Niemand möchte das Gefühl haben, online nicht beachtet zu werden

- wie KI die Sichtbarkeit steigert

Verkäufer im Einzelhandel sind Gold wert - sie können ihre Kunden einschätzen und Verkaufsgespräche perfekt auf sie anpassen. Sie kennen das Kundenverhalten durch einfaches Profiling, erkennen Kundenbedürfnisse anhand weniger Fragen und Kundenwünsche, durch die Beobachtung ihres Verhaltens im Laden.

Doch aufgrund der Pandemie hat sich die Product Discovery massiv ins Internet verlagert.

Personalisierung ist dadurch zu einem unverzichtbaren Werkzeug des E-Commerce geworden.

Warum? Die endlosen Angebote auf zahlreichen Webseiten sowie die grenzenlosen Möglichkeiten, die das Internet den Verbrauchern bietet, führen bei vielen Käufern zu einer Entscheidungsblockade. Sie benötigen Hilfe und brauchen individuell auf sie zugeschnittene Produktempfehlungen, mit denen sie gezielt angesprochen werden. Die gute Nachricht ist, dass die Tools, welche den Marken inzwischen zur Verfügung stehen, mit der Zeit ausgereift sind. Künstliche Intelligenz, komplexe Algorithmen und Datenanalysen ermöglichen das.

Heutzutage ist die Erwartungshaltung der Verbraucher enorm hoch. Komplexe Suchanfragen bei Google, Amazon, Netflix oder Facebook werden heute sehr differenziert, individualisiert und kundenorientiert beantwortet. Relevanz ist wichtig. Die Verbraucher erwarten, dass Marken verstehen, was sie brauchen. Auch der Kontext ist wichtig. Das Verständnis der individuellen Bedürfnisse oder Absichten des Kunden zu jedem Zeitpunkt - sogenannte "In-the-Moment"-Erlebnisse - ist entscheidend.

Wenn ein erwachsener Mann nach einem Damen-Sneaker in Größe 35 sucht, sollte die Suchmaschine verstehen, dass der Schuh nicht für ihn, sondern für seine Frau, Tochter oder Freundin ist. In den letzten Jahren hat sich die von Netflix populär gemachte Idee "wenn Sie X gekauft haben, könnte Ihnen Y gefallen" weiterentwickelt und inzwischen einen viel höheren Grad an Raffinesse erreicht. Relevanz und Kontext können bis ins kleinste Detail berücksichtigt und die Absicht des Käufers in Echtzeit ermittelt werden.

 

Künstliche Intelligenz und hoch entwickelte Algorithmen, die auf den richtigen Datensätze basieren, können einen wesentlichen Unterschied in der Personalisierung machen und ermöglichen profilbasiertes und kontextbezogenes Targeting, bessere Produkt- und Inhaltsempfehlungen sowie eine genauere Abstimmung des Produktangebots. Das Kundenverhalten kann dadurch enorm beeinflusst werden. 

Dass sich das auszahlt, beweist eine Forrester-Studie, laut derer 77 % der Verbraucher Marken bevorzugen, die einen personalisierten Service oder ein personalisiertes Kundenerlebnis bieten und sogar bereit dazu sind mehr dafür zu bezahlen. Gelingt es den Marken Personalisierung richtig einzusetzen, ist es ausgeschlossen, dass sie nicht wahrgenommen werden. Stattdessen können sie den Nutzern umfangreiche, digitale Erlebnisse bieten, Kunden binden sowie begeistern, und das über einen längeren Zeitraum hinweg – was sich letzten Endes auf das Geschäftsergebnis und den Wachstumsverlauf auswirkt.   

Doch es ist nicht einfach, Personalisierung erfolgreich umzusetzen und erfolgreich anzuwenden. Einer Forrester-Studie nach haben weltweit nur 7 % der Unternehmen eine auf erkenntnisbasierte Personalisierungsstrategie implementiert, die KI einsetzt, um sich auf dem Markt zu differenzieren. Einer der Gründe dafür ist die Kennzahl, mit der der Erfolg einer Personalisierung gemessen wird. Häufig wird nur betrachtet, ob durch die Personalisierung Conversion und Umsatz gesteigert werden. Kundentreue, Kundenzufriedenheit und der Customer Lifetime Value bleiben häufig unbeachtet. All das sind jedoch wichtige Kennzahlen, wenn Sie als Marke Wert auf die Verknüpfung der gesamten Online-Journey legen.

Personalisierung im E-Commerce sollte keinen falls nur Angelegenheit des Marketings und der IT-Abteilung sein – auch wenn sie vorwiegend dort vorzufinden ist. Vielmehr muss Personalisierung im Online-Shopping eine Kernkompetenz sein, die abteilungsübergreifend ist, sich über das gesamte Unternehmen erstreckt und mehrere Abteilungen und Verantwortlichkeiten einbezieht. Daran sind Merchandiser, Sales-Teams, Produkteinkäufer und -spezialisten, Content-Ersteller und Datenspezialisten beteiligt.

Dadurch wird sichergestellt, dass es keine Datensilos gibt, Produktkennzeichnung und -beschreibungen aufeinander abgestimmt sind und sich das, wonach Kunden suchen, im Angebot widerspiegelt und stetig weiterentwickelt. Personalisierte Produktempfehlungen funktionieren dann, wenn jede Person im Unternehmen darauf ausgerichtet ist, nicht nur ein kundenzentriertes Erlebnis zu bieten, sondern eines, das äußerst relevant ist und kontextbezogene Suchen ermöglicht.

Auch für Marketer ist es eine Herausforderung, über die Segmentierung und das Persona-basierte Einkaufen hinauszugehen. Es ist nicht schwer, eine Personalisierung für Käufergruppen umzusetzen, wenn diese sich leicht identifizieren, kollektivieren und verstehen lassen.

Die Ressourcen von Unternehmen sind häufig begrenzt. Oft fehlen Kapazitäten, um Angebote für jede einzelne Shopper Journey zu personalisieren, weshalb Unternehmen ihre Besucher in Segmente unterteilen. Doch die neuesten Fortschritte in der KI und im Deep Learning ermöglichen es, die Angebote für den individuellen Verbraucher zu optimieren und diese so zu skalieren, dass sie den kommerziellen und käuferbezogenen Anforderungen entsprechen.

Machine Learning erkennt individuelle Verhaltensmuster, indem es diese mit einer Datenbank von Customer Journeys vergleicht. Das bedeutet, dass die typische Segmentierung eines Marketers in manchen Fällen zwar nützlich sein kann, die Wahrscheinlichkeit, dass sie für den einzelnen Verbraucher weniger relevant ist, jedoch höher ist.

Marketer von heute konzentrieren sich eher darauf, wie sie Kampagnen und deren ROI optimieren. Sie werden hauptsächlich von Events gesteuert - Weihnachten, Black Friday und anderen. Oder sie werden von den Produkten bestimmt - neue Kollektionen, Sale, Promotions und dergleichen. Da auch die Marketing-Ressourcen endlich sind, kann die KI - durch die Optimierung der individuellen Customer Journey oder des "Long-Tail" – diese Marketing-Maßnahmen unterstützen. Die Optimierung des Long Tail erfordert jedoch ein anderes Skillset. Marketer und Unternehmen müssen jetzt mit Algorithmen und Datenanalysen arbeiten, um das Individuum zu berücksichtigen und anzusprechen. Dies erfordert neues Know-how und eine ganz neue Denkweise. 

Marken müssen heutzutage zwei verschiedene Strategien und Kompetenzen besitzen. Eine für Short-Tail-Suchanfragen, die andere für Long-Tail-Anfragen. Die Mehrheit aller Suchanfragen sind Short-Tail-Anfragen - d.h. allgemeine, kurze Suchanfragen, die ein kuratiertes Produktangebot, mit einem gewissen Personalisierungs- und Automatisierungsgrad aufweisen. Long-Tail-Anfragen sind weitaus anspruchsvoller. Hier geht es um ein vielfältigeres Angebot. Relevanz, Kontext und die Absicht des Käufers müssen verstanden und direkt berücksichtigt werden.

Vor allem jetzt kommt es auf individualisierte und relevante Produkterfahrungen an. Ein Algorithmus kann Weihnachten oder den Black Friday nicht vorhersehen. Natürlich kann man einen Algorithmus darauf programmieren, aber dann ist es bereits zu spät und das Ereignis ist vorbei. Hier kommt die menschliche Interpretation und Intelligenz ins Spiel. Marketer müssen Customer Journeys und die Absichten der Käufer in einem viel größeren kulturellen oder trendbasierten Verhaltenskontext betrachten. Sie ergänzen das, was die künstliche Intelligenz leisten kann.

Aus diesem Grund ist die KI-Orchestrierung so wichtig. Die manuelle Steuerung der personalisierten Produktendeckung mittels der KI-gestützten Suche ist ein entscheidender Prozess. Algorithmen müssen trainiert werden. Es ist wichtig zu wissen, welche Kundendaten verwendet werden sollen, und es bedarf der menschlichen Kontrolle.

Im E-Commerce ist Personalisierung ein unglaublich mächtiges Tool, sofern es richtig eingesetzt wird. In einer Ära der Produktflut, Entscheidungsschwierigkeit und des ausufernden E-Commerce ist es für Verbraucher von entscheidender Bedeutung, herauszufinden, was man kaufen sollte und wo man es kaufen sollte. Die Marken, die ihren Kunden bei der Produktfindung auf proaktive und relevante Weise helfen, werden davon profitieren. Niemand möchte das Gefühl haben, nicht beachtet zu werden.

Sind Sie bereit zu entdecken, wie KI auch Ihnen helfen kann, Ihren Kunden eine außergewöhnliche Shopping Experience zu bieten?

 

Kontaktieren Sie uns jetzt!

Ressourcen

Shopper Journey

Discover enhanced customer journey optimisation

Personalization

Find out more

Bereit, unsere Plattform in Aktion zu sehen ?