Künstliche Intelligenz (KI), maschinelles Lernen (ML) und Datenanalysen verändern die Geschwindigkeit, mit der Einzelhändler operieren. Diese Technologien werden bei führenden Einzelhandelsunternehmen immer beliebter. Je früher sie eingesetzt und genutzt werden, desto größer wird die Erfahrung und auch der finanzielle Vorteil gegenüber anderen Anbietern sein.
Wer hingegen nur mäßig in die digitale Transformation investiert, muss seine Gewinnspanne minimieren, um über den Preis wettbewerbsfähig zu bleiben. Die Einzelhändler, die die Chancen der digitalen Transformation hingegen erkennen, werden mit den über die Effizienzsteigerungen erreichten finanziellen Gewinnen in der Lage sein, die Volatilität der Preise auszugleichen.
Künstliche Intelligenz wird als Differenzierungsfaktor zwischen kleineren Einzelhändlern genutzt, um sich einen Vorsprung zu verschaffen und Marktanteile zu erobern. Reine E-Commerce-Akteure haben in der Vergangenheit einen Vorteil gegenüber traditionellen Einzelhändlern gehabt, da ihnen eine Fülle von Kundendaten zur Verfügung stehen, die sie unmittelbar für Geschäftsentscheidungen analysieren können.
Jetzt schließen die traditionellen Einzelhändler diese Lücke. Neue Möglichkeiten, darunter Messungen im stationären Geschäft, mobilen Handel, Online-Shopping, Abholung im Geschäft und Lieferdienste, verändern die Branche. Walmart beispielsweise konnte seinen Gewinn im zweiten Quartal um 2,8 Prozent steigern, indem KI und automatisierte Prozesse zur Verbesserung des Kundenerlebnisses implementiert wurden.
Online-Warenhaus beschleunigt sein Time-to-market
Ein weiteres Beispiel ist der niederländische Anbieter Wehkamp. Das Unternehmen benutzte ein traditionelles Corporate Data Warehouse. Trotz Wachstum konnte sich das Unternehmen nicht weiter entwickeln. Das Problem war eine fehlende DevOps-Unterstützung. Sie hinderte den Händler daran zu skalieren. Darüber hinaus waren ihre Altsysteme nicht kollaborativ und bildeten Silos, da nur ihre Datenanalysten auf die Daten zugreifen konnten.
Dadurch waren sie nicht in der Lage, die eigens entwickelten innovativen Geschäftsmodelle schnell auf ihren globalen Webseiten in dem gewünschten Ausmaß zu skalieren. Es mussten massive Datenmengen verwaltet und ausgewertet werden, die täglich von 500.000 Besuchern und 400.000 Produkten generiert werden. Probleme waren neben Datensilos die Unfähigkeit zur Skalierung. Diese Situation führte zu einem ineffizienten maschinellen Lernen und einer Verlangsamung der Time-to-market.
Die Entwicklung neuer Funktionen ging nur langsam vonstatten, so dass über ein Jahr von der Idee bis zur Produktion gebraucht wurde. Wehkamp brach die Datensilos auf und erleichterte damit die Nutzung der Daten. Die Datenanalysten nutzten Databricks und Tableau, um ihre Daten zu analysieren und bessere Geschäftsentscheidungen zu treffen. Die operativen Kosten konnten um 70 Prozent gesenkt werden.
Von E-Commerce-Neugründungen bis hin zu großen Einzelhandelsketten ist KI eine notwendige Investition, die sowohl dem Einzelhändler selbst als auch seinen Kunden Vorteile bringt. Unternehmen nutzen ML, um Clickstream-, lokale Wetter- und Ereignisdaten sowie Kauf- und Kundendaten in Echtzeit abzufragen. Sie können durch diese Analysen den Kunden gezielte Empfehlungen aussprechen und so letztlich die Konversionsrate erhöhen.
Immer häufiger greifen Kunden auf personalisierte Empfehlungen zurück, um das Kaufverhalten zu steuern, und tatsächlich erwarten 51 Prozent der Verbraucher laut einer Salesforce-Studie, dass die Unternehmen ihre Bedürfnisse vorhersehen, lange bevor sie persönlich mit der Marke interagieren.
Mit reichhaltigen Datensätzen haben Unternehmen die Möglichkeit, Preise und Werbeaktionen sowohl online als auch im stationären Geschäft zu optimieren. Sie können Daten nutzen, um die richtige Werbeaktion zur richtigen Zeit, an die richtige Person und auf dem richtigen Gerät durchzuführen. Wenn Einzelhändler Daten analysieren, um für jeden Kunden das optimale Erlebnis zu schaffen, ist es wichtig, dass sie in der Lage sind, granulare Analysen in großem Maßstab durchzuführen.
In der Vergangenheit haben traditionelle Einzelhändler Analysen aggregiert, was zu unpräzisen und ungenauen Empfehlungen führte. Eine feinkörnige Analyse und die Konzentration auf den einzelnen Kunden können zu einer Verbesserung der Genauigkeit der Empfehlungen führen, was die Kundenzufriedenheit weiter erhöht.
Nach einer Studie von IBM nutzen 40 Prozent der Einzelhandelsunternehmen KI. Tatsächlich erwarten Führungskräfte in der Branche, dass in den nächsten zwei Jahren mindestens 70 Prozent der Einzelhändler Technologien zur Nutzung von KI einführen werden. Die Kombination reichhaltiger Kunden- und andere Kausaldaten mit der Leistungsfähigkeit von ML versetzt die Händler in die Lage Lieferketten, Preisgestaltung und Handelswerbung mit der nötigen Genauigkeit zu optimieren.
Einzelhändler sind in der Lage, einzelne Lagerhaltungseinheiten und die Performance eines einzelnen Geschäfts in Echtzeit zu analysieren. Die Verfügbarkeit im Regal sowie hyperoptimierte Produktsortimente, Werbeaktionen und Ladenlayouts lassen sich dadurch sicherstellen. In einem durchschnittlichen Lebensmittelgeschäft werden pro Woche etwa 350.000 Analysen durchgeführt.
Die derzeitigen Tools und Ansätze können mit der Zunahme des Umfangs nicht umgehen. Durch die Implementierung von KI sind Einzelhändler in der Lage, die Anzahl der in jedem Geschäft eingesetzten Modelle zu bewältigen, was zu einer Senkung der Lieferkettenkosten führt und gleichzeitig dazu beiträgt, den Kunden ein besonderes Einkaufserlebnis zu bieten.
Fazit
Die Einführung der KI-Technologie ist der Schlüssel zum Erfolg für Einzelhändler. Warum zögern nun die anderen Einzelhandelsunternehmen? Zum einen gibt es Unsicherheiten, wie diese Unternehmen anfangen sollen. Zum anderen gibt es ein wahrgenommenes Qualifikationsdefizit und eine allgemeine Zurückhaltung bei der Nutzung der Technologie. Das Zeitfenster für die Übernahme von digitalen Technologien schließt sich.
Einzelhändler profitieren von der KI, indem sie sich auf die Erfassung von Verbraucherdaten konzentrieren. Mit den Datenanalysen können personalisierte Empfehlungen abgegeben und das Einkaufserlebnis für Zielkunden verbessert werden. Auf diese Weise verbessern die Einzelhändler ihren Gewinn und beschleunigen ihre Investitionen in die neue, technologieorientierte Einzelhandelsbranche.