Wie Nordstrom KI für Personalisierung, Suche und Stylisten einsetzt

Nordstrom setzt KI vor allem in seiner Shopping-App ein. Dort hilft generative KI gemeinsam mit den Stylistinnen und Stylisten, Trend- und Styling-Inhalte zu erstellen, personalisierte Empfehlungen lernen aus dem Verhalten jeder Kundin und jedes Kunden, und die Suche wurde schneller und präziser neu aufgebaut. Menschliche Stylisten sind nur einen Tipp entfernt. Der Händler hat diese Funktionen öffentlich beschrieben, aber keine Leistungszahlen dazu veröffentlicht.

Welche KI-Funktionen hat Nordstrom in seine App integriert?

Im November 2024 stellte Nordstrom laut Retail Dive eine überarbeitete mobile App als Herzstück seiner Strategie für das Weihnachtsgeschäft vor. Chief Marketer berichtete unter Berufung auf die Medienmitteilung von Nordstrom, dass die Neugestaltung mehr redaktionelle Inhalte, die mit generativer KI erstellt werden, eine bessere Suche, eine bessere Personalisierung und eine grössere Rolle für das Treueprogramm brachte, mit dem Ziel, das Einkaufen inspirierender und persönlicher zu machen.

Wie verbindet Nordstrom Stylisten und generative KI?

Nordstrom verbindet beides, statt das eine durch das andere zu ersetzen. Retail Dive berichtete, dass die Trendberichte der App das Fachwissen der Stylisten von Nordstrom mit KI kombinieren, um relevante Trends aufzuzeigen, und Chief Marketer beschrieb einen Bereich namens Discover the Trend, dessen Inhalte von Stylisten und generativer KI stammen.

Das ist wichtig für ein Warenhaus, dessen Marke seit Langem mit Service verbunden wird. Generative KI senkt die Kosten, einen stetigen Strom redaktioneller Inhalte über viele Kategorien hinweg zu produzieren, während die Beteiligung der Stylisten diese Inhalte in der eigenen Modehaltung des Händlers verankert. Zugleich verringert sie ein bekanntes Risiko generativer Inhalte, nämlich generische oder fehlerhafte Ergebnisse, weil Fachleute eingebunden bleiben.

Lesen Sie auch

Wie Kering KI einsetzt: Luxus-Clienteling und Conversational Commerce

Wie personalisiert Nordstrom seine Empfehlungen?

Beschrieben wurden zwei Mechanismen. Style Swipes empfiehlt Produkte auf Basis der Gewohnheiten und Vorlieben der Kundschaft, was auf eine einfache Oberfläche zur Erfassung expliziten Feedbacks hindeutet. Und die von Chief Marketer zitierte Medienmitteilung von Nordstrom hält fest, dass die App die Kundschaft umso besser kennenlernt, je mehr diese mit ihr interagiert, und dank erweiterter Lernfunktionen mit der Zeit persönlichere Empfehlungen liefert.

Eine solche Personalisierung hängt von mehreren Dateninputs ab, über die ein grosser Omnichannel-Händler grösstenteils bereits verfügt:

• Browsing- und Kaufhistorie über App, Web und, sofern verknüpft, Filialen.
• Explizite Präferenzsignale wie Swipes, gespeicherte Artikel und Grössenwahl.
• Daten aus dem Treueprogramm, das Nordstrom nun prominent auf der Startseite der App zeigt.
• Gut strukturierte Produktattribute, damit Empfehlungen nach Stil, Passform und Material passen und nicht nur nach Kategorie.

Wie hat Nordstrom die Suche verbessert?

Laut Chief Marketer ist die Suche in der überarbeiteten App nach Angaben von Nordstrom schneller und genauer. Kundinnen und Kunden können Grösse, Farbe, Preis oder Material in das Suchfeld eingeben, um die Ergebnisse einzugrenzen. Für Modehändler ist eine solche attributbasierte Suche oft ein schnellerer Erfolg als konversationelle Oberflächen, weil sie den häufigsten Grund für einen Suchabbruch angeht: Ergebnisse, die ignorieren, was die Kundschaft tatsächlich eingetippt hat.

Die Suchqualität hängt auch vom Katalog dahinter ab. Ein Multibrand-Händler erhält Produktdaten von vielen Lieferanten, oft mit uneinheitlichen Bezeichnungen für Farben, Materialien und Passformen. Filter nach Grösse, Farbe, Preis oder Material funktionieren nur, wenn diese Attribute einheitlich erfasst sind. Ein grosser Teil des Aufwands für eine bessere Suche liegt daher typischerweise im Produktdatenmanagement und nicht im Suchalgorithmus selbst. Chief Marketer wies zudem darauf hin, dass Nordstrom 2024 einen Marktplatz mit 300 neuen Marken lanciert hatte, was sowohl das Angebot als auch den Bedarf an einheitlichen Produktinformationen vergrössert.

Welchen Platz haben menschliche Stylisten in einer digitalen Customer Journey?

Retail Dive berichtete, dass Kundinnen und Kunden direkt über die App einen persönlichen Look bei einem Stylisten anfragen oder einen Termin in der Filiale buchen können. Das ist die Clienteling-Seite des Falls: KI übernimmt die Produktfindung und routinemässige Empfehlungen im grossen Massstab, während die App kaufbereite oder komplexe Anfragen an Menschen weiterleitet.

Nordstrom scheint einen weiteren Schritt zu prüfen. Eine im Eventkatalog von Google Cloud Next 2026 aufgeführte Session beschrieb, wie Nordstrom mit Gemini Enterprise for Customer Experience einen Shopping-Agenten baut, präsentiert als KI-Stylist, der mit multimodaler KI Stil und Absichten der Kundschaft erfasst. Der Eintrag zeigte allerdings den Status «abgesagt», und Nordstrom hat keine Details zu einem solchen Agenten veröffentlicht. Er sollte daher als Richtung verstanden werden, nicht als bestätigte Lancierung.

Lesen Sie auch

KI im Clienteling: Wie Next-Best-Message funktioniert und wo der Datenschutz Grenzen setzt

Was können andere Händler von Nordstrom lernen?

Der Fall bietet Warenhäusern und Multibrand-Händlern ein praxisnahes Modell:

1. Generative KI nutzen, um redaktionelle Inhalte zu skalieren, die Verantwortung für die Haltung aber bei den Stylisten belassen.
2. Neben Verhaltensdaten explizite Präferenzsignale (etwa Swipes) erfassen, um die Personalisierung genauer und transparenter zu machen.
3. Die attributbasierte Suche in Ordnung bringen, bevor in konversationelle Funktionen investiert wird.
4. Einen sichtbaren Weg zum menschlichen Service offenhalten, damit KI das Serviceversprechen stärkt, statt es zu ersetzen.
5. Erfolgsgrössen vor dem Start festlegen und darüber berichten, denn veröffentlichte Ergebnisse unterscheiden einen produktiven Einsatz von einer Funktionsliste.

Die Grenzen sind die jedes Personalisierungsprogramms: Es hängt von der Einwilligung der Kundschaft und der Datenqualität ab, es kann das, was Kundinnen und Kunden sehen, verengen, wenn Empfehlungen zu stark zugespitzt werden, und sein Wert lässt sich von aussen ohne offengelegte Ergebnisse kaum beurteilen.