KI Handel
Insights

KI: Neue Impulse für den stationären Handel

By Melanie Tschugmall & Nadja Keidel &

Der schleichende Umsatzrückgang im stationären Handel droht zukünftige Investitionen und Innovationen zu untergraben. Hier kann künstliche Intelligenz (KI) neue Impulse geben und zahlreiche Chancen für den Handel eröffnen.

Insight in brief

  • Dank dem Einsatz von KI-Lösungen bietet sich dem Handel eine Vielzahl von neuen Möglichkeiten. 
  • Immer mehr Einzelhändler finden Wege, wie Kunden Daten zur Verfügung stellen können – oft im Austausch gegen Anreizsysteme wie Treueprogramme.
  • KI wird zukünftig in Form von vielfältigen, innovativen KI-gestützten Hard- und Software-Anwendungen in den Bereichen der Logistik, beim Filial-Management und bei persönlichen Kundenerfahrungen eine herausragende Stellung einnehmen.

Es klingt einleuchtend, dass die Implementierung von KI-Lösungen für den stationären Handel eine grössere Herausforderung als für den Online-Handel darstellt. Überraschenderweise steckt aber der Einsatz von KI-Lösungen in beiden Branchen noch in den Kinderschuhen.

Dank dem Einsatz von KI-Lösungen bietet sich dem Handel eine Vielzahl von neuen Möglichkeiten. Der Fokus liegt dabei einerseits auf der Verbesserung des Kundenerlebnisses und anderseits auf der Steigerung der betrieblichen Effizienz sowie der Produktivität. Das heisst, KI wird aktuell vor allem im den Bereichen Marketing, Verkauf und Supply-Chain-Management eingesetzt. Angefangen von zielgerichteten Marketingkampagnen, der Optimierung der Customer Experience bis hin zur optimalen Lager- und Flächenbewirtschaftung – KI-Lösungen befähigen den Handel, die Kunden und das Geschäft besser zu verstehen und einzigartige und personalisierte Erlebnisse zu bieten. Zudem können der stationäre Einzelhandel und Konsumgüter-Unternehmen KI-Anwendungen implementieren, um das Produktsortiment und das Bestandsmanagement pro Filiale zu verbessern und ihre Lieferketten durchgängig zu optimieren.

Personalisierte Produktempfehlungen

Kunden wünschen sich personalisierte Angebote und Produkte. Händler sollten sich an die Kaufentscheidungen der Kunden erinnern und darauf aufbauend individuelle Angebote unterbreiten. Und hier spielt KI ihre Stärken aus. Selbstlernende Algorithmen, die Daten aus unterschiedlichen Quellen zusammenführen, um daraus dann Vorhersagen zu treffen, stehen bei vielen Händlern auf der Agenda. Vorgemacht hat es Amazon: die Empfehlungsmaschine des Online-Giganten analysiert die bisherigen Käufe der Benutzer, die Artikel, die sich bereits im Warenkorb befinden, Produkte, die bewertet wurden und vieles mehr, um herauszufinden, welche Artikel für den Kunden am relevantesten sind. Tatsächlich ist es erst durch den Einsatz von KI möglich, eine sogenannte Hyperpersonalisierung zu liefern: die Fähigkeit, viele – auch unstrukturierte – Daten aufzunehmen, zu sortieren und diese Informationen zu nutzen, um die Relevanz beim Kunden zu steigern und sich so einen entscheidenden Wettbewerbsvorteil zu verschaffen.

Graphic Element - Gray Z and purple Circle

Dynamische Preisoptimierung als Herausforderung

Besonders heiss diskutiert wird der Einsatz von KI im Bereich der die Preis-, Werbe- und Abschriftenoptimierung. Bei der Preisoptimierung geht es einerseits darum, die Preise auf die Kunden zu zuschneiden und andererseits vorauszusagen, wann es notwendig (oder eben nicht notwendig) ist, Rabatte anzubieten. Und dennoch sollten Händler die Einführung eines solchen Modells gründlich prüfen. Bei der dynamischen Preisoptimierung steigen und fallen Preise je nach Tageszeit und Kundenprofil. Hier ist Vorsicht geboten, Kunden sind Dynamic Pricing im stationären Handel im Vergleich zu anderen Bereichen – wie Tankstellen oder Flugpreisen – nicht gewohnt. Um die Kundschaft nicht zu verärgern, müssen dynamischen Preisanpassungen so vorgenommen werden, dass sie als fair und nicht willkürlich wahrgenommen werden. Konkret geht es für kundenorientierte Händler nicht um die Frage, was rechtlich möglich ist, sondern was sinnvoll ist und dem Kunden einen wirklichen Mehrwert bietet.

Immer mehr Einzelhändler finden Wege, wie Kunden Daten zur Verfügung stellen können – oft im Austausch gegen Anreizsysteme wie Treueprogramme. Je mehr Informationen die Kunden freiwillig zur Verfügung stellen, desto einfacher ist es für die Einzelhändler, die Loyalität durch personalisiertes Marketing zu steigern. Aber auch hier ist Transparenz das Gebot der Stunde: Händler müssen aufzeigen, wie die Daten konkret genutzt werden. Damit schaffen sie Vertrauen und erhöhen die Akzeptanz von digitalen Innovationen. Und nur wenn dem Kunden einen wirklichen Mehrwert geboten wird, können Händler die Kundenzufriedenheit und -Loyalität nachhaltig steigern.

Brücke schlagen zwischen stationärem Handel und digitalen Lösungen

Die räumliche Analyse hilft Einzelhändlern, das Zusammenspiel zwischen ihrem stationären und Online-Geschäft besser zu verstehen. Deep-Learning-Programme sind in der Lage, die bereits installierten stationären Videoüberwachung in Geschäften zu nutzen, um Kundenfluss, -verhalten und -präferenzen zu analysieren. Solche Analysen können dann als weitere Informationsquellen in Entscheide fürs Store Design oder bei Marketingmassnahmen einfliessen.

Auch werden immer häufiger direkte Interaktionen von Kunden mit KI-Lösungen in den Filialen selbst getestet. So nutzt eine französische Kosmetikkette KI-Anwendungen, um den Kunden beim Kauf von Kosmetika zu unterstützen. Dank eines virtuellen Make-Up Assistenten können Kunden Tausende von Lippenstiften, Lidschatten, falschen Wimpern und viele andere Make-up-Produkte ausprobieren. Der Virtual Artist ermöglicht es den Usern auch, Beauty-Tutorials am eigenen Gesicht digital durchzugehen, um zu lernen, wie man bestimmte Looks erzielt. Eine neue Funktion hilft Kunden, den richtigen Farbton für ihre Haut über ein hochgeladenes Selfie zu finden. Mit solchen Innovationen wird die Brücke zwischen dem stationären Geschäft und digitalen KI-basierten Lösungen geschlagen.

Kleinere Lagerbestände dank smarter Systeme

Das Ziel eines optimalen Bestandsmanagement ist es, Angebot und Nachfrage aufeinander abzustimmen – Produkte zur richtigen Zeit an den richtigen Ort zu liefern, um die Bedürfnisse und Wünsche der Kunden zu erfüllen. Ein Überbestand kann zu zusätzlichen Abschriften führen und ein Unterbestand bedeutet Umsatzeinbussen und allenfalls verärgerte Kunden. Beide Szenarien haben negative Auswirkungen auf Lagerproduktivität und Marge. Die Lageberbestände können verkleinert werden, wenn der Händler zuverlässig erkennen kann, was, wann und in welchem Laden verkauft wird. Grosse stationäre Händler setzen dafür Roboter in den Filialen ein, die permanent mittels RFID-Technologie die vorhandenen Artikel zählen und die Informationen an ein zentrales System weiterleiten. Alternativ wäre denkbar, die Regale selbst digital zu vernetzen, um die Anzahl direkt zu messen. Das würde zudem ein dynamisches ad-hoc Auffüllen vereinfachen.

Auch in der Modebranche ist ein optimales Bestandsmanagement von signifikanter Bedeutung. Hier kommt KI zum Einsatz bei der Analyse von Kasseneingängen und Retouren, um die Einkäufe in den einzelnen Filialen zu bewerten. Der Algorithmus hilft dem Geschäft zu wissen, welche Artikel zu bewerben sind und an bestimmten Orten mehr davon vorrätig zu haben. Die Daten zeigen zum Beispiel auf, dass sich bestimmte Artikel vor allem in städtischen Geschäften gut verkaufen – so können Unternehmen den Bestand gezielt auf die Kundenwünsche abstimmen.

2 diagonalestriche lightgray

Die Zukunft von KI im Retail

Der Einsatz von KI im Handel wird weiter steigen. Das Research-Unternehmen Juniper Research prognostiziert in ihrer Studie «AI in Retail», dass die Ausgaben im Handel für KI bis 2022 weltweit 7,3 Milliarden Dollar pro Jahr betragen werden, gegenüber geschätzten 2 Milliarden Dollar im Jahr 2018.4 In der zunehmend digitalen Welt des Handels ist es für Unternehmen unerlässlich, das Einkaufserlebnis so weit wie möglich zu personalisieren. Vieles davon hängt vom Einsatz von KI ab. Die Schlüsseltechnologie wird also zukünftig in Form von vielfältigen, innovativen KI-gestützte Hard- und Software-Anwendungen in den Bereichen der Logistik, beim Filial-Management und bei persönlichen Kundenerfahrungen eine herausragende Stellung einnehmen. Gerade die persönlichen Kundenerfahrungen sind ein sehr emotionales Thema – hier kann mit KI-basierten Lösungen dem Kunden einen echter Mehrwert geboten werden. KI kann den stationären Handel befähigen, seine Kernkompetenzen zu skalieren und seine Wettbewerbsfähigkeit auszubauen.

Melanie Tschugmall Zühlke

Melanie Tschugmall

Business Development Manager
Ansprechpartner für die Schweiz melanie.tschugmall@zuehlke.com +41 43 216 6414

Melanie Tschugmall arbeitet seit 2016 bei Zühlke und hat einen Master in Strategischem Marketing mit Schwerpunkt Innovation. Bevor sie zu Zühlke kam, war sie in verschiedenen Dienstleistungsunternehmen tätig. Um mit neuen Ideen und branchenübergreifenden Impulsen immer einen Schritt voraus zu sein, engagiert sich Melanie Tschugmall in verschiedenen Netzwerken und Weiterbildungen, u.a. Digital Ethics & Behavioral Economics. Dies macht sie zu einer kreativen und tatkräftigen Sparringspartnerin. Melanie ist fasziniert von der Digitalisierung und stellt den Status quo immer wieder in Frage. 

Nadja Keidel is an expert in Data Science and works as Lead Consultant at Zühlke Engineering

Nadja Keidel

Lead Consultant
Ansprechpartner für die Schweiz nadja.keidel@zuehlke.com +41 43 216 6852

Nadja Keidel ist seit Februar 2015 bei Zühlke als Data Scientist. Sie hat einen MSc ETH in Mathematik und einen CAS ETH in Informatik mit Fokus Data Science. Sie ist eine starke analytische Denkerin und verfügt über mehrjährige Erfahrung in der Durchführung von Machine Learning Projekten in allen Phasen: von der Schärfung von Visions und Scope, über die Evaluierung und Prototypen-Generierung bis zur Operationalisierung von Machine Learning Algorithmen - immer mit dem Fokus auf echte Wertschöpfung für den Kunden.