© iStock via FinkAvenue

Wie Amazon mit KI-Tools die Retourequote senkt

31. Januar 2024

Wer Kleidung gern online bestellt, kennt das Problem: Welche Größe ist die passende? Tatsächlich besteht im Online-Handel seit jeher immer noch das Problem, dass Passgrößen und Passformen je nach Artikel für alle Käufer:innen variieren. So bestellt man oft seine Standardgröße und dann fällt der eine oder andere Artikel doch wieder größer oder kleiner aus. Bisher gestaltet sich die E-Commerce-Branche in puncto Retouren aber sehr benutzer:innenfruendlich, denn: Mehr als 90 Prozent der Händler:innen in Deutschland bieten Retouren noch immer kostenfrei an. Im internationalen Vergleich ist das nicht selbstverständlich, die Rate in den Vereinigten Staaten liegt bei nur 56 Prozent, in China ist es sogar nur ein Viertel aller Händler:innen.

Mit gestiegenen Transportkosten und der aktuellen Inflationsproblematik stellt sich der Branche aber auch hierzulande die Frage, wie man Retouren am besten minimieren könnte, um so Kosten einzusparen. Amazon stellte in diesem Zusammenhang erst kürzlich sein Konzept für Retourenminimierung vor: Smarte Lösungen, die den Kund:innen bei der Auswahl der richtigen Passgröße helfen sollen und damit gleichzeitig die Einkaufserfahrung verbessern.

Amazon setzt dort an, wo es zählt

Einer der wichtigsten Aspekte im Online-Handel ist das Retourenmanagement im Bekleidungssegment. Denn hier entstehen für Anbieter:innen enorme Kosten, die weitestgehend von ihnen selbst getragen werden müssen. Amazon gilt hier als Vorreiter und hat in einem erst kürzlich veröffentlichten Blogpost erläutert, wie Künstliche Intelligenz dem Unternehmen dabei hilft, dessen Retourequoten nachhaltig zu senken. Doch das ist nicht das einzige Ziel: Durch die Reduzierung der Retouren und der damit einhergehenden Kostenersparnis soll die Technologie auch dazu beitragen, für mehr Zufriedenheit bei Sellern und Kund:innen zu sorgen und ein verbessertes Einkaufserlebnis zu bieten. Durch die Nutzung von insgesamt vier unterschiedlichen KI-Tools sammelt das System wichtige Daten und wertet sie in einer eigens angelegten Datenbank aus, um schlussendlich personalisierte Produkt- und Größenempfehlungen für alle Nutzer:innen anbieten zu können.

 „Deep Learning“

Alle genutzten Tools sollen kurz gesagt vorausgegangene Bewertungen und Empfehlungen über die Passform der Bekleidung vergleichbarer Kund:innen als Informationsquelle nutzen, um dann personalisierte Empfehlungen abgeben zu können. Die Grundlage für das KI-Programm besteht im Algorithmus. Mit „Deep Learning“ werden Größenverhältnisse zwischen Marken und ihren jeweiligen Größensystemen berücksichtigt und anhand der Produktbewertungen und Passformpräferenzen ausgewertet. Im Nachgang generiert der Algorithmus dann eine optimierte Größentabelle und Produktbeschreibung, die es Kund:innen einfacher macht, sich für die passende Größe zu entscheiden.

Large Language Models (LLM)

Die von der KI generierte Größentabelle speist sich hauptsächlich aus der Analyse von vorausgegangenen Größenempfehlungen der Kund:innen für das Produkt. Hier kommt dann das sogenannte Large Language Model Tool zu Gebrauch, das diese zusammengefassten Empfehlungen aus vorhandenen Datenbanken analysiert. Beispielsweise unterstützt das LLM-Tool dabei, auch herauszufinden, ob ein Produkt aus vorherigen Produktbewertungen als „dehnbar“ bezeichnet wird. Damit würde nämlich gegebenenfalls auch eine kleinere Größe ausreichen. Auch andersrum wäre es möglich: Das Tool filtert aus den Produktbewertungen heraus, dass das jeweilige Produkt oft klein ausfällt und empfiehlt Kund:innen daher, dieses Produkt eine Nummer größer zu ordern.

Fit Insights Tool

Bei diesem Tool werden die Retourengründe der Kund:innen analysiert. Das hilft Online-Händler:innen dabei herauszufinden, warum Produkt XY beispielsweise eine relativ hohe Rückgaberate aufweist. Außerdem werden aber auch Informationen zu den bevorzugten Größenangaben der Kund:innen festgehalten. Die dadurch gewonnenen Erkenntnisse nutzt das Tool im Nachgang dazu, verbesserte Produktbeschreibungen anzubieten. Der Algorithmus gruppiert hier anonym Kund:innen mit ähnlichen Größen- und Passformvorlieben und ordnet Einkaufsprofilen, die genau auf diese Beschreibung passen, ausgewählte Produkte mit entsprechender Passformbeschreibung zu. Das KI-Tool nutzt ausgewählte Produkteinkäufe anhand der gesammelten Daten zu Stil, bevorzugter Größenauswahl und Bewertung und spielt Kund:innen mit ähnlichen Vorlieben passende Produktempfehlungen aus. Als Begründung gibt Amazon an, dass Kund:innen eher dazu bereit sind, online einzukaufen, wenn Ihnen bestimmte Größen bereits empfohlen werden. Amazons Datenbanken speisen sich aus insgesamt 19 Ländern.

Fit Review Highlights

Das Tool Fit Review Highlights (FRH) präsentiert Kund:innen beim Online-Shopping eine Übersicht zu der eigenen Passform und Größe. Das Tool wertet hierfür nur Bewertungen von Online-Shoppern, basierend auf der eigenen Standard-Größe aus. Das bedeutet, wenn Kunde XY standardmäßig Größe M trägt, werden ihm oder ihr automatisch Bewertungen zu genau dieser Größe ausgespielt. Das Tool ermöglicht so eine personalisierte Größenberatung für alle Kund:innen. Zusätzlich nutzt der zugrunde liegende Algorithmus aber auch vorausschauende Technologie, die beispielsweise beim Kauf einer Hose für ein Kleinkind oder Baby ein paar Monate später automatisch größere Größen als Empfehlung ausspielt.

Künstliche Intelligenz in der Branche – Trend oder bereits Realität?

Erste Anzeichen für die Etablierung von KI-Tools haben sich bereits durch die Nutzung von Alexa, Google Assistant und Apples Siri abgezeichnet – auch SmartHome Funktionen der verschiedenen Anbieter:innen sind bereits voll etabliert. Doch spätestens mit ChatGPT von OpenAI sind KI-Tools in ihrem vollen Nutzungsumfang auch der breiten Masse zugänglich gemacht worden. Viele Unternehmen nutzen bereits Künstliche Intelligenz, um beispielsweise ihre Transportwege in der Logistik zu verbessern oder um Kund:innenrezensionen besser auswerten zu können – so auch Amazon. KI-Tools sind weder im Alltag noch in der Welt des Online-Handels eine Trenderscheinung – viel mehr sind sie bereits fester Bestandteil der E-Commerce-Branche.


DIESEN ARTIKEL TEILEN

Unsere letzten Beiträge


fynax. Flow digital.

LinkedIn Profil
Vernetze dich auf LinkedIn mit fynax
FOLLOW @FYNAX
Facebook Feed
Vernetze dich auf Facebook mit fynax
FOLLOW @FYNAX

FYNAX NEWSLETTER

So geht E-Commerce.

Der fynax Newsletter

Mit der Registrierung nimmst du die Datenschutzerklärung zur Kenntnis.