Sprachsteuerung breitet sich immer weiter aus. Eine ­aktuelle Postbank­-Studie zeigt, dass fast jeder dritte Deutsche einen Sprachassistenten nutzt. Mit der Reichweite eines Mediums steigen die darüber potenziell erzielbaren Umsätze, die ­Marketingbudgets für den Kanal erhöhen sich. Auch das ­Interesse von Unternehmen und Entwicklern wird größer, sich mit der neuen Plattform auseinanderzusetzen. Content-Anbieter und Einzelhändler können Produkte über einen Dialog mit einem digitalen Assistenten verkaufen. Derzeit lässt sich beobachten, wie sich die Puzzleteile eines funktionierenden Voice-Ökosystems langsam zusammenfügen. Ein Vergleich der beiden populärsten Sprach­assistenten – Amazons Alexa und der Google Assistant – zeigt die Möglichkeiten von Voice-­Commerce. Unabhängig vom Absatz­kanal verfolgen Unternehmen das Ziel, Kaufprozesse für Kunden so einfach, schnell und bequem wie möglich zu gestalten. Drei Eigenschaften, die auch die User-Experience mit Sprachassistenten unbedingt erfüllen sollte. Grund genug, den Status quo der Absatzmöglichkeiten und technischen Voraussetzungen zu erläutern und die wichtigsten Designtipps für conversion-getriebene Dialoge zusammenzufassen.

Seit dem offiziellen Marktstart von Amazons Alexa in ­Deutschland im Frühjahr 2017 können Nutzer per ­Spracheingabe Produkte bei ­Amazon kaufen. Die Spracheinkäufe sind in der Alexa-­Smartphone-App von Werk aus aktiviert – ganz im Sinne eines E-Commerce-Giganten.

Voicebot, ein amerikanisches Portal für Nachrichten und ­Statistiken rund um Sprachassistenten, berichtet, dass rund 30 Prozent der US-amerikanischen Smartspeaker-Nutzer schon mindestens einmal per Sprache eingekauft haben sollen.

Die einfachste Möglichkeit, Zugriff auf bezahlpflichtige Inhalte zu gewähren, ist die Verknüpfung eines Benutzerkontos mit einem ­Alexa-Skill. Das können Anbieter verpflichtend oder optional anbieten: Eine gute Möglichkeit, um auch potenziellen Kunden ­einen Mehrwert zu liefern (etwa über Freemium-Modelle).

Bei der Integration von Account-Linking ist allerdings zu beachten, dass der Alexa-Skill nicht der exklusive Zugangsweg für den entsprechenden Inhalt sein darf. Amazon fürchtet, dass sich damit der ­Share für Verkäufe via Voice umgehen ließe. Bei ­physischen Produkten oder Dienstleistungen soll dafür ­Amazons eigene Zahlungsmethode ­Amazon Pay integriert werden. Im ­Falle von digitalen Gütern sind In-Skill-Purchases (kurz: ISP) ­anzulegen, um die es im Folgenden ebenfalls gehen soll.

Mit der Integration der Zahlungsmethode Amazon Pay in einen Skill werden physische Produkte oder Dienstleistungen über ­Sprache verbindlich bestellbar. Die türkische Fluggesellschaft Sun Express hat es in Deutschland vorgemacht: Nutzer ­können Flugtickets im Dialog mit dem Sun-Express-Skill kaufen. Die Transaktion wird über die hinterlegte Zahlungsmethode im ­eigenen Amazon-Konto abgewickelt. Voraus­setzungen sind aus Anbietersicht ein Amazon-Payment-Händler­konto und die Verknüpfung des eigenen Alexa-Skills in der Amazon Seller Central. Die Gebühren für die Transaktion trägt der Händler: in der Regel 1,9 Prozent des bestellten Warenwerts und einen fixen Betrag in Höhe von 35 Cent pro Vorgang.

Seit wenigen Monaten ist es möglich, Premium-Skills für ­Amazon ­Alexa zu entwickeln und den Nutzer innerhalb eines Skills für ­digitale Inhalte zur Kasse zu bitten. Unterschieden werden hier insgesamt drei Typen: Abonnements, Verbrauchsgüter und Einmalkäufe.

Abonnements sind wiederkehrende Zahlungen, wie wir sie aus dem Mobile-Ökosystem schon kennen. Sie sind aktuell ­monatlich oder jährlich fällig und kosten mindestens 99 Cent, aber überschreiten nicht die Grenze von 99,99 Euro.

Verbrauchsgüter können beispielsweise Extra-Leben in ­einem Spiel sein oder Hinweise bei einem Quiz. Mit Einmal­käufen erhalten Nutzer dauerhaft Zugang zu Premiuminhalten oder ­-funktionen. Das Geschäftsmodell dahinter ist an die Apple-­Logik für In-App-Käufe angelehnt: 30 Prozent der Umsätze behält Amazon im Gegenzug für die Bereitstellung der Plattform und Transaktionsabwicklung ein.

Im Vergleich zur Integration von Amazon Pay benötigen ­Anbieter hier kein Händlerkonto bei Amazon. In der Amazon-Developer-­Konsole, über die Skills angelegt und verwaltet ­werden, müssen lediglich die Steuerinformation und Bank­verbindungen zum eigenen Unternehmen hinterlegt werden. Der Skill wird ohne weitere Prüfung abgelehnt, wenn diese Daten nicht
angegeben wurden.

Über den Google Assistant lassen sich in Deutschland zwar ­Produkte jeder Art über Zuruf auf eine virtuelle Einkaufsliste setzen, um den tatsächlichen Kauf müssen sich Nutzer allerdings selbst kümmern. In den USA dagegen können Produkte von der Shoppingliste verbindlich über den Google-Express-Marktplatz innerhalb der Google-­Home-App auf dem Smartphone bestellt werden.

Will man den Kauf von physischen Produkten in seiner ­Action anbieten, kann die Transaktion über Google Pay, also über die hinterlegten Zahlungsmethoden im Google-Account des ­Nutzers, oder über das eigene Shopsystem durchgeführt werden. Wenn ­Anbieter die Zahlung selbst abwickeln wollen, muss eine Verknüpfung des Benutzer­kontos beim Anbieter mit dem ­Google-Nutzerkonto hergestellt werden.

Ein Beispiel für die erfolgreiche Integration der händler­seitigen Zahlungsabwicklung ist die Google Action ­„Bringmeister“ des gleichnamigen Lebensmittellieferdienstes von Edeka. Der Bestellvorgang lässt sich nahtlos per Sprache durchführen.

Im Gegensatz zu Amazon Alexa müssen beim Google ­Assistant aber auch kostenlose Produkte oder Services über die Transactions-­API verwaltet werden. Google beschreibt in ­einer Dokumentation „Spezialanforderungen für bestimmte An­wendungsfälle“, bei denen Anbieter im Zweifel den Umweg über ein „0,00 Euro-Produkt“ gehen müssen.

Über die ­Transactions-­API lassen sich auch digitale Inhalte wie etwa Abonnements in ­Google Actions anbieten, allerdings noch nicht in Deutschland. Die technische Integration eines ­digitalen Produktkatalogs ist im Vergleich bei Amazon Alexa ­wesentlich einfacher.

Die technische Implementierung ist nur der Anfang. Die größte Herausforderung und Kür bei der Umsetzung von Anwendungen für digitale Sprachassistenten ist das Dialogdesign. Gerade wenn wir dem Nutzer ein Produkt schmackhaft machen wollen, das er durch ein simples „Ja“ kaufen soll, müssen die Dialoge sitzen. Die folgenden Tipps für die Gestaltung der Dialoge orientieren sich am Beispiel der In-Skill-Purchases für Alexa-Skills.

Im unsichtbaren Interface Voice haben wir keine Möglichkeit, den Kunden mit aufwendig gestalteten Preistabellen und einer fiktiven Bestsellerplakette zum Produkt mit der größten Marge zu lenken. Je schärfer und eindeutiger das Produktversprechen in einer Voice-Anwendung formuliert werden kann, desto höher ist die Wahrscheinlichkeit, es tatsächlich abzusetzen. Ratsam ist zu Beginn eine Ein-Produkt-Strategie. Nutzer erwarten ­zukünftig ohnehin von ihrem digitalen Assistenten, dass er relevante ­Empfehlungen ausspricht und nicht zahllose Optionen herunterrattert.

Leider sind nicht alle Funktionen eines Sprachassistenten selbsterklärend, vor allem dann, wenn sie exklusiv für den neuen Zugangsweg über Voice erschaffen worden sind. Der Nutzer braucht Orientierungshilfen. Bei der ersten Nutzung der Anwendung oder sofort nach Kauf eines kostenpflichtigen Inhalts sollte es daher die Möglichkeit geben, sich die neuen Funktionen oder den ­Zugriff auf die erworbenen Inhalte auf Wunsch erklären zu ­lassen. ­Diese Erklärung sollte später einfach wiederzufinden sein. Mindestens in der Skill-Beschreibung im Skill-Store, dem Marktplatz für Drittanbieter­anwendungen auf Alexa.

Für die Logik, welchem Nutzer bestimmte Texte vorgelesen oder nicht vorgelesen werden, sind Anbieter von Skills selbst verantwortlich. Nutzer lassen sich anhand einer anonymen ­User-ID wiedererkennen. Auch andere Leistungswerte wie beispiels­weise die Anzahl der Skill-Nutzungen, Dauer der Nutzung oder die ­Nutzung von verschiedenen Funktionsbereichen lassen sich auf Nutzerbasis in der eigenen Datenbank nachhalten. Wenn ­diese Werte in der Logik des Skill-Backends intelligent kombiniert werden, können Nutzer mit relevanten und personalisierten In­formationen bespielt werden.

Die Integration von In-Skill-Produkten erlaubt das Angebot einer Trial-Phase (maximal 31 Tage). Wenn der Nutzer nach Abschluss der Probephase nicht gleich angebissen hat, sollte er an anderen Stellen noch einmal auf das kostenpflichtige Angebot hingewiesen werden. Die Anzahl dieser Hinweise sollte unter Berücksichtigung folgender Fragestellungen geplant werden: Wann hat er die Anwendung zum letzten Mal benutzt? Wann hat er die letzte Upsell-Message gehört? Wie oft hat er die ­Upsell-Option bereits abgelehnt?

Man kann zwischen indirekten Hinweisen und einer aktiven Frage zum Kauf eines Premiumproduktes unterscheiden. Am ­Beispiel eines fiktiven Meditationsskills könnte wie folgt formuliert werden: Indirekter Hinweis beim Beenden des Skills nach erfolg­reichem (!) Abschluss einer kostenlosen Testeinheit: „Ich hoffe, dir hat die Meditation gefallen? Mit unserem Premiumangebot hast du Zugriff auf viele weitere Einheiten. Sag das nächste Mal einfach ‚Ich interessiere mich für Premium!‘ Hab noch einen entspannten Tag.“

Aktive Nachfrage bei Skill-Start nach der zehnten Nutzung der kostenlosen Testeinheit innerhalb von vier Tagen: „Hey, du scheinst ja mittlerweile richtig entspannt zu sein. Mit unserem Premium­angebot erhältst du Zugriff auf weitere 30 Meditationseinheiten. Willst du mehr erfahren?“

Im fortgeschrittenen User-Life-Cycle sollten die Upsell-­Hinweise seltener ausgespielt werden. Gleiches gilt für die ­aktive Nachfrage: Zwei- oder dreimal „Nein“ heißt wirklich „Nein“. Der Nutzer ist immer noch nicht überzeugt, er sollte also nicht noch einmal mit der Upsell-Nachricht konfrontiert werden. In Ausnahme­fällen kann nach Änderung des Produkts – inhaltlich oder in der Preisstruktur – ein erneuter Versuch unternommen werden.

Bevor ein Skill mit In-Skill-Purchase tatsächlich veröffentlicht wird, sollte er unbedingt mit mehreren Probanden an Echo-­Geräten getestet werden. Die Entwicklungsumgebung ermöglicht es, Käufe auch in Interaktion mit einem Alexa-fähigen Gerät zu simulieren und auf Wunsch zurückzusetzen. Nach ­ausgiebigen Tests über einen längeren Zeitraum wird schhließlich ersichtlich, ob alle Texte sinnvoll formuliert worden sind und ob die ­Intensität der Upsell-Nachrichten modifiziert werden sollte. Variablen im eigenen Skill-Backend sollten jederzeit flexibel anpassbar sein, um Abstände zwischen Upsell-Nachrichten schnell ändern zu können.

In der Amazon-Developer-Konsole befinden sich im Bereich „Analytics“ Leistungswerte zur In-Skill-Purchase-­Performance. Sehr nützlich: Da Upsell-Nachrichten im Backend als solche ­deklariert werden müssen, sind sie auch explizit in den Analytics einzusehen.

Voice ist nicht nur ein neues Interface, es bringt ein ganz ­neues Ökosystem mit sich und erfordert ein Umdenken in Produkt­design und -ausgestaltung. Checkout-Prozesse im Web sind mittler­weile perfektioniert und gelernt. In einer rein sprachbasierten Inter­aktion fallen viele Vorteile wie visuelle Anker einfach weg.
Schneller, einfacher und bequemer ist der Kauf über Sprache nur, wenn wir perfekt spezifizierte Produkte haben und einfache Dialoge formulieren, die das Produktversprechen in einem einzigen Satz verdeutlichen.

Die technischen Grundlagen für das Angebot von kostenpflichtigen Inhalten und Produkten sind gelegt. Der geeignete Zeitpunkt ist da, um mit digitalen Sprachassistenten und seinen Nutzern zu lernen und vor allem zu wachsen.

Transparenzhinweis: 169 Labs erstellt einen Alexa-Skill für t3n.