Wie bonprix KI für Sortiment, Produktranking und Preisgestaltung einsetzt
Der deutsche Online-Modehändler hat veröffentlicht, wie er mit maschinellem Lernen schwache Styles aussortiert, Produkte täglich rankt und bei der Grösse berät. Hier steht, was dokumentiert ist und was nicht.
DAS WICHTIGSTE Zusammenfassung der Redaktion
- Das im September 2020 angekündigte System Learning Collection von bonprix prognostiziert die Nachfrage nach einzelnen Styles, sodass Artikel mit schlechter Prognose vor der Kollektion vom Januar 2021 gestrichen oder angepasst werden können.
- Das im Dezember 2021 beschriebene Produktrankingmodell von bonprix nutzt ein Convolutional Neural Network auf Basis von sieben Tagen an Klicks, Merklisten-, Warenkorb- und Kaufdaten, um die Verkäufe des Folgetags zu prognostizieren.
- bonprix betont, dass beim Sortiment der Mensch das letzte Wort behält: Die Leiterin Supply Chain Strategy sagte, KI könne wertvolle Impulse für die Gestaltung von Styles liefern, das letzte Wort habe aber der Mensch.
- bonprix hat keine quantifizierten Ergebnisse zu seinen Sortiments- und Rankingmodellen veröffentlicht, weshalb sich Behauptungen zu Umsatz- oder Margensteigerungen anhand der eigenen Aussagen nicht überprüfen lassen.
- Blue Yonder führt bonprix als Kunden für seine KI-Software zur Preisoptimierung, doch die öffentliche Zusammenfassung nennt keine Zahlen, sodass die Ergebnisse bei der Preisgestaltung unbekannt bleiben.
bonprix, der in Hamburg ansässige Online-Modehändler, nutzt maschinelles Lernen an drei Stellen im Geschäftszyklus: bei der Entscheidung, welche Styles im Sortiment bleiben, beim täglichen Ranking der Produkte im Onlineshop und, laut seinem Softwarepartner, bei der Optimierung der Preise. Das Unternehmen hat veröffentlicht, wie die ersten beiden funktionieren, aber keine quantifizierten Ergebnisse. Damit ist es ein nützliches Beispiel für praktische KI mit unbewiesener finanzieller Wirkung.
Wie nutzt bonprix KI, um zu entscheiden, was es verkauft?
Im September 2020 kündigte bonprix ein selbst entwickeltes System namens Learning Collection an, das mit KI-Spezialisten von Otto Group data.works entstand. Das Werkzeug zur artikelspezifischen Erfolgsanalyse prognostiziert anhand sämtlicher Produktdaten von bonprix die Nachfrage und den Verkaufserfolg von Artikeln. Es erzeugt Listen voraussichtlicher Flops. Artikel mit schlechter Prognose werden gestrichen, andere werden angepasst, zum Beispiel in der Farbe.
bonprix erklärte, das System nutze einen Algorithmus des maschinellen Lernens, der sich mit neuen Informationen laufend verbessert. Es wurde im Sommer 2020 getestet und für die Kollektion vom Januar 2021 eingesetzt. Jessica Külper, Leiterin Supply Chain Strategy, sagte, KI könne wertvolle Impulse für die Gestaltung von Styles liefern, das letzte Wort habe aber weiterhin der Mensch. Die Ankündigung nannte weder Genauigkeitswerte noch Auswirkungen auf den Umsatz.
Wie rankt bonprix Produkte im Onlineshop?
Im Dezember 2021 beschrieb bonprix ein Modell zur Prognose des Produktpotenzials, das täglich aktualisierte Rankings in jeder Kategorie von bonprix.de steuert. Es verwendet ein Convolutional Neural Network, eine Technik aus der Bilderkennung. Die Eingaben sind Zeitreihen der täglichen Klicks, Merklisten-, Warenkorb- und Kaufdaten jedes Produkts der vorangegangenen sieben Tage, angeordnet wie ein Bild, damit das Netz die Verkäufe des nächsten Tages prognostizieren kann.
Produkte, deren Lagerbestand unter eine festgelegte Schwelle fällt, werden niedriger gerankt, was das Ranking mit der Verfügbarkeit verknüpft. Registrierte Nutzerinnen und Nutzer erhalten Rankings, die nach fünf Altersgruppen verfeinert sind. Das Modell ersetzte die bisherige Anwendung in Deutschland und wurde nach umfangreichen A/B-Tests in Österreich, der Schweiz und zehn weiteren Ländern eingeführt. bonprix sagt, die Prognosen seien deutlich verlässlicher als die des früheren Modells des maschinellen Lernens, und erwartet eine positive Wirkung auf die Conversion-Raten, nennt aber keine Prozentwerte.
| Anwendung | Zweck | Beschriebene Eingaben | Veröffentlichtes Ergebnis |
|---|---|---|---|
| Learning Collection (ASA) | Erfolg von Styles prognostizieren und schwache Artikel streichen oder anpassen | Sämtliche Produktdaten | Nicht quantifiziert |
| Produktrankingmodell | Tägliches Ranking der Produkte in jeder Kategorie | Sieben Tage Klicks, Merklisten-, Warenkorb- und Kaufdaten; Lagerbestand; Altersgruppe | Als verlässlicher als das frühere Modell beschrieben; keine Zahlen |
| Fit Finder | Grössenempfehlungen | Angaben der Kundschaft sowie Kauf- und Produktdaten von Fit Analytics | Genannte Ziele: weniger Retouren und weniger Mehrfachgrössen-Bestellungen; stärkere Nutzung seit April 2020 |
| Preisoptimierung | Marge verbessern | Nicht veröffentlicht | Softwarepartner nennt verbessertes Ergebnis, keine Zahlen |
Was sagt bonprix zu Preisgestaltung und Grössenberatung?
Blue Yonder, der Softwareanbieter, führt bonprix als Kunden für seine KI-Software zur Preisoptimierung und sagt, sie habe dem Händler geholfen, die Margen zu verbessern. Die öffentliche Zusammenfassung enthält weder Daten noch Zahlen oder Angaben zur Methode, sodass sich die Wirkung nicht beurteilen lässt. Für die Grössenberatung nutzt bonprix den Fit Finder von Fit Analytics, der Angaben der Kundschaft mit Kauf- und Produktdaten kombiniert. Als Ziele nennt bonprix höhere Kundenbindung, weniger Retouren und weniger Mehrfachgrössen-Bestellungen, und sein Digital Product Manager berichtete von einer deutlich höheren Nutzung des Fit Finders seit April 2020 im Vergleich zur Zeit vor der Pandemie.
Welche Daten und Kontrollen machen das möglich?
Drei Merkmale des bonprix-Ansatzes sind übertragbar. Erstens beruhen die Modelle auf Verhaltensdaten, die ein Online-Händler täglich erhebt, etwa Klicks und Warenkörbe. Zweitens ist die Verfügbarkeit Teil der Logik: Ein Rankingmodell, das nicht lieferbare Produkte bewirbt, würde Kundinnen und Kunden schaden. Drittens zeigt die 2021 abgeschlossene Migration aller Prozesse in die Google Cloud, dass die Datenplattform vor dem fortgeschritteneren Modell kam.
- Der Mensch behält die letzte Entscheidung über das Sortiment.
- Die Modelle wurden vor der Einführung mit A/B-Tests geprüft.
- bonprix gibt an, dass die Analyse von Kundendaten der DSGVO entspricht.
Wie ordnet sich das im Vergleich zu üblichen KI-Behauptungen im Handel ein?
Ein Grossteil der öffentlichen Diskussion über KI im Modehandel stützt sich auf Behauptungen von Anbietern über grosse Steigerungen. Die eigenen Aussagen von bonprix sind massvoller und in dieser Hinsicht glaubwürdiger: Das Unternehmen beschreibt, was jedes Modell leistet, welche Daten es nutzt, wie es getestet und wie es eingeführt wurde, und verzichtet darauf, Zahlen zu nennen, die es nicht veröffentlicht hat. So sollte man einen Fall lesen, nämlich den Mechanismus vom Ergebnis trennen.
Der Mechanismus ist plausibel. Wer voraussichtliche Flops vor der Produktion aussortiert, senkt das Risiko unverkaufter Ware, eines der teuersten Probleme in der Mode. Ein Ranking nach prognostizierter Nachfrage rückt verfügbare, beliebte Produkte in den Vordergrund. Die Grössenberatung adressiert die Hauptursache für Retouren. Jedes dieser Elemente ist mit einem Kostenblock verbunden, den Händler kennen. Es fehlt die Grössenordnung des Nutzens.
- Fragen, welche Daten das Modell speisen und wie oft sie aktualisiert werden.
- Fragen, wie das Modell die Lagerverfügbarkeit behandelt, damit es nichts bewirbt, was nicht lieferbar ist.
- Fragen, ob ein Mensch das Ergebnis übersteuern kann, wie es laut bonprix die Sortimentsplaner können.
- Nach gemessenen Effekten gegenüber einer Kontrollgruppe fragen, nicht nur nach einem Vorher-nachher-Vergleich.
Die Learning Collection veranschaulicht zudem eine verbreitete Grenze der Sortimentsprognose. Ein auf historischen Daten trainiertes Modell prognostiziert, welche neuen Styles früheren Erfolgen ähneln, und ist bei wirklich neuen Ideen womöglich schwächer. Das ist ein Grund, warum bonprix das menschliche Urteil im Prozess behält.
Die Quellen zeigen auch ein Muster in der Kommunikation von bonprix. In beiden Pressemitteilungen nennt das Unternehmen seine Partner, legt offen, was intern entwickelt wurde und was nicht, und verweist auf die Rechtsgrundlage der Datennutzung. Diese Offenheit hilft Leserinnen und Lesern, den Umfang einzuschätzen. So lässt sich etwa erkennen, dass das Rankingmodell ein selbst entwickeltes System ist und das Grössentool von einem Spezialisten geliefert wird, was beeinflusst, wer die Daten kontrolliert und wie leicht sich das Tool ersetzen lässt.
Es zeigt auch die zeitliche Dimension. Die Learning Collection wurde 2020 angekündigt und das Rankingmodell 2021. Händler, die KI bewerten, sollten mit mehrjährigen Programmen mit mehreren Modellgenerationen rechnen, nicht mit einem einzelnen Launch, und laufende Wartung, Überwachung auf Drift und periodisches Nachtrainieren einplanen.
Wo liegen die Grenzen des Wissens?
Das veröffentlichte Material stammt aus den Jahren 2020 und 2021 und beschreibt daher den damaligen Stand der Systeme von bonprix. Das Unternehmen sagte, es plane weitere Einsätze in der Bestandsführung, der personalisierten Kommunikation und im verhaltensbasierten Ranking, doch die geprüften Quellen bestätigen nicht, was umgesetzt wurde. Leserinnen und Leser sollten bonprix daher als Beleg dafür sehen, dass sich solche Modelle im Produktivbetrieb im grossen Massstab betreiben lassen, nicht als Beleg für eine bestimmte Rendite.
Häufige Fragen
Nutzt bonprix künstliche Intelligenz?
Ja. bonprix hat ein System namens Learning Collection für die Sortimentsplanung, ein Convolutional Neural Network für das tägliche Produktranking und einen KI-basierten Fit Finder für die Grössenberatung beschrieben, ausserdem die Betrugsprävention. Das Unternehmen sagt, KI werde neben menschlichen Entscheidungen eingesetzt.
Wie rankt bonprix Produkte online?
bonprix nutzt ein eigenes Modell, das die Klicks, Merklisten-, Warenkorb- und Kaufdaten der vorangegangenen sieben Tage analysiert, um die Verkäufe des Folgetags zu prognostizieren. Produkte mit niedrigem Lagerbestand werden niedriger gerankt, und registrierte Nutzer erhalten Rankings, die nach fünf Altersgruppen verfeinert sind.
Welche Ergebnisse hat bonprix mit KI gemeldet?
In den geprüften Quellen hat bonprix keine quantifizierten Ergebnisse veröffentlicht. Das Unternehmen sagt, sein Rankingmodell sei verlässlicher als das vorherige, und erwartet eine positive Wirkung auf die Conversion, nennt aber keine Prozentwerte.
Wer liefert die KI-Preissoftware von bonprix?
Blue Yonder gibt an, dass bonprix Kunde seiner KI-basierten Software zur Preisoptimierung ist und dass sich die Margen verbessert haben. In der geprüften Zusammenfassung sind weder Zahlen noch Zeitpläne veröffentlicht.
Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.
