Praxis
Wie der Handel schlauer wird
Omni-Channel-Angebote auf der Basis von KI und „Machine Learning“
von René Schiller und Denise Seifert
Weitere Prozessautomatisierung
Bessere Prognosen dank Artificial Intelligence
Die GK Software AG hat am 1. November die Mehrheitsanteile der Prudsys AG aus Chemnitz übernommen und verstärkt sich dadurch mit Know-how vor allem in den Bereichen „Künstliche Intelligenz“, „Maschinelles Lernen“ und Cloud-Technologien. Durch die Übernahme des 1998 gegründeten Spin-offs der Technischen Universität Chemnitz sollen die Möglichkeiten zur
kanalübergreifenden, personalisierten Kundenansprache deutlich erweitert werden.
Neben der Integration der Software von Prudsys in das eigene Angebot erwartet das Management von GK Software von der Übernahme einen Know-how-Zufluss für die weitere Prozessautomatisierung im Handel. Denn der Trend, dass immer mehr Entscheidungen auf der Basis selbstlernender Systeme vorbereitet oder getroffen werden, sei „unumkehrbar“, heißt es von der auf Software und Dienstleistungen für den Betrieb der Filialen großer Einzelhandelsunternehmen spezialisierten Firma mit Hauptsitz in Schöneck/Vogtland. Intelligente Unternehmenssoftware werde deshalb immer stärker auf KI und Machine Learning beruhen. Damit würden sich die Prozesse im Handel in vielen Bereichen verändern – von der Sortimentsplanung, über „Dynamic
Pricing“ bis hin zu Themen wie der automatisierten Optimierung des Personaleinsatzes.
Das 1998 gegründete Unternehmen Prudsys, ein Pionier der Echtzeit-Personalisierung im Handel, erzielte im Geschäftsjahr 2016 einen Umsatz von 3,6 Mio. Euro bei einem EBIT zwischen 0,25 und 0,5 Mio. Euro; die Kosten für den Kauf der Mehrheitsbeteiligung werden mit bis zu 5 Mio. Euro beziffert. Die eigenentwickelte „Realtime Decisioning Engine“ (RDE), die beim Onlineshopping eine enge Verzahnung von Empfehlungen, Marketingautomation und „Dynamic Pricing“ und intelligente Datenanalysen erlaubt, ist laut Hersteller bereits in über 200 Online-Shops weltweit im Einsatz – etwa bei Babywalz, Bonprix, Conrad, Coop, Douglas, Klingel, Otto, Obi, Sportscheck, Thalia oder Würth.
Selbstlernende Echtzeit-Lösung
Es ist noch gar nicht so lange her, als es hieß: Der Onlinehandel wird sich gegenüber dem stationären Handel niemals durchsetzen! Ihm fehle es an persönlicher Note, vor allem aber an persönlichem Service, wie ihn z.B. geschulte Einkaufsberater leisten können.
Die bislang vor allem auf den Bereich E-Commerce fokussierte Prudsys AG bietet ihre Software für die drei Einsatzgebiete Recommendations, Marketingautomation und „Dynamic Pricing“ an. Basis für die Umsetzung dieser Themen ist die RDE, die über künstliche Intelligenz verfügt und sich auf eine Vielzahl mathematischer Verfahren (wie z.B. „Reinforcement Learning“ oder Echtzeit-Scoring) stützt, um das Kundenverhalten in jeder Sekunde zu analysieren und unmittelbar auf Änderungen zu reagieren.
Die von der RDE verwendeten Algorithmen und Methoden sind nach Einschätzung von GK Software flexibel auf die unterschiedlichsten Anforderungen im Handel anwendbar.
Passend zur Produktstrategie von GK Software ist die selbstlernende Echtzeit-Lösung cloud-basiert, internationalisiert und steht als Software-as-a-Service zur Verfügung.
Personalisierung im Omni-Channel-Retailing
Im Rahmen von Omni-Channel-Konzepten ist Personalisierung aber längst kein reines E-Commerce-Thema mehr. Denn die Konsumenten erwarten an jedem Touchpoint individualisierte Angebote, die genau auf ihre Bedürfnisse zugeschnitten sind – ob im Webshop, auf dem mobilen Gerät oder am Point of Sale. Durch die Integration der Prudsys-RDE will GK Software diesen Kreis schließen und auf allen Kanälen konsistente Personalisierung und durchgängige Interaktion mit den Konsumenten anbieten.
Ein Beispiel dafür ist die bereits auf den vergangenen Messen gezeigte Integration der RDE als App in der POS-Lösung von GK Software. Dadurch ist es möglich, dem Konsumenten in Echtzeit und auf allen Kanälen konsistente Empfehlungen anzubieten – vom Webshop, über Smartphones und Beratungs-Tablets bis hin zur Kasse. Ein weiteres Einsatzszenario sind individualisierte Coupons, die über das GK-Tool „Mobile Customer Assistant“ direkt auf die Smartphones der Kunden geschickt werden.
Was kann Prudsys?
Das Prudsys-Angebot gruppiert sich um die RDE, mit der Händler innovative Echtzeit-Szenarien realisieren, die 1:1 auf ihre Bedürfnisse zugeschnitten sind. Die modular aufgebaute Software bietet drei wesentliche Bausteine:
Die selbstlernende „Recommendation Engine“ ermöglicht eine personalisierte Kundenansprache über alle Verkaufskanäle.
1.
Sie kann aber nicht nur individuelle Produktempfehlungen ausgeben, sondern auch personalisierte Inhalte jeder Art – vom Banner über redaktionellen Content bis hin zu Fotos und Videos.
Der Baustein Marketingautomation erstellt Prognosen des kundenindividuellen Einkaufsverhaltens unter Einbeziehung 2.
aktueller Verhaltensinformationen und Stammdaten. Im Ergebnis entstehen Antworten auf die Fragen, welche
Marketingmaßnahme zu einem bestimmten Kunden passt oder wer auf ein bestimmtes Angebot wahrscheinlich reagieren wird. Zu den praktischen Anwendungsfällen gehören die Ausspielung individueller Incentives im Onlineshop zur
Vermeidung von Warenkorbabbrüchen oder die automatisierte Selektion der passenden Zielgruppe für eine geplante Kampagne.
Das Dynamic-Pricing-Tool nimmt für Millionen Produkte die bestmögliche Preisfindung in Echtzeit vor. Die Preise werden 3.
dabei vollautomatisiert an das Kundenverhalten sowie die sich ständig ändernden Markt- und Unternehmenssituationen angepasst. Dabei werden Preise sowohl für die Filiale als auch für den Webshop basierend auf der prognostizierten Preisakzeptanz der Verbraucher berechnet, wobei der Wettbewerberpreis als wichtiger Faktor mit einfließt.
Neues Kampagnen-Management und einfaches A/B-Testing
Erst Mitte Oktober wurde das neue Releases 4.0 der Realtime Decisioning Engine veröffentlicht. Zahlreiche neue Features der RDE 4.0 sollen vor allem das Erstellen von personalisierten Kampagnen über eine leicht zu bedienende Weboberfläche vereinfachen.
Der Nutzer steuert das Ausspielen der Empfehlungen ab sofort durch das neue Kampagnen-Management und kann so mehrere personalisierte Kampagnen parallel umsetzen. Er steuert die Kampagnen stundengenau für verschiedene Zeiträume und legt Bedingungen fest. Das Backend der RDE gliedert sich ab der Version 4.0 zudem in einen fachlichen und einen technischen Bereich, damit auch Nutzer ohne IT-Hintergrund die personalisierte Kundenansprache mit Leichtigkeit umsetzen können. Zudem können sie A/B-Tests schneller anlegen und erhalten einen detaillierteren Performance-Vergleich verschiedener Testgruppen.
Der Nutzer erhält mit dieser Version mehr Flexibilität bei der Gestaltung der personalisierten Kundenansprache. So lassen sich mehrere Empfehlungslogiken miteinander kombinieren, beispielsweise Topseller in Kombination mit personenbezogenen Produktempfehlungen. Zudem kann auf Wunsch der Webshop selbst Parameter an die RDE übergeben, um die Ausspielung der Empfehlungen in Echtzeit zu beeinflussen. Ein typischer Anwendungsfall: Das Ein- und Ausblenden von Aktionsprodukten.
Neue Weboberfläche mit einfachem Bedienkonzept
Der neue Webclient der RDE wurde mit aktuellen Technologien umgesetzt und passt sich der Größe des Bildschirms dynamisch an. Ein verbessertes Look&Feel und das intuitive Bedienkonzept sollen das Steuern der personalisierten Kampagnen erleichtern.
Ein neues Dashboard bietet einen Überblick über alle wichtigen Kennzahlen. Übersichtliche Statistiken informieren zudem über die wichtigsten Kennzahlen laufender Kampagnen, Webshop-Seiten und der generellen Performance.
Mit KI beschäftigt sich Prudsys bereits seit der Gründung 1998, betont Jens Scholz, Gründer und Vorstand der Prudsys AG – vor allem zur Automatisierung von Entscheidungen: „Besonders spannend fanden wir die Herausforderung, Daten in Echtzeit zu messen, unmittelbar daraus zu lernen und die Ergebnisse auch in Echtzeit zurückzuspielen.“ Dr. Michael Theß, ebenfalls Gründer der Prudsys AG, veröffentlicht sein Wissen in mehreren Fachbüchern, Fachartikeln und Vorträgen in den Bereichen Data-Mining, Realtime-Analytics, KI und über die Anwendung dieser Technologien in Personalisierungslösungen für den Handel.
Historisch betrachtet begann die Entwicklung der KI-Technologie von Prudsys beim Data-Mining. Mit der Verfügbarkeit großer Datenmengen entwickelte sich der Wunsch, immer größere Datenbestände (Stichwort: „Big Data“) zu analysieren, Muster zu erkennen und diese Erkenntnisse gewinnbringend zu nutzen. Data-Mining entwickelte sich weiter in Richtung Machine Learning, das weit über die reine Mustererkennung in Datenbeständen hinausgeht. Nach der Lernphase verallgemeinert „die Maschine“ das
Wissen und kann es so auf unbekannte Daten anwenden. Lernte „die Maschine“ anfänglich nur aus statischen Datenbeständen, entwickelte sich schnell die Notwendigkeit, adaptiv (oder inkrementell) zu lernen.
Beim adaptiven maschinellen Lernen lernt „die Maschine“ aus jedem neuen Datensatz, den sie verarbeitet. Das bringt deutliche Vorteile hinsichtlich der Geschwindigkeit (Stichwort: „Echtzeit“) und der Qualität. Letztere verbessert sich noch weiter, wenn „die Maschine“ zusätzlich für jede „gute“ Aktion eine Belohnung erhält. Das bezeichnet man als verstärkendes Lernen oder Lernen durch Belohnung und Bestrafung – neudeutsch „Reinforcement Learning“. „Die Maschine“ lernt, wie in potenziell auftretenden Situationen zu handeln ist, um den Nutzen des Gesamtsystems zu maximieren.
Wie „intelligent“ ist die RDE?
Grundlage für alle Anwendungen der RDE sind Daten, die Aufschluss über den Kunden und seine Bedürfnisse geben. Dazu gehören zum Beispiel Verhaltensdaten, historische Daten, Transaktions- sowie CRM- und ERP-Daten. Die RDE erkennt Muster und Gesetzmäßigkeiten in den Daten und kann so mit Voranschreiten der Lernphase auch unbekannte Daten beurteilen (= „Machine Learning“). Das bedeutet, dass die RDE automatisch und in Echtzeit Personalisierungsregeln lernt – z.B. auf Basis von Klicks, Warenkörben, Käufen, externen und internen Suchanfragen, geklickten Kategorien und Bannern oder selbstgewählten Events. All diese Daten sammelt die Software selbstständig und vor allem fortwährend.
Die Algorithmen der RDE erkennen aber nicht nur das Kundenverhalten und reagieren darauf (z.B. mit individuellen
Empfehlungen), sondern sie messen zugleich die Akzeptanz der ausgespielten Inhalte (= „Reinforcement Learning“). Wird eine ausgespielte Empfehlung vom Kunden akzeptiert, belohnt sich das System. Wird die Empfehlung nicht akzeptiert, erfolgt auch keine Belohnung. So lernt die RDE sukzessive und kann mit jeder Interaktion immer besser und zielgerichteter auf jeden einzelnen Nutzer eingehen.
Für den Einsatz der RDE im Handel bedeutet das: Wer einen Algorithmus einsetzt, der nach dem Prinzip des „Reinforcement Learning“ arbeitet, ist in der Lage, den Nutzen des „Gesamtsystems“ langfristig zu maximieren – ergo die entscheidenden Kenngrößen wie Absatz, Umsatz oder Ertrag. Aber es geht noch weiter: Die RDE kann durch sogenannte Exploit- und Explore- Mechanismen von den gelernten Mustern abweichen, z.B. um Produkte oder Inhalte zu empfehlen, die schon lange nicht mehr oder noch nie empfohlen wurden und damit nicht Teil des gelernten Regelwerks sind. Indem die RDE solche Alternativen oder neuen Varianten probiert, stellt sie sicher, dass ihr Lern- und Aktionsspielraum flexibel bleibt. Für den Endkunden bedeutet das, dass er immer neue Inhalte oder Produkte angeboten bekommt und nicht in einer Art Filterblase stets die gleichen Empfehlungen erhält. Das bietet vor allem für schnell wechselnde Sortimente, z.B. in der Modebranche, große Vorteile: Produkte neuer
Kollektionen oder Marken fließen sofort und automatisch in die Empfehlungen ein.
Was hat das mit Schach zu tun?
Neue Herausforderungen im Beschaffungsprozess – vor allem im B2B-Bereich
Die Funktionsweise der RDE ist vereinfacht gesagt mit der eines Schachcomputers vergleichbar: Die Software erkennt die „Züge“
des Kunden, antizipiert die Kette aller möglichen nächsten „Züge“ und gestaltet die eigenen Aktionen (z.B. Produktempfehlungen) so, dass sie „das Spiel“ (z.B. den Zielparameter Umsatzoptimierung) gewinnt. Die RDE bietet aber außer den Empfehlungen noch viele weitere intelligente Services für den Einsatz im Omni-Channel-Handel. Oder umgekehrt: Verschiedene Anwendungen der KI werden genutzt, um weitere Services mit der RDE umzusetzen:
(Adaptives) überwachtes Lernen (Supervised Learning): „Die Maschine“ lernt aus den vorhandenen Daten, wie sich
verschiedene Eingabewerte (Attribute) auf ein Zielmerkmal auswirken. Ziel ist es, auf der Basis von Attributen das Zielmerkmal vorherzusagen.
(Adaptives) unüberwachtes Lernen (Unsupervised Learning): Hier versucht „die Maschine“ ohne ein im Voraus bekanntes Zielmerkmal, in den Daten statistisch relevante Muster zu erkennen.
Algorithmen des überwachten Lernens finden u.a. Anwendung bei der Vorhersage von Warenkorb-Abbrüchen und Retouren im Bereich der Marketingautomation. Ziel ist jeweils die frühzeitige Erkennung von Kunden, die nicht kaufen bzw. oft Waren retournieren, um bereits während des Einkaufs mit geeigneten Maßnahmen den Käufer positiv zu beeinflussen. Dies geschieht zum Beispiel durch die automatisierte Ausspielung von Kaufanreizen („Incentives“).
Die Berechnung von optimierten Preisen basiert auf Algorithmen des unüberwachten Lernens. Das zu optimierende Zielmerkmal ist hier je nach unternehmerischer Zielstellung die Maximierung von Gewinn, Umsatz oder Absatz. Nach der Lernphase berechnet der Algorithmus den Preis, der die Zielgröße maximiert. Die RDE nutzt Algorithmen des unüberwachten Lernens, vor allem das so genannte Clustering, um das System mit Informationen über Zusammenhänge zwischen Produkten anzureichern. Menschliche Nutzer stellen die Beziehungen her, indem sie Produkte gemeinsam in den Warenkorb legen und/oder kaufen. Diese
Informationen fließen nach der Mustererkennung direkt in „die Maschine“ für nachfolgende Aktionen zurück.
KI ist also längst Realität. Noch ist sie aber für die meisten Menschen unsichtbar – und arbeitet im Hintergrund. Wenn wir online shoppen und Newsletter lesen, begegnen wir ihr bereits täglich. Das Thema erfährt derzeit einen Hype, der auch moralische Bedenken und Ängste in der Gesellschaft schürt. Selbst Internet-Pioniere wie Bill Gates und Elon Musk sehen die aktuellen Entwicklungen der KI kritisch, denn es gibt viele Grenzen und Schwächen von KI-Assistenten. Sie können zumeist nur eine einzige Sache wirklich gut – hoffentlich.
Dr. René Schiller
ist Director Corporate Communications & Investor Relations bei der GK Software AG.
Denise Seifert
ist Marketing-Managerin der Prudsys AG.
Bildnachweise:
GK Software AG / Prudsys
AI Trendletter Impressum
| Kontakt & Anfrage
