Im Rahmen des Adobe Summits, der vergangene Woche in rein digitaler Form stattfand, hat Adobe quasi schon traditionell Einblicke in eine Reihe von Cases und Zukunftsprojekten ermöglicht. Die hatten vor allem mit Personalisierung zu tun, dem großen Oberthema, das die Klammer für den diesjährigen Summit bildete. Zu sehen waren experimentelle Produktdemos und neueste, unveröffentlichte Technologie-Entwicklungen, die in vielen Fällen etwas mit künstlicher Intelligenz und Machine Learning zu tun hatten.
Wir haben ein paar der Projekte ausgewählt, die du dir im Nachgang der Veranstaltung anschauen kannst. Denn sämtliche Inhalte des Adobe Summits 2022 stehen als On-Demand-Angebot zur Verfügung – so auch alle sieben Adobe Summit Sneaks.
Projekt Right Sized: Retourenquote senken mit der richtigen Größe
Seit Jahren werden viele Produkte retourniert, weil sie zu groß oder zu klein für die eigene Wohnung sind. Während es im Bekleidungssektor etliche Lösungen gibt, die sich dem Problem angenommen haben, schätzen Expert:innen, dass in anderen Bereichen, etwa bei der Wohnungseinrichtung, immer noch rund 40 Prozent der online gekauften Produkte zurückgegeben werden, meist aufgrund von Größenproblemen. Das Projekt Right Sized hilft Vermarkter:innen, diese Probleme mit genauerer Augmented Reality (AR) zu lösen und dem Kunden oder der Kundin eine realistische Einschätzung der Größenverhältnisse eines Produkts zu geben. Die Unternehmen betten zunächst unsichtbare AR-Marker in digitale Produktbilder auf ihren Websites ein. Die Kund:innen machen dann einfach via Mobile App ein Foto des Produktbildes auf ihrem Bildschirm, um es anschließend dank AR-Tools maßstabsgetreu in ihrem Zuhause zu sehen.
Projekt Demand Detector: Vorher wissen, was wie viele Kund:innen wollen
Es ist der Traum im Marketing: voraussagen können, was die Kundschaft kaufen will und was in Zukunft wie gefragt ist. Der Demand Detector soll den Händler:innen mithilfe von neuen Methoden und Technologielösungen dabei helfen, Trends zu scouten und zu ermitteln, wie gefragt bestimmte Produkte sein werden. Nicht nur angesichts der aktuell unrunden Lieferketten kann das eine wichtige Information sein, um sich mit den richtigen Produkten das Lager zu füllen. Bei dem Projekt Demand Detector werden mithilfe von KI und maschinellem Lernen Millionen von Datenpunkten analysiert, um gefragte Produkte zu erkennen, nach denen Besucher:innen auf einer Website suchen. Mit dieser Funktion können sich Händler:innen passend bevorraten und herausfinden, welche Anbieter trendige Produkte auf Grundlage früherer Erfahrungen auf Lager haben und am besten helfen könnten, das eigene Portfolio zu ergänzen.
Projekt KPI Pop: Fehler bei personalisierten Marketingkampagnen proaktiv vermeiden
Mithilfe und auf der Basis von Key Performance Indicators (KPI) können Marketer:innen evaluieren und verstehen, wie eine Marketingkampagne abschneidet und ob die an die potenziellen Kund:innen gesendeten Aktivierungen wirklich dazu beitragen, die Umsatzziele zu erreichen. Das Projekt KPI Pop setzt auf Adobe Sensei, um Millionen von Datenpunkten der Adobe-Experience-Platform zu analysieren, damit Marketer:innen schnell erkennen können, welche Teile einer Kampagne bei den Kund:innen eben nicht ankommen. Marketer:innen lernen so, was sie sich gegebenenfalls bei einer weiteren Kampagne sparen sollten, und erfahren über eine Szenario-Planungsfunktion, wie sich die entdeckten Probleme korrigieren lassen.
