Mit KI näher am Kunden

Als Andrew Mossbarger Direktor für Search bei Nike wurde, wuchs das Online-Direktgeschäft des Sportartikelherstellers bereits um jährlich 40 Prozent. Aus dem Projekt, die Suche von Nike.com schneller und skalierbarer zu machen, wurde ein Unternehmens-strategischer Ansatz. Nike setzt heute auf die „Elastische Suche“ in den Amazon Webservices. Hier geht es nicht mehr nur um eine Online-Suche, sondern um den Produktzugang zu allen verfügbaren Quellen. 50 Länder, 25 Sprachen und über 500 angeschlossene physische Läden, so lauten die Eckdaten der neuen Suche, die sich Dank KI für die unterschiedlichsten Einsatzzwecke verfeinern lässt. Mit der Anzeige von Warenverfügbarkeiten kann demonstriert werden, dass sich der Filialbesuch lohnt.

Verschiedene Einsatzbereiche

Ein weiterer Bereich, in dem KI im stationären Handel eingesetzt werden kann, ist die Optimierung von Sortiment und Lieferkette. Die norwegische Landwirtschaftskooperative Tine hat zum Beispiel Algorithmen entwickelt, die die endgültige Qualität des soeben produzierten Käses vorhersagen können. Der Handel ist an das System angeschlossen und bietet den zur Qualität passenden Preis. Aufwändige Nachverhandlungen werden so vermieden. Inzwischen hat Tine sogar eine lizensierbare Version der Software im Angebot. Andere Genossenschaften und große Landwirte zählen zu den Kunden.

Klassische Prognosesoftware setzt der Handel schon seit Jahren ein. Neu an den KI-basierten Systemen ist allerdings, dass sie eine größere Menge an Daten generieren. So kann der britische Haustierbedarf-Anbieter Bark nicht nur den Einfluss des Wetters auf die kommenden Verkäufe einrechnen, sondern auch die Zufriedenheit der Kunden. Zusätzlich werden die Bewertungen, die im Webshop eingehen, automatisch gescannt und ausgewertet.

Auch die Spracherkennungen von Google und Amazon werden regelmäßig optimiert. Amazon bietet seinen Kunden in der Amazon-Cloud die Option an, telefonisch empfangenes Feedback durch die Software zunächst transkribieren und dann auswerten zu lassen. Das Ergebnis ist eine Sentiment-Analyse, durch die festgestellt werden kann, welche Produkte besonders beliebt sind. Darüber hinaus kann die KI auch Häufungen bei Kritikpunkten aufdecken. Mängel können daraufhin behoben werden, was zu einer Verbesserung der User Experience beitragen kann.

Herausforderung Empfehlungsmanagement

Eine besondere Herausforderung der Künstlichen Intelligenz im direkten Kundenkontakt, liegt im Empfehlungsmanagement. Mit Smart Mirrors lassen sich nicht nur Empfehlungen passend zu einem ausgewählten Produkt anzeigen, sondern sie erfüllen auch  Service-Funktionen wie das Bereitstellen des gewünschten Artikels in einer anderen Größe oder Farbe, bis hin zum Checkout.

Die Nike-App verändert ihr Verhalten, je nachdem, wie weit der Kunde von einem Nike-Store entfernt ist
Foto: Nike

Noch direkter funktioniert dies mit dem Smartphone. Nike hat seine App mit einer Ortserkennung ausgestattet. Sie kann identifizieren, wann sich ein Kunde in einem der Flagship-Stores befindet. Die App besitzt eine Scan-Funktion, mit der der Kunde einzelne Kleidungsstücke oder Display-Mannequins scannen kann. Im letzteren Fall bekommt er den gesamten Look als Produktauswahl in der App angezeigt.

Gleichzeitig wird im Hintergrund das stationäre Personal über diese Auswahl informiert. Der Verkäufer kann sich selbständig für diesen Kunden als „zuständig“ einloggen. Hierdurch wird der Aufenthalt im Laden in der Summe vollständiger, als ein Besuch auf Nike.com.

Optimierte Beratung

Ein weiteres Beispiel für die verbesserte Performance durch Künstliche Intelligenz installiert der US-Händler Nordstrom gerade. Dieser nutzt eine Personalisierungsengine in der Cloud, um innerhalb von 15 Sekunden eine vollständige Stilberatung bei Kunden durchzuführen, die online aber auch via Smart Mirror im Laden abrufbar sein soll. Für Nordstrom ist diese Funktion nicht nur ein Mittel zur besseren Beratung, sondern gleichzeitig ein Kundenbindungsinstrument. Die Styles lassen sich im Nordstrom-Konto hinterlegen und sind anschließend online und offline verfügbar.

Aufgrund des Zugriffs auf eine breite Datenbasis, kann die KI nicht nur ähnliche Produkte, sondern auch dazu passende empfehlen, wenn sie in den Vergleichsdaten entsprechende Muster erkennt.