Smarte Technologien verbessern die Beziehung zwischen Online-Händler und Kunden. Sie tragen zu einer gesteigerten Markenloyalität bei. Dabei handelt es sich nicht um Zukunftsmusik, Machine Learning und künstliche Intelligenz sollten im E-Commerce bereits zum Alltag gehören um die Customer Journey zu optimieren.
Optimierung der Customer Journey durch Machine Learning und Künstliche Intelligenz
Machine Learning (ML) und Künstliche Intelligenz (KI) sind Kernelemente des Internet der Dinge und mittlerweile nicht mehr wegzudenken. Dabei wird oft vergessen, dass diese intelligenten Technologien nicht nur im Rahmen der Bestrebungen hin zu einer „Industrie 4.0“ die Effizienz in Planung und Produktion steigern, sondern auch längst im E-Commerce zum Einsatz kommen, unter anderem in der Zahlungsabwicklung. Hier hilft ML bereits vielen Unternehmen, Abrechnungen zu optimieren und Transaktionen richtig abzuwickeln – denn viel zu oft schlagen vor allem Kreditkartenkäufe trotz ausreichender Kreditwürdigkeit fehl.
Studien zeigen, dass die Zahl sogenannter „False Positives“, also fälschlicherweise stattfindende Ablehnungen einer Kreditkarte, immer mehr zunimmt. Im Durchschnitt werden 10 Prozent der Online-Bestellungen während der Zahlungsautorisierung abgelehnt. Bis zu 70 Prozent davon sind „False Positives“ von Kunden, die sich den Kauf eigentlich leisten können. Daher ist es nicht verwunderlich, dass 40 Prozent der Betroffenen angeben, in solchen Fällen den Kauf bei einem anderen Anbieter zu tätigen und auch nicht zu diesem Anbieter zurückzukehren.
Hier kommt Machine Learning ins Spiel. Unternehmen nutzen solche Programme, um Transaktionen dynamisch weiterzuleiten und automatisch zu bestimmen, welche Wege eine Zahlung genau geht, um die höchste Erfolgswahrscheinlichkeit zu haben. Dabei spielt der richtige Acquirer, also das Kreditinstitut, das die Kartenzahlung letztlich autorisiert eine entscheidende Rolle. Zudem können solche Systeme bei der Verwaltung des Transaktionsvolumens sowie der Rationalisierung des Back-Office-Betriebs unterstützen.
Vermeiden von fehlgeschlagenen Transaktionen
Schlägt ein Zahlungsversuch fehl, versucht der Zahlungsanbieter immer erneut diese zu autorisieren. Dabei ist der Zeitpunkt entscheidend. Denn Zahlungszyklen und die Modalität der Geldverarbeitung ist besonders bei wiederkehrenden Transaktionen wie Abonnements ein wichtiger Punkt. So kann etwa eine kleine Kreditgenossenschaft zu einer bestimmten Tageszeit nur begrenzte Kapazitäten für die Verarbeitung von Transaktionen haben. In anderen Fällen kann es sein, dass an bestimmten Tagen im Monat nicht genügend Geld auf einem Konto vorhanden ist.
Um solche Szenarien zu verhindern, gibt es sogenannte Wiederholungslogiken. Diese werden entwickelt, um den besten Zeitpunkt und die beste Methode für einen erneuten Transaktionsversuch zu ermitteln. Zu wissen, wann eine bestimmte Transaktion zur Verarbeitung eingereicht werden soll, kann einen deutlich spürbaren Einfluss auf die Autorisierungsrate haben. Durch die Wahl des richtigen Zeitpunkts können Zahlungssysteme die Rate automatisch erhöhen, ohne dass Front-End-Systeme oder die Customer Experience beeinträchtigt werden. Damit verringert sich die Zahl der „False Positives“, während gleichzeitig die Kundenzufriedenheit- und Bindung steigt. Denn fehlgeschlagene Zahlungsversuche wirken sich nicht nur auf den Umsatz aus, sondern schädigen langfristig den Ruf einer Marke oder eines Online-Shops.
Optimierung des Kundenerlebnisses
Dabei können ML und Systeme mit integrierter künstlicher Intelligenz (KI) nicht nur im Zahlungsbereich zur Optimierung der Customer Journey beitragen. Auch die Supply Chain und die Produktauswahl lassen sich optimieren. Ein Beispiel: Menschen sind Gewohnheitstiere – auch und vor allem in ihren Shoppinggewohnheiten. Mithilfe von KI und der Analyse von Kundendaten lassen sich deshalb Prognosen treffen, was ein Kunde wann vermutlich kaufen möchte. Dies hilft Händlern dabei, die richtigen Produkte zur richtigen Zeit auf Vorrat zu haben und somit die Lieferzeiten zu verkürzen und die Kaufbereitschaft des potenziellen Kunden zu steigern.
Zudem kann mithilfe von großangelegten Datenanalysen auch die Zahl der Rücksendungen im E-Commerce verringert werden. Aktuell gibt es beispielweise Projekte diverser Marken, die mithilfe von großangelegten Datenanalysen einen KI-basierten Größenberater im Online-Shop optimieren wollen. Dabei werden sowohl persönliche Vorlieben von Kunden als auch allgemeine Daten der jeweiligen Alters- und Bevölkerungsgruppe analysiert. Auf Basis dieser Daten empfiehlt die KI dann die passende Größe – denn die Jeans sitzt, bedingt durch Körperbau und durchschnittliche landesweite Körpergröße in unterschiedlichen Regionen jeweils anders. Damit könnte nicht nur die Zahl der Retouren signifikant zurückgehen, auch die Kundenzufriedenheit steigt. Nebenbei hilft dies auch dem Hersteller selbst, Kleidungsstücke den aktuellen Kundenvorlieben anzupassen, Größen laufend zu aktualisieren und die Produktbeschreibung auf der Website anzupassen.
In all diesen Bereichen – Zahlungsabwicklung, Supply Chain und Größenberatung – helfen smarte Technologien dabei dem Kunden, den Kaufprozess so angenehm wie möglich zu gestalten. Denn eine optimale Customer Journey sorgt nicht nur für kurzfristig für eine Zufriedenheit der Kunden. Sie steigert zudem die Wahrscheinlichkeit, dass diese die Marke weiterempfehlen und erhalten so deren Loyalität.