Künstliche Intelligenz im E-Commerce sinnvoll einsetzen

In den letzten Monaten sind vor allem dank ChatGPT von OpenAI die Fortschritte der künstlichen Intelligenz für eine breite Zielgruppe sichtbar geworden. Die Arbeiten und Forschung an intelligenten Computern ist aber schon sehr lange aktiv. Die ersten Konzepte, die heute im Einsatz sind, wie beispielsweise neuronalen Netze, wurden bereits in den 1940er Jahre diskutiert.

Die neuesten Fortschritte, die wir nun sehen, gehen vor allem auf zwei Entwicklungen zurück:

Damit sind plötzlich sogenannte Large Language Models (LLMs) möglich, die erstaunliche Ergebnisse generieren. Beispiele für solche LLMs sind GPT-4, das in ChatGPT verwendet wird oder Google’s PaLM, das wir in Google’s eigenem Chatbot Bard wiederfinden können.

Im wesentlichen sind die Modelle so trainiert, dass sie aufgrund der vielen Lerndaten möglichst gute Antworten anhand von Wahrscheinlichkeiten liefern können. Dieses tolle Einsteigervideo erklärt einfach, wie ein solches Large Language Model mathematisch funktioniert.

Im E-Commerce gibt es viele Chancen, dank künstlicher Intelligenz ein besseres Kundenerlebnis oder eine höhere Produktivität zu erzielen.

Onlineshops mit vielen Produkten kennen die Herausforderung: die Produktdaten müssen aufwändig von Hand erstellt und mit Zusatzinfos angereichert werden. Händler beispielsweise erhalten oft von ihren Lieferanten Produktdatenblätter, die dann wiederum im Shop erfasst werden müssen. Dies geschieht aktuell noch mit enorm viel manuellem Aufwand. Wir haben anlässlich unseres Shopware Hackathons erste Tests durchgeführt und sehr vielversprechend Resultate erhalten. Wir konnten mittels technischen PDF-Unterlagen unzählige Produkte automatisiert erstellen oder bestehende Produkte mit zusätzlichen Informationen anreichern.

Händler können so KI im E-Commerce einsetzen, um enorm schnell und effizient eine grosse Anzahl an neuen Produkten oder Produktdaten einzufügen. Unsere Versuche haben gezeigt, dass der übernommene Datensatz eine sehr geringe Fehlerquote aufwies. Gründe dafür sind die unterschiedlichen Formaten der PDFs und die sogenannte Halluzination von solchen Large Language Models. Im Vergleich zum manuellen Prozess ist dies jedoch vernachlässigbar gering und verbessert sich stets weiter.

Gerade Onlineshops mit einer diversen Zielgruppe haben die grosse Herausforderung, den richtigen Inhalt für die richtige Zielgruppe bereitzustellen. Stammkunden und Neukunden müssen anders angesprochen werden. Mit sogenannten Segementierungen kann und wird auch jetzt schon, ohne E-Commerce KI, das Einkaufserlebnisse für gewisse Gruppen von Kunden unterschieden. Dank künstlicher Intelligenz kann dieser Prozess nochmals um einen grossen weiteren Schritt verbessert werden. Der Inhalt lässt sich somit nicht nur für jedes Segment, sondern für jeden Besucher individualisieren.

Bei dieser Individualisierung von Inhalten geht es nicht um Triviales wie eine Überschrift oder den Einleitungstext, sondern um bedeutend relevanteren Inhalt. Das können individualisierte Hinweise zur Mengenplanung in einem Kundenportal sein, passende Cross- oder Upselling Vorschläge, ohne dass die Daten dafür aufwändig verknüpft wurden oder Landingpages für Kampagnen, die aufgrund der Interessen und des vergangenen Einkaufsverhalten der Kunden textlich und strukturell automatisch optimiert werden.

Dabei besteht die Herausforderung, die Historie und die passenden Daten in Form von Kontext dem künstlichen Intelligenz Modell zu übermitteln, damit der Output die höchst mögliche Qualität hat. Auch hier haben wir festgestellt, dass zwar die KI Werkzeuge bestehen, aber möglichst in smarten Schritten konzipiert und miteinander verknüpft werden müssen.

Produktbilder sind im E-Commerce Marketing das A und O. Gerade bei vielen Produkten ist aber deren Erstellung aufwändig und häufig sind nur Bilder vorhanden, die das Produkt isoliert darstellen.

Je nach Kampagne oder Thema braucht es aber am besten das Produkt in einem anderen Kontext oder thematisch mit passendem Hintergrund. Hier bieten die Modelle zur Generierung von Bildern viele Chancen. So können auf Landingpages direkt passende Bilder basierend auf dem Thema generiert werden.

An unserem kürzlichen erfolgten Shopware Hackathon haben wir genau diesen Use Case durchgespielt und erfolgreich einen Prototypen gebaut. Diese Shopware App generiert Stimmungsbilder basierend auf dem Inhalt der Landingpage. Die Qualität der generierten Bilder hängt von einem möglichst guten Prompt ab. Als Prompt wird der Input oder die Eingabe bezeichnet, welche das KI Model beauftragt.

Den qualitativen Prompt generieren wir, indem wir das Model GPT-4 nutzen, um eine Zusammenfassung der Landingpage zu erstellen. Diese wiederum wird dann als neuer Promt an eine andere Bilderstellungs-KI geschickt. Die so generierten Bilder sind deutlich besser, als vom User manuell erstellte Prompts. Die Shopware App ist bald im Shopware Store kostenlos verfügbar.

Die Herausforderungen mit den Bildgenerierungs-KI-Modellen bestehen jedoch nach wie vor. So ist die Bildqualität aktuell beschränkt und teilweise wirken Details verzerrt und unscharf. Die aktuell schnell fortschreitende Entwicklung gibt uns jedoch die Gewissheit, dass diese Probleme bald gering sind, je weiter sich die Modelle verbessern.

Aktuell versuchen alle Unternehmen die Entwicklungen im KI Bereich zu verstehen und korrekt einzuordnen. Vieles bleibt aber theoretisch und wenig greifbar, wenn nicht ganz konkrete erste Testprojekte lanciert werden. Hier geht es primär darum, konkrete Use Cases für Ihr Unternehmen zu identifizieren und damit Erfahrungen zu sammeln.

Häufig wird dann dem Management auch klar, wo noch investiert werden muss, um die Grundlagen zu setzen. So sind beispielsweise intelligente Support Chatbots, die auf den eigenen Kundenfeedbacks und der eigenen Wissensdatenbank trainiert wurden, sehr nützlich und nicht vergleichbar, mit den vielen schlechten Chatbots, die wir leider aus dem Internet-Alltag kennen. Dafür müssen aber die Daten im Unternehmen möglichst strukturiert vorliegen, damit diese als Grundlage dienen können.

Auch Personalisierungen mittels Kundenhistorie oder weiteren Daten erfordern eine hohe Qualität sowie gute Schnittstellen, um diese Systeme zu nutzen und so die KI-Modelle mit Kontext anzureichern.

Buchen Sie jetzt eine kostenlose KI-Beratung, und wir helfen Ihnen, konkreten Mehrwert für Ihr Unternehmen und Ihre Kunden zu erzielen.