Verkaufen KI-Stylisten? Die Kennzahlen zur Bewertung eines dialogbasierten Shopping-Assistenten
Das Chat-Volumen sagt wenig darüber aus, ob sich ein KI-Stylist rechnet. Welche Kennzahlen die tatsächliche geschäftliche Wirkung zeigen, wie man sie fair testet und was veröffentlichte Daten belegen und was nicht.
DAS WICHTIGSTE Zusammenfassung der Redaktion
- Ob ein KI-Stylist verkauft, lässt sich nur mit einem kontrollierten Vergleich beurteilen, denn Kundinnen und Kunden, die freiwillig chatten, sind in der Regel motivierter als der Durchschnitt.
- Laut Adobe konvertierten in der Weihnachtssaison 2025 in den USA Besuche, die über generative KI-Tools kamen, um 31 % besser als anderer Traffic, und die Besucherinnen und Besucher verbrachten 45 % mehr Zeit auf Händlerwebsites.
- Daten zu KI-Verweisen aus externen Assistenten sind nicht dasselbe wie die Leistung eines eigenen Stylisten auf der Website eines Händlers und sollten ohne eigene Tests nicht als Business Case dienen.
- Zalando meldete im März 2026 sechs Millionen Nutzerinnen und Nutzer seines Assistenten, viermal so viele wie im Vorjahr, veröffentlichte aber keine Effekte auf Konversion oder Umsatz.
- Eine ausgewogene Scorecard für die Mode sollte inkrementelle Konversion, Bestellwert, Retourenquote, Kontaktrate, Antwortgenauigkeit und Kosten pro Gespräch umfassen.
KI-Stylisten können verkaufen, doch die veröffentlichte Evidenz ist noch dünn, und vieles davon misst den Traffic aus externen Assistenten statt der Wirkung des eigenen dialogbasierten Stylisten eines Händlers. Der einzig verlässliche Weg für einen Modehändler ist ein kontrollierter Test, der inkrementelle Konversion, Bestellwert und Retouren mit einer Holdout-Gruppe vergleicht, ergänzt um Kennzahlen zu Genauigkeit und Kosten.
Was sagen veröffentlichte Daten über KI und Konversion im Handel?
Die meistzitierten Zahlen stammen von Adobe Analytics. Für die Weihnachtssaison 2025 in den USA meldete Adobe, dass der Traffic aus generativer KI auf Händlerwebsites gegenüber dem Vorjahr um 693 % stieg, dass KI-Verweise um 31 % besser konvertierten als Quellen ohne KI und dass Besucherinnen und Besucher, die über KI kamen, 45 % länger auf den Websites blieben und 13 % mehr Seiten aufriefen. An Thanksgiving konvertierten KI-Verweise um 54 % besser, am Black Friday um 38 %.
Diese Zahlen sind ermutigend, beschreiben aber etwas anderes als einen Stylisten auf der eigenen Website. Sie messen Kundinnen und Kunden, die nach einer Recherche in Tools wie ChatGPT oder Perplexity auf die Website kommen. Diese sind in ihrer Entscheidung möglicherweise schon weiter. Die Zahlen von Adobe betreffen zudem den gesamten Handel, nicht speziell die Mode, und stammen von einem Anbieter, der ein Analyseprodukt verkauft.
Händler selbst melden in der Regel die Nutzung, nicht die Wirkung. Zalando gab im März 2026 an, sein Assistent habe sechs Millionen Nutzerinnen und Nutzer, viermal so viele wie ein Jahr zuvor, veröffentlichte aber keine Wirkung auf Konversion oder Umsatz.
Warum werden die Ergebnisse von KI-Stylisten oft überschätzt?
- Selbstselektion: Wer einen Chat öffnet, ist in der Regel engagierter. Ein Vergleich zwischen Chattenden und Nicht-Chattenden übertreibt daher den Effekt.
- Überlappende Attribution: Empfiehlt der Stylist einen Artikel, den die Kundin ohnehin gekauft hätte, wird die Bestellung gezählt, der Wert ist aber nicht inkrementell.
- Ausgeblendete Retouren: In der Mode ist ein Verkauf, der zurückkommt, kein Verkauf. Höhere Konversion bei höheren Retouren kann die Marge zerstören.
- Kurze Testzeiträume: Neuheitseffekte können die anfängliche Nutzung und die Ergebnisse aufblähen.
- Fehlende Kostenseite: Modell- und Integrationskosten pro Gespräch fehlen in gemeldeten Ergebnissen oft.
Welche Kennzahlen sollte ein Modehändler verfolgen?
Keine einzelne Zahl erfasst den Wert eines dialogbasierten Assistenten. Die folgende Tabelle kombiniert kommerzielle, qualitative und kostenbezogene Kennzahlen, damit der Anstieg einer Kennzahl nicht den Rückgang einer anderen verdecken kann. In der Mode sollte der Nettoumsatz nach Retouren am stärksten gewichtet werden, denn Konversionsgewinne, die später retourniert werden, schaffen keinen Wert und verursachen zusätzliche Logistikkosten.
| Kennzahl | Was sie zeigt | Wie messen | Worauf achten |
|---|---|---|---|
| Inkrementelle Konversion | Zusätzliche Bestellungen, die der Assistent auslöst | A/B-Test mit Holdout-Gruppe, die den Assistenten nie sieht | Nach Zuteilung vergleichen, nicht nach Nutzung |
| Durchschnittlicher Bestellwert | Aufbau des Warenkorbs und Cross-Selling | Gleiches Testdesign | Durch Rabatte getriebene Anstiege können die Marge belasten |
| Nettoumsatz nach Retouren | Der tatsächliche Wert in der Mode | Retouren pro Testgruppe über 30 bis 60 Tage verfolgen | Erfordert Geduld vor dem Reporting |
| Retourenquote und -gründe | Qualität bei Passform und Erwartungen | Retourengründe pro Gruppe | Grössenbedingte Retouren sind das entscheidende Signal |
| Kontaktrate | Entlastung des Service oder Mehraufwand | Tickets pro Bestellung und Gruppe | Fehler können neue Kontakte erzeugen |
| Antwortgenauigkeit | Vertrauen und rechtliches Risiko | Wöchentliche Stichprobenprüfung gegen den Katalog | Eine Mindestschwelle festlegen |
| Kosten pro Gespräch | Wirtschaftlichkeit | Modell-, Hosting- und Personalkosten geteilt durch Sitzungen | Steigen mit längeren Gesprächen |
Wie sollte ein Test für einen KI-Stylisten aufgebaut sein?
- Besucherinnen und Besucher (oder eingeloggte Kundinnen und Kunden) zufällig einer Testgruppe, die den Stylisten nutzen kann, und einer Kontrollgruppe, die ihn nicht nutzen kann, zuteilen.
- Ergebnisse nach Gruppenzuteilung auswerten, einschliesslich der Kundschaft in der Testgruppe, die den Stylisten nie genutzt hat, damit Selbstselektion das Ergebnis nicht verzerrt.
- Den Test lange genug laufen lassen, um mindestens ein vollständiges Retourenfenster abzudecken, und vermeiden, dass grosse Sale-Perioden das Ergebnis verfälschen.
- Erfolgsschwellen für Nettoumsatz, Retourenquote und Genauigkeit festlegen, bevor die Ergebnisse angeschaut werden.
- Ergebnisse nach Kategorie und Kundentyp segmentieren, denn ein Stylist kann bei Anlassmode helfen, bei Basics aber nicht.
Senken KI-Stylisten die Retouren?
Das ist plausibel, aber kaum belegt. In der Umfrage von Adobe unter US-Konsumentinnen und -Konsumenten zur Weihnachtssaison 2025 gaben 68 % der Nutzerinnen und Nutzer von KI-Shopping-Assistenten an, ein mit KI-Hilfe gekauftes Produkt seltener zurückzuschicken. Das ist eine in einer Umfrage geäusserte Absicht, kein gemessenes Retourenverhalten, und es betrifft KI-Tools allgemein. Händler sollten den Effekt auf ihre eigenen Retourenquoten testen, idealerweise mit getrennter Betrachtung grössenbedingter und anderer Gründe.
Wann lohnt sich ein KI-Stylist wirtschaftlich?
Die stärksten Fälle verbinden meist ein breites Sortiment, in dem die Kundschaft Orientierung braucht, mit komplexen Entscheidungen wie Passform, Anlass oder Outfit-Zusammenstellung sowie guten Produktdaten, auf die sich die Antworten stützen. Der Bericht von McKinsey zu Agentic Commerce hält zudem fest, dass Konsumentinnen und Konsumenten einem Agenten nicht automatisch vertrauen, nur weil eine Marke ihn einsetzt. Qualität zählt also mehr als Präsenz. Bei schmalen Sortimenten mit Basics bringen bessere Filter und Grössenberatung womöglich mehr Wert zu geringeren Kosten.
Was sollten Führungskräfte vor einer Skalierung fragen?
Verlangen Sie den inkrementellen Nettoumsatz nach Retouren gegenüber einer Holdout-Gruppe, die Genauigkeitsrate aus Stichprobenprüfungen, die vollständigen Kosten pro Gespräch und den Nachweis, dass die Ergebnisse auch nach der Neuheitsphase Bestand hatten. Fallen diese vier Antworten positiv aus, ist eine Skalierung gerechtfertigt. Liegen nur Nutzungszahlen vor, ist der Fall noch nicht belegt.
Es lohnt sich auch, klar festzulegen, was der Assistent erreichen soll. Ein Stylist, der Servicekontakte abfangen soll, ist vor allem an Lösungsquote und Kundenzufriedenheit zu messen, einer, der Outfits zusammenstellen soll, an Bestellwert und inkrementellem Umsatz. Vermischte Ziele machen Ergebnisse schwer interpretierbar und führen oft zu vagen Erfolgsmeldungen. Vereinbaren Sie vor dem Start mit dem Finanzbereich das Hauptziel, eine oder zwei sekundäre Kennzahlen und die Kostenobergrenze, und berichten Sie über mindestens zwei Saisons konsequent dagegen, denn Nachfragemuster und Sortimentsmix in der Mode unterscheiden sich zwischen Frühjahrs- und Herbstkollektionen stark.
Häufige Fragen
Steigern KI-Shopping-Assistenten die Konversion?
Laut Adobe konvertierte in der Weihnachtssaison 2025 in den USA Traffic, der über generative KI-Tools kam, um 31 % besser als anderer Traffic. Das betrifft externe Assistenten; der Effekt eines eigenen Stylisten muss mit einem kontrollierten Test gemessen werden.
Wie misst man den ROI eines KI-Stylisten?
Vergleichen Sie eine zufällig zugeteilte Testgruppe mit einer Holdout-Gruppe anhand des inkrementellen Nettoumsatzes nach Retouren, des Bestellwerts und der Kontaktrate. Ziehen Sie Modell-, Integrations- und Personalkosten pro Gespräch ab und prüfen Sie die Antwortgenauigkeit mit Stichproben.
Senken KI-Stylisten die Retouren in der Mode?
Die Evidenz ist begrenzt. In einer Umfrage von Adobe gaben 68 % der Nutzerinnen und Nutzer von KI-Shopping-Assistenten an, mit KI-Hilfe gekaufte Artikel seltener zurückzuschicken, doch das ist eine Selbstauskunft. Händler sollten die tatsächlichen Retourenquoten pro Testgruppe messen.
Wie viele Menschen nutzen den KI-Assistenten von Zalando?
Zalando meldete im März 2026, dass sein Assistent sechs Millionen Nutzerinnen und Nutzer habe, viermal so viele wie ein Jahr zuvor. Effekte auf Konversion oder Umsatz hat das Unternehmen für den Assistenten nicht veröffentlicht.
Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.
