5 Beispiele, wie KI das Fashion-Business verändert
© Foto:Apptus

Florian Lüft, Apptus | | von einem Gastautor

5 Beispiele, wie KI das Fashion-Business verändert

Was bedeutet die Nutzung neuer Technologien eigentlich für Modehändler? Im besten Falle weiß die smarte Software, was gerade Trend ist und wo der User, der gerade vor seinem Gerät sitzt, bevorzugt zugreift. Florian Lüft, Vice President Sales bei Apptus, skizziert, auf welchen Feldern uns in Zukunft KI begegnen wird. Apptus unterstützt Einzelhändler, ihre Conversions zu steigern. Grundlage ist eine Online-Verhaltensanalyse, die dazu verwendet wird, um jedem User in Echtzeit das passende Angebot zu machen.

1. Auswahl nach Relevanz

Künstliche Intelligenz (KI) ist im übertragenen Sinn die digitale Transformation des Top-Verkäufers von der stationären Fläche in den digitalen Showroom – nur dass sie den Kunden alles noch personalisierter anbieten kann. Auf Basis der Analyse des Userverhaltens und dem Matching mit vergleichbarem Verhalten aus der Vergangenheit werden die ausgespielten Sortimente so gelistet, dass sie für jeden Kunden eine größtmögliche Relevanz an für ihn interessanten Produkten enthalten.

Beispiel: Beim Klick auf die Kategorie-Seite werden die einzelnen Artikel so gerankt, dass jeder Kunde die Artikel zu sehen bekommt, bei denen die Conversion am wahrscheinlichsten ist. Die KI priorisiert hier zum einen nach den aktuellen Trends, bei denen es am wahrscheinlichsten ist, dass Kunden nach diesen Produkten suchen. Zum anderen listen sie nach den Bedürfnissen der jeweiligen User. So steigen die Quote der angezeigten Artikel, die individuelle Relevanz und schlussendlich die Wahrscheinlichkeit zur Conversion.

2. Autonomes Lernen

KI ist in der Lage, in Echtzeit Erkenntnisse aus dem Userverhalten in eine Dynamisierung des angezeigten Sortiments zu transformieren. So passt sich die Produktanzeige unmittelbar dem einzelnen Kunden und seinen Präferenzen an. Ziel der KI ist es, aus allen Datenpunkten auf der Seite – von Search bis Recommondations – automatisiert zu lernen und sich mit jedem weiteren Datenpunkt zu verbessern. Das Ergebnis ist dann die finale Umsetzung des 1:1-Commerce.

Beispiel: Je mehr User auf einer Seite aktiv sind, desto mehr Datenpunkte sind zum Lernen vorhanden. Je mehr Suchanfragen in eine Onsite-Search eingegeben werden, desto besser können Muster daraus abgeleitet werden. Wenn nun eine integrierte Lösung auf der ganzen Seite arbeitet, kann die gesamte Customer Journey bis zur Conversion oder einer anderen Aktion verfolgt werden. Die Learnings werden automatisch in die Algorithmen zurückgespielt, um beim nächsten User auf das Gelernte aufbauen zu können. Es entsteht eine personalisierte Customer Experience für jeden User.

3. Das Aufgreifen von Trends

KI erkennt in Sekunden durch sich veränderndes Userverhalten einen neuen Trend. Sofort werden die entsprechenden Artikel automatisch priorisiert und die Häufigkeit der Ausspielung erhöht, um den Trend und sein Potenzial in Absatz umzumünzen. Wenn der Trend vorüber ist, werden sie wieder depriorisiert.

Beispiel: In einem Fashion-Magazin im TV ist ein Promi in einem bestimmten Kleid zu sehen. Die Zuschauer zücken auf der Couch das Tablet und suchen in einem Shop nach diesem Kleid. Egal ob abends, Wochenende oder Feiertag – die KI erkennt den Trend und priorisiert dieses Kleid, solange der Trend anhält und die Kaufrate hoch ist. Davon profitieren Shopbetreiber und Kunden.

4. Die Steigerung der Effizienz

KI automatisiert viele banale, wiederkehrende Prozesse, die heutzutage viele Ressourcen im Merchandising-Team binden. KI lernt auf Basis der Datenpunkte selbstständig und kann aus den gewonnenen Erkenntnisse automatisiert Entscheidungen treffen. Der Händler gewinnt damit Zeit, um sich auf andere relevante Aufgaben zu konzentrieren und seinen Shop sinnvoll weiterzuentwickeln.

Beispiel: Das Userverhalten ändert sich innerhalb einer Sekunde. Und ebenso oft auch die Artikel, die für den einzelnen Kunden zusammenpassen. Macht es da wirklich Sinn, Recommendations manuell zu pflegen und den ganzen Shop mit einem statischen Regel-System zu steuern? Effizienter ist die automatisierte Steuerung auf Basis der Algorithmen. So passt sich die Anzeige umgehend an die aktuellen Gegebenheiten an und ist damit jederzeit in der Lage, das Beste aus dem analysierten Traffic herauszuholen.

5. Objective Driven Merchandising

Bei Apptus E-Sales haben die Händler die Möglichkeit, sich im Backend einfach und bequem anhand der Algorithmen berechnen zu lassen, ob für sie die Revenue-, Conversion-Rate- oder Profit-Strategie der beste Weg ist. Berechnet wird dies auf Basis eines live A-/B-Tests anhand der eigenen Daten. Die errechneten Ergebnisse helfen bei der Entscheidung, welche Strategie die sinnvollste für den eigenen Online-Shop ist. Dank der Software können Händler die richtige Taktik im Anschluss mit nur drei Klicks auswählen.

Beispiel: Ein Kunden-Case zeigt, dass die User in der letzten Woche eines Monats eine geringe Preissensibilität aufweisen. In diesem Zeitraum stellt der Shopbetreiber seine Strategie mit drei Klicks auf eine Revenue-Strategie um. Durch eine automatische Optimierung der von den Algorithmen ausgewählten Artikel zur Erreichung wird ein höherer Umsatzes realisiert. Für die restlichen drei Wochen eines Monatszeitraums stellt der Shopbetreiber dann wieder auf eine Conversion-Strategie um – und hat auch hier mithilfe der KI das bestmögliche Setup.

Apptus

Florian Lüft ist Vice President Sales bei Apptus. Als Gesamtlösung nutzt Apptus gezielt Big Data, um zuvor reaktives, manuelles und Regel-basiertes Merchandising in eine automatisierte prädiktive Anzeige zu verwandeln, die sich in Echtzeit an das User-Verhalten anpasst und die richtigen Produkte zur richtigen Zeit dem richtigen Kunden anzeigt.
Mit einer schnell wachsenden Kundenbasis in Skandinavien, Großbritannien, DACH und den USA hat Apptus seinen Sitz in Lund, Schweden mit Niederlassungen in London und München.

5 Beispiele, wie KI das Fashion-Business verändert

Artikel bewerten

Vielen Dank, Ihre Bewertung wurde registriert!

Sie können leider nur einmal pro Seite bewerten.

Ihre Bewertung wurde geändert, vielen Dank!