Machine Learning und Künstliche Intelligenz im Handel

Künstliche Intelligenz (englisch: Artificial Intelligence, abgekürzt AI) ist momentan der große Trend der Online-Branche und wird nach Schätzung von E-Commerce Experten auch 2018 eines der Top-Themen bleiben.

Das Thema „Machine Learning“ ist Teil dieser technischen Entwicklung. Die Definition nach Wikipedia beschreibt Maschinelles Lernen als Oberbegriff für die künstliche Wissensgenerierung aus Erfahrung. Ein künstliches System sammelt Erfahrungen aus Beispielen und kann diese nach und nach verallgemeinern. Dies erfolgt nicht durch ein Auswendiglernen, sondern durch das Erkennen von Mustern aus diversen Beispielen. Mit diesem Hintergrund ist es einem künstlichen System möglich, auch unbekannte Daten auszuwerten und eine Prognose abzugeben.

Mit der Erkennung von Mustern aus Personendaten haben wir uns bereits im Blogartikel zum Thema „maßgeschneiderter Content“ beschäftigt. Dabei werden Algorithmen festgelegt, um die Kaufwahrscheinlichkeit bei Kunden/Interessenten einzuordnen und die Nutzer entsprechen gezielt anzusprechen und zu steuern.
Es gibt verschiedene algorithmische Ansätze, die Maschinelles Lernen ermöglichen. Einige Beispiele finden sich hier.

Einer dieser algorithmischen Ansätze ist das überwachte Lernen. Bei dieser technisch recht einfachen Methode gibt ein Lehrer dem System einige Ansätze vor. Er teilt dem System beispielsweise mit, was es in welcher Situation zu tun hat. Google hat dazu die „Teachable Machine“ erschaffen, um Nutzer an das Thema heran zu führen. Wie im Video zu sehen, kann mir hier das System so „trainieren“, dass es ein Katzenfoto zeigt, wenn ich eine Hand hebe, ein Hundefoto wenn ich keine Hand hebe und ein Kaninchenfoto, wenn ich Krimassen schneide. Dies ist nur eines von zahlreichen Google-Projekten zum Machine Learning.

Bei genauerem Hinsehen trifft die Bezeichnung „Künstliche Intelligenz“ beim Machine Learning nicht ganz zu, da sich Machine Learning eher mit der Entwicklung von automatisierten Algorithmen auf Basis von empirischen Daten bzw. Trainings-Daten befasst. Der Fokus liegt dabei auf der Optimierung der Ergebnisse bzw. Verbesserung der Vorhersagen aufgrund von Lernprozessen.

Die Künstliche Intelligenz befasst sich hingegen mit einem noch viel komplexeren Ziel. Es geht dabei darum, Entscheidungen aufgrund erhobener Daten zu treffen, die menschliche Verhaltensweisen mit einbinden.

Auch im Handel findet künstliche Intelligenz mehr und mehr Einzug. Für E-Commerce- und Omni-Channel Händler ist es ein sehr gutes Instrument, um vorhandene Daten auszuwerten und am Ende des Tages mehr Umsatz zu erzielen. Jedoch reicht dabei kein so einfaches Vorgehen wie im gerade betrachteten Beispiel. Um ein Muster aus den komplexen Kundendaten zu erkennen, bedarf es tieferer Analysen.

Um im Wettbewerb nicht unterzugehen, wird sich der Handel mehr und mehr an den Systemen der Künstlichen Intelligenz bedienen und Machine Learning, sowie vorwiegend neurale Netzwerke einsetzen müssen.

Maßgeschneiderter Content und gezielte Aktionen für mehr Verkaufserfolg

Wir haben uns kürzlich bereits mit dem wichtigen Thema der Personas auseinandergesetzt. Diese Technik wird eingesetzt, um die Zielgruppe mit einem Gesicht zu versehen und noch genauer ansprechen zu können. Wie Online-Händler diese Ansprache gezielt gestalten können, damit setzen wir uns heute auseinander.

Content weckt Emotionen und schafft Vertrauen

Eine wichtige Rolle bei Kaufentscheidungen spielen, wie bereits beschrieben, die Emotionen. Diese werden beim Konsumenten z.B. durch umfassende Beratung, Zusatzinformationen oder themenbezogener Unterhaltung geweckt. All diese Punkte lassen sich durch produktspezifischem Content optimal erfüllt. Content kann z.B. als Blog oder Video bereitgestellt werden, in welchen Tipps, Tricks oder Hintergrundwissen zum Produkt geteilt wird. Der Content soll dabei Emotionen des potentiellen Kunden wecken, aber auch Vertrauen zum Produkt und dem Verkäufer aufbauen.
Wenn die Zielgruppen des Unternehmens in Personas eingeteilt wurden, besteht der nächste Schritt darin, für die jeweilige Persona spezifischen Content zu finden. Das wollen wir uns nun genauer ansehen.
Nehmen wir an, wir sind ein Handelsunternehmen, das Bergsteiger- und Wander-/Outdoor-Artikel vertreibt. Das Unternehmen nennt sich „Die Bergsteiger“ mit Sitz im wunderschönen Murnau am Staffelsee. Neben dem schönen, rustikal eingerichteten Ladengeschäft vor Ort gibt es einen ansprechenden Onlineshop, über welchen die Artikel vertrieben werden.

Als potentielle Kunden wurden verschiedene Personas festgelegt, von denen wir uns nun eine beispielhaft genauer ansehen.

Personas genau charakterisieren, um spezifischen Content zu erstellen

Persona SpezifizierungDie Persona „Elke Bauer“ steht sinnbildlich für eine spezifische Zielgruppe. Sie ist 35 Jahre jung, verheiratet und hat zwei Kinder im Teenageralter. Beruflich arbeitet sie als Marketingmitarbeiterin in München bei einem Sportartikel-Händler. In ihrer Freizeit ist sie am liebsten in den Bergen unterwegs, entweder zu Fuß oder mit dem Mountainbike. Um sich im Gebirge zurechtzufinden, nutzt sie gerne die neuste Technik in Form von speziellen Apps mit Wanderwegen und recherchiert gerne online nach geeigneten Touren. Sie ist sehr kontaktfreudig und lernt gerne neue Leute kennen, mit denen sie sich dann gemeinsam mit ihrem Mann zu Wanderausflügen verabredet. Ihre Urlaube verbringt sie mit ihrer Familie on Tour mit dem eigenen Wohnmobil.

Nun gilt es, den geeigneten Content für Elke Bauer zu erstellen, der sie persönlich anspricht, einen Mehrwert bietet und sie emotional berührt.

Um solch einen Content zu finden gibt es verschiedenste Möglichkeiten:

  • Tool- und datenbasierte Themenfindung
  • Brainstorming
  • Analyse der vorhandenen Content-Assets
  • Kundenbefragungen, Informationen aus dem Vertrieb, Service etc.

In unserem Beispiel generieren wir den Online-Content mit Hilfe eines Brainstormings. Wir gehen von der Persona Elke Bauer aus und überlegen mit Hilfe einer Mindmap, welche Themen für sie interessant sein könnten.

Content Brainstorming
Das Brainstorming führte uns zum Thema Wanderkarten und Ausrüstung. Elke entdeckt gerne neue Wanderwege und Routen. Daher kann man Sie auf der „Die Bergsteiger“ Website sicher mit folgenden Themen begeistern:

  • Berghütten der Ammergauer Alpen im Test
    Beispielsweise als Blogreihe: alle x Tage/Wochen wird eine neue Hütte vorgestellt. Mit Fotos, Link zur Website falls vorhanden, Speisekarte, Preise und Erfahrungsberichte zur Sauberkeit, Freundlichkeit des Personals, kleines Video der Aussicht etc.
  • Die Ammergauer Alpen – entdecken sie die schönsten Touren (mit Tourenbeschreibung)
    Alle 2 Wochen eine neue Route mit Erfahrungsbericht, Fotos, eventuell einem kleinen Video und einem Ansprechpartner als Tourguide. Hier können z.B. auch noch geführte Wanderungen gebucht bzw. vermittelt werden.

Um Elke Bauer zu erreichen, wird der generierte Content über sozialen Netzwerken und Partner verbreitet oder auch per Google AdWords beworben.

Nutzer-Aktionen als Basis für ein Scoring-Modell

Das Verhalten der Nutzer kann nun für den nächsten Schritt genutzt werden, nämlich für die gezielte Ansprache und Lenkung zu einem Kaufabschluss. Dabei kann man die Besucher der Seite anhand der Customer Touchpoints einteilen. Wer hat z.B. nach welchen Schlagwörtern bei Google gesucht, ist dadurch auf unseren Blogbeitrag gelangt, hat sich evtl. für eine geführte Wanderung angemeldet und benötigtes Equipment dazu in unserem Online Shop?

Einführung eines Scoring-Modells

Die verschiedenen Touchpoints und Aktionen helfen E-Commerce Händlern dabei, dem Kunden eine entsprechende Kaufwahrscheinlichkeit zuzuordnen. Dafür werden den verschiedenen Content-Bestandteilen und Aktionen unterschiedliche Punkte zugeordnet. Je relevanter die Aktion, also je mehr Kaufinteresse damit verbunden ist, desto mehr Punkte werden verteilt. In unserem Beispiel könnte ein Scoring-Modell für „Die Bergsteiger“ folgendermaßen aussehen:

Scoring Modell

Ein Besucher der Website erhält dann, je nach durchgeführten Aktionen, eine bestimmte Gesamt-Punktzahl. Anschließend können Algorithmen in die Website eingebaut werden, die den Nutzer je nach Punkteskala weiter lenkt. So erhält er je nach Höhe der Kaufwahrscheinlichkeit eher allgemeine Informationen, die ihn weiter qualifizieren, oder bereits konkretere Angebote.

In unserem Beispiel könnten folgende Aktionen entsprechend stattfinden:

Scoring Modell

Die Erstellung der Algorithmen ist recht komplex und bedarf normalerweise der Hilfe eines Datenanalysten. Zu beachten ist dabei außerdem, dass diese Algorithmen sich auf Dauer genauso verändern wie die Kunden selbst. Es muss also eine fortlaufende Kontrolle und gegebenenfalls Anpassung der Algorithmen erfolgen, um dem Websitebesucher immer genau das anbieten zu können, was ihn anspricht und zum Kauf motiviert.

FAZIT
Personas können hilfreich dabei sein, spezifischen Content zu erstellen. Der Content wiederum bringt die Zielgruppe auf die Website. Dort sollte man als Online Händler die Möglichkeit nutzen, Interessenten mittels gezielten Aktionen und passgenauer Ansprache zum Kauf zu führen. Ein Scoring-Modell ist dabei hilfreich, um gezielte Aktionen automatisiert auszusteuern.