Künstliche Intelligenz im E-Commerce
Personalisierte Inhalte, automatisierte Betrugserkennung und KI im Kundenservice im Check
Technologien wie Machine Learning (ML) und Künstliche Intelligenz (KI) sind aus unserem Alltag nicht mehr wegzudenken. Beispiele gibt es überall da, wo es einen Bildschirm gibt: ob SnapChat Filter oder weichgezeichneter Hintergrund in Zoom und Konsorten, Alexa, Bildstabilisatoren im Handy, Film- und Musikvorschläge oder eben beim Online Shopping. Vom Handy über Voice-Assistenten bis hin zum TV: die Künstliche Intelligenz ist also nicht nur auf dem Vormarsch, sondern längst integraler Bestandteil unserer Medien und Assets.
Die oben genannten Szenarien sind dabei eher Beispiele aus dem B2C bzw. durch die Brille der User betrachtet. Für diese heißt das in erster Linie Convenience und eine verbesserte UX. Denn diese bekommen (hoffentlich) meist recht wenig von den komplexen Prozessen hinter den Kulissen mit und genießt dabei ohne es zu merken die Vorzüge der Automatisierung.
Was schön wirkt, muss auch professionell funktionieren
Für Serviceanbieter sieht das aber ganz anders aus. Sie betreiben hohe Aufwände, um den Konsumierenden ein Usability-Erlebnis par excellence zu bieten und damit verbunden, die entsprechenden Software-Komponenten auszuwählen und zu integrieren. Und das obendrein mit hohen Risiken: Denn die KI greift in komplexe Geschäftsprozesse ein und kann, wenn sie nicht richtig konfiguriert ist, sogar schaden. Wer hat als Kund*in schon Lust, die falschen Artikel vorgeschlagen zu bekommen? Da wird dann einfach schnell weggeklickt. Und das kann sich keine Shop-Betreiber*in leisten, denn die Konkurrenz ist groß und schläft nicht.
Ein weiteres Horrorszenario ist das bloße Anwenden von Technologie ohne klares Ziel – frei nach dem Motto “Ich hätte gern ein Kilogramm KI”.
Von kurzfristigem Feuerlöschen und nachhaltigem Erfolg: KI strategisch einsetzen
Aus all diesen Gründen schrecken viele mittelständische Online-Händler*innen vor dem strategischen Einsatz von Künstlicher Intelligenz und Machine Learning zurück. Sie nutzen entweder vorimplementierte Stockfeatures, die Shopsysteme wie Oxid, Magento oder ähnliche mitbringen, Third-Party-Plugins oder sie verzichten im Worst Case sogar gänzlich auf die Chancen dieser neuen Technologien. Am Ende ist der Shop wie ein Leatherman aus dem Discounter: er kann zwar irgendwie alles, aber verbiegt sich beim Festdrehen der Ventilschraube, wenn es einen Wasserschaden gibt und der ganze Laden unter Wasser steht.
Individuelle Business Cases und die wirklich interessanten Anwendungsfälle lassen sich durch Out-Of-The-Shelf-Lösungen nicht abbilden: Prozesse automatisieren, Data Lakes verbinden, Analysen fahren, User Experience verbessern und Umsatz steigern. Und das frei skalierbar.
Zudem funktionieren diese Out-Of-The-Shelf-Lösungen nur bis zu einer gewissen Skalierung und stoßen früher oder später an ihre Grenzen. Wie der Discounter-Leatherman.
Für Sie als Online-Händler*in lohnt es sich also, früh in die richtige Datenstrategie zu investieren und sich die Frage zu stellen, was ich mit dem Einsatz der Technologie erreichen will. Wenn notwendig mit einem Consultant, der sowohl Ihre Business Abläufe versteht als auch genügend technologisches Know-how mitbringt.
Wie sieht es denn nun aus im E-Commerce? Die Trends im Check!
Was sind die heißen Trends? Welche Technologien lohnen sich wirklich und werden diese tatsächlich schon genutzt? Ich habe mich für Sie umgeschaut und drei relevante Use Cases unter die Lupe genommen.
Aber Vorsicht: Die Anwendungsfälle von KI und ML sind vielfältig und können sich von Shop zu Shop stark unterscheiden. Die ausgewählten Use Cases stehen exemplarisch für eine gut durchdachte Datenstrategie und klare Ziele. Sie sind außerdem durch Erfahrungen und Fakten belegbar. Bitte verstehen Sie die Use Cases daher eher als Darstellung der Möglichkeiten und Schlagkraft dieser neuen Technologien und behalten Sie immer im Hinterkopf, welche weiteren Anwendungsfälle, vor allen Dingen prozessual, es in Ihrem Unternehmen geben könnte.
Personalisierte Inhalte
Verbesserte Customer Experience und Kundenbindung
Aus einer Studie von Accenture:
91% der befragten Verbraucher*innen kaufen lieber bei Marken, die ihnen passende Angebote und Produktempfehlungen unterbreiten.
Personalisierte Inhalte: Das bedeutet, die Bedürfnisse eine*r Kund*in zu kennen und sowohl Ansprache, Produkthinweise als auch Angebote darauf anzupassen. Diese Bedürfnisse werden aufgrund von historischen Kundendaten ermittelt und in Form eines Profils (Customer Journey) gespeichert und segmentiert.
Kund*innen sind übrigens gern dazu bereit, ihre Daten im Tausch für das verbesserte Einkaufserlebnis preiszugeben: rund 75% der Teilnehmenden gaben sogar an, dass sie ihre historischen Daten mit eigenen Angaben zu Vorlieben und Bedürfnissen ergänzen würden, um noch passendere Inhalte angezeigt zu bekommen.
Es gibt jedoch Fallstricke. Die richtigen Daten sind als Grundlage unerlässlich: bis zu 48% der potenziellen Kund*innen verlassen einen Shop, wenn sie die angezeigten Inhalte nicht interessieren. Uninteressante Inhalte, das sind nicht nur die falschen Produkte, sondern auch zu viele oder sogar zu persönliche Empfehlungen. Ortsgebundene Empfehlungen oder plötzlich auftauchende Produkthinweise in Social Media Streams empfinden Konsumenten als aufdringlich und sogar unheimlich. Der entscheidende Faktor zwischen “Nützlichkeit” und “Datenkrake” ist also die Transparenz und letztlich das Vertrauen der Kund*innen in die Marke oder den Shop.
91% der befragten Kund*innen wünschen sich auf sie individuell angepasste Inhalte. Nur 40% geben an, wirklich passende Inhalte angezeigt zu bekommen. Es gibt also Potenzial nach oben. Eine Kombination aus modernen Recommendation Engines und dem Dialog mit den Kund*innen ist hierfür die beste Voraussetzung.
Automatisierte Betrugserkennung
Präventive Verhinderung von Schäden in Millionenhöhe
Über 97% aller E-Commerce-Händler*innen waren schon einmal Opfer von Betrug. Das zeigt eine Umfrage von CRIF-BÜRGEL.
Die Betrugsversuche gestalten sich vielseitig: Ob Kreditkartenbetrug, falsche Adressen, Charge-Back-Betrug oder im Darknet oder durch E-Mail-Phishing erworbene Identitäten: die Palette an Betrügereien ist breit und Betrüger lassen sich immer wieder neue Methoden einfallen, um Waren unrechtmäßig zu erbeuten. Fest steht: Die Händler*innen sind am Ende die, die auf den Schäden sitzenbleiben.
Betrug ist oft schwer zu erkennen und erzeugt hohe Aufwände: 48% der befragten Unternehmen geben an, Betrugsprävention inhouse zu betreiben. Dabei setzen die Unternehmen hauptsächlich darauf, Vorgänge händisch von Mitarbeitenden zu prüfen.
Weitere Maßnahmen, die Händler*innen zur Prävention von Online-Betrug einsetzen, sind eigene Kundenlisten, Device Fingerprint und die Zusammenarbeit mit externen Dienstleistern.
Mit Technologien wie Machine Learning oder Künstlicher Intelligenz, die man im Zusammenhang mit Betrug als Fraud Detection bezeichnet, können Betrugsversuche frühzeitig erkannt und erfolgreich bekämpft werden. Als Grundlage dienen hierbei physische und digitale Kundendaten. Die KI- und ML-Tools bringen diese Daten in besondere Verhältnisse und Zusammenhänge und leiten daran Muster ab – sprich, sie können Anomalien im Kundenverhalten in Echtzeit erkennen. Das bedeutet konkret, dass das System automatisch entscheidet, ob es sich bei fraglichen Fällen um Betrug handelt.
Die laufenden personellen und externen Aufwände können damit erheblich reduziert werden und Mitarbeitende im Service werden nur noch in Sonderfällen zur Beurteilung einbezogen.
Eine wichtiges Zwischenfazit zum Schluss: rund 50% der Shop-Betreiber*innen geben an, dass Betrugsversuche seit dem Einsatz von präventiven Maßnahmen gesunken sind. Bei 33% konnten die Versuche sogar um mehr als die Hälfte reduziert werden.
KI im Kundenservice
24/7 für den Kund*innen erreichbar
40% der befragten Unternehmen geben an, dass sie sich den hohen Erwartungen der Kund*innen nicht vollends gewachsen fühlen. (ServiceNow und Devoteam)
Ein guter Kundenservice stellt Händler*innen vor große Herausforderungen. Der Grund: Kund*innen haben einen hohen Anspruch an die Bearbeitung Ihrer Anfragen. Dazu zählen schnelle Antwortzeiten, 24/7 Support und am besten eine sofortige Lösung.
Vor allem sind es hierbei sich wiederholende Vorgänge, die ein Problem in der effektiven Bearbeitung darstellen. Anfragen wie “Wann kommt mein Paket?”, “Wo schicke ich die Retoure hin?” oder “Mein Artikel ist defekt” bedeuten für Mitarbeitende im Kundenservice Stress und hohe Aufwände, denn die Bearbeitung der Anfragen findet häufig manuell statt. Also arbeiten sie sich immer wieder durch dieselben Prozesse. Das kostet Zeit und Geld.
Dabei können (und sollten) gerade diese einfachen Vorgänge automatisiert werden: Chatbots, VCAs (Virtual Customer Assistants) und automatisierte Prozesse zur Beantwortung von Servicefällen erhöhen die Anzahl an bearbeiteten Kundenanfragen. Das geben 59% der befragten Unternehmen an. 37% gaben an, ihren Service durch den Einsatz von Künstlicher Intelligenz und Machine Learning verbessert zu haben.
Lohnenswerter Invest oder doch alles nur Trends?
Die drei Beispiel-Use Cases zeigen, dass Online-Händler*innen mit Hilfe des gezielten Einsatzes von neuen Technologien, der Automatisierung von Prozessen und der Analyse von Daten messbare Erfolge verzeichnen können. Mit der Auswertung von Kundendaten und dem Ausspielen individuell angepasster Inhalte können sie Umsätze und Kundenzufriedenheit erhöhen. Durch den Einsatz von Mustererkennung und Anomalien vermeiden sie präventiv Schäden in Millionenhöhe präventiv und mit Hilfe von automatisierten Kundenservices können sie die Kundenzufriedenheit und Entlastung des Servicepersonals deutlich steigern.
In Ihren Daten als Shopbetreiber*in liegt ein enormes Potential, wenn Sie diese gezielt auswerten und gewinnbringend einsetzen. Ein klares Ziel und die individuelle Betrachtung Ihrer Prozesse ist jedoch dringend notwendig. Welche Prozesse in Ihrem Unternehmen stellen Sie vor Herausforderungen? Planen Sie Umsätze zu steigern? Wollen Sie mehr Kunden? Oder planen Sie die Kundenzufriedenheit zu erhöhen? Haben Sie die Minderung von personellen Aufwänden im Fokus?
Technologie ist kein Selbstzweck, sondern ein Vehikel zum Erreichen Ihrer individuellen Unternehmensziele. Off-The-Shelf-Lösungen sind verlockend, denn sie versprechen schnelle Erfolge und bieten diese auch. Andererseits betrachten sie eben auch nur singuläre Use Cases, die nur bis zu einer gewissen Skalierung funktionieren können. Ist diese Grenze erreicht, zwingen Sie fehlende Funktionen, unzureichende Datensätze und Fehler dazu, früher oder später wieder von vorne anzufangen.
Nur mit Hilfe der passenden Basis können Sie als Händler Daten vielseitig und nachhaltig nutzen. Der Austausch mit externen Dienstleistern lohnt sich, um eine passende und nachhaltige Strategie zum gewinnbringenden Einsatz neuer Technologien zu entwickeln.
Als Expert*innen im Bereich E-Commerce bringen wir Ihren Business-Case in 90 Tagen auf die Straße – von der Vision bis zur Umsetzung. Außerdem prüfen wir Ihre Daten auf Nutzbarkeit für Ihren Case in nur 2 Wochen. Unverbindlich, zum Festpreis und mit bewährten Methoden.