der Nutzer eines Shopsystems interessiert. Mittels KI-Methoden können vom Nutzer bereitgestellte Bilder analysiert und ähnliche Produkte gezeigt werden. Dabei muss man sich nicht nur auf die visuelle Ähnlichkeit der Waren beschränken, sondern kann auch aus dem Bildern Textinformationen, wie Markennamen, extrahieren und für eine Verfeinerung der Suche nutzen.

Die Suche ist häufig der erste Anlaufpunkt für den Kunden, um sein Bedürfnis zu benennen, und ist wie oben beschrieben eines der wichtigsten Werkzeuge eines Shopsystems. Während die Suche aber ein Instrument ist, dass der Kunde selbst nutzen muss, sind Empfehlungssysteme eine Möglichkeiten für Onlinehändler den Kunden proaktiv auf interessante Artikel zu hinzuweisen. Dabei kann schon allein anhand der Jahreszeit, dem Geschlecht und dem Alter des Nutzers, die KI mögliche Interessen erkennen. Ausgefeiltere Systeme nutzen auch das vergangene Kaufverhalten des Nutzers und auch inhaltsbasierte Informationen, die mittels Textanalyse aus den Artikelbeschreibungen erkannt wurden. So kann ein hybrides Empfehlungssystem die Information nutzen. So ermittelt das System beispielsweise, dass Apple-Nutzer derartige Produkte bevorzugen und basierend auf der textuellen Analyse z.B. welche Farbe der Kunde bevorzugt. 

Das wohl präsenteste KI-Werkzeug in der heutigen Digitalwelt sind Chatbots. Wie die YouGov-Studie „Kommunikation per Chatbot“ bereits zeigte: Für jeden Zweiten ist diese Form der Kommunikation vorstellbar. Speziell bei Vertragsabschlüssen, z.B. Mobilfunktarifen, gibt es einen eingeschränkten aber sehr präzisen Bedarf an Informationen, die sich der Kunde wünscht. Mithilfe der digitalen Berater erhalten Onlinehändler wesentliche Erkenntnisse über den Bedarf und etwaige Problemstellungen. Gleichzeitig profitieren Kunden von einem schnellen Service und keinen Warteschleifen. Auch hier ist die Textanalyse unabdingbar, um analog zu Suche und die Intention des Nutzers zu verstehen. Moderne Systeme sind auch in der Lage die Stimmung des Nutzers zu erkennen und das Gesprächsverhalten dementsprechend anzupassen. 

Für Onlinehändler ist es in Zeiten des Individual Commerce immer wichtiger, Trends und Bedürfnisse vor dem Kunden zu erkennen. Im Hinblick darauf ist die Textanalyse ein entscheidendes Werkzeug, um im Wettbewerb zu bestehen. Onlinekunden verkürzen ihr Shopping-Erlebnis und gelangen schneller zum Ziel. Unternehmen profitieren von größeren Bestellmengen und von umfangreichen Datenschätzen, um ihren Shop und das eigene Portfolio zu optimieren.

Veröffentlichung am 30.10.2018, aktualisiert 12.10.2020