Generative KI transformiert die Industrie, und der E-Commerce steht in diesem Jahrzehnt vor einigen seiner bedeutendsten Veränderungen.

Eine beliebte Anwendung dieser aufstrebenden Technologie ist die Inhaltserstellung, bei der über 80 % der Marketer Generative KI für Texte und Bilder in den sozialen Medien verwenden. Im speziellen Bereich des E-Commerce-Merchandising vereinfacht Generative KI die Inhaltserstellung, indem sie Teams ermöglicht, Produktattribute automatisch anzureichern, die Datenhygiene zu verbessern, Produktbeschreibungen zu optimieren und mehr – alles in der Geschwindigkeit der KI.

Aber das sind nicht die einzigen Anwendungen. Werfen wir einen Blick auf fünf weitere überzeugende Anwendungsfälle von Generativer KI im E-Commerce.

1. Conversational Commerce

Lösungen wie der AI Shopping Assistant (ASA) von Constructor fallen unter den Begriff „Conversational Commerce“. Dabei handelt es sich um KI-basierte Computerprogramme, die darauf ausgelegt sind, Online-Anfragen so zu beantworten, dass sie eine natürliche, menschliche Konversation nachahmen. Sie werden oft in Websites, Apps und Kundenservice-Systeme integriert, um sofortige Hilfe und Unterstützung zu bieten. 

Dank Fortschritten in der KI- und ML-Technologie, insbesondere Generative KI, haben diese Lösungen in den letzten Jahren große Fortschritte gemacht. Im E-Commerce-Bereich ist ihre Nutzung vor allem in zwei Bereichen am häufigsten:

Für die Produktsuche

Constructors ASA bietet Online-Käufern eine Möglichkeit, ihre Produktbedürfnisse in natürlicher Sprache auszudrücken. Anschließend erhalten sie Produkt- und Inhaltsempfehlungen, die auf ihre Vorlieben, ihre Historie und ihre Absichten zugeschnitten sind und den Echtzeitbestand des eCommerce-Unternehmens widerspiegeln - und das in kürzerer Zeit. 

Unser AI Shopping Assistant bietet Online-Käufern eine neue, nützliche Möglichkeit, Artikel zu entdecken, die sie brauchen und lieben – und stört das aktuelle Paradigma der Suche und Produktsuche. Wir haben bereits gute Produktsuchlösungen für Menschen, die wissen, was sie wollen und es einfach suchen möchten, oder für diejenigen, die einfach eine Kategorie durchstöbern oder ein Produktfinder-Quiz machen wollen. Aber in Fällen, in denen Käufer ein komplexeres Bedürfnis haben, das sie nur in natürlicher Sprache erklären können, wie 'Ich brauche gesunde Artikel für ein Picknick' oder 'Ich möchte ein trendiges Hemd zum Ausgehen', funktionieren die aktuellen Paradigmen nicht. Es gab keine gute Möglichkeit, dieses Bedürfnis den Suchmaschinen der Vergangenheit zu erklären. Hier kommt unser AI Shopping Assistant ins Spiel. ASA macht Vorschläge basierend auf detaillierten Anfragen eines Käufers – wie ein vertrauenswürdiger Verkäufer im Laden – und berücksichtigt dabei sofort alles, was er über den Käufer weiß.

Eli Finkelshteyn CEO und Mitbegründer von Constructor

ASA ist eine Win-Win-Situation für alle Beteiligten. Die Generative KI-Lösung ermöglicht es Käufern, einfacher und schneller zu finden, was sie brauchen, und gibt ihnen Vertrauen in ihre Käufe. Sie hilft auch E-Commerce-Unternehmen, Käufer auf der Website zu halten, ihre Conversion zu steigern und die Markentreue zu fördern. 

Für den Kundensupport

In ähnlicher Weise sind Generative KI-Chatbots praktisch für den Kundensupport und bieten weltweit sofortige, 24/7 Unterstützung.

Diese Chatbots nutzen fortschrittliche natürliche Sprachverarbeitung (NLP), um eine breite Palette von Kundenanfragen zu verstehen und zu beantworten, wodurch die Wartezeiten erheblich verkürzt werden. Sie können auch Antworten basierend auf der Historie und den Vorlieben der Kunden personalisieren und so ein maßgeschneiderteres und ansprechendes Erlebnis schaffen. Außerdem können sie die betriebliche Effizienz optimieren, da sie einfache, wiederkehrende Fragen beantworten können, wodurch die Menschen mehr Zeit für strategische Aufgaben haben.

2. Fortgeschrittene Merchandising-Fähigkeiten

Generative KI ist die treibende Kraft hinter fortschrittlichen Merchandising-Fähigkeiten, wie z. B.:

KI-generierte Regeln

Ein Produktsuchwerkzeug wie Constructor ermöglicht es Merchandisern, KI zu nutzen, um automatisch Regeln für das Boosting, Vergraben, Platzieren und Optimieren von Produktergebnismengen für ihren bevorzugten KPI zu erstellen.

Merchandiser erhalten dann granulare, richtungsweisende Rückmeldungen zu ihrer Arbeit, die es ihnen ermöglichen, die Regeln im Dashboard zu überprüfen und zu überschreiben. Dies ist möglich über Rule Performance, eine Funktion der Merchant Controls & Intelligence Suite von Constructor. Dies gilt auch für Regeln, die sie auf Seiten mit wenig Daten einführen.

KI soll Merchandiser nicht ersetzen, und wird es auch nie. Sie funktioniert als Kraftmultiplikator, der ihnen helfen kann, weniger sichtbare Bereiche zu optimieren, damit sie sich auf strategische Arbeiten konzentrieren können.

KI-generierte Kollektionen

Das Erstellen von Kollektionen oder personalisierten Landingpages ist eine zeitaufwändige manuelle Aufgabe für E-Commerce-Teams.

Dies erfordert, dass der Merchandiser eine Liste ausgewählter SKUs hat, ein tiefes Verständnis des Katalogs oder bedeutende Attribute im Katalog hat, um Kollektionen basierend auf bedingter Logik zu erstellen.

Mit KI-generierten Kollektionen können Merchandiser die Art von Produkten, Anlässen oder Stilen beschreiben und die Kraft der Generativen KI nutzen, um relevante Artikel in eine Kollektion zu bringen.

Die Anfrage “zeigen Sie dem Kunden die attraktivsten Produkte für eine Sommer-Grillparty” ergab fast 300 Produkte aus dem Shop-Katalog. Merchandiser können die von der KI generierte Liste dann nach Belieben bearbeiten.

Diese Funktion hat viele Vorteile, einschließlich, aber nicht beschränkt auf:

• Verbesserung der SEO-Abdeckung im E-Commerce.
• Verbesserung der bestehenden manuellen oder logikbasierten Workflow zur Erstellung von Kollektionen.
• Verbesserung der betrieblichen Effizienz, da Merchandiser in der Geschwindigkeit der KI arbeiten können.
• Reduzierung der Abhängigkeit von perfekten Produktdaten, da Kollektionen automatisch basierend auf den Eingaben des Merchandisers generiert werden.
•  

3. Virtuelle Anproben

Dank fortschrittlicher Algorithmen und ML kann Generative KI virtuelle Anproben für Produkte wie Kleidung und Möbel erstellen. Diese realistischen, interaktiven Modelle ermöglichen es den Kunden zu sehen, wie ein Artikel an ihnen aussehen oder in ihrem Zuhause passen wird.

Zum Beispiel können Käufer Möbel in ihren Wohnräumen visualisieren, die Größe und Platzierung anpassen, um zu sehen, wie sie zu ihrer vorhandenen Einrichtung passen. Bei Kleidung können sie sogar ihre Fotos hochladen und virtuell Kleidung anprobieren, um einen Eindruck von Passform, Stil und Farbe zu bekommen, bevor sie sich entscheiden. Dies gilt auch für Schuhe, wie auf der mobilen Website von Birkenstock unten zu sehen ist.

Birkenstock ermöglicht es Käufern, ausgewählte Modelle virtuell über ihre mobile Website anzuprobieren.

Diese virtuellen Anproben verbessern nicht nur das Einkaufserlebnis, sondern helfen auch den Kunden, fundiertere Kaufentscheidungen zu treffen, wodurch die Wahrscheinlichkeit von Rücksendungen verringert und die Gesamtzufriedenheit erhöht wird.

4. Suche 

Was als Suchleiste begann, hat sich dank der Generativen KI in viel mehr verwandelt. Zusätzlich zu den Chatbot-Funktionen kann der ASA, der von Generativer KI unterstützt wird, auch das Sucherlebnis verbessern, indem er folgende Formen annimmt:

Autovervollständigung

Verbessern Sie die Nützlichkeit und den Einfluss der Autovervollständigungsfunktion mit ASA-Absichtsbasierte Vorschlägen. Für eine Anfrage wie “Bürokleidung” könnte ASA Suchbegriffe vorschlagen, einschließlich “Bürokleidung für den Sommer”, “Bürokleidung für Frauen – Business Casual”, “Bürokleidung Komfort Passform”, usw.

Diese Vorschläge würden wahrscheinlich nicht in einer traditionellen Autovervollständigung erscheinen aufgrund unvollständiger Produktkatalogdaten. Aber wenn der Suchbegriff “Bürokleidung Komfort Passform” vorgeschlagen wird, schließt ASA über die Produktkatalogdetails hinaus. Das von Generativer KI unterstützte Tool erkennt das Material in Produktbildern, Inhalte aus Bewertungen und mehr, um Vorschläge zu füllen. Dann, wenn Käufer eine vorgeschlagene Suchanfrage auswählen, werden die angezeigten Ergebnisse für sie personalisiert.

Verwenden Sie ASA, um die Autovervollständigung genauer auf die Absicht der Käufer abzustimmen und Mehrwert für die Käufer und Ihr Unternehmen zu schaffen.

Suchmodi

Wenn Käufer ein komplexes Bedürfnis haben und nicht sicher sind, wie sie es ansprechen sollen, kann ASA absichtsbasierte Empfehlungen generieren und als persönlicher Einkaufsassistent agieren. Diese verschiedenen Suchmodi umfassen:

• Rezept. Zum Beispiel, “Was ist ein gutes Rezept für Pfirsich-Cobbler für jemanden, der glutenfrei ist?” oder “glutenfreies Pfirsich-Cobbler-Rezept.” Zusätzlich zur Generierung von Rezepten mit Artikeln, die der Lebensmittelhändler vorrätig hat, gibt ASA personalisierte Empfehlungen für jede Zutat. (Wenn das Rezept z.B. Mehl erfordert und der Käufer dazu neigt, biologisch zu kaufen, dann werden Optionen für biologisches glutenfreies Mehl angezeigt.) Kunden können jedes Produkt leicht von der Rezeptseite in den Warenkorb legen.
• Liste. Zum Beispiel, “Rouge, Lidschatten, Mascara” oder “Katzentoilette, Kratzbaum, Halsband.” Im ersten Beispiel entsprechen die Make-up-Empfehlungen den bevorzugten Marken, Farben und Paletten des Käufers. Im zweiten Beispiel schließt ASA Bedeutung basierend auf anderen aufgelisteten Artikeln und der Historie des Käufers ein, um Katzenschals (nicht Hundehalsbänder) unter den anderen empfohlenen Artikeln zurückzugeben.
• Look vervollständigen. Zum Beispiel, “Was passt zu Chinos?” ASA generiert automatisch Vorschläge auf Lager in verschiedenen Kategorien (Hemden, Krawatten, Schuhe usw.), die die Chinos ergänzen und die bevorzugten Stile, Farben, Preisklassen des Käufers usw. widerspiegeln. Dies ist über Clickstream oder First-Party-Verhaltensdaten möglich.
• Stilassistent. Zum Beispiel, “Ich gehe im August zu einer Staatsmesse. Was kann ich bei Hitze tragen?” Auch hier sind die ASA-Empfehlungen leicht zu navigieren, kontextuell sinnvoll, personalisiert und decken verschiedene auf Lager befindliche Produkte und Kategorien ab (Kleider, Schuhe, Hüte usw.), um das Bündeln zu fördern.
• Vorschlag. Zum Beispiel, “Ich gehe im Oktober zum ersten Mal mit meinen Kindern im Yosemite-Nationalpark campen. Was brauchen wir?” oder “Was brauche ich, um einen 60-Zoll-Fernseher an meiner Wand zu montieren?” Die Vorschläge heben relevante Produkte in verschiedenen Kategorien hervor. Die Empfehlungen basieren oft nicht nur auf Produktdaten und Käuferpräferenzen, sondern auch auf On-Site-Inhalten. Im letzten Beispiel können neben Produktempfehlungen auch DIY-Wandmontageanleitungen dem Käufer angezeigt werden.

5. Optimierung der Lieferkette

Generative KI kann Lieferkettenstörungen vorhersagen und intelligente Bestandsprognosen liefern, die es Unternehmen ermöglichen, ihren Lagerbestand effizienter und präziser zu verwalten.

Die Technologie nutzt riesige Mengen an Daten aus Markttrends, historischen Verkaufszahlen, Wetterbedingungen, globalen Ereignissen und anderen Quellen, um potenzielle Störungen in der Lieferkette zu identifizieren, bevor sie auftreten. Dies ermöglicht es Unternehmen, präventive Maßnahmen zur Risikominderung zu ergreifen, wie z. B. die Anpassung der Beschaffungsstrategien oder die Suche nach alternativen Lieferanten.

Generative KI kann auch den Lagerbestand mit hoher Genauigkeit prognostizieren und sicherstellen, dass Unternehmen optimale Lagerbestände zur Deckung der Kundennachfrage halten. Dies reduziert nicht nur die Kosten, die mit Überbeständen und Lagerbeständen verbunden sind, sondern verbessert auch die betriebliche Effizienz insgesamt, was zu einer höheren Kundenzufriedenheit und Rentabilität führt.

Wie man Anwendungsfälle für Generative KI im E-Commerce priorisiert

Von der Inhaltserstellung bis zum Conversational Commerce, fortschrittlichen Merchandising-Fähigkeiten, virtuellen Anproben und mehr wird Generative KI der E-Commerce-Branche weiterhin eine Welt voller Möglichkeiten bieten.

Bevor sie sich kopfüber in ein digitales Transformationsprojekt stürzen, sollten Unternehmen strategisch entscheiden, wo Generative KI den größten Nutzen bietet. Dies nimmt oft die Form eines kundenorientierten Ansatzes an.

“[E-Commerce-Unternehmen] müssen klug darüber nachdenken, wie KI ihrem Geschäft helfen kann und wie,” teilt Finkelshteyn mit. “Es wird nicht darum gehen, KI um ihrer selbst willen zu nutzen, sondern kluge Wetten darauf zu setzen, wo KI das Benutzererlebnis für ihre Käufer wirklich verbessern kann. [E-Commerce-Unternehmen] müssen vorsichtig zwischen zwei Extremen agieren: Sie müssen sicherstellen, dass sie KI nicht als Gimmick an Orten verwenden, an denen sie auffällig aussieht, aber den Benutzern nicht wirklich hilft, und gleichzeitig nicht so ängstlich sein, KI falsch einzusetzen, dass sie die letzten sind, die sie verwenden.” 

Durch die durchdachte Integration von Generativer KI an den Stellen, an denen sie das Kundenerlebnis wirklich verbessern kann, können E-Commerce-Unternehmen ihr volles Potenzial nutzen, um Innovationen und Wachstum voranzutreiben.

Der Stand der generativen KI

Dieser von Forrester durchgeführte Bericht untersucht, wie sich diese revolutionäre Technologie auf den B2C-Handel auswirkt und welche konkreten Vorteile GenAI mit sich bringt.

Jetzt herunterladenJetzt herunterladenJetzt herunterladen

Nate Roy, Director of Brand and Content

Constructor