Unterschiedliche „Scopes“
Schauen wir zunächst einmal an, in welchen Bereichen AI im Retail eine Rolle spielen kann:
Online vs. physisch
Gerade wenn es um Omnichannel-Vertrieb geht, stellt sich natürlich die Frage, ob AI denn nun in erster Linie online oder in physischen Stores zum Einsatz kommen kann. Sie ahnen es schon: Sowohl als auch. Und mehr noch. AI kann helfen, die echte Welt und die und die digitale Welt zu verknüpfen. Das Stichwort lautet IoT – Internet of Things. Wenn auch AI und IoT nicht zwingend gekoppelt sein müssen, so sind sie doch „Best Friends“. IoT bietet nicht nur wunderbare Möglichkeiten, digitale Touchpoints in Stores oder auch im heimischen Wohnzimmer bereit zu stellen, vielmehr sind weitere Möglichkeiten für Retailer daran gekoppelt, wie zum Beispiel:
- Durchgängige, individuelle Customer Journeys
- Durchgängiges Tracking als Basis für Machine Learning und somit kontinuierliche Verbesserung – aber für wen? Sie ahnen es bereits.
- Basis für Marktforschung
- Individuelle Empfehlungen
- Schaffung und Nutzung „digitaler Identitäten“, so können Kunden beispielsweise beim Betreten eines Stores erkannt werden und während des Einkaufsvorgangs individuell und automatisiert betreut werden.
Ihnen wird aufgefallen sein, dass nicht alle der genannten Punkte zwingend mit AI gekoppelt sein müssen. Jedoch bietet insbesondere das Sammeln von Daten auch wiederum Möglichkeiten, Machine Learning zu betreiben und auf dieser Datenbasis neue Erkenntnisse zu erzeugen. Die Spirale aus Datensammlung und Ableitung von Maßnahmen, die wiederum zur Erhebung neuer Daten führen, ist also endlos. Zurückkommend auf den Bereich IoT und Smart Stores bieten sich also hier mit immer neuen Daten auch neue Chancen, aber auch Risiken. Auf letztere kommen wir später zu sprechen.
Frontend vs. Backend
Zunächst stellt sich einmal die Frage, ob AI im Bereich des Frontends aktiv dazu betragen soll, beispielsweise eine Customer Experience zu verbessern. Hierbei ist ein echter Mehrwert essenziell. Zwar kann ein kreatives Gadget auch immer für Kundenaufmerksamkeit sorgen, jedoch dürfte diese eher von kurzer Dauer sein. Gelingt es jedoch, AI so einzusetzen, dass das Einkaufserlebnis dadurch nachhaltig verbessert wird und echte Mehrwerte entstehen, zeigt die Erfahrung, dass Angebote auch dauerhaft angenommen werden. Dabei ist für den Kunden zunächst einmal vollkommen egal, ob AI zum Einsatz kommt oder nicht – denn AI ist kein Selbstzweck.
Aber auch im Backend-Bereich, also für Kunden zunächst nicht sichtbar, kann AI wirken. Ob dies immer zum Wohl des Kunden geschieht ist eine andere Frage. Wenn es um Predictive Marketing, Profiling oder Dynamic Pricing geht, steht sicherlich oft das Interesse des jeweiligen Einzelhändlers im Vordergrund. Neben Datenschutzthemen sollten hierbei auch immer ethisch und moralische Grundsätze berücksichtigt werden.
Kundennutzen vs. Unternehmensnutzen
Die vorherigen Abschnitte haben bereits gezeigt: Die Nutzung on AI und ggf. IoT im Retail-Marketing kann ambivalent sein, was Vor- und Nachteile für Kunden und Einzelhändler angeht. Idealerweise gehen die Vorteile Hand-in-Hand.
Klar, manche Anwendungen sind rein auf die Unternehmensnutzung ausgelegt, wie z.B. AI-basierte Systeme, welche effiziente Lagerhaltung und bedarfsgerechte Nachbestellung ermöglichen. Bei anderen Features ist der Kundennutzen im Fokus, wie zum Beispiel bei einem „intelligenten Spiegel“, welcher AI-basiert Empfehlungen in der smarten Umkleidekabine macht.
Funktionen dieser Art bringen Nutzen auf unterschiedlichen Ebenen. Folgend einige Beispiele:
Kundennutzen, wenn die Funktion wirklich auf einen echten Mehrwert ausgerichtet ist:
- Individuelle, passgenaue Empfehlungen
- Keine Wartezeiten
- Unkomplizierte Check-out-Prozeduren im Shop
- Interessantes Shopping-Erlebnis durch Smart Shops
- Optimale Integration von On- und Offline-Prozessen
Unternehmensnutzen:
- Präzises Tracking und Analysen durch Datenerhebung an unterschiedlichsten Stellen
- Datensammeln als Basis für kontinuierliches Machine Learning
- Kundenbindung
- Optimierung interner Prozesse durch AI, wie zum Beispiel:
- Lagerhaltung und Logistik
- Rationalisierung durch Automatisierung
- Dynamic Pricing
