Wie KI das Kundenerlebnis in der Modebranche verändert

Stellen Sie sich vor, Sie besuchen ihr bevorzugtes Bek­lei­dungs­geschäft, um ein neues Out­fit zu kaufen. Aber anstatt müh­sam in den Klei­der­stän­dern zu suchen, in der reduzierten Ware zu wühlen oder alle Preiss­childer an den Schaufen­ster­pup­pen herumzu­drehen, gehen sie ein­fach an einen Com­put­er im Laden. Die Soft­ware dort erken­nt Sie nach der Anmel­dung und Sie kön­nen eingeben, was Sie kaufen wollen – z.B. ein neues „Som­mer­out­fit“.

Das Pro­gramm kom­biniert dazu die Dat­en Ihrer vorheri­gen Einkäufe, die Infor­ma­tio­nen aus dem Waren­wirtschaftssys­tem über die vor­rätige Ware im Geschäft, ori­en­tiert sich an Ihrer vorgegebe­nen Preiss­panne und berück­sichtigt auch noch die Mod­e­trends der aktuellen Sai­son. Ein Algo­rith­mus stellt Ihnen dann daraus – optisch ansprechend präsen­tiert –ver­schiedene Out­fits zusam­men, aus denen Sie das Passende aus­suchen und gle­ich anpro­bieren kön­nen. Mit einem min­i­malen Aufwand find­en Sie mit Hil­fe von Arti­fi­cial Intel­li­gence (AI) so die Klei­dung, die per­fekt zu Ihrem Geschmack und Ihren gegen­wär­ti­gen Bedürfnis­sen passt.

Rekordumsatz durch intelligenten Modeberater

Große Mod­e­händler wie der chi­ne­sis­che Han­dels­gi­gant Aliba­ba begin­nen momen­tan, genau solche Szenar­ien in die Real­ität umzuset­zen. Für den in Chi­na am 11. Novem­ber stat­tfind­en­den „Sin­gles’ Day” stellte Aliba­ba im let­zten Jahr in eini­gen Läden eine neue App namens „Fash­ion AI“ vor. Das Sys­tem scan­nte mit Hil­fe der Smart­phone-Kam­era die Klei­dung, die von den Kun­den mit in die Umk­lei­dek­abine genom­men wurde, erkan­nte die Ware und glich sie mit dem vorhan­de­nen Bestand im Geschäft ab.

Dazu kamen weit­ere Infor­ma­tio­nen, die mit Hil­fe von Mod­e­ex­perten und Design­ern gesam­melt wor­den waren, um dem jew­eili­gen Kun­den ergänzende Acces­soires zu ihrem gewählten Out­fit vorzuschla­gen. Aliba­ba fuhr an diesem einzi­gen Tag einen Reko­r­dum­satz von 25 Mil­liar­den US-Dol­lar ein – sich­er nicht nur wegen dem intel­li­gen­ten Mode­ber­ater, aber bes­timmt auch durch seine Unter­stützung.

Conversational Commerce verändert den Einkauf

Einige Mode­marken – wie etwa Louis Vuit­ton, Ever­lane, Burber­ry oder Nike – exper­i­men­tieren auch mit Con­ver­sa­tion­al Com­merce. Statt sich am heimis­chen PC durch Bestell- und Bezahlvorgänge quälen zu müssen, kön­nen die Kun­den dabei mit Chat­bots oder Sprachas­sis­ten­ten bequem vom heimis­chen Sofa mit den Unternehmen chat­ten, Sup­port erhal­ten, Fra­gen stellen, per­son­al­isierte Empfehlun­gen abrufen, Rezen­sio­nen lesen oder auch direkt bestellen und bezahlen – und das alles direkt in ein­er Mes­sag­ing App oder mit­tels Sprach­be­fehlen über smarte Devices wie Ama­zon Echo. Auch hier sorgt AI für ein besseres Einkaufserlebnis.

Das Start­up Stitch Fix aus San Fran­cis­co hat ein Curat­ed Shop­ping-Geschäftsmod­ell, das in hohem Maß auf einen Mix aus Kün­stlich­er Intel­li­genz und Styl­is­ten set­zt, um seinen Kun­den passende Pro­duk­tvorschläge zu präsen­tieren. Die KI stellt dem men­schlichen Styl­is­ten eine Fülle von Dat­en wie Größe, Ort, Kör­per­form sowie Angaben zu Präferen­zen des Kun­den bei Stof­fen, Far­ben und Mustern zur Ver­fü­gung. Sie ist aber auch selb­st an der Auswahl von Pro­duk­tvorschlä­gen beteiligt.

Und sowohl der Styl­ist als auch die Kün­stliche Intel­li­genz ler­nen anhand der Entschei­dun­gen des Kun­den immer bess­er auf ihn einzuge­hen. Eine Bestel­lung bei Stitch Fix beispiel­sweise geht heute erst durch 5 bis 10 Styling-Algo­rith­men, bevor sie überhaupt einen Berater aus Fleisch und Blut erre­icht. Jed­er dieser Algo­rith­men erfüllt einen bes­timmten Zweck im Gesamt­prozess: Vom Anpassen des Styl­is­ten an den Kun­den basierend auf dessen Stil­präferen­zen, bis hin zur Fes­tle­gung, welch­es Waren­lager die Bestel­lung am Ende zusam­men­stellt. Stitch Fix beschäftigt derzeit 85 Data Sci­en­tists, die den gesamten Prozess überwachen.

Auch im Lager optimiert KI die Abläufe

Was ist mit dem Back-End des Mod­egeschäfts? Ver­lässt man sich bei der Zusam­men­stel­lung der Ware auss­chließlich auf manuelle Lager- und Such­meth­o­d­en, gibt es viele Fehlerquellen, die zur Verärgerung der Kun­den führen kön­nen. Mit Hil­fe von Kün­stlich­er Intel­li­genz lässt sich dage­gen ein großer Warenbe­stand viel schneller, effizien­ter und gründlich­er durch­suchen als von einem Men­schen. Wenn Mode­un­ternehmen die Möglichkeit zur Analyse der Kun­den­dat­en bess­er nutzen und so die Ver­brauch­er bess­er ver­ste­hen, kön­nen sie auch den Lager­prozess bess­er organ­isieren und optimieren.

Im schnel­llebi­gen Mod­egeschäft kommt es darauf an, aktuelle Mod­e­trends bess­er zu erken­nen und rasch darauf zu reagieren. Auch hier kann Kün­stliche Intel­li­genz dabei behil­flich sein, den Geschmack der Ver­brauch­er zu analysieren und schnell die beliebtesten Pro­duk­te im Sor­ti­ment her­auszufind­en. Mit diesen Infor­ma­tio­nen kön­nen die Design­er dann Artikel kreieren, von denen sie wis­sen, dass sie den Käufern in dieser Sai­son höchst­wahrschein­lich gefall­en werden.

Künstliche Intelligenz im Modedesign

Eine Gruppe von Ama­zon-Forsch­ern in Israel haben ein Maschi­nen­lern-Sys­tem entwick­elt, das anhand von Fotos mit weni­gen Stich­worten beurteilen kann, ob ein abge­bilde­ter Look modisch ist. Und ein Team im Ama­zon-Forschungszen­trum Lab126 in San Fran­cis­co wiederum hat einen Algo­rith­mus entwick­elt, der anhand von Bildern unter­schiedliche Mod­es­tile lernt und dann neue Klei­dungsstücke im sel­ben Stil entwer­fen kann – im Grunde ist er ein ein­fach­er KI-Mod­edesign­er. Noch ist dieser Ansatz grob, aber er lässt bere­its die Möglichkeit­en erkennen.

Ver­wen­det wird dafür ein hochmod­ernes Werkzeug namens Gen­er­a­tive Adver­sar­i­al Net­work, kurz GAN. Es beste­ht aus zwei tiefen neu­ronalen Net­zen, die zusam­me­nar­beit­en, um aus Roh­dat­en effizient zu ler­nen. Die Eigen­schaften eines bes­timmten Stils ermit­telt das GAN schlicht dadurch, dass es sich sehr viele Beispiele dafür ansieht – anschließend kann es diesen Stil auf andere Klei­dungsstücke übertra­gen.

An einem ähnlichen The­ma arbeit­et Adobe zusam­men mit Forsch­ern der Uni­ver­si­ty of Cal­i­for­nia in San Diego. Diese „mod­e­ori­en­tierte KI” ver­set­zt Com­put­er in die Lage, aus dem Nichts real­is­tisch wirk­ende Fotos oder Videos zu erzeu­gen und soll in Zukun­ft auf Basis des per­sön­lichen Mod­es­tils ein­er Per­son und deren indi­vidu­ellen Präferen­zen passende Vorschläge für das per­fek­te Out­fit machen.

Überzeugendes Einkaufserlebnis im Laden

KI kann aber auch die Pro­duk­tiv­ität der Mitar­beit­er im Laden erhöhen. Eine neue Tech­nolo­gie ist hier The­atro. Das Per­son­al wird dabei mit Hör­ern aus­ges­tat­tet, die an Sprachas­sis­ten­ten geknüpft sind. Dadurch wird nicht nur die Kom­mu­nika­tion zwis­chen Mitar­beit­er und Besuch­er verbessert, son­dern auch eine rei­bungslose Rück­kop­plung mit Inven­tar- und POS-Soft­ware ermöglicht. Statt die Ver­füg­barkeit von Pro­duk­ten im Lager eigen­händig zu überprüfen, kön­nen die Mitar­beit­er durch den Ein­satz dieser intel­li­gen­ten Sprachas­sis­ten­ten viel Zeit eins­paren und dem Kun­den ihre volle Aufmerk­samkeit für die per­sön­liche Beratung schenken.

Vernetzte Einkaufserlebnisse mit Experience Driven Commerce

Um den kom­plex­en Real­itäten des Omnichan­nel-Einzel­han­dels gerecht zu wer­den, hat Adobe sein neues Expe­ri­ence Dri­ven Com­merce-Ange­bot ges­tartet: Mit ihm wer­den Mod­e­händler in die Lage ver­set­zt, ihren Kun­den ein ver­net­ztes Einkauf­ser­leb­nis über alle Kon­tak­t­punk­te hin­weg zu ver­schaf­fen. Durch die naht­lose Abbil­dung aller wichti­gen Prozesse über sämtliche dig­i­tale, physis­che und Back-End-Sys­teme hin­weg erhal­ten die Händler die Möglichkeit, inno­v­a­tive Omnichan­nel-Erleb­nisse zu schaf­fen und die Kun­den in jed­er Phase ihrer Shop­ping Jour­ney kon­textsen­si­tiv anzus­prechen, ohne dabei durch starre oder isolierte Sys­teme und Prozesse eingeschränkt zu werden.

Wir arbeit­en aber in unseren Forschungslabors auch an ein­er aktuellen Entwick­lung, die den Kun­den-Traf­fic in einem sta­tionären Shop live erfassen kann. Mit dieser Funk­tion erhal­ten Fashion‑Händler kün­ftig die Möglichkeit, ihre Kun­den direkt im Laden nach Loy­al­ität, Datum des let­zten Besuchs oder ihren indi­vidu­ellen Einkauf­spräferen­zen zu seg­men­tieren und entsprechend maßgeschnei­derte Push-In-Store-Ange­bote auszuspielen.

Dieses Pro­jekt basiert auf Adobe Ana­lyt­ics zur Erfas­sung des Käufer­ver­hal­tens und Adobe Tar­get zur Verbesserung der Per­son­al­isierung und Durch­führung von Push-Ange­boten. Daten­sätze von Drit­tan­bi­etern aus Bestands‑, POS- und CRM-Dat­en lassen sich dabei mit dem Ver­hal­ten der Kun­den im Laden matchen. Und wenn dann noch die Kün­stliche Intel­li­genz von Adobe Sen­sei dabei hil­ft, ohne großen Aufwand direkt ein per­son­al­isiertes Out­fit-Ange­bot zu machen, ist das per­fek­te Einkauf­ser­leb­nis nicht mehr weit.