Use Case 14: Trenderkennung von Kundenbedürfnissen
Der Einsatz von KI bietet viele Möglichkeiten um das Sortimentsmanagement und Aktionsmanagement zu optimieren. Durch das Vorhersagen von Kundenbedürfnissen mit Hilfe von KI-Modellen können Händler*innen Trends frühzeitig erkennen und so ihr Sortiment und Aktionsangebot bedarfsgerecht anpassen.
Online wird dies bereits oft praktiziert. So können durch gezielte Vorhersagen zusätzliche Umsätze generiert werden. Doch auch für den stationären Handel ergeben sich viele Möglichkeiten und Chancen.
Historische Daten, die zur Auswertung verwendet werden können, liegen den Händler*innen schon vor. Dazu zählen z.B. Abverkaufsdaten oder Daten aus Loyalitätsprogrammen. Oft werden diese Daten jedoch nicht in einen gegenseitigen Zusammenhang gebracht und zur Trendanalyse genutzt. Des Weiteren sind heutzutage auch viele externe Daten verfügbar, wie Daten aus sozialen Medien. Diese sind meistens noch nicht integriert. Genau diese Verknüpfung von internen und externen Daten ermöglicht die gezielte Vorhersage von Kundenbedürfnissen und erlaubt Händler*innen ihr Sortiment und Aktionsangebot bedarfsgerecht zu steuern. Die KI wird dabei für eine explorative Analyse aller verfügbaren Daten eingesetzt, um gegenseitige Zusammenhänge zu erkennen und damit Kundenprofile und Interessen zu detaillieren.
Ergänzend zu diesen Analysen kann die KI dahingehend trainiert werden, dass sie sogar neue Produkte vorschlägt, die ins Sortiment aufgenommen werden bzw. deren Positionierung ausgebaut werden sollte.
Daraus ergeben sich folgende Vorteile für Kund*innen und Händler*innen:
- Frühere Erkennung von Trends zu neuen Produkten, da diese durch die Analyse externer Daten früher in den Fokus rücken als bei einer rein internen Analyse der eigenen Abverkaufszahlen
- Identifikation von bisher unentdeckten Abhängigkeiten (z.B. zwischen Aktionsgeschäft und Normalgeschäft)
- Eine erhöhte Treffsicherheit kann Abschriften wesentlich verringern
Aber auch Herausforderungen ergeben sich:
- Verknüpfung verschiedener Datenmodelle verlangt technisches Know-How (insb. für Kombination externer und interner Datenmodelle)
- bestehen viele warengruppenspezifischen Besonderheiten, die in den Modellen der KI zu berücksichtigen sind
