Während früher das Sortiment und der Standort über den Erfolg entschieden, sind es heute auch Daten, Testing und Personalisierung. Diese Faktoren schaffen die Grundlage, um die Kundschaft gezielter anzusprechen und Kaufentscheidungen wirksamer vorzubereiten. Ein Beispiel: Mozart Bett, D2C-Online-Anbieter von Boxspringbetten aus Nordhorn. Das Unternehmen gestaltet sein Marketing mithilfe von Daten und KI und setzt Daten auch im stationären Handel ein.
Frosted Azure statt Pastellblau
Digitale Marken, die ihre Customer Journey systematisch vermessen, können das Kaufverhalten präziser verstehen. Bei Mozart Bett etwa spielt der digitale Bettenkonfigurator eine zentrale Rolle: Jeder Klick zwischen den Konfigurationsschritten liefert Erkenntnisse darüber, welche Produktvarianten beliebt sind, wo Kund:innen den Kaufvorgang abbrechen und was ihre Entscheidungen verzögert. Diese Informationen fließen ins Marketing ein.
Ein Beispiel: Ein A/B-Test hat gezeigt, dass kreative Farbnamen wie „Frosted Azure” die Abschlussquote um 14 Prozent steigern, während „Pastellblau” weniger erfolgreich ist. Das Marketingteam der Firma nutzt GPT-Modelle für Textvarianten sowie generative Bild-KI, um fehlendes Bildmaterial zu ergänzen. So lassen sich mehr Kombinationen aus Text und Bild testen, beispielsweise für Anzeigen auf Meta-Plattformen. Da für sinnvolle Werbemittel eine hohe Zahl an Varianten erforderlich ist, skaliert Mozart Bett diesen Prozess mithilfe von KI. Die Systeme erstellen automatisiert Inhalte für A/B-Tests und übernehmen Routineaufgaben. Das Ziel ist eine weitgehend automatisierte Content-Produktion.
KI plus Mensch
Mozart Bett beantwortet rund drei Viertel aller Kundenanfragen automatisiert per KI. Dabei geht es vor allem um wiederkehrende Themen wie Lieferstatus, Produktinformationen oder einfache Beschwerden. Die KI greift auf Bestellungen und Kundendaten zu, um personalisierte Antworten zu liefern, beispielsweise zur Lieferzeit einer Bestellung. Das System arbeitet nach dem Prinzip „KI plus Mensch“: Die KI erstellt Antwortvorschläge, die vom Personal geprüft und freigegeben werden. Komplexe oder unklare Fälle werden direkt an das Service-Team übergeben. Die Mitarbeitenden können sich dadurch auf Sonderfälle konzentrieren. Die KI steigert nicht nur die Effizienz, sondern verbessert durch kontinuierliches Lernen auch die Qualität der Antworten. Trotz wachsender Kundenzahl bleiben die Reaktionszeiten stabil, ohne dass Personal aufgebaut werden muss. Intern liefert die KI zusätzlich Daten: Welche Fragen häufen sich? Wo gibt es Prozesslücken? Diese Erkenntnisse fließen in Produkt- und Serviceverbesserungen ein.
Mikro-Conversions
Historische Konfigurationsdaten und Kaufpfade dienen nicht zur Rückschau, sondern als Prognose. Marketingkampagnen werden mit Vorhersagemodellen getaktet: Wann öffnet wer welche Mail? Worauf klickt ein zögernder Interessent am ehesten? Die Daten liefern Hypothesen, der Marketer testet Optionen. Vorhersagen ersetzen keine Beratung, aber sie können sie treffsicherer machen. Mozart Bett misst nicht nur Käufe. Auch Stoffmuster-Bestellungen und gespeicherte Konfigurationen gelten als Mikro-Conversions und sind somit Hinweise auf eine Kaufabsicht. Die Daten zeigen: Kund:innen, die Proben anfordern, kaufen mit deutlich höherer Wahrscheinlichkeit.
Technologie als Strukturgeber
Der Konfigurator verknüpft Produkt, Daten und Beratung. KI-Systeme analysieren das Nutzerverhalten und passen Empfehlungen an. Das Wissen wird zentral gespeichert (bei Mozart Bett in der Arbeitsraum-Software Notion) und steht allen Abteilungen zur Verfügung. Dazu zählt auch das Thema Business Intelligence und Datenvisualisierung: KI-gestützte Analytics-Assistenten werden genutzt, um direkt auf Unternehmenskennzahlen zuzugreifen. Mitarbeitende können Fragen im Chat stellen, etwa: „Wie entwickeln sich unsere Lieferzeiten im Vergleich zum Vorjahr?“ Sekunden später erhalten sie von der KI eine Antwort. Die Technik basiert auf einem unternehmenseigenen Data Lake, der mit großen Sprachmodellen verbunden ist. Über eine API werden der KI nur bereinigte und aggregierte Daten zugänglich gemacht, um Sicherheit und Vertraulichkeit zu wahren.
Online trifft Offline
Showrooms dienen der Feinabstimmung: Probeliegen, Stoffe fühlen, letzte Fragen klären. Die meisten Kund:innen kommen vorinformiert dorthin. Predictive Analytics bereitet die Beratung vor – Verkäufer:innen kennen vorab die jeweiligen Interessen und bevorzugten Varianten. Die Verbindung von Online- und Offline-Touchpoints erhöht deren Relevanz. Sortimente lassen sich gezielter planen und Verkaufsflächen effizienter nutzen.
Gastautor André Jonker ist Co-Founder & CEO von Mozart Bett.
Studie zu KI im Handel: Vertrauen entscheidet über Erfolg
Europäische Konsument:innen stehen KI im Handel offener gegenüber als Verbraucher:innen in den USA: Datenschutz, Transparenz und praktische Anwendungen erhöhen offenbar die Akzeptanz. Eine Untersuchung der Cloud-Kommunikationsplattform Sinch zeigt, wie Händler dies für sich nutzen können und welche Einsatzmöglichkeiten messbare Ergebnisse liefern.