3 Schlüssel zur Verbesserung Ihrer Online Customer Journey mit KI
Wie künstliche Intelligenz ein personalisiertes Online-Erlebnis bieten kann.
Dieser Beitrag wurde ursprünglich bei Retail Touchpoints veröffentlicht .
Gartner berichtet, dass COVID-19 die dauerhaften Veränderungen im Kundenverhalten im Einzelhandel beschleunigt hat. Unternehmen, die kein nahtloses, personalisiertes Online-Erlebnis bieten können, laufen Gefahr, Kunden und Umsatz zu verlieren. Um wettbewerbsfähig zu bleiben, müssen Einzelhändler heute mehr denn je ihr digitales Spielbuch neu erfinden. Glücklicherweise können Einzelhändler mit praktischer künstlicher Intelligenz (KI) das Online-Kundenerlebnis durch reibungslose Produkterkundung und virtuelle Interaktionen in großem Umfang dramatisch verbessern. In diesem Blog gehe ich auf drei Möglichkeiten ein, wie KI Ihnen dabei helfen kann.
1. Signale sind König.
Signale sind alle Interaktionen und Datenpunkte, die für einen Kunden einzigartig sind, einschließlich Suchanfragen, Klicks, Add-to-Cart, Checkout, Profilinformationen, Kaufhistorie usw. Sie können sowohl webbasierte Signale als auch Offline-Aktivitäten und Interaktionen außerhalb Ihrer E-Commerce-Plattform erfassen. Viele Einzelhändler haben Signale erfolgreich genutzt, um das Kundenerlebnis zu verbessern, und wenn Sie keinen Nutzen aus den Signalen ziehen, hat Ihr Unternehmen einen Wettbewerbsnachteil.
Signale, die für ein bestimmtes Unternehmen wichtig sind, sind es für ein anderes vielleicht nicht. Für einen Autoteilehändler ist es zum Beispiel wichtig zu wissen, ob ein bestimmtes Teil häufig zurückgegeben wird – ein Zeichen dafür, dass die Beschreibung des Teils möglicherweise unzureichend oder ungenau ist. Für Einzelhändler, die personalisierte Gravuren oder Intimbekleidung verkaufen, sind die Produkte dagegen oft nicht umtauschbar, so dass Rücksendungen als Signal nicht sehr nützlich sind. Da Signale für jeden Kunden und jedes Unternehmen einzigartig sind, sind sie der Schlüssel, um Ihren KI-Algorithmen zu helfen, das Verhalten eines einzelnen Kunden zu entschlüsseln und die Reibung auf seiner Online-Reise zu reduzieren.
KI kann mit historischen Signaldaten noch besser arbeiten. Unsere Kunden fragen oft: „Wie lange dauert es, bis Ihr KI-System etwas über das Kundenverhalten lernt?“ Zwei Wochen? Vielleicht sechs? Wie wäre es mit sofort? Es ist möglich. Sie können historisch verfügbare Clickstream-Daten – die rohen Signale über Kunden – verwenden, um Ihre KI-gestützte E-Commerce-Plattform so zu trainieren, dass sie die Absichten der Kunden vom ersten Tag an versteht.
2. Maschinelles Lernen treibt die Suchrelevanz in großem Umfang voran.
Haben Sie Teams von Suchanalysten oder Kuratoren, die schlecht abschneidende Suchanfragen manuell überprüfen und deren Relevanz manuell erhöhen? Wenn ja, dann wissen Sie, wie mühsam, ressourcenintensiv und nicht skalierbar dies ist, insbesondere wenn sich Ihr Produktsortiment und das Verbraucherverhalten ändern. Das bedeutet auch, dass Sie eine Menge Daten über fehlgeschlagene Suchvorgänge benötigen, um die Suche zu verbessern.
Die manuelle Anpassung von Tausenden von Suchanfragen, die keine Ergebnisse liefern oder schlecht abschneiden, nimmt viel Zeit in Anspruch. Und wenn Sie erst einmal eine manuelle Kuratierungsregel eingeführt haben, müssen Sie diese im Laufe der Zeit pflegen. Das kostet wertvolle Zeit, die Ihr Team mit anderen geschäftlichen Prioritäten hätte verbringen können. Hier kommt das maschinelle Lernen ins Spiel – es bietet ein gutes Gleichgewicht zwischen deterministischen Regeln und vollständiger Automatisierung.
Die ML-basierte Vektorsuche gibt uns eine Chance auf eine gute Site-Suche, wenn jemand zum ersten Mal außerhalb der Grenzen unseres Vokabelsortiments sucht. Die Vektorsuche ordnet Konzepte mit ähnlichen Zwecken in denselben semantischen Raum ein und hilft Käufern, Produkte zu entdecken, die häufig zusammen verwendet werden, und zwar auf natürliche und organische Weise. Die Vektorsuche ist besonders leistungsfähig, wenn es darum geht, intuitive Suchrelevanz zu liefern und die gefürchteten Null-Ergebnisse zu eliminieren. So konnte unser Kunde – ein weltweit führender Einzelhändler – mit Hilfe der Vektorsuche die Zahl der Nullergebnisse um 91 % reduzieren und den durchschnittlichen Bestellwert um 28 % erhöhen.
3. Chatbots sind die Freunde Ihrer Supportmitarbeiter.
Das Tolle an der Vektorsuche ist, dass sie auch Chatbots für den Kundenservice verbessern kann, was die Kundenzufriedenheit erhöht und gleichzeitig Ihre Kundendienstmitarbeiter entlastet. Angesichts des pandemischen Aufwärtstrends beim Online-Shopping ist ein guter Vor-Ort-Kundenservice wichtiger denn je. Laut dem Forrester-Bericht „Must-Have E-Commerce Features“ gaben 2019 27% der erwachsenen US-Online-Nutzer an, dass es für einen Händler wichtig sei, einen Live-Chat-Service auf der Website anzubieten. 2020 werden 42% der erwachsenen US-Online-Nutzer angeben, dass es für einen Händler wichtig sei, einen Live-Chat anzubieten, um Fragen zu stellen und Unterstützung auf der Website zu erhalten. Das ist ein satter Anstieg der Kundennachfrage nach einem Online-Chat-Service um 15 Prozentpunkte in nur einem Jahr.
Chatbots, die auf konversationeller KI basieren, sind in der Lage, nicht nur Antworten zu geben, sondern auch Fragen zu stellen, um Kunden zu den richtigen Produkten zu führen. Die Spitze der Chatbot-Innovation im Einzelhandel ist ein „Produktfinder“ – ein strukturierter Produktfindungsprozess, bei dem die App Ihnen Fragen stellt und Sie zu den Produktempfehlungen führt, die ihrer Meinung nach am besten zu Ihnen passen. Ich glaube, dass Finder Chatbots auf die nächste Stufe heben können, um das gleiche Serviceerlebnis in den Geschäften zu bieten, das Kunden online genießen.