Stellen Sie sich vor, Sie betreten ein Geschäft, in dem jedes Werbeschild speziell auf Sie zugeschnitten ist und Ihnen genau das empfiehlt, was Sie brauchen, basierend auf Ihren bisherigen Einkäufen und Vorlieben. Was wäre, wenn sich dieses Niveau der Personalisierung über das Online-Shopping-Erlebnis erstrecken würde und Ihre Effizienz im Marketing erheblich steigern könnte?
Was wie eine Zukunftsvision klingt, ist dank generativer AI in Retail Media Networks bereits heute Realität. Große Akteure wie Amazon, Microsoft und Walmart treiben diese Transformation voran und zeigen eindrucksvoll, wie sich betriebliche Abläufe verbessern und Kund:innenerlebnisse revolutionieren lassen.
Doch was genau ist generative AI und wie wird sie in Retail Media Networks eingesetzt? Hat sie das Potenzial, die Interaktion zwischen Kund:innen und Einzelhändler:innen zu revolutionieren?
Und noch wichtiger: Wie können auch andere Marken und kleinere Retail Media Networks diese Technologie nutzen, um wettbewerbsfähig zu bleiben und Umsatzpotenziale voll auszuschöpfen?
Antworten auf Ihre Fragen zu AI in Retail erhalten Sie im Social Pulse Podcast: Retail Edition (auf EN):
Oder lesen Sie diesen Artikel, um zu erfahren, wie diese Technologie Ihr Kundenerlebnis verbessern und Ihren Absatz um bis zu 10% steigern kann.
Unser heutiger Gast im Social Pulse Podcast Retail Edition ist Eva Dong.
Sie ist eine Spezialistin mit über 10 Jahren Erfahrung in den Bereichen KI und digitalem Marketing. Mit ihrer Expertise in transformativen Führungspositionen bei McKinsey & Company und Visa ist sie heute Unternehmerin und bietet internationalen Unternehmen Marketinglösungen an.
Freuen Sie sich zu erfahren, wie Unternehmen diese Technologie nutzen können, um potenzielle Kunden gezielt anzusprechen und die Verkaufszahlen anzukurbeln. Lassen Sie uns eintauchen in die revolutionäre Welt der Retail Media Networks und generativer AI in Retail.
Melden Sie sich jetzt für eine kostenfreie Testversion von Agorapulse an und legen Sie sofort los
Der Einstieg in die Welt der AI
Mike Allton, Podcast-Host und Chief Storyteller bei Agorapulse: Können Sie uns zunächst Ihre Reise in die Welt der AI und der Marketingtechnologie schildern?
Eva Dong: Ich begann zunächst meine Reise in die Welt der AI und entdeckte auf diesem Weg Marketing(technologie) für mich. Heute bin ich voll und ganz in den Bereichen Marketingtechnologie und AI tätig und nutze diese Kombination als meine persönliche Superkraft.
Zu Beginn war ich Datenwissenschaftlerin, spezialisiert auf Machine Learning bei Visa. Anschließend kam ich zu McKinsey & Company, wo ich im Bereich Marketing und Vertrieb tätig war. In dieser Zeit begann ich, meine Kunden mit maschinellem Lernen bei Marketingthemen zu unterstützen. Insbesondere bei der:
- Vorhersage des Kaufverhaltens von Kunden
- Analyse des Customer Lifetime Values
- Kundensegmentierung für personalisierte Zwecke
Dabei wurde mir bewusst, dass es nahezu unmöglich ist, maschinelles Lernen und KI ohne eine robuste Marketinginfrastruktur vollständig nutzen zu können. Ich begann die Marketingtechnologie-Infrastruktur und die Analysefähigkeiten meiner Kund:innen parallel neu aufzubauen. Diese Methode hat sich bewährt. So bin ich nun seit über 10 Jahren in den Bereichen AI und Marketingtechnologie tätig, und das Feld entwickelt sich rasant – es wird immer aufregender!
Mike Allton: Wir haben in dieser Show schon öfter über AI gesprochen, und vermutlich haben unsere Zuhörer:innen schon ein gewisses Verständnis. Aber um uns alle auf den gleichen Stand zu bringen:
Was ist generative AI und wie unterscheidet sie sich von anderen Formen der AI?
Eva Dong: Auch wenn jeder darüber spricht, folgen viele dem Trend, ohne wirklich zu wissen, was generative AI bedeutet. Vielleicht treten wir einen Schritt zurück und fangen mit dem größeren Konzept der AI an.
Künstliche Intelligenz (AI/KI) ist ein weit gefasstes, allgemeines Thema mit einer langen Geschichte. Es bezieht sich auf die Simulation menschlicher Intelligenz in Maschinen, die darauf programmiert sind, wie Menschen zu denken und zu lernen.
Unter dem Oberbegriff AI gibt es einige Untergruppen. Wie bereits erwähnt, habe ich meine Karriere als Datenwissenschaftlerin im Bereich des maschinellen Lernens begonnen, ein Teilbereich der AI. Hier werden Daten verwendet, um Algorithmen für Vorhersagen und Entscheidungen zu trainieren.
Im Einzelhandel kann maschinelles Lernen beispielsweise historische Verkaufsdaten analysieren, um zukünftige Verkäufe vorherzusagen.
Ein weiteres Konzept ist das sogenannte Deep Learning.
Deep Learning und Generative AI: Ein Überblick
Eva Dong: Deep Learning ist eine Untergruppe des Machine Learnings. Man kann es sich als maschinelles Lernen in neuronalen Netzen vorstellen. Auf diese Weise wird es komplexer und tiefer und kann mithilfe eines neuronalen Netzes Muster erkennen und Entscheidungen treffen.
Wir werden Deep Learning zum Beispiel dafür einsetzen, Kundenfeedback zu analysieren und die Emotion dahinter erkennen zu können.
Eine andere Art der AI ist die generative AI oder GEN-AI. Diese Technologie hat die Fähigkeit, originelle Ergebnisse und neue Inhalte zu erstellen. Das können Texte, Bilder, Videos, Musik, alles Mögliche sein. In der heutigen Welt erzeugt, zum Beispiel, ChatGPT Texte, Dall-E und Midjourney Bilder und Sora generiert Videos.
Im Bereich AI in Retail können diese Tools beispielsweise genutzt werden, um personalisierte Marketingbotschaften oder Produktbilder zu erstellen.
Zusammengefasst: Die AI umfasst verschiedene Teilbereiche, aber jede Art von AI versucht letztlich, die menschliche Intelligenz zu imitieren.
AI in Retail: Vorreiter im Einzelhandel
Mike Allton: Sie haben einen Artikel auf LinkedIn veröffentlicht: „AI-driven marketing: transforming retail media networks with GenAI“.
In diesem Artikel gibt es einige Fallbeispiele, wie Retail Media Network-Giganten, beispielsweise Amazon, Microsoft und Walmart, Gen-AI nutzen, um ihre Effizienz und Effektivität zu steigern. Drei davon fand ich besonders interessant:
– In-Store Retail Media
– Optimierung von Produktauflistungen und -beschreibungen
– Personalisierung und Kundenbindung
Ich würde diese Punkte gerne einzeln besprechen und mit In-Store Retail Media beginnen, wenn es Ihnen nichts ausmacht. Was genau haben diese Pioniere getan, und was haben sie bewirkt?
Eva Dong: Medien für den Einzelhandel gezielt in den Geschäften zu platzieren, kann eine Brücke zwischen der digitalen und der physischen Werbung bauen. Alles, worüber wir in den letzten zwanzig Jahren gesprochen haben, war: „Ihr müsst die Produkte online bringen. Ihr müsst von offline auf online umstellen. Von physisch auf digital.“ Aber es scheint, als würde sich der Trend wieder zurückentwickeln. Wir bringen Produkte aus der digitalen in die physische Welt. Was auch Sinn macht, wenn man genauer darüber nachdenkt.
Online und vor Ort: Das richtige Gleichgewicht finden
Eva Dong: Wenn wir von Retail Media Networks sprechen, geht es um Werbeflächen, richtig? Webseiten haben Flächen, die Sie Unternehmen zur Verfügung stellen, um Werbung zu schalten. Vor Ort kann man diese freien Flächen auch nutzen, um zu werben und dafür ebenfalls eine Gebühr berechnen.
Walmart ist einer der Marktführer in diesem Bereich und hat diese In-Store Retail Media in 5.000 seiner Filialen eingeführt. Diese Art der Storytelling-Medien ist die Brücke zwischen der digitalen und physischen Werbefläche. Ziel ist es, den Kunden ein fesselndes und interaktives Erlebnis zu bieten.
Zum Beispiel könnte es im Laden digitale Bildschirme und alle Arten von personalisierten Werbeaktionen und Produktempfehlungen geben. Es könnte auch gezielt Audiowerbung in einem bestimmten Bereich des Stores eingesetzt werden. Oder Produktdemos, bei denen man einen QR-Code im Laden scannt. Dieser führt dann zu einer Website, die den Kunden anleitet, etwas Bestimmtes zu tun.
Zwei dieser Möglichkeiten halte ich für sehr fortschrittlich:
- Eine interaktive Anzeige: Dies sind die digitalen Bildschirme im Laden, über die ich gerade gesprochen habe. Diese könnten beispielsweise durch Treueprogramme, wie Walmart Plus, erkennen, wer Sie sind und was Sie gekauft oder online recherchiert haben. Sie besuchen das Geschäft, um den Staubsauger, den Sie vorher online entdeckt haben, zu testen. Dann weiß das System: „Okay, ich zeige Ihnen alle Staubsauger und technische Geräte auf dem Display auf spielerische Art, zum Beispiel in 3D.“ Auf diese Weise kann das Display auf Kundenanfragen in Echtzeit reagieren und einen Kaufanreiz erzeugen.
- Eine andere Möglichkeit ist ein virtueller Assistent. So könnten Sie beispielsweise einen Bot zum Chatten öffnen, während Sie im Laden sind. Dieser kann Ihnen helfen, Produkte zu finden, Ihre Fragen beantworten und ein sehr persönliches Erlebnis bieten. Außerdem würde dies den Druck auf die menschlichen Mitarbeitenden
Speziell Walmart ist sehr stark in den Retail Media Networks vertreten. Ich glaube, der Unternehmensjahresumsatz liegt bei über 3 Milliarden Dollar. Branchenschätzungen zufolge machen die Retail Media Networks in den Filialen etwa zehn bis 15 Prozent des Gesamtumsatzes aus. Das sind also 300 Millionen Dollar, was sehr viel ist. Aber das ist noch nicht alles.
In-Store Retail Media wachsen schneller als die digitalen Medien, schätzungsweise um 25 bis 30 Prozent pro Jahr. Zudem gibt es bereits Statistiken (auch wenn es noch etwas früh ist), die zeigen, dass Kampagnen, die eine echte Omnichannel-Einzelhandelskampagne nutzen, einen 20 bis 30 Prozent höheren Return on Invest aufweisen als rein digitale Kampagnen.
Und schließlich, wie Sie sich sicher vorstellen können, erreicht diese Art von In-Store Retail Media eine Menge Walmart-Besucher:innen, die man Online oder mit Apps nicht erreicht hätte. Alles in allem ist das im Moment also ein sehr guter Gewinn und ein großer Wachstumstreiber für das Unternehmen.
Mike Allton: Ich vermute, dass wir kurz davorstehen, noch intensivere und immersivere Shopping-Erlebnisse zu schaffen. Meine Freundin Katie Richman hat ein Startup, Loud Labs. Sie war bereits Gast in meinem anderen Podcast „AI and Marketing Impact“ und hat darüber gesprochen, wie AI mit Augmented Reality und dem Wissen über den Standort (Geolocation-Targeting), kombiniert wird. So dass die Besucher:innen, wenn sie beispielsweise die Gänge auf und ab gehen, über ihr Gerät ein haptisches Signal an ihrem Handgelenk spüren.
Oder auf dem Display Ihres Wearables ein Pop-up-Fenster angezeigt wird, das zusätzliche kontextbezogene Informationen liefert. Ohne dass ein Bildschirm am Regal oder Ähnlichem installiert werden muss, was für den Einzelhändler kostengünstiger wäre.
Wie auch kleinere Retail Media Networks profitieren können
Mike Allton: Was ist ein passendes Beispiel für die kleineren Retail Media Networks? Und was können sie von all dem lernen?
Eva Dong: Wenn Sie bereits mehrere Geschäfte für Ihre Marke haben, sollten Sie es auf jeden Fall nutzen. Die Definition von Omnichannel hat sich in den letzten Jahren weiterentwickelt. Als Marketer wissen wir, dass Omnichannel das Optimum wäre. Viele Marken beginnen mit ihren physischen Geschäften, verlagern alles in den Online-Shop und sprechen dann von Omnichannel. Aber ich denke, dass sich die Dinge jetzt ein wenig ändern. Man muss das Online-Erlebnis auch auf das Offline-Erlebnis übertragen. Es ist gar nicht so schwierig, ein paar Displays zu installieren.
Das, was Sie erwähnt haben, ist interessant, liegt aber eher in der Zukunft. Digitale Displays in Ihrem Laden könnten zusätzliche Einnahmequellen verschaffen, weil Sie Ihren Kunden nicht nur online, sondern auch offline Werbung anbieten und so ein echtes Omnichannel-Erlebnis schaffen. Außerdem bieten Sie Werbetreibenden einen weiteren Berührungspunkt, um Ihre Kunden zu erreichen und Fragen zu beantworten, auf die sie online nicht reagieren könnten.
Mike Allton: Das ergibt Sinn, liebe Zuhörer:innen! Wir sprechen mit Eva Dong über die Auswirkungen von AI auf das Einzelhandels-Marketing und die Mediennetzwerke des Einzelhandels.
Generative AI in Retail Marketing
Mike Allton: Eva, was ist das zweite Fallbeispiel, wie generative AI für das Marketing im Einzelhandel genutzt wird?
Eva Dong: Das zweite Fallbeispiel betrifft Amazon, im Hinblick auf die Verbesserung von Produktlisten und -beschreibungen mithilfe von generativer AI.
Wie wir alle wissen, gibt es auf Amazon eine Vielzahl von Anbietern und tonnenweise verschiedene SKUs (stock-keeping-units). Amazon bietet eine Vielzahl von Tools für die Verkäufer, egal wie groß oder klein sie sind.
Mit Gen-AI konnten sie ihre Produktlisten verbessern und Produktbeschreibungen sehr schnell und effizient verfassen. So konnten sie menschenähnliche Texte generieren, mit sehr ansprechenden und informativen Beschreibungen.
Außerdem wird sichergestellt, dass alle Produktbeschreibungen einen einheitlichen Ton und Stil auf der gesamten Plattform beibehalten. Das ist für Amazon besonders wichtig, da es so viele Anbieter und Produkte gibt, dass es oft nicht möglich ist, alle zu kontrollieren. Laut Studien setzen über hunderttausend Amazon-Verkäufer diese Art von KI-Tool für Produktbeschreibungen ein. Aber ich vermute, dass die tatsächliche Zahl noch höher liegt. Diese Technologie bringt vor allem Effizienz und Effektivität:
Die Effizienz ist recht einfach zu verstehen. Wenn man erst einmal anfängt, AI zum Schreiben zu verwenden, kann man sehr viel Zeit sparen. Vor allem bei einer großen Anzahl von Einzelartikeln. Und es ist auch sehr vorteilhaft für kleine Unternehmen, die nicht genügend Ressourcen haben, um Werbetexte zu erstellen.
Die Effektivität lässt sich in zwei Aspekte unterteilen:
- Die verbesserte Auffindbarkeit von Produkten. Wenn AI Ihre Produktbeschreibung verfasst, ist sie detaillierter und genauer und kann für die Suchmaschinen optimiert werden, d. h. sie verwendet relevante Schlüsselwörter und ist in ihrer Beschreibung ausführlicher. Dadurch wird das Produkt höher gelistet, was zu mehr Besuchern und damit zu mehr Umsatz führt.
- Nachdem die Produktdetailseite mehr Sichtbarkeit und Klicks erreicht hat, erwartet den Kunden dort eine klarere und ansprechendere Produktbeschreibung. Sie kann dazu beitragen, dass Kunden mehr Vertrauen in Ihr Produkt haben, was eine höhere Konversionsrate sowie höhere Umsätze
Mike Allton: Treue Hörer:innen der Sendung können sich unsere Folge mit Feedonomics anhören, da sie viele ähnliche Technologien nutzen, die uns dabei unterstützen, unsere Produkte über zahlreiche Einzelhandelsnetzwerke und Plattformen wie Facebook- und Pinterest-Shops zu verbreiten. Die Tools dieser Technik ermöglichen es uns, Beschreibungen, Produkttitel und dergleichen, individuell an jede Plattform und ihr jeweiliges Publikum anzupassen. Diese Flexibilität macht die Integration dieser Tools äußerst faszinierend.
Welche Strategien empfehlen Sie für kleinere Retail Networks?
Eva Dong: Ich denke, man sollte sich gegenseitig unterstützen.
Wenn Amazon den Verkäufern hilft, bessere Produktbeschreibungen zu verfassen, um mehr Traffic und Umsatz zu erzielen, werden die Anbieter sicherer und investieren mehr Ressourcen in den Amazon-Kanal als in andere Kanäle. Letztendlich bereichert man sich gegenseitig.
Auch kleinere Netzwerke könnten darüber nachdenken: „Was ist das Hindernis für die Händler, Verkäufer und Anbieter? Haben sie Probleme mit der Produktauflistung? Verschwenden sie viel Zeit damit, diese Texte zu schreiben, erreichen aber trotzdem nicht das Ranking, das sie gerne hätten?”
Wenn das der Fall ist, macht es Sinn, AI-Tools wie dieses zu implementieren. Um klare, prägnante und attraktive Produktbeschreibungen einfacher zu generieren. Ihre Plattform wird attraktiver, und das bedeutet letztendlich mehr Einnahmen für Retail Media Networks.
Mike Allton: Was war der dritte Anwendungsfall und welche Auswirkungen hatte er?
Eva Dong: Personalisierung und Kundenbindung. Der Vorreiter, den ich gewählt habe, ist Microsoft.
Walmart und Amazon verfügen als riesige E-Commerce-Unternehmen über ein umfangreiches Mediennetzwerk für den Einzelhandel. Auch wenn Microsoft einem anderen Sektor angehört, bietet es doch auch ein solches Netzwerk. Gleichzeitig handelt es sich um ein reines Technologieunternehmen, das viele der benötigten Tools bereitstellt. Es ist daher nicht nur ein Konkurrent, sondern auch ein Trendsetter in diesem Bereich.
Und dann möchte ich noch über Personalisierung und Kundenbindung sprechen. Wir als Marketer und Retail-Expert:innen sprechen bereits seit langem darüber.
Ich denke, der Wandel besteht darin, dass die AI die Dinge so viel besser macht und vertieft. Mit all den Tools, die wir haben, können Sie das, was Sie vor zehn Jahren machen wollten, jetzt viel effektiver tun.
So haben wir zum Beispiel bei der Personalisierung oft mit einer Kundensegmentierung begonnen, gefolgt von einer Mikrosegmentierung. Aber mittlerweile ist es eine enorm granulare Personalisierung. Was kann ich für Kund:innen tun, die meine Website besuchen?
Microsoft hat ein spezielles Tool namens Azure Personalizer, eine auf maschinellem Lernen basierende API, die Inhalte für Nutzer in Echtzeit personalisieren kann. Wenn Besucher:innen auf Ihre Website kommen, können Sie entscheiden, wie sie Ihre Produkte sortieren und welche Empfehlungen Sie aussprechen. All das wird die Bindung und die Conversions erhöhen.
Ein weiterer Punkt sind verbesserte Kundeninteraktionen.
ChatBots sind nicht neu aber werden immer besser. Und Microsoft bietet eine ganze Reihe von Bots an.
Es könnte ein Kundenservice-Bot für Ihre Post-Transaktionsdienste sein oder ein Conversion-Bot, der sich darauf konzentriert, Kunden anzulocken und ihnen Ratschläge zu geben, damit sie sich für ein bestimmtes Produkt entscheiden. In Zukunft wird es noch viel mehr Möglichkeiten geben.
Ein Beispiel: Sie sehen, dass jemand ein wirklich schönes Kleid hat, aber haben Angst davor, zu fragen, woher es ist. Sie könnten also ein Foto machen und es in Ihre Suche hochladen. Azure bietet diese Art von Vision-API an, um zu erkennen, ob es sich um das gleiche Produkt auf Ihrer Website handelt oder nicht.
All das hat starke Auswirkungen. Mir bekannte Statistiken, beziehen sich auf Conversions mit AI-gesteuerter Optimierung. Die Konversionsrate kann um 20 bis 30 % steigen, die Klickrate um 15 bis 25 %.
Letztendlich entsteht ein Umsatzwachstum. Speziell für Retail Market Networks habe ich gehört, dass man mit der AI-Optimierung von Azure das Wachstum im Durchschnitt um 10 % steigern kann. All das ist äußerst bedeutsam, wenn man an die heutige Arbeitswelt denkt, denn jedes Wachstum ist immer noch sehr wertvoll.
Mike Allton: Oh! Wenn ich mit Kunden spreche, die vielleicht ein, zwei, drei Prozent Verbesserung aufgrund einer kleinen Änderung hatten, sind sie begeistert. Eine Conversionoptimierung von 10 Prozent ist enorm.
Wie setzen Sie das um und wie empfehlen Sie, es auf kleinere Retail-Netzwerke anzuwenden?
Eva Dong: Ich empfehle definitiv AI in Retail Media Networks einzubringen. Zumindest die AI-Fähigkeiten, die Sie in Ihr Netzwerk integrieren können. Ich weiß, dass Microsoft viele Tools anbietet, und es gibt zahlreiche andere Angebote. Denken Sie darüber nach, was Sie am meisten brauchen, aber letztendlich kommt es darauf an, dass Sie das Erlebnis für Ihre Besucher:innen personalisieren und dass es für Ihren Werbetreibenden effektiv ist.
Herausforderungen der generativen AI in Retail
Mike Allton: Ich würde gerne mit Ihnen über einige der Herausforderungen und Fallstricke sprechen, mit denen Marken konfrontiert werden könnten, wenn sie versuchen, generative AI in ihre Prozesse zu integrieren.
Eva Dong: Es gibt zwei offensichtliche Herausforderungen: Quantität/Qualität und Datenmanagement. Alle Arten von AI, insbesondere generative AI, und alle großen Sprachmodelle sind stark auf Datensätze angewiesen.
1. Qualität/Quantität: Ein solcher Datensatz muss nicht nur umfangreich sein, sondern auch von hoher Qualität
Wenn die Daten eine geringe Qualität aufweisen oder nicht genügend Daten vorhanden sind, wird jede Art von AI ungenaue Ergebnisse liefern oder anfangen zu halluzinieren. Das heißt, sie liefert nicht die gewünschten Schlussfolgerungen. Natürlich steht einem kleineren Retail Media Network nicht die Datenmenge von Microsoft oder Amazon zur Verfügung. Trotzdem kann man in sehr zuverlässige Datenmanagementverfahren investieren. Sie müssen sicherstellen, dass Ihre Daten sauber, sehr gut organisiert und auf dem neuesten Stand sind. All das wird Ihnen dabei helfen, die bestehenden AI-Tools, zu optimieren und somit bessere Ergebnisse zu erzielen.
Es gibt viele Tools auf dem Markt, mit denen Sie nicht bei null anfangen müssen. Sie müssen keine eigenen großen Sprachmodelle erstellen.
Ich schlage vor, dass die Unternehmen die angebotenen Modelle in irgendeiner Form optimieren. Eine Möglichkeit ist RAC (Retrieval Augmented Generation). Oder wenn Sie über datenwissenschaftliche Kenntnisse verfügen, machen Sie einen Feinschliff und bringen Sie mehr von Ihrem Markenton und Markenstil ein.
2. Der rechtliche und ethische Aspekt
Mit dem Aufkommen der AI sind auch rechtliche und ethische Überlegungen programmiert: „Wer hat die interaktiven Eigentumsrechte? Darf man mit diesen Daten trainieren? Wie kann man den Datenschutz in dieser neuen Welt gewährleisten?“
Insbesondere kleinere Anbieter müssen nicht nur ihre eigenen Datenschutz- und IP-Rechte beachten, sondern auch die der externen Anbieter und ob diese mit allen Gesetzen konform sind.
Das ist ziemlich schwierig, weil viele der AI-Gesetze nicht ausgereift sind. Die Vereinigten Staaten haben gerade erst begonnen, diese Art von Gesetzen zu erlassen, aber bisher keines exakt festgelegt. Alles entwickelt sich weiter. Wir müssen permanent über Gesetze und Vorschriften auf dem Laufenden bleiben. Sie sollten zudem auf die Regelkonformität der Drittanbieter achten.
Mike Allton: Vielen Dank, dass Sie diesen Punkt, im Hinblick auf die Daten, die wir der AI zur Verfügung stellen, angesprochen haben.
Wenn wir der AI einen Haufen verwirrender, unklarer oder unvollständiger Daten geben, wird sie uns nicht die gewünschten Ergebnisse liefern.
Ein weiterer wichtiger Punkt ist, sich der Verfälschungen bewusst zu sein, die in die AI einfließen können. Der Einzelhandel ist ein sehr gutes Beispiel dafür. Wenn Sie ein bestimmtes Kundensegment haben, das schon einmal ein Produkt gekauft hat, wird die KI nicht verstehen, dass es vielleicht noch andere externe Faktoren gibt, die den Kauf beeinflussen. Sondern davon ausgehen, dass dies das einzige potenzielle Segment ist. Vielleicht interessieren Sie sich gar nicht für ein bestimmtes Produkt, auch wenn es zunächst den Anschein macht.
Deshalb ist es so wichtig, sich die eingespeisten Daten genau anzusehen. Die Ergebnisse müssen auf Richtigkeit geprüft werden, ob sie den Tatsachen entsprechen, Halluzinationen enthalten oder die Schlussfolgerung voreingenommen ist.
Also, vielen Dank, dass Sie das mit uns teilen. Eva, Sie waren absolut fantastisch. Das war eine sehr aufschlussreiche Folge.
Wo können Leute, die mehr von Ihnen erfahren möchten, Sie kontaktieren?
Eva Dong: Sie können mich und den Newsletter „Smart AI Marketing“ auf LinkedIn unter „Evadong“ oder „Evadong 1010“ finden. Einige der Punkte, über die wir heute gesprochen haben (einschließlich des von Mike erwähnten Artikels über Retail Media Networks und Gen-AI), sind auch in meinem Newsletter enthalten. Sie können sich also gerne auf LinkedIn mit mir austauschen und meinen Newsletter abonnieren.
Gleichzeitig beginne ich mehr auf Twitter (jetzt: X) zu agieren, auch unter EvaDong1010. Ich freue mich darauf, Ideen mit Fachleuten und Branchenexpert:innen auszutauschen.
Melden Sie sich jetzt für eine kostenfreie Testversion von Agorapulse an und legen Sie sofort los