Kommentar von Wendy Chen, Omnistream KI und Machine Learning – mehr Wettbewerbsvorteile für den Einzelhandel

Von Wendy Chen

Der Einzelhandel ist wohl eine der Branchen mit dem höchsten Wettbewerbsdruck und einer angespannten Konkurrenzsituation. Die Gunst der Kunden ist hart umkämpft.

Anbieter zum Thema

Die Autorrin: Wendy Chen ist Gründerin und CEO von Omnistream
Die Autorrin: Wendy Chen ist Gründerin und CEO von Omnistream
(Bild: Omnistream)

Zwischen den Regalen im Einzelhandel liegt ein Schatz, den viele deutsche Einzelhändler noch gar nicht groß beachten. Kunden bewegen sich jeden Tag durch die Gänge, halten Ausschau nach den besten Angeboten und entscheiden sich mal mehr oder weniger spontan für ihre Einkäufe. Der Einzelhandel bleibt jedoch in seinen Ansätzen recht traditionell; die Skepsis gegenüber dem Einsatz von KI und maschinellem Lernen scheint noch recht ausgeprägt zu sein.

Letztendlich sind diese Kaufentscheidungen der Kunden nichts anderes als ein wertvoller Datensatz, den Händler mithilfe von KI und maschinellem Lernen effektiv und Gewinn bringend nutzen können. Wenn sie dafür bereit sind, vorausschauend zu denken und ihr Geschäft in Zukunft daraufhin anpassen. Unternehmen gewinnen durch deren Einsatz mehr Zeit und generieren auf diesem Weg inkrementelle Umsatzergebnisse.

Weniger Zeitaufwand für manuelle Aufgaben bedeutet mehr Zeit für das Wesentliche, für den Kundenservice in den Filialen und für das Management, das sich nun auf der Entwicklung verbraucherorientierter und skalierbarer Strategien fokussieren kann. Strategien, mit denen der Einzelhandel seinen Chancen erhöht, in einem wettbewerbsintensiven Umfeld wie dem deutschen Markt zusätzliche Potenziale freizulegen. Wer sich bewusst ist, seine Kunden mit Data-Empowerment in Zukunft besser zu verstehen, hat einen langfristigen Vorteil und kann seinen Umsatz nachhaltig steigern.

Daten Gewinn bringend erheben und verstehen

Der Schlüssel zu diesem angestrebten Erfolg liegt in den Daten, die Tag für Tag in den einzelnen Ladengeschäften anfallen. Sie richtig zu analysieren und die daraus entscheidenden Schlüsse zu ziehen, ist die wichtigste Eigenschaft, wenn sich der Einzelhandel auf die Anwendung von KI und Machine Learning stützen will. Dafür lohnt es sich, mal einen genaueren Blick auf die Vorteile für den Einzelhandel zu richten.

Optimierung dank Echtzeit-Szenarien

Regal-, Planogramm- und Sortimentsanpassungen können schnell zu einem zeitaufwendigen und kostspieligen Unterfangen anwachsen. KI-Tools sind in der Lage, verschiedene Szenarien in Echtzeit durchzuspielen und den Filialmitarbeitern aufzuzeigen, wie sich betriebliche Änderungen am Sortiment oder der Regalanordnung (Planogramme) der Waren direkt auf die Verkaufsleistung der Filiale auswirken. Diese Änderungen lassen sich anschließend im Handumdrehen umsetzen.

Chancen erkennen, statt sie zu verpassen: Kundenbedürfnisse unterscheiden sie je nach Standort und können sich spontan ändern; während unerwartete Ereignisse, wie die Pandemie, ein schnelles Umdenken erfordern. Moderne KI-Tools sind auch dazu imstande, darauf angemessen zu reagieren und entwerfen beispielsweise konkrete Lösungen für alle möglichen Szenarien, wie bei den momentan vorherrschenden massiven Störungen in den Lieferketten. Somit kann der Einzelhandel Fehlbestände und Produktverschwendungen am besten umgehen.

Verborgene Zusammenhänge im Einzelhandel verstehen und nutzen

Versteckte Zusammenhänge begreifen: Mit das ärgerlichste Vorkommnis dürften für den Einzelhandel verpasste Verkaufschancen darstellen. Der Fehler steckt im Detail und häufig werden bei bisher händisch vorgenommen Sortiments- und Warenrevisionen versteckte Zusammenhänge schlichtweg übersehen.

KI macht diese sichtbar. Im klassischen Einzelhandel ist vor allem die geografische Lage eine wichtige Komponente für die Sortimentsaufstellung und Regalbestückung einer Filiale. Traditionelle Einzelhändler wissen seit jeher, die großen Einkaufszentren in den Vorstädten dienen vor allem für Großeinkäufe, während kleinere Filialen in den Innenstädten oder an Bahnhöfen größtenteils Mitnahmeartikel führen.

Aber KI-Tools können noch weiter gehen, indem sie sich die Verkaufs- und Leistungsdaten von Filialen näher ansehen, die ähnlich bestückt sind und meist nicht weit voneinander entfernt liegen. Beispielsweise eine Schule in direkter Nachbarschaft des Ladengeschäfts, das vielleicht schon bei einer kleineren Anpassung des Sortiments zu mehr Umsatz führen würde. KI macht diese Verbindungen sichtbar und ermöglicht es dem Management so, geografische Standortbesonderheiten in einem ergiebigeren Umfang zu erfassen.

Darüber hinaus ist KI in der Lage, inkrementelle Verkaufschancen dauerhaft und kontinuierlich zu erfassen. Bisher verlässt sich der klassische Einzelhandel meist nur auf jährliche oder halbjährliche Sortimentsauswertungen, welche anschließend die Grundlage der Planung bilden.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Bessere Regalauffüllung dank Künstlicher Intelligenz

Alles am rechten Ort: Wie die Regale befüllen? Eine einfach klingende Frage, die jedoch direkte Auswirkungen auf die Verkäufe einer Filiale hat. Mithilfe datengestützter Tools haben die Mitarbeiter per Tablet und Web App alles im Blick und können die Regale direkt nach den Empfehlungen und Auswertungen der durch KI-Analyse erstellten Planogramme befüllen. Moderne Tools sind nebenbei in der Lage, bei diesem Vorgang auch eventuell vorhandene Handelsrichtlinien zu berücksichtigen. Die neue gewonnene Zeit kann das Filialpersonal wiederum dem Kundenservice zukommen lassen.

Daten auswerten und aufräumen

Nicht nur die Ladengeschäfte müssen regelmäßig geputzt und aufgeräumt werden, auch die Daten selbst brauchen eine wiederkehrende Reinigung, um falsche Rückschlüsse und damit falsche Entscheidungen der Unternehmensleitung zu verhindern. Automatische Datenbereinigungen und Auswertungen helfen bei der Zentralisierung des Geschäfts und zeigen auf, wie Kunden Produktattribute wahrnehmen und wie Kunden letztlich nach dem Modell des CDT (Customer Decision Tree) ihre Entscheidungen für oder gegen die dargebotenen Waren treffen.

KI und Machine Learning: Keine Herausforderung, sondern Chance

Die Anwendung lernt mit. Moderne Tools werten die beschriebenen Daten, zusammen mit Third Party Daten, aus und passen sich skalierbar an die Verhältnisse jeder Filiale an, um dort für mehr Umsatz zu sorgen. Der deutsche Einzelhandel muss diese Chancen erkennen, um auch zukünftig wettbewerbsfähig zu bleiben und weiterhin kundenorientiert handeln zu können.

Artikelfiles und Artikellinks

(ID:48314274)