Err

Fordern Sie hier Ihr (kostenfreies) Angebot an
Ihr Warenkorb 0 0,00 EUR
Expertentipps zum Online-Erfolg

Künstliche Intelligenz und E-Commerce: Ein Duo mit Potenzial (zweiter Teil)

LESEZEIT : 5MIN

Anaelle Faure - Oxatis

8. Januar 2020

ANAËLLE FAURE

Oxatis E-Commerce Experte

«  Leidenschaftlich begeistert von Web-Kommunikation und Redaktion hatte ich Gelegenheit, diese Kompetenzen seit 12 Jahren in der Welt des Online-Handels weiterzuentwickeln! »

Wir setzen unsere Serie von Beiträgen zur Künstlichen Intelligenz im Dienste des Online Handels fort (Vergleiche KI und E-Commerce: Ein Duo mit Potenzial Teil 1).

Nachdem im vorhergehenden Artikel dargestellt wurde, wie Sie künstliche Intelligenz in Ihrer eigenenen E-Commerce Website integrieren können, um so die User Experience zu personalisieren und dadurch Ihre Conversion Rates zu optimieren (ein Beitrag, den Sie hier jederzeit nachlesen können: KI & UX - personalisierte Navigation für optimierte Conversion), lenken wir den Fokus heute auf eine Technologie, die aus dem Fortschritt der künstlichen Intelligenz hervorging: dem Machine Learning (oder auf Deutsch, den Automatischen Lernprozessen).

Genauer gesagt soll untersucht werden, wie künstliche intelligenz bei Google eingesetzt wird, um die Wirksamkeit der verfügbaren Werbemittel zu steigern, und Ihnen so gestattet über die entsprechenden Kampagnen noch mehr noch präziser angepeilte Zielgruppen auf Ihre Seite zu führen.

Wir erklären…

Das Machine Learning von Google, ein Hyper-Targeting um Ihre potenzielle Zielgruppe in jeder der Etappen des Einkaufsprozesses anzusprechen


Was ist Machine Learning? 

Machine Learning ist weit davon entfernt, ein modernes oder gar futuristisches Konzept darzustellen, wie es oft seitens der Medien geschieht.  Es handelt sich vielmehr um einen Begriff, der im Jahre 1959 durch Arthur Samuel, einem Informatiker mit Pionierstellung in Sachen virtueller Spiele, künstlicher Intelligenz und automatischer Lernprozesse geschaffen und geprägt wurde. Arthur hat diese Notion anschließend konkretisiert indem er einen elektronischen Damespieler konzipierte welcher schließlich in der Lage war, im Jahre 1962 den nationalen Champion des States Connecticut zu schlagen.

Arthur Samuel definierte Machine Learning als von der Künstlichen Intelligenz abstammende Technologie, die Computern die Kapazität zum Lernen gestattet, ohne im Vorfeld explizit hierfür programmiert worden zu sein. 

Seit einigen Jahren nutzt Google Machine Learning für seine Algorithmen um die Erfahrung der Nutzer zu verbessern und darüber hinaus zu personalisieren. Um nur zwei Lösungen im breiten Dienstleistungsangebot von Google zu zitieren, werden Gmail Nachrichten beispielsweise automatisch entsprechend Ihrer Beschaffenheit geordnet (Prioritär, Werbung, Sozial, Unerwünscht) und dies basierend auf vorhergehenden Klassifizierungen seitens der Gesamtheit der Google-Nutzer; Google Maps wiederum antizipiert und suggeriert aktiv Ihre Sucheingaben, indem Daten bezüglich vorhergehender Anfragen und bezüglich des derzeitigen Aufenthaltsorts gekreuzt werden.

Das Machine Learning des Amerikanischen Giga-Konzerns wird mit jedem Tag leistungsfähiger, da täglich mehr Daten zur Verfügung stehen, um die entsprechenden Algorithmen mit Lernmaterial speisen, welches für eine immer bessere User Experience ausgebeutet wird.


Intelligente Werbekampagnen, absichtsgesteuert

Der Einkaufsverlauf eines Verbrauchers ist stets absichtsgesteuert. Drei grundlegende Abschnitte werden unterschieden: 

  • - Bewusstsein: Entdeckung und Bekanntheit der Internetpräsenz / der Marke 
  • - Interesse: Suche relevanter Informationen, zunehmend präzise Anfragen, Platzierung gewünschter Objekte in den Warenkorb
  • - Aktion: Übergang zum Kaufakt

Dank künstlicher Intelligenz kann das Verhalten der Besucher und Kunden heute beobachtet und ausgewertet werden, um daraus abzuleiten, welche grundlegende Absicht bestand. Das Ergebnis: Wir wissen, dass ein spezifischer Besucher potenziell eher an einem Produkt A in Größe XS und Farbe Blau interessiert sein wird, als an einem Produkt B in Größe L und schwarzer Farbe. 

Fallbeispiel: Sobald ein Internet-User beginnt, sich beispielsweise bezüglich sonniger Reiseziele zu informieren, wird Google – aus Kreuzung der Daten von Suchanfragen bezüglich seiner Kaufgewohnheiten, Reiseverhalten, etc. – ableiten dass dieser User potenziell am Kauf eines Paars Sonnenbrillen interessiert sein könnte. Anschließend, um diese 'Absicht / Intention' zum Kauf zu prüfen, wird Google eine Werbebotschaft bezüglich Sonnenbrillen platzieren, zum Beispiel während der Internet-User sich vor einem Youtube-Video entspannt. 

Die Leistungsfähigkeit des Algorithmus geht also über einfaches Wiederbewerben bereits konsultierter Produkte hinaus, da Google im vorliegenden Beispiel ein Produkt suggerieren wird, das der User noch nie konsultiert hat  er hat sich nie auf die E-Commerce Website begeben, die das gefragte Sonnenbrillen-Paar anbietet. 

Dank Machine Learning wird die Suchmaschine Soziale Profile definieren, die besonderes Interesse gegenüber einer Art an Produkten oder einer Marke zeigen sollten  basierend auf Kreuzung aller in dieser Typologisierung gesammelten Daten.  Man könnte diesen Prozess als Absichtsgesteuertes oder Prädiktives Targeting bezeichnen, welches wiederum den Verkäufern eine deutlich gezieltere Konstruktion Ihres Markenimages vom ersten Schritt des Einkaufsverlaufs gestattet, mit dem Sie sich nahtlos in das Kaufbewusstsein der Verbraucher integrieren können. 

In einer Gegenwart in der 50% der Online-Käufe über indirekte Wege erfolgen (d.h. via Facebook, Google, Mailing-Aktionen, YouTube und Blogs) bleibt die Priorität bei einer Omnipräsenz auf allen Kanälen. Und genau hier liegt die Stärke des Machine Learning, und damit der Künstlichen Intelligenz, die für diese kanalübergreifende Platzierung unersetzbar wird um die richtige Werbebotschaft der rechten Person am richtigen Ort und zum rechten Zeitpunkt zu vermitteln. 

Der Sinn von medienstrategischen Überlegungen und kanalorientierten Kampagnen ist heute somit immer weniger gegeben Stattdessen überlässt man die Verteilung der Botschaften auf die richtigen Kanäle entsprechend der jeweiligen Zielgruppe der Künstlichen Intelligenz. 


Responsive Anzeigen die sich den Suchanfragen der Verbraucher anpassen 

Google hat Machine Learning auch in seine Ads Lösung integriert, womit ein Service zur Platzierung Responsiver Werbeanzeigen geboten wird. Diese sind in der Lage, sich entsprechend der Zielperson anzupassen um dieser die bestgeeignetste Nachricht zu vermitteln.

Somit erfolgt die Erstellung einer neuen Werbekampagne in folgenden Schritten: 

  1. Sie erstellen verschiedene Slogans und Schlagzeilen und integrieren diesen entsprechend verschiedene Grafiken und Videos.
  2. Google erstellt darauf basierend automatisch dutzende verschiedener Kombinationen mit verschiedenen Botschaften. Diese automatische Zusammenstellung gestattet Ihnen das Einsparen kostbarer Zeit bei der Inhaltserstellung für verschiedene Werbeformate, die bislang eine der zeitfressendsten Aktivitäten des Webmarketing ausmachte. Ein weiter zentraler Vorteil: Google stellt die verschiedenen Kombinationen über Zeit in Konkurrenz, und kann aus diesen Gegenüberstellungen die jeweils leistungsfähigste Variante für jedes Zielgruppenprofil und jede Platzierungsmöglichkeit ableiten. 

Die Kreativität und die Leistungskraft des Algorithmus gestattet Google also zu kombinierten Werbebotschaften zu gelangen, die der menschlichen Intelligenz in erster Stelle nicht eingefallen wären, und diese zudem mit jeder zusätzlichen Suchanfrage Ihrer Kunden kontinuierlich weiterzuentwickeln und zu verbessern. 

Auf Smartphones liegt der Mittelwert der Klickraten von Werbebotschaften bei 2/1000.

Die mit Googles Künstlicher Intelligenz erzeugten Responsiven Anzeigen erzielen verglichen zu diesem Durchschnitt absolut außergewöhnliche Werte, mit Klickraten die bis zu 2/100 gehen!

Ob die Verbraucher Ihre Einkaufserfahrung über Google oder Youtube beginnen, ein großer Teil der Einkäufe wird nach wie vor im stationären Handel abgeschlossen. 88% der Verbraucher die eine Lokale Suchanfrage tätigen (« in Ihrer Nähe ») haben bereits ein Geschäft mit entsprechendem Angebot im Radius von 8km besucht, und ein Großteil derselben Verbraucher begibt sich innerhalb der folgenden 24 Stunden in eine solche physische Verkaufsstelle.

Auch hier hilft Ihnen Google mit dem Hyper-Targeting Ihrer potenziellen Kunden dank lokaler Werbekampagnen die die Werbeanzeigen auf jedem Kanal optimieren und so auch die Bewerbung der in Ihrer/n lokalen Vertriebsstelle(n) angebotenen Produkte erleichtern.  


Sie fragen sich, ob die auf künstlicher Intelligenz beruhenden Marketing- und Vertriebslösungen auch kleinen und Mittelständischen Unternehmen zugänglich sind? Die Antwort ist ein klares JA, und zahlreiche Unternehmen des Mittelstands nutzen solche Lösungen bereits ohne sich der Leistungskraft der jeweiligen Algorithmen die hinter einer Dienstleistung arbeiten bewusst zu sein. 

Unser Rat für Sie um sich von Ihrer Konkurrenz abzusetzen: Verlieren Sie keine Zeit und beuten Sie das volle zur Verfügung stehende Potenzial Künstlicher Intelligenz für die Effizienz Ihrer Geschäftsaktivität aus, um so die Sichtbarkeit und damit die Rentabilität Ihrer E-Commerce Website zu optimieren. 

Mehr zum Thema folgt in Kürze...


Sie wünschen weitere Informationen zum Zusammenspiel von KI und E-Commerce am Beispiel Ihrer Geschäftsaktivität?

Vereinbaren Sie einen unverbindlichen Termin mit unseren Experten: