Wie KI und Personalisierung die E-Commerce-Suche revolutionieren (endlich)

Die Suche ist seit Jahrzehnten ein fester Bestandteil unseres Lebens — aber sie ist reif für eine Überarbeitung.

Kehren wir zu den Zeiten der frühen Suchmaschinen zurück, um zu verstehen, warum. Angenommen, Sie suchten nach aktuellen Informationen für einen Forschungsbericht. Ihr erster Instinkt war es, eine Frage in das Suchfeld einzugeben. Die Ergebnisse wurden angezeigt, waren jedoch grösstenteils irrelevant. Man musste lernen, die eigenen Gedanken in einige wenige Suchbegriffe zu übersetzen, was selbst dann ein weites Netz auswarf, das das Durchsuchen von seitenweisen Ergebnissen erforderte, bevor man die richtigen Informationen zusammensetzen konnte.

As SEO evolved, the search process became less arduous, but conceptually, it hasn’t undergone any meaningful evolution in decades. Instead of search dynamically adapting to people as they engage, humans have adapted to the logic of machines. This lack of nuance has left users frustrated and disengaged.

Heute haben wir einen Wendepunkt erreicht. Eine wachsende Zahl von Nutzern wendet sich KI-Tools wie ChatGPT zu – das täglich über eine Milliarde Anfragen erhält –, um in Sekundenschnelle zu finden, was sie suchen.

Jetzt entwickelt sich die Suche endlich weiter, um den stetig wachsenden Wünschen und Bedürfnissen der Verbraucher gerecht zu werden.

KI hat Tür und Tor für neue Wege der Markeninteraktion und der Produktsuche geöffnet. Käufer erwarten heute mehr Raffinesse, Geschwindigkeit und Intelligenz bei ihrer Suche. Hier erfahren Sie, wie wir dorthin gelangt sind:

The way people search conflicts with traditional search capabilities

Betrachten wir, wie eine Person typischerweise mit der Suche interagiert. Stellen Sie sich jemanden vor, der ein Kleid für die Hochzeit eines Freundes sucht. Obwohl 50 % der Suchanfragen mehr als drei Wörter umfassen (laut Daten von Dynamic Yield), verwenden Verbraucher typischerweise Abfragen mit 2 bis 3 Wörtern, um genau das zu finden, was sie wollen. Wenn diese Person also die Suchanfrage „dress for wedding“ eingibt, zeigt die Suchmaschine jedoch nur weisse Kleider an und erkennt nicht, dass Gäste kein Weiss tragen sollten.

Stellen Sie sich nun eine Situation vor, in der der Käufer einfach nach dem fragt, was er möchte: „Ich brauche ein Kleid für die Hochzeit einer Freundin unter freiem Himmel in Florida.“ Der zusätzliche Kontext und die Spezifität in diesen Extrawörtern könnten Verbrauchern viel Zeit sparen – vorausgesetzt, die Suchfunktion ist ausgefeilt genug, um sie zu verstehen.

Verbraucher haben sich angepasst, weil die historische Keyword-Suche nicht darauf ausgelegt ist, komplexe Suchanfragen zu verarbeiten, da Produktfeeds oft unzureichend getaggt sind und die Suche nicht auf reales Wissen zurückgreifen konnte. Solche Anfragen können Verbraucher sogar zu nicht zusammenhängenden Produkten führen, da die Bedeutung hinter den Wörtern genauso wichtig ist wie die Wörter selbst.

KI-gestützte Leitlinien und Empfehlungen sind persönlicher

Die herkömmliche Suche stützt sich auf Benutzereingaben und Filterung, kann jedoch potenziell wertvolle Daten über Verbraucherpräferenzen nicht nutzen, was zu generischen Ergebnissen führt. Um diesen Frust zu umgehen, haben sich rund 70 % der Menschen für generative KI anstelle der herkömmlichen Suche für Beratung und Empfehlungen entschieden. Ausserdem vertrauen die meisten dieser KI-Empfehlungen und akzeptieren sie ohne zusätzliche Recherchen, da sie auf ihre Bedürfnisse so spezifisch eingehen. Um zu verhindern, dass Marken wertvolle Interaktionsmöglichkeiten wie diese verlieren (sowie die mangelnde Kontrolle darüber, wie ihre Produkte in gen. AI-Tools auftauchen), müssen sie ihr Sucherlebnis von generisch auf massgeschneidert basierend auf Kontext und Daten umstellen.

Verbraucher verlassen sich beim Einkaufen inzwischen auf visuelle Informationen.

Online-Shopper, denen es schwerfällt zu beschreiben, wonach sie suchen, ziehen es vor, visuelle Informationen zu nutzen, um die Lücke zu schliessen. Tatsächlich gaben 85 % der Befragten einer Pinterest-Umfrage an, dass visuelle Informationen bei der Suche nach Kleidung und Möbeln online wichtiger seien als Text. Herkömmliche Keyword-Suchen können einfach keine Ergebnisse auf Basis visueller Analysen liefern.

Heute heben KI-gestützte Algorithmen und Personalisierung die Suche auf ein neues Niveau.

Die Suche ist längst nicht mehr pauschal; sie kann sich dynamisch an die verschiedenen Arten anpassen, wie Menschen nach den Produkten suchen, die sie benötigen. Tatsächlich gibt es drei gängige Wege, wie Menschen Produkte entdecken. Wir möchten die einzelnen Punkte näher beleuchten und aufzeigen, wie diese bahnbrechenden neuen Suchfunktionen die Kundenbedürfnisse noch besser erfüllen können.

1. Personalisierte Navigation für stöbernde Konsumenten
Dies sind Käufer, die daran interessiert sind, das Angebot einer bestimmten Kategorie zu erkunden, anstatt zu einem spezifischen Produkt zu navigieren.

Um das Sucherlebnis basierend auf diesem hochgradig zielgerichteten Surfverhalten zu optimieren, können Marken Personalisierung nutzen, um Navigation-Suchanfragen (wie „Herrenschuhe“) zu identifizieren und diese Anfragen an eine massgeschneiderte Kategorieseite anstelle des Standard-Sucherlebnisses der Website weiterzuleiten.

Diese Kategorieseiten können auch mithilfe ausgefeilter Deep-Learning-Algorithmen sortiert und optimiert werden, um basierend auf den Präferenzen der einzelnen Nutzer die relevantesten Produkte anzuzeigen und vorherzusagen, wofür sie sich als Nächstes am meisten interessieren könnten. Um die bestmögliche Kombination für maximale Interaktion zu ermitteln, können zudem verschiedene Algorithmen und Merchandising-Regeln auf unterschiedliche Seiten und Zielgruppen ausgerichtet werden.

2. KI-gestützte Assistenten für zweckorientierte Verbraucher

Purpose-Driven Consumers wissen, was sie wollen, und suchen letztlich nach Orientierung. So wissen sie beispielsweise möglicherweise, dass sie Kleidung für das Fitnessstudio benötigen, müssen sich aber erst noch auf bestimmte Produkte festlegen.

Personalisierung und KI können Händlern mittlerweile dabei helfen, die Absicht hinter umgangssprachlichen, auf Fragen basierenden Suchanfragen zu verstehen. In Kombination mit einer erweiterten semantischen Suche, die die Bedeutung hinter einer Abfrage (nicht nur die Wörter) interpretieren kann, wird das Erlebnis noch besser. Ein tolles Beispiel hierfür in der Praxis: generative KI-gestützte Konversationserlebnisse wie Shopping Muse. Unabhängig davon, ob ein Kunde nach „Laufjacke für den Winter“ oder „Was soll ich beim Joggen bei kaltem Wetter anziehen?“ sucht – diese KI-Chatbots nutzen Natural Language Processing und Deep-Learning-Modelle, um direkte Fragen zu beantworten und jedes Mal die relevantesten Produkte zu empfehlen. Und durch die Analyse von Kontext- und Verhaltensdaten ist der Chatbot besser in der Lage, zu antizipieren, was der Verbraucher als Nächstes benötigen könnte.

Nach unserer Erfahrung haben Händler festgestellt, dass Käufer eher zu Käufen neigen und höhere Warenkorbwerte aufweisen als diejenigen, die sich nicht mit solchen Tools beschäftigen. Es kann auch eine einfache Möglichkeit für Verbraucher sein, die für jemand anderen einkaufen oder einfach nicht über das nötige Produktwissen verfügen, das perfekte Geschenk zu finden.

3. Erweiterte semantische Suche und visuelle Analyse für produktorientierte Verbraucher
Hierbei handelt es sich um kaufentschlossene Käufer, die direkt zu einem bestimmten Artikel wie „High-Top-Basketballschuhen“ navigieren möchten. Bei einer so spezifischen Anfrage könnte man annehmen, dass herkömmliche Suchmethoden ausreichen. Erweiterte Suchfunktionen ermöglichen es Verbrauchern jedoch, sich durch das Rauschen grosser Produktkataloge zu filtern und diese Schuhe im Handumdrehen zu finden. Gestützt auf den Verlauf, die Affinität und kontextbezogene Hinweise des Nutzers kann die personalisierte Suche High-Top-Basketballschuhe mit den Farben und Funktionen anzeigen, die er bevorzugt.

Die personalisierte Autovervollständigung kann Käufer auch zu verwandten Produkten führen, die sie beim Navigieren durch Kategorie- und Produktlistenseiten nicht entdeckt hätten.

Durch visuelle Analysetools können physische Attribute von Artikeln im Produktkatalog einer Marke nun erkannt werden, wodurch die Notwendigkeit einer Kataloganreicherung durch Dritte entfällt und Händler die richtigen Produkte schneller anzeigen können. Selbst wenn ein Artikel beispielsweise nicht mit „gestreifte Hose“ getraggt ist, kann KI die Streifen im Bild „sehen“ und wissen, dass sie ihn in die relevanten Suchergebnisse aufnehmen muss.

Ausserdem können Verbraucher, die etwas entdecken, das ihnen gefällt – zum Beispiel ein paar schicke Turnschuhe in einem Schaufenster bei Besorgungen –, ein Foto hochladen und sofort passende Produkte aus dem Katalog des Händlers finden. Selbst wenn ein bestimmter Artikel im Katalog ausverkauft ist, kann die visuelle Suche den nächstrelevantesten Artikel anzeigen.

Insgesamt verbessern diese visuellen Analysetools die Genauigkeit und reduzieren die manuelle Verwaltung von Produkt-Feeds, wovon sowohl Marken als auch Verbraucherermassen gleichermassen profitieren.

Die Zeiten, in denen Suche, Personalisierung und KI im E-Commerce getrennte Rollen spielten, gehören der Vergangenheit an. Da sie auf spannende neue Weise verschmelzen, können Verbraucher schnellere, einfachere und wirkungsvollere digitale Erlebnisse erwarten. Darüber hinaus können Marken von einer Vielzahl von Vorteilen profitieren, darunter: hyperrelevante Suchergebnisse, die zu höherem Engagement und durchschnittlichen Bestellwerten führen; die Möglichkeit, die Suche global zu skalieren, indem Verbrauchern ermöglicht wird, Suchanfragen in fast jeder Sprache einzugeben; sowie die Möglichkeit, Sucherlebnisse an Geschäftszielen auszurichten und Ergebnisse basierend auf Gewinnmargen, Rückgabequoten, Lagerbeständen und mehr zu gewichten.

Und die Vorteile vervielfachen sich, je mehr Menschen die Suche als wirklich hilfreiches Werkzeug zur Produktentdeckung nutzen, wobei jede Interaktion eine tiefere Personalisierung über andere Berührungspunkte hinweg ermöglicht. Ein reibungsloses Sucherlebnis maximiert die Conversions und stützt sich dabei auf das Wissen von Händlern über ihre Kunden – von früheren Käufen bis hin zu Treueprogrammen –, um ein ultramassgeschneidertes, reibungsloses Erlebnis zu bieten.

Mit KI an der Spitze ist die Suche bereit, nicht nur die grundlegende Rolle wieder einzunehmen, die sie einst für die Verbraucher innehatte – sondern auch die Art und Weise zu revolutionieren, wie sie Produkte entdecken und kaufen.