Im E-Commerce führen große Händler und Online-Marktplätze wie Amazon, Ebay, Zalando und spezialisierte Plattformen wie AboutYou das Feld bei dem Einsatz datengetriebener Technologien an. Kunden erhalten dort auf ihre Interessen zugeschnittene Kaufempfehlungen. Preise für Produkte von Markenherstellern werden kontinuierlich an die Konkurrenz angepasst und Produktbeschreibungen sind oft automatisch internationalisiert. Die Hersteller erhalten digital generierte Purchase Orders (POs), also Nachbestellungen von Produkten. Diese beinhalten oft nicht nachvollziehbare Mengen und kommen in untypischen Frequenzen, da sie auf für den Empfänger intransparenten Prognosen beruhen, wie viele Produkte die KI von Amazon und Co. glaubt verkaufen zu können. Abhilfe können hier Systeme für Prescriptive Analytics schaffen.
Prescriptive Analytics bei Markenherstellern kaum verbreitet
Die Händler haben also KI-seitig aufgerüstet. Trotzdem steckt die Nutzung von KI im Alltag von Markenherstellern noch in den Kinderschuhen. Eine aktuelle Umfrage des Digitalverbandes Bitkom unter 600 Unternehmen zeigt, dass der Anteil der Unternehmen, in denen der Einsatz von KI diskutiert wird, von neun Prozent 2019 auf 30 Prozent 2021 gesprungen ist. Gleichzeitig verwenden jedoch erst acht Prozent der Unternehmen tatsächlich KI-basierte Technologien wie Prescriptive Analytics (der Anteil hat sich seit 2019 immerhin vervierfacht). Der Wert von KI wird zwar erkannt, die Zukunftstechnologie ist aber noch nicht in der Praxis angekommen.
Mit KI-gestützter Software Report- und Planungsprozesse optimieren
Dabei gibt es viele Felder, bei denen KI-Anwendungen Markenherstellern entlang der gesamten Wertschöpfungskette unterstützen können. Eines der heute häufigsten Einsatzfelder ist das Ausspielen von personalisierter Werbung, meist mittels der Verhaltensdaten aus den zuvor genannten Online-Shops. Amazon hat sich hier zum Marktführer der neuen Werbeform Digital Retail Media entwickelt. Der Online-Riese konkurriert mit seinen Sponsored Ads in der Suche sowie programmatischer Werbung mittels eigener DSP (Demand Side Plattform) auf Augenhöhe mit Google und Facebook um die Etats der Werbetreibenden.
KI kommt vor allem in der Prozessoptimierung und Kundenbetreuung zum Einsatz
Allerdings liegt die künstliche Intelligenz hier noch auf Seiten von Amazon und Markenentscheider nutzen nur die Algorithmen des Händlers. Bei den Unternehmen kommt KI laut Bitkom in der Prozessoptimierung der Produktion und in der Kundenbetreuung, wie durch automatische Chat- und E-Mail-Systeme, zum Einsatz. Die Nutzung von KI-gestützter Reporting- und Analyse-Software, die Nachfrage- und Umsatzprognosen, sowie Szenario-Analysen mit Blick auf den Return on Ad Spend erlaubt, ist dabei nur in wenigen Unternehmen vorhanden.
Dabei können solche Advanced Analytics, also Systeme, die versuchen, die zukünftige Geschäftsentwicklung herzuleiten, einen deutlichen Mehrwert darstellen. Die Unternehmensberatung BCG hat analysiert, dass Markenhersteller mindestens zehn Prozent mehr Umsatz erzielen, wenn sie KI-basierte Prognosen (Predictive Analytics, also “Was wird passieren?”) und Handlungsvorschläge (Prescriptive Analytics, also „Was muss ich tun, damit es passiert“) in der eigenen Geschäftsplanung sowie in Marketing und Vertrieb einsetzen.
Aufwendig und komplex: die Reports von Amazon
Entscheidend dafür sind ausreichend verlässliche Daten. Und hier zeigt sich ein Problem, das vor allem im Umgang mit Online-Händlern zu Tage tritt. Händler wie Amazon teilen viele relevante Daten erst gar nicht und die, die zur Verfügung stehen, eignen sich nicht ohne Weiteres für KI-basierte Vorhersagen in Strategie- und Investitionsplanungen. So stellt Amazon Markenherstellern zwar hilfreiche Reports zur Verfügung, beispielsweise über die Marge, den Warenbestand oder die Performance der Werbekampagnen, diese sind allerdings begrenzt auf die jüngere Vergangenheit und zudem im Datenzuschnitt vorgegeben (täglich, monatlich, quartalsweise).
Zudem sind die Zugänge zu den Reports in unterschiedlichen Tools verteilt, die meisten Daten lassen sich manuell als Excel-Dateien herunterladen und wieder speichern. Dennoch lohnt sich der Aufwand. Allein die Aufbereitung der historischen Daten, die Amazon zur Verfügung stellt, kann tagesgenau zeigen, was im eigenen Business passiert, zum Beispiel dass der Umsatz sinkt (Descriptive Analytics) und warum das passiert ist, beispielsweise, weil die Werbekampagnen beendet wurden (Diagnostic Analytics).
Markenhersteller sollten Reports verfügbar machen
Jeder Markenhersteller, der mit Amazon und anderen Plattformen handelt, sollte sich die Mühe machen die zur Verfügung gestellten Reports konsequent herunterzuladen und zentral verfügbar zu machen. Den mühsamen Weg des Herunterladens muss nicht der Head-of-E-Commerce übernehmen, sondern kann der Junior als Standardaufgabe erledigen. Bei der Visualisierung genügt im einfachsten Fall schon ein ordentliches Datenmodell in Excel oder, ein Schritt weiter, eine Business-Intelligence-Software wie Power BI.
Für Prescriptive Analytics wird Deep Data benötigt
Für KI-basierte Predictive und Prescriptive Analytics ist ein deutlich höherer Aufwand notwendig, den viele Unternehmen aufgrund von Mangel an Geld, dem richtigen Personal und Zeit scheuen, wie auch die Bitkom-Studie bestätigt. Es genügt nicht, nur Daten zu sammeln und Big Data zu produzieren, sondern Unternehmen müssen die eigenen Daten zu sogenannter Deep Data aufwerten. Das erfordert entsprechende IT-Expertise, wie Data Scientists und Software-Entwickler, sowie eine sehr hohe Datenqualität. Erst dann kann ein Algorithmus berechnen, wie viel Umsatz ein Hersteller in den nächsten Wochen voraussichtlich erzielt. So kann dieser empfehlen, 5.000 Euro mehr in Werbung zu investieren, um die eigene Produktsichtbarkeit auf Amazon um zehn Prozent zu erhöhen und zwischen 13 und 15 Prozent mehr Umsatz zu machen.
So müssen Hersteller die historischen Report-Daten mit zusätzlichen Informationen ergänzen, wann Sales-Events wie Prime Day stattgefunden haben, wie sich die Nachfrage auf Amazon entwickelt und welche Wettbewerbsprodukte in der Suche neben meinen angezeigt werden. Zudem müssen alle Daten in sicheren Datenbank-Systemen aufbereitet und vorgehalten werden, um die Ergebnisse der KI-basierten Berechnungen verlässlich und schnell über verschiedene Schnittstellen zur Verfügung stellen zu können. Die Einführung KI-basierter Prognosen und Handlungsempfehlungen ist also ein gewaltiger Kraftakt. Gegenüber der Unternehmensberatung Accenture haben 82 Prozent der deutschen Top-Manager zugegeben, mit ihren KI-Projekten nicht über die Pilot-Phase hinaus zu kommen.
Mit Prescriptive Analytics die Black Box Amazon öffnen
Spezialisierte Dienstleister wie emax digital setzen genau hier an und ermöglichen den Einsatz KI-basierter Advanced Analytics auf Amazon, ohne eine eigene KI-Abteilung aufbauen zu müssen. Hersteller können dank des von emax digital entwickelten Amazon Analytics Hub ihr Geschäft mit Unterstützung von KI genauer planen und steuern. Das Web-basierte Tool gibt zudem Handlungsempfehlungen, um Abverkäufe zu erhöhen und Werbeinvestments zu optimieren. Dabei profitieren die Kunden von der langjährigen Expertise des Unternehmens im E-Commerce und dem geballtem Amazon-Know-how. So sind zwei der drei Gründer ehemalige Führungskräfte des weltweit größten Onlinehändlers, der dritte Gründer hatte zuvor bereits ein eigenes Start-up im E-Commerce-Umfeld. Sie wollen die Blackbox Amazon endlich auch für andere öffnen – dank Prescriptive Analytics.
