E-Commerce: Was KI im Kundenkontakt wirklich kann

Für die Mehrheit der Marketer (rund 80 Prozent) ist KI wichtig, wie die Studie 'Künstliche Intelligenz - die Zukunft des Marketings'   der SRH Hochschule Berlin gerade erst zusammenfasste. Aktiv nutzen jedoch nur 26,5 Prozent KI in ihrer eigenen Marketingabteilung - und insgesamt nur sieben Prozent davon intensiv.

1. KI für die Datenanalyse: Feedback einholen und auswerten

Florian Brand von der auf alles rund um Kochen spezialisierten Onlineplattform Springlane   ist einer, der auf Softwareeinsatz und umfassende Datenauswertung zur kontinuierlichen Verbesserung der - wie er sagt - "Kunden Happiness" setzt. Wesentliche Auswertungsquelle ist für ihn das Kundenfeedback, das er sich auf mehreren Wegen zu unterschiedlichen Zeitpunkten und verschiedenen Touchpoints abholt. "Die Auswertung von produktbezogenem Kundenfeedback ist für uns noch wichtiger als bisher, weil wir nun nicht mehr als Händler von Fremdmarken, sondern als Hersteller fünf eigener Marken agieren. Wenn wir also Kundenwünsche erkennen und mit passenden Produkten bedienen können, profitieren wir doppelt davon." Ein Beispiel dafür, wie effektiv das sein kann, ergab sich aus der Rückmeldung von Kunden zu einer Zitruspresse. Hier hatten Kunden per Feedbackumfrage und im direkten Kontakt reklamiert, dass ein Presskegel des Produkts nicht mitgeliefert worden sei. Dabei lag es nur an der ungünstigen Platzierung im Verkaufskarton, dass dieser übersehen wurde.

Die im Hintergrund genutzte Analysesoftware Zenloop   filterte diese Reklamationen zeitnah und lieferte den Produktdesignern den entsprechenden Hinweis. "Wir konnten daraufhin die Verpackung ändern, sodass die Kunden nicht mehr nach dem Teil suchen mussten - und konnten so die Kundenzufriedenheit mit diesem Produkt steigern und die Zahl der Reklamationen entsprechend senken", kommentiert Brand den Nutzen. Ebenso, wie diese Auswertung automatisiert erfolgte, sind auch andere Kundenkommunikationsmaßnahmen automatisiert. So erfolgt eine Kontaktaufnahme sechs Tage nach der Bestellannahme automatisch, in der die Zufriedenheit mit Springlane abgefragt wird. Ebenfalls fragt Springlane auf der Bestellbestätigungsseite und nach jedem EMail-Kundenkontakt anhand einer Skala von 0 bis 10 ab, ob Kunden den Händler weiterempfehlen würden und lässt zugleich ein Feld mit individuellen Angaben durch eine semantische Analyse mit auswerten. Auch die Zufriedenheit der Kunden mit dem Newsletter wird quartalsweise mit dieser Methodik ausgewertet.

Für die Analyse durch die Software werden die Feedback-Informationen an verschiedenen Stellen im Unternehmen zusammengetragen - von Feedbackumfrage über Kommentar- und Bewertungsmöglichkeiten im Shop bis zur Kundendatenbank. Die Auswertung wiederum ist anonymisiert für alle Mitarbeiter sichtbar - und präsent. Der Net-Promoter-Score (NPS) und einzelne Analysen sind auf Monitoren im Unternehmen zusammengetragen, genauso wie Umsatz und Deckungsbeitrag. Die Kundenzentriertheit hat nicht erst mit den eigenen Marken eingesetzt. Auch noch während des Handels mit Fremdmarken hat Springlane den Net-Promotor-Score erhoben.Die Rücklaufquote des NPS liegt laut Brand bei rund 30 Prozent und konnte seit Einführung um eine deutlich zweistellige Zahl gesteigert werden. Jeden Monat werden die Feedbacks qualitativ ausgewertet und stehen den Produktmanagern zur Verfügung. Brand ist überzeugt, dass die Auswertungen von Hand längst nicht so umfangreich und zeitnah erfolgen könnten. Eine Software, die wie bei Zenloop sowohl qualitativ als auch semantisch das Feedback analysiert, ist für ihn nicht mehr wegzudenken aus dem Marketing.

2. KI für die direkte Kommunikation: Vom Chatbot zum intelligenten Ticketing

Axel Banoth, Geschäftsführer von Digitale Werke   , setzt voll auf intelligente Chatbots. Sein Unternehmen hat sich auf White-Label-Produkte zur Kunden- und Marketingkommunikation in der Energie- und Healthcare-Branche spezialisiert. Er hat bereits Erfahrungen gesammelt, mit welchen Themen die Chatbots ausgerüstet sein müssen, um effektiv einsetzbar zu sein. Die gängigsten Themen und Fragenkomplexe sind vortrainiert und können laut seiner Aussage den "Großteil der Kundenkommunikation im 24/7-Service übernehmen". Doch alleine die KI mit Kunden kommunizieren zu lassen, ist auch für Energieversorger noch nicht möglich. "Die KI muss erkennen, ob sie auf eine Anfrage selber antworten kann oder doch ein Ticket für den Kundenservice auslöst, wenn es komplizierter wird. Auch der Switch in einen Live-Chat mit echten Kundenbetreuern ist möglich - sofern dieser verfügbar ist", unterstreicht Banoth die notwendigen Fähigkeiten der KI.

Der Dienstleister kennt die Probleme, die im deutschsprachigen Raum den Einsatz von KI einschränken: "Ganz selbstständig Texte formulieren, das können digitale Assistenten einfach noch nicht. Doch durch vorformulierte Textbausteine, die von Chatredakteuren für eine Vielzahl von Anfragen formuliert werden, kann viel abgefangen werden. Die KI stellt diese intelligent zusammen." Auch muss die Ki durch semantische Analyse in Kombination mit der Wortwahl erkennen, ob sie mit einem tendenziell unzufriedenen Kunden kommuniziert. "Ziel ist es, dass sie anhand der Wahrscheinlichkeit der Wortwahl erkennt, wann es sinnvoll ist, den Wechsel in einen menschlichen Dialog einzuleiten. In den meisten Fällen ist dies sehr effektiv und erleichtert den Kundenservice dennoch deutlich", fasst der Chatbot-Spezialist den Service zusammen.

Sein Tipp für Marketer, die Chatbots einsetzen wollen:

• Themen fokussieren:
  Wer weiß, welche Themen immer wieder in der Kundenkommunikation vorkommen, kann diese gezielt an KI übertragen. Allerdings gehört dazu, dass man immer wieder nachjustiert und abgleicht, ob und welche Fragen aktuell wichtig sind. Außerdem müssen Auswertungen dazu beitragen, dass der menschliche Kundenservice genauso effizient wird, und den Übergang für die Kunden zufriedenstellend gestalten kann.

Wichtig ist es, dass die Inhalte gut transportiert werden und Schnittstellen den Datentransfer erleichtern. Wenn Kommunikation mit Chatbots in die Kundenhistorie integriert werden kann, ist viel erreicht. Seine White-Label-Lösungen sind mit den gängigsten ERP-CRM-Systemen verknüpft und decken rund 80 Prozent des Marktes damit ab.

Zwei weitere Voraussetzungen, damit KI sinnvoll im Kundenkontakt eingesetzt werden kann, hat iBusiness bei der Analyse von KI-Algorithmen definiert:

• Machine Teaching statt Machine Learning
  Die lernenden Algorithmen, bekannt vor allem als die Technologien Machine Learning und Deep Learning, bedienen sich an Unmengen von Daten. Aus ihnen lernen sie Muster und Regeln zu erkennen, die ihnen beim Treffen von Entscheidungen als Richtlinien gelten: Gibt man einem Algorithmus, der den Wert von Autos beurteilen soll, als Daten tausend rote Autos auf einem Schrottplatz und tausend blaue mit Vollgas auf einer Autobahn, dann wird er aus den Daten extrapolieren, dass rote Autos Schrott und blaue Autos schnell sind. Vollkommener Blödsinn eben - aber anhand der Daten erklärbarer Blödsinn. Anders würde das ganze aussehen, lehrte man Maschinen Regeln und Kriterien, um gute Autos zu identifizieren: Hersteller, Garantien, verwendete Materialien, Kraftstoffverbrauch, Ersatzteilverschleiß. Die Farbe würde beim Machine Teaching überhaupt nicht als Kriterium gelehrt. Dieser Wechsel von einer lernenden hin zu einer unterrichteten Maschine wird von einigen Experten aktuell propagiert.


• Software 2.0 erfordert Support 2.0
  Wie Teslas KI-Chef Andrej Karpathy auf Medium   aufzeigte, ist unsere moderne KI keine Software - sie ist Software 2.0. Traditionelle Software besteht eher aus Wenn-Dann-Routinen: Man programmiert eine Anweisung, die Software führt sie aus. Bei Software 2.0 - also etwa Deep Learning - füttert man die Algorithmen mit Daten, die Software nimmt selbstständig neuronale Gewichtungen vor und erschafft Verbindungen zwischen den Daten-Inputs und kommt so zu einem Ergebnis.

Solche Software 2.0 muss ständig korrigiert, getestet und justiert werden - hin und wieder ein Bugfix herauszugeben ist nicht ausreichend: Sie muss sich quasi in einem ständigen Echtzeit-Support befinden, soll sie nicht vom Kurs abweichen. Wenn die KI das selbstlernend tut, weil sie die eingegebene Sprache auswertet und logische Verknüpfungen herstellt, geht sie genau in diese Richtung.

3. KI für die Systemoptimierung: Selbstlernende Software für die Effizienzsteigerung

Parlamind  , Start-up aus Berlin, bietet seine Sprachauswertungs-Software als einen Service an, der genau dies verspricht. Das Unternehmen hat sich auf Spracherkennung spezialisiert und nutzt dafür intelligente Technologien. "In der Computerlinguistik geht es schon sehr lange um neuronale Netze", sagt Tina Klüwer, Geschäftsführerin von Parlamind. Die Software sei sehr flexibel und wenige Trainingseinheiten genügen, um sie sofort einsatzfähig zu machen, bewirbt das Start-up seine Lösung. Dazu sagt die promovierte Computerlinguistin Klüwer: "Unsere Software kann eingehende Nachrichten mitlesen und sich mit dem Verfahren des maschinellen Lernens selbst ein Bild machen".

Ein Nutznießer ist Möbel-Onlinehändler YourChair  , der erste Erfolge vermeldet in Form von Einsparungen, nicht nur im Kundenservice: Mit der Auswertung von Anfragen durch Parlamind konnte der Versender feststellen, dass ca. 2 Prozent der Kundenanfragen den Wunsch nach der erneuten Zusendung einer Rechnung per E-Mail beinhalteten. Diese Kunden hatten die dem Paket beigelegte Rechnung schlicht übersehen oder mit der Verpackung entsorgt. "Wir verschicken Rechnungen nur noch per E-Mail, das spart jeden Monat einen halben Tag Arbeit im Kundenservice, einen Prozessschritt im Versand und natürlich Papier", so Christopher Wrociszewski, Gründer und Geschäftsführer von YourChair.

Integration von KI im Customer-Care zur Umsatz- und Zufriedenheitssteigerung einsetzen

Künstliche Intelligenz wird mehr und mehr zu einer Standard-Tech­nologie. Von der industriellen Fertigung über Büroanwendungen bis zu komplexen CRM-Lösungen, überall ermöglicht KI die Automatisierung von Prozessen. Eine Studie   von Accenture prognostiziert durch den Einsatz von Künstlicher Intelligenz bis 2035 einen Anstieg des Wirtschaftswachstums um jährlich drei Prozent in Deutschland. Die aktuelle Entwicklung trägt dazu bei, dass diese Vorhersage realistisch wird.

"Gerade im Dienstleistungsbereich gibt es zahlreiche Einsatzszenarien für Künstliche Intelligenz, sei es die Beantwortung von Kundenanfragen durch virtuelle Agenten oder die Automatisierung von dokumentationspflichtigen Abläufen", erläutert Matthias Kaper, Leiter Künstliche Intelligenz bei Accenture. "Die Studie zeigt, dass KI angesichts stagnierender Produktivität und dem immer größer werdenden Fachkräftemangel ein wichtiger Wegbereiter für zukünftiges Wirtschaftswachstum ist."

Der Einsatz von KI ist längst nicht mehr nur ein Thema der großen Handelsunternehmen, die damit ihre Warenwirtschaft und Logistik optimieren. Sie ist, wie die vorgestellten Beispiele zeigen, beim ganz normalen ECommerce-Treibenden angekommen. Von Produktion über Einkauf, Vertrieb bis hin zu Marketing und Kundenkommunikation hält KI Einzug und unterstützt Händler dabei, die Customer Journey besser und umfangreicher auszuwerten und zu optimieren als noch in den vergangenen Jahren. Sie bildet einen großen Hebel für Wettbewerbsfähigkeit. Auch wenn KI aktuell noch nicht alles kann - sie ist auf dem Weg, integraler Bestandteil zu werden und mehr als Routineaufgaben zu erfüllen.