Kundenbewertungen

Neue Wege durch Künstliche Intelligenz

Otto.de setzt auf Künstliche Intelligenz (KI) bei Kundenbewertungen, um ihre Attraktivität als Instrument zur Produktauswahl weiter zu steigern. Mit den Reviews erobert KI ein besonders wichtiges Element zur Unterstützung von Kundenentscheidungen. Der folgende Artikel zeigt einige Möglichkeiten auf, mit KI Benutzerfreundlichkeit zu steigern, Fakes zu erkennen, das Sortiment zu optimieren und/oder Kundenbewertungen erfolgreich werbend einzusetzen.

Kundenbewertungen gehören nach wie vor zu den Seitenelementen in Onlineshops, die für Kaufentscheidungen besonders wichtig sind. Laut einer im November 2016 veröffentlichten Studie des Unternehmen Ipsos entscheiden sich etwa vier von zehn Befragten in Deutschland auf Basis von Kundenbewertungen für oder gegen einen Kauf. Für die Studie wurden im Zeitraum „25. August bis 12. September“ jeweils 1.500 Internetnutzer in Deutschland, Frankreich und Großbritannien (Alter: zwischen 18 und 65 Jahren) befragt.

Bei der Studie zeigten sich sehr unterschiedliche Ergebnisse bei unterschiedlichen Produktgruppen. So lesen 51% der Befragten aus Deutschland Kundenbewertungen vor dem Kauf von elektronischen Geräten und 53% kaufen elektronische Geräte lieber bei Anbietern mit Produktbewertungen. Beim Kauf von Lebensmitteln lesen dagegen nur 36% Kundenbewertungen vor dem Kauf und 34% kaufen lieber bei Anbietern mit Kundenbewertungen. Immerhin sind es aber auch hier über ein Drittel der Kunden.

KI kann Bewertungen erfassen und kategorisieren

Künstliche Intelligenz kann lernen, Kundenbewertungen zu erfassen und zu kategorisieren. Damit man bei solchen Systemen von künstlicher Intelligenz sprechen kann, muss es sich um lernende Systeme handeln, die sich selbst weiterentwickeln. Sie „lernen“ also, immer besser einzuordnen und zu kategorisieren. Eine derartige künstliche Intelligenz gehört in den Bereich des maschinellen Lernens und damit zu einer Unterkategorie der künstlichen Intelligenz.

Bereiche dieser Unterkategorie (maschinelles Lernen) sind das Natural Language Processing (NLP), das etwa bei moderner Übersetzungssoftware eingesetzt wird, und das Deep Learning. Letzteres basiert auf künstlichen neuronalen Netzwerken und simuliert damit die Arbeit des menschlichen Gehirns. Das Technikportal t3n beschreibt die Arbeitsweise wie die eines mehrschichtigen Filtersystems, der erst Grob- und dann Feininformationen filtert und so schließlich zu einem (Lern-)ergebnis kommt.

Mehr Nutzerfreundlichkeit. Bessere Analyse. Weniger Fakes.

In Bezug auf Kundenbewertungen sind mehrere Funktionen Künstlicher Intelligenz möglich. Durch sie können potenzielle KäuferInnen in einem Onlineshop bei Produkten mit vielen Bewertungen genau diejenigen finden, die das thematisieren, wofür sie sich interessieren.


So sucht vielleicht jemand bei den Kundenbewertungen für eine Waschmaschine nach Aussagen zum Preis-Leistungs-Verhältnis. Ein anderer interessiert sich vor allem für die Bedienerfreundlichkeit, ein dritter für die Schleuderleistung der Maschine. Im Normalfall müssten sich alle selbst auf die Suche begeben, ob die präsentierten Kundenbewertungen passende Informationen enthalten. KI kann hier aber unterstützend eingreifen. Wie das funktionieren kann, zeigt das etwas weiter unten im Text präsentierte Beispiel Otto.de.

KI erkennt Fake-Reviews

Darüber hinaus wird KI bei Versuchen eingesetzt, Fake-Reviews zu erkennen, also falsche Kundenbewertungen, die ein Produkt künstlich auf- oder abwerten.

Hier gibt es einerseits Angebote für Konsumenten auf Seiten wie Fakespot.com und Reviewmeta.com. Beide Programme sind so konzipiert, dass sie potenzielle Kunden beim Auffinden von Fake-Reviews auf Amazon unterstützen. Andererseits haben auch die Onlineshops selbst ein Interesse daran, Fake-Reviews zu finden und potenziellen Kunden möglichst echte Bewertungen zu präsentieren. Amazon experimentiert deshalb bereits seit Jahren mit Machine Learning.

Amazons Algorithmus setzt Reviews in der Liste nach oben, wenn sie als echter Ausdruck von Kundenerfahrungen eingestuft werden. Ein Schwerpunkt wird dabei auf neuere Reviews gelegt und auf solche, die von anderen Kunden als hilfreich eingeschätzt wurden. Das schreibt die Digital-Reporterin Alyssa Newcomb in einem englischsprachigen Artikel vom Juni 2015 auf abcnews.go.com. Amazon nutzt den Algorithmus also dafür, potenzielle Fake-Reviews zumindest schlechter sichtbar zu machen. Das dient einerseits dem Kunden, andererseits aber auch Amazon selbst, da der Onlineshop so den Ruf stärkt, um die Echtheit von Kundenbewertungen bemüht zu sein.

KI kann zur Optimierung des Sortiments beitragen

Die Einstufung von Kundenbewertungen durch Künstliche Intelligenz kann nicht zuletzt dazu beitragen, dass Onlineshop-Besitzer ihr Sortiment bereinigen. Häufen sich schlechte Kundenbewertungen für ein Produkt und das ohne ein Anzeichen, dass es sich um Fake-Reviews handelt, können Onlineshop-Betreiber irgendwann überlegen, das schlecht bewertete Produkt aus dem Sortiment zu nehmen. Handelt es sich beim Onlineshop-Betreiber zugleich um den Hersteller, kann er gezielt Veränderungen initiieren, um das Produkt zu verbessern.

Kundenbewertung mit Künstlicher Intelligenz bei Otto.de

Ein großer Player im deutschen E-Commerce, der jetzt auf Künstliche Intelligenz bei Kundenbewertungen setzt, ist Otto.de. „Der bislang einzigartige und von OTTO selbstentwickelte Algorithmus für Produktbewertungen filtert die am häufigsten genannten Aspekte der Kundenrezensionen heraus“, schreibt das Unternehmen selbst in seiner Pressemitteilung vom 03. Mai 2017 zum Thema.

Auf Basis der Filterung werden Schlagworte kreiert, beispielsweise Bedienung, Klang und Qualität bei Kundenbewertungen für ein TV-Gerät. Klickt ein potenzieller Käufer auf eins der Schlagwörter, werden ihm nur diejenigen Reviews angezeigt, die der Algorithmus dem jeweiligen Schlagwort zugeordnet hat. So kann er sich bei den Kundenbewertungen schnell und benutzerfreundlich zu genau dem Thema informieren, das ihn tatsächlich interessiert.

Ein zu Bewertungen des Gerätedesigns führendes Schlagwort wie „sieht“ zeigt zwar, dass bei der Benennung der Schlagwörter bisweilen noch Optimierungsbedarf herrscht. Grundsätzlich funktioniert der Algorithmus jedoch und zumindest beim Beispiel „Fernsehgerät“ fällt einem spontan eher kein wichtiges Thema ein, das vom Algorithmus nicht erfasst wurde. Bildqualität, Klang, Preis, Lieferung: Zu allem kann man sich passende Kundenbewertungen anzeigen lassen.

Wichtig ist bei Kundenbewertungen auch Masse!

Otto.de ist einer der Riesen im deutschen E-Commerce und hat teils Produkte im Sortiment, für die über 1.000 Kundenbewertungen vorliegen. Hier lohnt sich ein Algorithmus, der Bewertungen für den potenziellen Kunden kategorisiert. Onlineshops mit nur wenigen Kundenbewertungen müssen indes erst einmal Strategien entwickeln, um die Anzahl echter Kundenbewertungen zu steigern.

Auch hierfür lohnt ein Blick auf Otto.de. Der Versandriese bietet seinen Kunden für jede Bewertung eine Gutschrift von einem Euro auf das Kundenkonto. Maximal möglich ist für einen Kunden auf diese Weise eine Gutschrift von 10 Euro im Jahr. Das ist gut genug, um ein Anreiz für Bewertungen zu sein, ohne dass es irgendwen lockt, dem es vor allem um die Belohnung geht.

Für kleinere Onlineshops und Dienstleister könnte Künstliche Intelligenz bei wenigen Kundenbewertungen aber auch interessant sein, um die auf der Startseite präsentierten Bewertungen an Nutzereigenschaften anzupassen und dabei aus Erfolgen oder Misserfolgen zu lernen. Ein Beispiel:

Viele Produkte können aus verschiedenen Gründen für unterschiedliche Nutzer interessant sein. So existiert eine Buchhaltungssoftware vielleicht in diversen Paketen von der Variante „günstig mit Basisfunktionen“ bis zum „Komfortpaket mit einer Fülle an Funktionen“. Und während der eine potenzielle Kunde eine Buchhaltungssoftware für wenig Geld sucht, legt der andere vor allem Wert auf Benutzerfreundlichkeit, während einem weiteren Nutzer zuerst eine große Funktionspalette wichtig ist.

Existieren passende als Werbung einsetzbare Kundenbewertungen der Software (z.B. „günstig und gut“ oder „extrem benutzerfreundlich“), kann die KI lernen, welchem Besucher der Seite welche Kundenbewertung präsentiert wird, um größtmöglichen Erfolg zu erzielen. Hier können beispielsweise demografische Daten in den Entscheidungsprozess einfließen oder Daten zum Weg des Besuchers auf die Seite (z.B. von Google, Bannerwerbung auf Website …) und in einigen Fällen mag auch die geografische Herkunft eine Rolle spielen.

KI für Kundenbewertungen: auch für Dienstleister ein Gewinn

Ein Kölner Brauhaus könnte Nichtkölnern beispielsweise mithilfe von KI die Kundenbewertung „Perfekt, um Kölner Küche kennenzulernen“ präsentieren, Kölnern dagegen ein Statement wie „Gute Küche zu einem guten Preis“ zeigen. Die Möglichkeiten, die sich durch Künstliche Intelligenz für einen optimalen Einsatz von Kundenbewertungen ergeben, sind immens. Man sollte sie nutzen.

Die Autoren

Julian Kleinknecht - CRO ConversionBoosting GmbH

Julian Kleinknecht
CRO ConversionBoosting GmbH

Mehr Informationen

Julian Kleinknecht ist CRO (Chief Research Officer) von ConversionBoosting und verantwortet alle Research-Inhalte. Er hat zwei Master-Abschlüsse der University of St Andrews (UK) und der LMU München sowie viele Jahre Erfahrung in den Bereichen Web-Analyse und Website-Testing.

Ansgar Sadeghi

Mehr Informationen

Angar Sadeghi arbeitet bereits seit vielen Jahre als selbstständiger Online-Journalist und Texter. Ein Schwerpunkt seiner journalistischen Arbeit sind die Bereiche Online-Marketing und E-Commerce

ConversionBoosting ANALYZE
Wandle Deine Besucher in mehr Leads & Sales
  • Konkrete Optimierungsvorschläge für mehr Leads & Sales
  • Innovatives Online-Tool zur Conversion-Optimierung
  • Individuelle Analyse Deiner Website

ConversionBoosting