• Home
  • Nachrichten
  • Business
  • Warum KI das Nutzererlebnis auf die nächste Stufe hebt

Warum KI das Nutzererlebnis auf die nächste Stufe hebt

EINGESENDETE MELDUNG
Von Sponsor

11. Okt. 2021

Business

Viele Branchen wurden von den rasanten Entwicklungen im Bereich der künstlichen Intelligenz (KI) mitgerissen. Sie revolutionieren Unternehmen mit umfangreichen, detaillierten Daten über Verbraucher und den Markt, die unser menschliches Gehirn nicht analysieren könnte. Die Mode- und Bekleidungsindustrie hat anfangs etwas zögerlich auf KI reagiert, und wer kann es ihnen verdenken. Die Vergangenheit hat gezeigt, dass diese Branche auf menschlicher Kreativität aufgebaut ist, so dass die Einbeziehung von durch Technologien gesammelten Fakten und Zahlen als verständliche Sorge betrachtet werden kann.

Zunächst einmal sei gesagt, dass künstliche Intelligenz den menschlichen Input als Entscheidungsgrundlage nutzt und nicht das Ziel hat, diesen zu ersetzen. Es ist lediglich ein Werkzeug, um bestimmte Datenanalysen zu automatisieren bzw. zu optimieren und ein Denken zu fördern, das über unsere menschlichen Fähigkeiten hinausgeht. Wir leben in einer Welt, die von der Digitalisierung getrieben wird und es sieht nicht so aus, als würde sich dies in absehbarer Zeit ändern. Hand in Hand mit diesem Trend geht die ständige Veränderung der Kundenerwartungen, die Sie als Marke ständig im Auge behalten müssen, da Sie sonst mit Ihren organisatorischen Abläufen ins Abseits geraten könnten, was zu verpassten Umsatzpotenzialen führen kann. Wie können Sie also die durch KI gewonnenen zusätzlichen Informationen und Erkenntnisse am besten nutzen?

Experte Xin Zhang von Chainbalance und die Gründer des AI Design Competence Collective, Melenie Hecker und Professor Dr. Ingo Rollwagen, teilen ihre Visionen und ihr Fachwissen über den Einsatz von künstlicher Intelligenz und algorithmischer Innovation.

Was ist künstliche Intelligenz?

Bevor wir uns mit den Experten beschäftigen, wollen wir zunächst die Frage beantworten: "Was ist künstliche Intelligenz? Im Gegensatz zu menschlicher und tierischer Intelligenz, die natürlich ist, handelt es sich bei künstlicher Intelligenz um Intelligenz, die von Maschinen dargestellt wird. Künstliche Intelligenz ist eine Software, die auf der Grundlage von Eingaben, schlussfolgern und Entscheidungen treffen kann. Spüren Sie schon die ersten Kopfschmerzen? Künstliche Intelligenz kann manchen etwas unheimlich erscheinen, weil wir sie noch nicht völlig"verstehen", aber letztlich geht es um Logik. KI führt reichhaltige Daten zusammen und kann Ihnen und Ihrem Unternehmen die richtige Richtung weisen, wenn es um die Entscheidungsfindung geht. Klingt das immer noch beängstigend? Nun, KI wird im täglichen Leben bereits vielfach eingesetzt. Denken Sie an Chatbots, Autokorrektur, autonome Fahrzeuge, Gesichtserkennung, KI-Suchmaschinen und Empfehlungsalgorithmen. Jeden Tag werden wir mit irgendeiner Form von künstlicher Intelligenz konfrontiert.

KI in der Mode- und Bekleidungsindustrie

Haben Sie schon einmal online nur eine neue Jeans gekauft und am Ende nicht nur eine Jeans, sondern auch neue Schuhe, eine neue Tasche und vier neue Hemden, um den Look zu vervollständigen? Haben Sie schon einmal darüber nachgedacht, wie es dazu kam, dass Sie all diese Artikel gekauft haben, die Sie eigentlich nicht kaufen wollten, aber trotzdem gekauft haben? Ja, das ist intelligentes Verkaufen, ebenfalls eine Form der KI. Die Methode "Vervollständigen Sie Ihren Look" zeigt Ihnen Empfehlungen für Artikel, die in Kombination mit den Artikeln in Ihrem Einkaufswagen toll aussehen würden. Diese Empfehlungen basieren auf Produkten, die häufig zusammen verkauft werden. Die Software erkennt dies und empfiehlt es anderen, denn wenn es einem Kunden gefällt, warum sollte es einem ähnlichen Kunden nicht auch gefallen? Die Kunden füttern die Software mit faktischem Input und sie erhält ein nachvollziehbares Ergebnis. Dennoch zeigen Untersuchungen, dass die Investitionen in KI und maschinelles Lernen (ML) in der Mode- und Einzelhandelsbranche weltweit nur ein Prozent betragen, so die jüngste Analyse von McKinsey & Company, "Pitchbook August 2021".
Trotz des enormen Potenzials tut sich die Modeindustrie schwer, in diesem Bereich signifikante Investitionen zu tätigen. Neben den Hindernissen in dem Bereich, Daten - sowohl in Quantität als auch in Qualität, gibt es Herausforderungen für den Einsatz und den praktikablen Anwendungsbereich für das einzelne Unternehmen.

Wir sollten uns also die Frage stellen: "Was sind die größten Herausforderungen in der Modeindustrie, und wie kann KI helfen, diese Herausforderungen zu bewältigen?"

Mehr Zeit für Kreativität

Es geht nicht darum, KI zu nutzen, nur weil man es kann. Es geht darum, den Kunden von heute mit Hilfe von KI zu verstehen, zu bedienen und zufriedenzustellen.

- Xin Zhang, Business Intelligence Consultant bei Chainbalance.

Mit anderen Worten, was sind die größten Herausforderungen in der Modeindustrie und wie kann KI helfen, diese Herausforderungen zu bewältigen? Eine der größten Herausforderungen ist die Überproduktion und die Warensteuerung. KI kann dabei helfen, diese Herausforderungen zu bewältigen, indem sie das Konsumverhalten der Verbraucher analysiert und Entscheidungen über die Produktion und Kaufvorhersagen trifft. Letztendlich kann dies nicht ohne Sie, den Verbraucher, geschehen!

Wenn Sie dies mit Hilfe von Technologie tun, können Sie bis zu 80 % der manuellen und lästigen Arbeit einsparen. Damit schaffen Sie Zeit für Kreativität. Neben der Zeitersparnis können Sie auch Entscheidungen treffen, an die Sie bisher nicht gedacht haben, wie z. B. die Sortimentsoptimierung oder die konsumorientierte Produktionsprognose.

Bei der Sortimentsoptimierung können Clusteranalysen helfen, Konsummuster in dem POS, bei bestimmter Produkte zu erkennen und diese für ähnliche POS zu nutzen. Auf diese Weise können Sie versteckte Umsatzpotenziale für Produkte oder Produktgruppen in Bereichen identifizieren, in denen sie bisher nicht oder nicht ausreichend platziert waren. Die Suche nach Mustern über Hunderte von POS und noch mehr SKUs hinweg ist manuell unmöglich zu bewältigen, daher müssen Sie sich eine Software zulegen, die Sie auf diesem Weg unterstützt.

Tägliche datengestützte Software-Entscheidungen können auch bei der Entscheidung über Produktionsmengen, z. B. für den Größenschlüßel pro POS, hilfreich sein: Was früher mit A B C-Clustern gemacht wurde, kann heutzutage auf Grundlage des Verhaltens von Produktlebenszyklus, in einem Referenzzeitraum, an die zukünftige Nachfrage vorhergesagt werden, individuell für die Filiale und das Produkt.

Die Möglichkeiten von ML&AI sind unbegrenzt und ermöglichen es den Menschen, bessere und schnellere Ergebnisse zu erzielen. Warum also nicht KI flächendeckender für bestimmte Prozesse, nutzen? Xin Zhang, Business Intelligence Consultant bei Chainbalance, hat die Antwort: Es geht nicht nur darum, KI zu nutzen, nur weil man es kann. Es geht darum, den Kunden von heute mit Hilfe von KI zu bedienen und zufrieden zu stellen.

Experte an Bord für verbrauchsgesteuerte Entscheidungsfindung

Der Business-Intelligence-Berater Xin Zhang, der an der Universität Tilburg einen Master in den Kognitionswissenschaften und der KI erworben hat, verfügt über einige Jahre Erfahrung auf dem Gebiet der KI und setzt diese nun bei Chainbalance ein. Chainbalance hilft Mode-, Sport- und Schuhmarken bei der Optimierung von Betriebsabläufen in der Warensteuerung und bei Produktionsprozessen, indem sie Technologien wie KI und Algorithmus-Innovation einsetzt.

Unternehmen wie Adidas, Esprit und Triumph vertrauen dem niederländischen Unternehmen und seinen Technologien bereits seit über 12 Jahren mit großem Erfolg.

Schauen Sie sich unsere Erfahrungsberichte an, um mehr über unsere Kundenprojekte zu erfahren!

"In einer digitalen Welt, in der Verbraucher alles sofort über Hunderte von verschiedenen Kanälen kaufen können, gibt es keinen Platz mehr für manuelle Mikroentscheidungen. KI und Algorithmus-Innovationen helfen uns bei Chainbalance, unsere Kunden schnell, kostenorientiert und - was am wichtigsten ist - voll und ganz auf die Verbraucher und die daraus resultierenden Bedürfnisse auszurichten", sagt Zhang.

Smart Supply verfügt über mehrere Nachversorgungslogiken für verschiedene Flächen. Mit Hilfe von ML ist es für unsere Lösung einfacher und schneller herauszufinden, welcher Ansatz für eine bestimmte Filiale in einem bestimmten Zeitraum am besten geeignet ist. Außerdem hilft uns ML bei der Erkennung von Ausreißern, um die Kundenleistung effizient zu überwachen.

Die Kluft zwischen Einstellung und Verhalten

Das Verbraucherverhalten ändert sich ständig, und das gilt auch für den gesamten Markt. Was bedeutet das also für die Zukunft der KI? Wir haben die Gründer des AI Design Competence Collective, Melenie Hecker und Professor Dr. Ingo Rollwagen, gefragt:

"Große Online-Händler*innen stehen vor der digitalen Herausforderung, die Kluft zwischen den Nachhaltigkeitseinstellungen und dem Verhalten ihrer Kund*innen zu überbrücken. Das bedeutet, dass es noch keine datenbasierte Verbindung zwischen den Meinungen der Verbraucher*innen zu ethischen und nachhaltigen Themen und ihrem Kaufverhalten gibt. Nehmen wir an, dass in Zukunft ein quantifizierbarer reflexiver Zusammenhang gefunden wird. In diesem Fall können wir die neuen Kund*innendaten nutzen, um auf Grundlage von algorithmischen Innovationen völlig neue Produkte und Dienstleistungen zu designen, die ressourcenschonend produziert werden können. Um algorithmische Innovation sinnvoll einsetzen zu können, muss das Unternehmen jedoch zunächst klären, welches Problem, wie z. B. Überkonsum, gelöst werden soll, um messbare Nachhaltigkeitsziele und die dafür notwendigen algorithmischen Werkzeuge zu definieren."

Wie geht es weiter?

Wenn man seinen Gedanken freien Lauf lässt, sind die Möglichkeiten für KI und Mode endlos. In dem Maße, in dem die Analysemöglichkeiten wachsen, wachsen auch die reichhaltigen Daten, die extrahiert werden können. Was kommt also als nächstes auf Chainbalance zu? Welche KI-Lösungen können wir erwarten?
"KI muss mit Daten gefüttert werden, und wie wir gelernt haben, kann es sich bei Daten um alles Mögliche handeln. Wir können nicht nur POS-Daten von unseren Kunden in Bezug auf die Verkaufszahlen oder den Lagerbestand sammeln und verarbeiten, sondern auch externe Daten wie Wettervorhersagen, Kundenrezensionen usw., die für Data Mining verwendet werden, um die Produktzuweisung und den Nachschub zu verbessern. Wenn die Vorhersage zeigt, dass der September kein warmer Monat sein wird, füllen Sie zum Beispiel Ihre Herbstsaison früher auf. All diese Daten helfen Ihnen, die richtigen Artikel zu verkaufen und das Problem der Überproduktion und Verschwendung zu bekämpfen. ", sagt Zhang.