Seit dem Erscheinen von COVID-19 sind die E-Commerce-Umsätze in die Höhe geschnellt und erreichten im Mai 82,5 Mrd. USD, was einem Anstieg von 77 % gegenüber dem Vorjahr entspricht und den digitalen Wandel in allen Branchen beschleunigt. Besonders erwähnenswert ist das Wachstum des Online-Lebensmittelhandels, der laut CoreSight Research im Vergleich zum Vorjahr um 90 % gestiegen ist.
Das bedeutet, dass Markenhersteller sich in einer neuen Welt der Verbraucherkenntnisse und der Nachfrage zurechtfinden müssen. Neue demografische Gruppen kaufen online ein; zwei Drittel der Online-Käufer sind jetzt über 45 Jahre alt. Produkte, die früher im Laden gekauft wurden, werden jetzt zum ersten Mal online gekauft. Viele Marken setzen auf den Direktvertrieb und versuchen, den Einzelhändler auszuschalten, um neue Möglichkeiten für den direkten Kontakt mit den Verbrauchern zu schaffen. Doch in all diesen Fällen kämpfen die Hersteller mit blinden Flecken in der E-Commerce-Welt, die ihre Fähigkeit beeinträchtigen, schnell zu skalieren und der Konkurrenz voraus zu sein.
Es ist ein Kaninchenbau.
Vom Verständnis des Verbraucherverhaltens über den gesamten Kaufzyklus (von der Motivation bis zur Konversion und zum Kaufzeitpunkt) bis hin zur Markentreue, der Überwindung von "Walled Gardens" und der Tatsache, dass Produkte nicht einfach über verschiedene Websites hinweg nachverfolgt werden können, weil sie je nach Händler unterschiedliche Namen haben, stellt der E-Commerce die Führungskräfte vor einzigartige Herausforderungen, die wissen, dass sie in diesem Bereich mitspielen müssen, aber nicht über die bestehenden Rahmenbedingungen und technischen Möglichkeiten verfügen. Infolgedessen sind sie nicht in der Lage, die Verbraucherstimmung und die Kaufabsicht zu verstehen, künftige Verkäufe vorherzusagen und das Marketing effektiv auf die Bedürfnisse der Verbraucher auszurichten.
Jüngste Entwicklungen im Bereich KI und fortschrittliche Analytik füllen blinde Flecken im E-Commerce
Die jüngsten Entwicklungen im Bereich der künstlichen Intelligenz und der fortschrittlichen Analytik schließen diese Lücken. Skai hat zum Beispiel das Standard-NLP zerlegt und von Grund auf neu aufgebaut, um aus einer Vielzahl von externen, unstrukturierten Datenquellen mit hoher Genauigkeit Kontext zu extrahieren. Während das Standardproduktclustering von Einzelhändlern eine Genauigkeit von 80 % erreichen kann, hat Skai mit seiner einzigartigen Fähigkeit, gleiche, aber unterschiedlich benannte Produkte zu erkennen und relevante Verbraucherdiskussionen, Produktrezensionen, Bewertungen und damit verbundene Marktsignale miteinander zu verknüpfen, eine Trefferquote von über 95 % erreicht und damit wichtige Erkenntnisse über die Produktleistung im Internet gewonnen. Durch die Verknüpfung verschiedener Datenquellen und den tiefen Einblick in Verbraucherdiskussionen ist die Plattform in der Lage, demografische Merkmale zu erkennen und Wege aufzuzeigen, wie Marken ihre Kampagnen und Botschaften für verschiedene Kundensegmente und Kanäle optimieren können.
Diese Erfolge zeigen, wie die Anwendung fortschrittlicher Analysen neue Produktinnovationen vorantreibt, dabei hilft, Produkte erfolgreich online zu lancieren, bestehende Produkte für neue Zielgruppen zu vermarkten und neu zu positionieren, Marketingkampagnen so anzupassen, dass sie online und über verschiedene E-Commerce-Kanäle hinweg funktionieren
-------------
*DieserBlogbeitrag erschien ursprünglich auf Signals-Analytics.com. Skai hat Signals-Analytics im Dezember 2020 übernommen. Lies die Pressemitteilung.
