Datenzentralisierung: Die Zukunft des E-Commerce

KI ist seit geraumer Zeit auch Thema im Marketing und gilt als Zukunftsmotor für Content-Erstellung. Doch automatisierte Textgenerierung weckt oft noch üble Gedanken an schlechte Übersetzungen aus dem Internet: Falsch gewählte Synonyme und miserable Grammatik – die Scheu vor intelligenter Software ist begründet.

Allerdings hat die Entwicklung der KI, für viele unbemerkt, einen großen evolutionären Sprung gemacht: Nicht bloß Chatbots kommunizieren scheinbar individuell, auch Produkttexte schreibt der maschinelle Schreiberling wie von Zauberhand selbst – und das auch noch gut. Davon profitieren insbesondere Anbieter mit vielen Produkten in unterschiedlichen Ausführungen und Sprachen.

Dass sich diese Technik zu einem wichtigen Überlebensfaktor am Markt entwickelt, sollte zukünftig jeder Shop-Betreiber bedenken. Nötig ist dazu ein durchweg aktuelles und korrektes Datenmanagement, um zielgruppengenaues Marketing zu praktizieren. Am einfachsten gelingt dies durch Datenzentralisierung, denn Einzelinformationen der Kunden und Auswertungen der Warenwirtschaftssysteme müssen verknüpft werden.

Sogenannte Produktinformationsmanagementsysteme (PIM) helfen dabei, indem sie:

• Verknüpfungen zu ERP- und Shopsystemen herstellen
• Entsprechende Informationen in unterschiedliche Crosschannel-Medien ausgeben

EXTRA: E-Commerce: Wichtigster Baustein der digitalen Transformation [Studie]

Die folgenden 3 Beispiele zeigen anschaulich, wie wichtig Datenzentralisierung für alle Online-Shops ist, die für Umsatzwachstum auf Zukunftstechnologien vertrauen.

1. Display Commerce

Gerade große Monitore in direkter Nähe zu stationären Geschäften wirken direkt auf die im Umkreis befindlichen Personen ein. Im Display-Commerce zeigen diese Bildschirme individualisierte, speziell auf ausgewählte Interessenten abgestimmte Angebote. Haben vorbeilaufenden Personen ihre Standortfreigabe am Smartphone erteilt, weiß das Display-System, ob einer von ihnen schon einmal den Shop des Anbieters besucht oder dort gar etwas gekauft hat. Daraufhin zeigt das Display für diesen Kunden passende Produkte.

Für den Fall, dass sich mehrere Käufer im zu ortenden Bereich aufhalten, wählt das System die Person mit der höchsten Warenkorbsumme aus. Sollten die Daten des auf dem Display erscheinenden Artikels nicht vollständig oder korrekt sein, spricht diese Marketingmaßnahme den Kunden nicht wie erwartet an oder verschreckt ihn gar.

EXTRA: Online-Shops: Mit gutem Design zu mehr Umsatz

2. Picture-Recognition

Anhand eines selbst aufgenommenen Fotos suchen Kunden den gewünschten Artikel in der Datenbank des Unternehmens – ob mit bereitgestellten Tablets im stationären Einzelhandel oder mit eigenem Endgerät und passender App. Daraus ergeben sich völlig neue Möglichkeiten für Interessent und Anbieter: Kunden holen selbstständig Informationen zum Produkt ein und begutachten es in anderen Szenarien. Händler wiederum haben die Chance, direkt über diese App zu verkaufen, ohne weiteren Beratungsaufwand betreiben zu müssen.

EXTRA: Online-Bewertungen: Neun von zehn Usern lassen sich beeinflussen [Studie]

Auch außerhalb der Geschäfte oder des Onlineshops erweisen sich diese Techniken als hilfreich. Denn auch wenn Anwender fremde Bilder auf denselben Endgeräten ansehen, erkennt die Software den Artikel des Shops und gibt dem Nutzer die Option, ihn zum selbigen weiterzuleiten.

Zusätzlich profitieren Kunden nicht nur im B2C-, sondern auch im B2B-Bereich von dieser Technik: Das Nachbestellen einzelner Ersatzteile, die für ein ungeschultes Auge nicht von anderen zu unterscheiden sind, wickelt der Käufer ebenfalls über diese Applikation ab. Einzelne Merkmale klassifiziert das System direkt und ordnet das Bild dem korrekten Artikel zu.

Im Backend gespeicherte Attribute geben der KI Aufschluss über Bedürfnisse und Geschmack des Anwenders und diese generiert daraus passende Artikelvorschläge. Dies funktioniert natürlich nur mit entsprechend aktuellen und gepflegten Datensätzen.

3. Machine Learning

Als Vorstufe starker künstlicher Intelligenz lernt diese Software aus vorgegebenen Formatierungen und durchgeführten Korrekturen.

Mit dem direkten Einsatz im Content-Management kann das System Informationen von anderen Quellen aus dem Internet oder weiteren Datenbanken abgreifen und übertragen. Für Marketers war dies nur eine Frage der Zeit.

Tatsächlich funktioniert diese automatisierte Schlagwort-Extraktion ziemlich gut. Machine Learning arbeitet und lernt immer auf die gleiche Weise: Der Content-Manager überprüft die von der KI erstellten Produktinformationen oder redaktionellen Texte und korrigiert Fehler. Die Software liest mit, vergleicht seinen Text mit der korrigierten Fassung und lernt daraus. Häufig genug angewendet, führt dieses Verfahren zu einem hilfreichen System, das Arbeitsaufwand erheblich reduziert und dauerhaft gepflegte Datensätze ohne Lücken generiert.

Künstliche Intelligenz, Machine & Deep Learning: Die Unterschiede

Das Lernen intelligenter Systeme muss sich aber nicht auf Content-Erstellung beschränken. Das Analysieren von gesuchten Schlüsselbegriffen der Kunden führt zu besseren individuellen Angeboten, die beispielsweise im Display-Commerce Anwendung finden. Und auch Produktionsprozesse kann die KI je nach Bestellumfang frühzeitig anpassen. All diese Adaptionen verbessern die Customer-Experience – egal ob im B2C oder B2B.

Thomas Bacani spricht über Mehrsprachigkeit und PIM beim #omninnoday pic.twitter.com/jtyi51NH1D

— Across Systems (@Across_Systems) 23. Mai 2019

Zentrale Schnittstelle: PIM

Zentrale Datenlagerung ist zwingend nötig, um der KI alle Informationen zur Verfügung zu stellen.

Die effizienteste Möglichkeit, um alle Daten automatisch einzuspeisen und in jeglichen Varianten auszugeben, sind PIM-Systeme. Durch das direkte Bearbeiten der Daten in PIM reduziert sich das Fehlerpotenzial und das Unternehmen spart so Zeit und Geld.

EXTRA: 5 Marketing-Automation-Trends für 2019