KI und Handelsmarketing: Daten und künstliche Intelligenz für Ihr Geschäftswachstum nutzen
Künstliche Intelligenz ist das Thema Nummer eins im Jahr 2023. Täglich gibt es neue Nachrichten und zum Teil übertriebene Prognosen. Einzelhändler und ihre Partner stehen dieser Entwicklung mehr oder minder gut aufgestellt gegenüber. Marketing- und Werbeleiter des Einzelhandels fragen sich, was KI für ihre aktuellen Aktivitäten und die Zukunft des Einzelhandelsmarketings im Allgemeinen bedeuten wird.
Zunächst einmal ist zu bedenken, dass KI und die damit verbundenen Technologien – maschinelles Lernen (ML) und “Big Data” – nichts grundlegend Neues sind. Die Idee, große Trainingsdatensätze zur Automatisierung von Routinetätigkeiten oder zur Vorhersage künftiger Ergebnisse zu verwenden, wird oft als “schwache KI” bezeichnet und existiert schon seit Jahrzehnten. Doch mit all den Fortschritten im Cloud Computing und der Veröffentlichung von ChatGPT und OpenAI im November hat die Flut neuer Informationen (und Fehlinformationen) bei einigen Einzelhandelsfachleuten mehr als genug Unruhe ausgelöst. Das Geheimnis, diese Ängste zu überwinden, ist jedoch dasselbe wie bei jeder neuen Technologie – das Verständnis ihrer Fähigkeiten und Grenzen.
Grundlegende Konzepte
KI kann auf fast alle digitalen Daten angewendet werden, einschließlich strukturierter Daten (in der Regel alphanumerische Felder mit logischen Bezeichnungen und Beziehungen) und unstrukturierter Daten. Stellen Sie sich strukturierte Daten wie eine Tabellenkalkulation mit klar beschrifteten Zeilen (Datensätzen) und Spalten (Feldern) vor. Unstrukturierte Daten sind nicht so klar beschriftet und umfassen digitale Bilder und unklassifizierte Texte, wie sie beispielsweise in Beiträgen in sozialen Medien vorkommen. Aber auch wenn ein Datensatz keine logischen, strukturierten Beschriftungen (oder Metadaten) hat, kann er dennoch eine Bedeutung haben.
KI ist darauf ausgelegt, Muster in großen Mengen unstrukturierter Daten zu erkennen. Diese Muster, die oft mit menschlicher Unterstützung bestätigt werden, werden in ML-Algorithmen verwendet, um ein System zu trainieren, das ähnliche Muster in Bildern oder Texten erkennt und automatisch prädiktive Entscheidungen trifft. Eine KI versteht die Bedeutung dieser Muster nicht so wie ein Mensch, aber sie kann die bedeutungsbewusste Reaktion eines Menschen viel schneller simulieren als menschliche Entscheidungsträger.
Betrachten wir den Unterschied zwischen menschlichem Verständnis und der Art und Weise, wie KI es simulieren kann. Ein Marketing-Manager im Einzelhandel kann zum Beispiel die Bedeutung bestimmter Fakten über ein Produkt verstehen:
- Es hat sich zu bestimmten Zeiten des Jahres gut verkauft.
- Es hat eine recht hohe Gewinnspanne und eine zuverlässige Lieferkette.
- Der Hersteller hat die meisten relevanten Informationen über das Produkt geliefert.
- Es hat viele positive Bewertungen in den sozialen Medien und anderswo erhalten.
- Es wurde in verschiedenen Blogs und Artikeln positiv beschrieben.
- Es gibt öffentlich zugängliche Bilder und Videos von Menschen, die es benutzen.
Die Punkte 1-3 stellen strukturierte Daten dar, die typischerweise in Datenbanken für Verkaufshistorie, Inventar oder Produktinformationsmanagement (PIM) zu finden sind. Die Punkte 4-6 sind größtenteils unstrukturiert. Aber aus diesen Datenpunkten könnte ein Mensch vernünftigerweise schließen, dass eine Werbekampagne für dieses Produkt eine gute Idee ist. Da es jedoch so viele verschiedene Produkte und Produktvariablen gibt, wäre es für einen einzelnen Menschen – oder sogar für eine ganze Marketingabteilung – unmöglich, diese Entscheidungen in großem Umfang zu treffen. Ein KI-gestütztes System hingegen kann aus allen Arten von verfügbaren Daten sinnvolle Muster erkennen (die von Menschen bestätigt werden) und automatisch die wahrscheinlichsten Kandidaten für eine Marketingkampagne priorisieren.
Diese Mustererkennung in großem Maßstab durchzuführen, würde mehrere Dinge bewirken. Wenn die Mustererkennung der KI genau ist – eine leicht überprüfbare Hypothese –, würde die Wirksamkeit von Marketingkampagnen im Einzelhandel erheblich gesteigert. Es würde auch die Kosten und die Mühe verringern, die mit dem Durchkämmen von Daten verbunden sind, um aussagekräftige, umsetzbare Erkenntnisse zu gewinnen. Wären Marketing- und Werbeleiter von dieser Last befreit, könnten sie sich auf Dinge konzentrieren, die künstliche Intelligenz wahrscheinlich nie tun wird, nämlich die ästhetischen und persönlichen Vorlieben und Neigungen ihrer Zielgruppe zu berücksichtigen. Kreative und empathische Menschen werden immer im Vorteil sein, unabhängig davon, wie gut oder schnell KI menschliches Verhalten imitieren kann.
Der Vorteil des Einzelhändlers
In diesem Bereich haben große Einzelhändler bereits einen Vorteil gegenüber anderen Unternehmen, nämlich ihren Zugang zu riesigen Mengen meist strukturierter, produktbezogener Daten. Dies ist nur natürlich, da sie mit Tausenden (oder Millionen) von Einzelprodukten von verschiedenen Herstellern umgehen müssen. Jedes Produkt muss über eine Reihe von Merkmals- und Komponentendaten verfügen, die in der Regel in einem PIM-System gespeichert sind. Gleichzeitig müssen alle Bilder und Beschreibungen der einzelnen Produkte verwaltet werden, die in der Regel in einem DAM-System (Digital Asset Management) gespeichert sind. Hinzu kommt eine Reihe weiterer Datenquellen für Verkäufe, Bestände, Preise und andere wichtige Daten. Viele Unternehmen beziehen inzwischen auch E-Commerce-Verkaufshistorien und Kundenrezensionen ein.
Diese Daten müssen natürlich gut verwaltet werden, was eine Herausforderung sein kann. Glücklicherweise haben die Datenintegrationsteams von Comosoft vielen Einzelhändlern geholfen, ihre PIM-, DAM- und anderen strukturierten Datenquellen zu vereinheitlichen, indem sie das LAGO-System für eine sinnvolle, kooperative Planung und eine effiziente, InDesign-basierte Workflow-Optimierung für Print- und Digitalkampagnen mit mehreren Versionen eingesetzt haben.
Der Unterschied ist natürlich, dass die typischen PIM-, DAM- und anderen Datenquellen stark strukturiert sind – und das sollten sie auch sein. Wir stehen erst am Anfang, wenn es darum geht, neue Arten von Daten zu strukturieren, z. B. Kundenrezensionen und vom Kunden bereitgestellte Bilder und Videos. Aber diese neuen Datentypen bieten einen unglaublichen potenziellen Wert für den Einzelhandelsvermarkter. Und KI wird diesen Wert nur noch weiter steigern.
Fokus auf Daten-Bereitstellung
Bevor man sich realistisch mit KI und der Masse an unstrukturierten Daten auseinandersetzen kann, muss man zunächst seine strukturierten Daten beherrschen und sie sozusagen in Marketing-Gold verwandeln. Comosoft LAGO ist ein bewährtes Tool, um genau das zu tun.
Sobald ein großer Einzelhändler einen Weg gefunden hat, mit den bereits vorhandenen Daten “bereit” zu sein, ist der nächste Schritt in Richtung künstliche Intelligenz ein logischer, leistungsstarker nächster Schritt. Mit diesem Bereitschaftsgrad kann KI den Einzelhändler nur in neue Ebenen der Effizienz und des Wachstums führen.
Buchen Sie eine Live-Demo und erfahren mehr über unsere Software LAGO!