Customer Centricity:
Künstliche Intelligenz im Fashion Retail: Was alles möglich ist
Kaum eine Branche ist so von Trends und Prognosen abhängig wie der Modehandel. Ein Fall für Künstliche Intelligenz. Was schon heute geht und was das für Unternehmen und Kunden bedeutet, erklärt Data Scientist Joachim Keppler.
Foto: Getty Images/Robin Lynne Gibson
Fashion Retail im 21. Jahrhundert steht vor enormen Herausforderungen. Ein sich branchenübergreifend radikal änderndes Kauf- und Entscheidungsverhalten der immer anspruchsvolleren Kunden, ein enormer Konkurrenzdruck durch große Online-Plattformen und ebenso rasant aufkommende wie wieder abklingende Trends erfordern schnelle Entscheidungen, agiles Handeln und - im Idealfall - frühzeitige Prognosen.
Der Schlüssel: Daten. Der Handel besitzt sie in schier unermesslichem Umfang, was zugleich ein Problem darstellt als auch eine enorme Chance bietet. Aus ihnen lassen sich die Erkenntnisse ableiten, die insbesondere im Fashion Retail immer wichtiger werden - sofern man sie lesen und im entscheidenden Moment einsetzen kann.
Die bereits existierenden Methoden von Künstlicher Intelligenz (KI) lassen sich sowohl zur Analyse als auch zur Prognose von Potentialen und Risiken sowie zur frühzeitigen Einschätzung von Ursachen und Beweggründen nutzen. Dies kann - einen entsprechend gepflegten Datenbestand vorausgesetzt - sowohl auf Unternehmens- als auch auf kundenindividueller Ebene geschehen.
Die KI wird immer ausgefeilter
Dabei fungiert die KI im Idealfall als Mittler zwischen Kunden und Unternehmen. Sie kann selbstständig aka "intelligent" in einer bestimmten Situation die optimalen Schlussfolgerungen ziehen und auf Basis komplexer Zusammenhänge Entscheidungen treffen, die sich aus den vom Unternehmen definierten Zielen ergeben. Dabei lernt sie kontinuierlich aus ihren eigenen Erfahrungen, die wiederum in zukünftige Entscheidungsprozesse einfließen. Sprich: Sie optimiert sich selbst.
Entscheidend ist, dass KI-Lösungen möglichst aussagekräftig und nachvollziehbar diejenigen Daten und Informationen bereitstellen, die das Unternehmen oder ein Kunde in einer konkreten Situation brauchen. Dabei kann es sich um die situativ relevanten, intuitiv erfassbaren Parameter in einem individuellen Kundenprofil oder um die von einem digitalen Assistenten bereitgestellten Produktinformationen handeln. Im Idealfall sind die Systeme in der Lage, auf möglichst natürliche Art und Weise - optisch oder akustisch, durch z.B. eine Spracherkennung und -ausgabe - mit dem jeweils beteiligten Menschen zu interagieren.
Blick in die Zukunft statt in den Rückspiegel
Seit Jahrzehnten hat sich der Handel auf mal mehr, mal weniger zutreffende Empfehlungen verlassen, die grundsätzlich auf dem Blick in die Vergangenheit beruhten. Es gab keine ausgereiften datengestützten Prognosen, darum agierten die Händler überwiegend reaktiv. Wer als Fashion Retailer z.B. nicht in der glücklichen Situation war, einen Trend zu definieren, musste diesen stets schnellstmöglich aufgreifen, um den Wunsch möglichst vieler Kunden zeitnah zu befriedigen. Intelligente Prognosesysteme auf der Basis Künstlicher Intelligenz sind jedoch in der Lage, sowohl kundenspezifische als auch auf typische Kundengruppen zugeschnittene Szenarien zu entwerfen. Mit diesen lässt sich unterschiedlich weit vorausblickend vorhersagen, welche Produkte von welchen - oder welchem - Kunden gewünscht werden.
Was will Ihr Kunde an welchem Tag?
Dabei berücksichtigen die Systeme verschiedene Faktoren. Neben den "hard facts” - z.B. der Verfügbarkeit eines Produkts - ist entscheidend, dass neben dem bisher bekannten Kaufverhalten die daraus abgeleiteten Präferenzen und Affinitäten des jeweiligen Kunden erkannt werden. Im Zusammenhang mit anderen Parametern kann ein
KI-basiertes Kundenprofil dementsprechend die individuellen Potentiale und Risiken enthalten, die ganz konkret in einer bestimmten Jahreszeit, an einem bestimmten Tag, in einer von vielen äußeren Faktoren beeinflussten Verkaufssituation auftreten.
Foto: Defacto X
Aus diesen Daten können KI-Lösungen selbstständig vorausschauend ableiten, welche Interaktion mit dem Kunden die vermutlich höchsten Erfolgsaussichten unter Berücksichtigung der zuvor definierten Ziele des Unternehmens bietet. Die Interaktion bzw. Kommunikation mit dem Kunden kann dabei sowohl digital - z.B. an einem Verkaufsterminal, in einem Onlineshop, einem Chatbot oder einer App - erfolgen als auch von einem geschulten Mitarbeiter - in einem Store oder an einer Hotline - übernommen werden.
Eine überproportional hohe Discount-Affinität könnte z.B. der entscheidende Faktor sein, der bei einem eigentlich in der Herbst-Winter-Saison kaum interessierten Kunden das durchaus vorhandene Reaktivierungspotential in eine Transaktion wandelt. Der dazu eventuell anfallende Aufwand muss jedoch - kundenindividuell - mit dem Risiko einer teuren Retoure abgeglichen werden, um das daraus tatsächlich resultierende Ertragspotential einordnen zu können. Das wiederum könnte gar nicht zum momentan priorisierten Unternehmensziel zählen - woraus sich eventuell andere Potentiale bzw. konkrete Maßnahmen ergeben.
Der Kundenberater wird digital
Die analytische Optimierung der Kundeninteraktion kann online und offline in das umgesetzt werden, was der klassische Fashion Retail schon immer als Kernkompetenz definiert hat: Die Beratung. “Neu” ist, dass ein KI-basierter Beratungsassistent auf verschiedene, ursprünglich gar nicht nutzbare und völlig unstrukturierte Datenquellen zurückgreifen und daraus konkrete Anwendungsszenarien entwickeln kann.
Diese kognitiven Systeme bilden letztendlich das ab, was ein professioneller Verkäufer mit jahrelanger Berufserfahrung im Gespräch mit einem treuen Kunden sagen, tun oder aber tunlichst unterlassen würde.
Diese Kombination aus Wissen und Erfahrung eines Top-Verkäufers steht mit Hilfe der Künstlichen Intelligenz in Echtzeit jedem einzelnen Mitarbeiter, an jedem Point of Decision oder an jedem Point of Sale zur Verfügung. Dabei erweitern sich je nach Szenario die Möglichkeiten, mit denen die tatsächliche Interaktion und Kommunikation ergänzt werden kann.
Im konkreten Einzelfall kann ein Kunde z.B. mit einem Smartphone ein Produkt fotografieren, das in dieser Variante (Modell, Farbe) oder von diesem Hersteller nicht beim jeweiligen Retailer vorhanden ist. Ein KI-System kann ihm dann die individuell passende Alternative vorschlagen und dabei Parameter berücksichtigen, die sich aus seinem parallel abgefragten Kundenprofil ergeben.
Foto: Defacto X
Reagiert der Kunde auf diesen Alternativvorschlag zustimmend oder ablehnend, wird dies in Echtzeit als Datensatz erfasst, so dass die Reaktion in zukünftigen Entscheidungsprozessen berücksichtigt werden kann. Dabei wiederum kann aus dem tatsächlichen Verhalten des Kunden abgeleitet werden, warum sich der Kunde für oder gegen ein bestimmtes Produkt entschieden hat. Die digital protokollierte Customer Journey lässt Rückschlüsse zu, wie der Kunde bei einer bestimmten Marke, einem bestimmten Preis oder in einem anderen Zusammenhang reagiert hat.
Elementar ist, dass Fashion Retail Künstliche Intelligenz nicht um ihrer selbst willen einsetzt. Noch mehr als in vielen anderen Branchen steht das zunehmend wichtige Kundenerlebnis, die sagenumwobene "Customer Experience", im Fokus. Ein Kunde, der den individuellen Nutzen und Sinn dieser Systeme nicht erkennt, wird sie unweigerlich ablehnen - und sich im schlimmsten Fall verärgert vom Unternehmen abwenden. Dieses Risiko verdeutlicht, dass eine professionelle, branchenspezifische Besonderheiten berücksichtigende Plattform elementar für den erfolgreichen Einsatz der Technologie ist.
Der Gastautor: Joachim Keppler ist promovierter Physiker und Director Data Science des CRM-Spezialisten Defacto Realations.
Disclaimer: Defacto Realations gehört zur Unternehmensgruppe Defacto X, einem Werbekunden des Verlages Werben und Verkaufen. Die Redaktion ignoriert das grundsätzlich und legt im konkreten Fall Wert auf die fachliche Expertise von Dr. Keppler.
