Generative KI im E-Commerce: Ein Blick über Texte hinaus

Bildquelle: Pixabay

Das Experimentieren mit generativer künstlicher Intelligenz wie ChatGPT kann recht schnell zu schnellerem und kreativerem „Schreiben“ von Texten führen, aber die Technologie birgt noch viel mehr Möglichkeiten für den elektronischen Handel. Allerdings nicht ohne Risiko. Daher ist ein Blick auf die Strategie und konkrete Beispiele angebracht.

Erstens ist der Satz „KI ist überall“ in der Technologiebranche und im E-Commerce recht geläufig geworden. Obwohl man darüber streiten kann, was als KI gilt und was nicht (z. B. fortgeschrittene „Wenn dies, dann das“-Regeln, die auch in Excel ausgeführt werden können), ist es erwähnenswert, dass wir uns in diesem Artikel mit generativer KI befassen. Dabei handelt es sich um die auf großen Sprachmodellen (LLM) basierenden Tools, die die logischsten Antworten auf Befehle/Prompts berechnen und anzeigen.

„Generative KI steigert die Produktivität“.

Von ChatGPT und Bard bis hin zu Midjourney und Craiyon – ein aktueller Bericht von McKinsey & Company unterstreicht einmal mehr, dass generative KI die Produktivität in vielen Sektoren steigern wird. Im (Online-)Einzelhandel sind die Auswirkungen in den Bereichen Marketing, Vertrieb und Kundenkontakt am größten, so das Beratungsunternehmen. Dies gilt auch für die Softwareentwicklung.

Einzelhändler können zum Beispiel bestehende KI-Tools mit generativer KI kombinieren, um die Fähigkeiten von Chatbots zu verbessern, damit sie den Interaktionsstil menschlicher Mitarbeiter besser imitieren können. Zu diesen Fähigkeiten gehören die direkte Beantwortung einer Kundenanfrage, die Verfolgung oder Stornierung einer Bestellung, das Anbieten von Rabatten und Upselling. Durch die Automatisierung sich wiederholender Aufgaben können menschliche Mitarbeiter mehr Zeit für die Bearbeitung komplexer Kundenprobleme und die Beschaffung kontextbezogener Informationen aufwenden.

Einzelhändler nutzen KI-Tools

Ruti, eine Damenbekleidungsmarke mit Sitz in New York, hat ein KI-Tool von Feel implementiert, das ChatGPT nutzt. Dieses Tool wurde entwickelt, um drei virtuelle Vertriebsmitarbeiter zu unterstützen, und wird zunächst mit Standard-Kundenanfragen der angeschlossenen Marken trainiert. Sobald es integriert ist, beginnt es, aus den Interaktionen mit den Kunden zu lernen. Eine Kundin könnte zum Beispiel fragen: „Können Sie ein lila Abendkleid empfehlen?“ Daraufhin gibt der virtuelle Assistent, unterstützt durch KI, Antworten auf stilbezogene Fragen und schlägt passende Artikel aus dem Produktkatalog vor.

Nach Angaben des Unternehmens verzeichnete die Marke einen Anstieg der Konversionsraten von 54,3 Prozent in der zweiten Hälfte des Jahres 2022 auf 57,2 Prozent in der ersten Hälfte dieses Jahres. Außerdem stieg der durchschnittliche Bestellwert im gleichen Zeitraum von 54,4 Prozent auf 59 Prozent.

Der neue Modeassistent von Zalando

Größere Unternehmen erforschen ebenfalls diesen Bereich. Zalando wird in Kürze eine erste Betaversion eines neuen Modeassistenten, der von ChatGPT betrieben wird, in der App und auf der Website einführen, um das Kundenerlebnis und die Wahrnehmung auf der Website zu verbessern.

Wenn ein Kunde zum Beispiel fragt, was er oder sie im Frühling zu einer Hochzeit in Spanien anziehen könnte, kann der Modeassistent von Zalando verstehen, dass es sich um eine formelle Veranstaltung handelt, das Wetter zu dieser Zeit vorhersagen und eine Erklärung mit darauf basierenden Kleidungsempfehlungen geben. Künftig soll dies mit den Vorlieben der Kunden kombiniert werden, z. B. mit den Marken, die sie bevorzugen, und den Produkten, die in ihren Größen erhältlich sind, um eine noch persönlichere Produktauswahl zu präsentieren.

KI-Tool zum Anprobieren von Kleidung

Google seinerseits hat vor kurzem ein Tool eingeführt, mit dem sich die Verbraucher ein besseres Bild von der Kleidung machen können, die sie online kaufen. US-Käufer können virtuell Oberteile von Marken aus dem gesamten Google-Umfeld anprobieren, darunter Anthropologie, Everlane, H&M und LOFT. Und warum? Zweiundvierzig Prozent der Online-Käufer fühlen sich durch Bilder von Models nicht repräsentiert, und neunundfünfzig Prozent sind mit einem Artikel, den sie online gekauft haben, unzufrieden, weil er an ihnen anders aussieht als erwartet, argumentiert der Suchmaschinenriese.

Die virtuelle Anprobe für Kleidung zeigt Ihnen, wie Kleidung an einer Vielzahl von echten Models aussieht. Ein neues generatives KI-Modell kann ein einziges Kleidungsbild nehmen und genau wiedergeben, wie es an einer Reihe von realen Models in verschiedenen Posen drapiert, gefaltet, geklebt, gedehnt wird und Falten und Schatten wirft. Das Unternehmen wählte Menschen in den Größen XXS-4XL aus, die verschiedene Hautfarben, Körperformen, Ethnien und Haartypen repräsentieren.

Aber das ist noch nicht alles. Die neuen geführten Verfeinerungen können den Käufern helfen, die Produkte so lange zu verfeinern, bis sie das perfekte Stück gefunden haben. Dank des maschinellen Lernens und neuer Algorithmen für den visuellen Abgleich können die Verbraucher ihre Auswahl anhand von Faktoren wie Farbe, Stil und Muster verfeinern. Und anders als beim Einkaufen in einem Geschäft sind sie nicht auf einen bestimmten Händler beschränkt. Das Tool zeigt Optionen aus Geschäften im gesamten Internet an.

Schnelles Erstellen neuer Produkte

McKinsey führt an, dass generative KI-Tools den Prozess der Entwicklung neuer Produktversionen verbessern können, indem sie neue Designs schnell digital erstellen. Ein Designer kann Verpackungsdesigns von Grund auf neu erstellen oder Variationen eines bestehenden Designs entwerfen. Diese Technologie entwickelt sich rasant weiter und hat das Potenzial, die Generierung von Text in Videos zu ermöglichen.

In diesem Zusammenhang hat ein neues Beratungsunternehmen ChatGPT und Midjourney verwendet, um hyperrealistische Bilder von tatsächlichen Rezepten aus dem Magazin Allerhande der niederländischen Supermarktkette Albert Heijn zu erstellen. „Ich habe 0 Euro ausgegeben und diese Bilder in weniger als 1 Minute erstellt“, sagt der Erfinder Wouter van Haaften. Durch die schnellere und kostengünstigere Erstellung von Inhalten können Sie viel mehr Variationen erstellen und so A/B-Tests in großem Umfang durchführen“, erklärt er weiter. „Dies wird dazu beitragen, Ihre (Marketing-)KPIs zu optimieren und letztendlich einen erheblichen ROI zu erzielen.“ Der Trick ist die genaue Kommunikation mit den KI-Modellen, schließt er.

Risiken beim Einsatz generativer KI

Der Einsatz generativer KI ist jedoch nicht ohne Risiko, wie McKinsey betont. Führungskräfte im Einzelhandel und in der Konsumgüterindustrie sollten bei ihren Überlegungen, wie sie generative KI in ihre Abläufe integrieren können, mehrere Faktoren berücksichtigen, die ihre Fähigkeit beeinträchtigen könnten, aus der Technologie Nutzen zu ziehen. Generative KI hat die Notwendigkeit erhöht, zu verstehen, ob generierte Inhalte auf Fakten oder Schlussfolgerungen beruhen, was eine neue Ebene der Qualitätskontrolle erfordert.

Unternehmen müssen neue Qualitätskontrollen für Prozesse einführen, die bisher von Menschen durchgeführt wurden, so das Beratungsunternehmen. Dazu gehören von Kundenvertretern geschriebene E-Mails. Auch bei KI-gestützten Prozessen wie dem Produktdesign werden sie detailliertere Qualitätsprüfungen durchführen müssen.

Chancen für generative KI im E-Commerce

In Anbetracht dessen zeichnen sich bereits weitere Möglichkeiten für generative KI im elektronischen Handel ab. Zum Beispiel die Entwicklung von „automatisch“ generierten virtuellen Welten. Durch die Kombination verschiedener Tools, wie dem Metaverse-Ersteller Ilumine AI und dem Bildgenerator Midjourney, ist es möglich, innerhalb kurzer Zeit einen virtuellen Raum zu schaffen. Im Moment finden diese Experimente hauptsächlich in der Welt der Spiele statt, aber eine Übertragung auf eine Online-Shopping-Umgebung ist keineswegs undenkbar.

Wem das noch zu weit weg ist, dem sei gesagt, dass verschiedene Studien darauf hinweisen, dass die Einzelhändler derzeit andere Dinge im Auge behalten müssen, wie die Kostenkrise und andere finanzielle Zwänge. Es ist ratsam, wie Amazon zu schauen, wie man die Nutzererfahrungen auf der Grundlage von textlichen Anpassungen verbessern kann. Amazon fasst Bewertungen mithilfe von KI zusammen und macht aus allen Bewertungen für jedes Produkt ein paar Sätze, die das Feedback der Verbraucher am besten beschreiben.

Und das berührt den allgemeinen Vorteil generativer, künstlich intelligenter Systeme: Man kann Tools bitten, Aufgaben so auszuführen, wie man es von einem Menschen verlangen würde. Die richtige Eingabeaufforderung zu finden, braucht Zeit und ist eine Frage von Versuch und Irrtum. Glücklicherweise gibt es bereits viele Tipps und Beispiele, die kostenlos zur Verfügung stehen.

Lesen Sie den Originalartikel hier.