# AI-Driven E-Commerce Transformation and Operational Strategy

**Podcast:** Tech and Tales
**Published:** 2026-07-04

## Transcript

Tech & Tales Herzlich Willkommen zur 87.
Folge von Tech & Tales.
Heute und in der 88.
Folge wollen wir über AI in E-Commerce sprechen.
Denn das ist einer der Branchen und Bereiche, die sehr stark durch KI disruptiert werden wird.
Ich selber hatte ein Startup, das KI-generierte Videos für E-Com produziert hat.
Das heißt, mir ist der Bereich oder die Branche nicht ganz fremd.
Aber am Ende geht es halt sehr viel um Conversion, es geht um Basket Sizes, es geht um die Assets selber und man kann auf jeden Fall sehr viel machen.
In der heutigen Folge wollen wir über die technischen Aspekte sprechen und in der nächsten Folge in 88 mit Tarek Müller wollen wir über die kommerzielle Seite sprechen.
Mein Gast heute ist Matthias Flacker.
Matthias ist CTO von Bonprix und Bonprix ist einer der größten E-Com-Players Europas.
Und als Disclosure, ich bin selber im Gesellschaftsrat bei Otto, das heißt, ich bin ein bisschen Fangirl des ganzen Unternehmens.
Daher werden die Fragen natürlich nicht kritisch werden.
Aber Matthias, stell dich doch einmal selber kurz vor.
Vielen Dank, dass ich da sein darf.
Mein Name ist Matthias Blacker, CTO Bonprix.
Bonprix ist eine Fashion Brand.
Wir haben eine interessante Transformation hinter uns vom Kataloghändler hin zur Online Fashion Brand.
Wir sind in 16 Ländern vertreten in Europa, also schon einen guten Footprint und mit so 1,3 Milliarden Umsatz im Jahr auch schon etwas größer.
Von daher, wir machen primär Mode für Frauen so zwischen 40 und 60.
Das ist unsere Kernzielgruppe, sehr attraktive Zielgruppe und versuchen da jetzt unsere Brand noch stärker auszuprägen.
Das heißt, ihr macht Brand selbst und auch Plattformgeschäft?
Produzieren also tatsächlich vom Design unserer eigenen Fashion Pieces, machen die Schnitte, machen die Prints, alles selber, lassen dann natürlich fertigen in verschiedenen Ländern auf der ganzen Welt und vertreiben das primär über unsere eigenen Webshops.
Und jetzt ganz neu versuchen wir den Weg Richtung Plattform zu gehen, sind jetzt seit ein paar Wochen auf About You, sind auch auf otto.de und versuchen darüber neue Käufer-Schichten zu.
Okay, alles klar.
Und wie bist du selber?
Also was ist dein Hintergrund techmäßig?
Also ich bin schon seitdem ich neun bin irgendwie im Tech-Universum unterwegs, so klassisch mit C64 angefangen, Ausbildung gemacht, früher mal in einem Laden Computer verkauft, studiert.
Wirtschaftsinformatik, dann lange Accenture-IT-Beratung gemacht, zwölf Jahre lang.
War bei Otto, hab den Marktplatz mit aufgebaut und bin jetzt seit zweieinhalb Jahren verantwortlich für die Technik-Geschäftsführer bei Bonprix.
Okay, und das heißt, als du zu Bonprix kamst, hast du bestimmt eine Vielfalt an Legacy Tech vorgefunden.
Das heißt, was waren so deine ersten Schritte, um das Ganze so ein bisschen zu harmonisieren?
Bonprix ist ja nicht die neueste Firma.
Wir feiern dieses Jahr 40.
Geburtstag, sind also eine alteingesessene Firma.
Und dementsprechend viel an Technik und Organisation findet man eben vor.
Also man hat tatsächlich die ganzen Legacy-Systeme.
Ich habe noch drei AS400-Systeme in unterschiedlichen Ländern stehen.
Also da ist schon eine reiche Legacy.
Was aber der erste Task war, den ich gemacht habe, als ich bei Bonprix die Verantwortung übernommen habe für Tech, war mir die Organisation anzuschauen.
Weil auch bei der Organisation oder gerade bei der Organisation hat sich...
so über 40 Jahre gab es interessanteste Ausprägungen in alle Richtungen und wir haben dann erst mal ein Programm gestartet, eine Programmatik, die OneIT hieß, um die gesamte Organisation wieder neu auszurichten auf gemeinsame Ziele mit gemeinsamen Führungsmodellen, bevor wir dann an die Technik rangegangen sind.
Und haben neue Führungsstrukturen eingeführt und haben tatsächlich einmal gut durchsortiert, wer ist denn jetzt eigentlich für was verantwortlich?
Weil da gab es doppelte Verantwortung.
Da gab es teilweise auch Lücken in der Verantwortung.
Und das hat sehr, sehr gut funktioniert.
Und als dann die Organisation einmal wieder gut ausgerichtet war, haben wir angefangen Legacy-Transformen.
Transformation zu machen.
Erstmal Transparenz reinbringen, was haben wir denn alles und wie man sich vorstellen kann in einem Unternehmen, was so lange schon am Markt ist, gibt es einfach viel.
so ziemlich an Hyperscalern, alles was es gibt.
Ich habe an Datenbanken sehr, sehr viel.
Ich habe an Tech-Lösungen sehr, sehr viel.
Und das gehen wir jetzt sehr konsequent Schritt für Schritt durch und migrieren das raus, was einfach nicht mehr State of the Art ist und versuchen über die nächsten 18, 20 Monate weitestgehend auf eine State of the Art Plattform zu kommen, wo wir uns dann auch wieder ein bisschen freier bewegen können.
Das heißt, die Strukturen sind quasi gelegt.
Und soweit ich weiß, fangt ihr an, die ersten AI-Use-Cases auszuprobieren.
Fangen wir mal an.
Was genau macht ihr?
Was sind so die Low-Hanging-Fruits, die ihr seht?
Die Frage ist ja schon so ein bisschen, was ist jetzt AI?
Muss ich dir jetzt nicht sagen, AI fängt ja auch schon bei klugen statistischen Modellen an und so bestimmte Sachen machen wir ja schon relativ lang, wenn es jetzt zum Beispiel um Dynamic Pricing geht, um den richtigen Preispunkt für Artikel rauszufinden.
Das kann man ja auch sagen, das ist ja schon eine AI-Funktionalität.
Wenn man heute über AI spricht, denken die meisten ja an irgendwelche generierten Bildchen oder Videos.
Aber das ist ja im Handel sehr breit, wenn wir jetzt schauen.
die richtigen Produkte zum richtigen Preispunkt zu identifizieren.
Und da machen wir heute schon viel.
Wir haben Dynamic Pricing schon seit ein paar Jahren online.
Wir fangen jetzt aber mit spannenden Use Cases an, die uns nach vorne, glaube ich, richtig helfen werden.
Eins ist zum Beispiel, heißt bei uns Fashion Creation App.
Fashion funktioniert ja so, du hast einen Artikel, der funktioniert ganz prima und den übernimmst du ja dann in die nächste Saison, möchtest aber so ein paar kleine Veränderungen machen.
Und wie das bisher in der Vergangenheit lief ist, dann gibt es die Kolleginnen, die für das Produkt verantwortlich sind, die briefen dann einem Künstler, dass man zum Beispiel die Blumen auf der Bluse ein bisschen größer macht oder den Kragen ein bisschen kleiner macht, dann macht der Visuals davon und dann wird da ein Briefing für die nächste Prozesskette.
erstellt und das haben wir jetzt alles schon abgekürzt durch KI-Unterstützung, die eben auch direkt in unsere ganze Produktdatenbank integriert ist, dass dann die Fashion Creation-Kolleginnen sich das Produkt einfach ziehen können.
prompten können, was sie denn gerne anders hätten.
Dann generiert die KI das Bild, generiert vier Bilder.
Wir haben eine zweite KI dagegen laufen, die Halluzinationen rausfiltert und dann kann die Kollegin aus diesem Bild auswählen, welches ihr jetzt am besten gefällt.
Und dann geht das sofort in den Prozess weiter.
Und dadurch, das ist so ein schönes Beispiel, wie du mit relativ einfachen Funktionen, weil das ist jetzt ja kein Rocket Science, was dahinter ist, aber mit relativ einfachen Funktionen eine enorme Geschwindigkeit, in diese Prozesse reinbekommst und gleichzeitig aber auch bestimmte Prozessschritte wie der Künstler malt jetzt ein Bild und schickt es zurück, einfach hart eliminierst.
Also meine erste Frage ist, welche Modelle nutzt ihr dafür?
Das ist unterschiedlich.
Wir machen viel mit Google im Hintergrund, Vertex AI, aber die Modelle an sich, die ändern sich ja, das ist jetzt gar nicht ganz so tragisch.
Momentan sind wir sehr stark auf Google unterwegs.
Und weißt du, wie teuer das ist, ein Bild zu generieren?
Ich glaube, neun Cent gerade.
Neun Cent, okay.
Und das heißt, das Gegenchecken, quasi das Halluzinieren rauszubekommen, wie komplex ist das?
Funktioniert das immer?
Also hast du dazu Zahlen, wie zuverlässig das ist?
Ich habe keine Zahlen.
Also das mit dem Halluzinieren, das tritt ja heute schon viel weniger auf.
Wir hatten das früher...
war das mehr, wenn du zum Beispiel auf so ein schönes Beispiel, was ja noch vor anderthalb Jahren war, du hattest einen Weihnachtspulli und da stand irgendwie Happy Christmas drauf.
Dass da wirklich Happy Christmas drauf stand, das war ja mehr so ein bisschen so ein Zufall.
Und da hat die KI, die das dann gecheckt hat, das ganz zuverlässig rausgefiltert.
Wir sehen, dass die Modelle, gerade die einfachen bildgenerierenden Modelle, heute fast nicht mehr halluzinieren.
Also die Qualität der Bilder, die dabei rauskommt, ist für den Arbeitszweck absolut ausreichend.
Wirklich.
Ich habe nämlich gerade für eine Präsentation ein Auto generieren, ein generisches Auto.
Und das Modell, und ich will vielleicht jetzt auch kein Modell blamen, aber das Modell war nicht in der Lage...
mir ein Auto zu generieren, was kein VW ist.
Nummer eins.
Und Nummer zwei, was ich sehr spooky fand, der VW war immer blutverschmiert.
Wie?
Ja.
Was hast du denn da gepromptet?
Ich habe gesagt, bitte generiere mir ein ganz normales Auto.
Ich glaube, das Auto oder so hat das getriggert, dass es immer in dieser, weil VW hat ja glaube ich diesen Term das Auto sehr gut besetzt und daran lag das höchstwahrscheinlich.
Also den Term das Auto im Englischen, weil die gesamten Ads aus den USA haben immer das Auto gesagt auf Deutsch und ich glaube, daher kam das tatsächlich.
Aber ja, also ich finde es halt schwer, weil gerade viele...
bildgenerierende Modelle trotzdem noch hallucinieren.
Aber okay, also verstanden.
Das heißt, ihr habt quasi den Mittelmann, den Künstler, der mit den Produktleuten normalerweise korrespondiert und für die, die die Arbeit macht, den habt ihr schon eliminiert.
Komplett.
Siehst du, das heißt, waren das bei euch immer Agenturen oder waren das In-House-Leute?
Genau, es waren üblicherweise Agenturen, die das dann gemacht haben.
Und da funktioniert es schon sehr gut und jetzt geht es natürlich konsequent weiter.
Auch die Bilder Richtung Kundinnen dann die Produktbilder zu machen.
Und da gehen wir aber einen Weg, weil wir viel rum experimentiert haben, Produkte über CGI oder sowas zu generieren.
Das war alles nicht richtig...
Ganz kurz CGI für meine Hörerinnen.
Was sind das?
CGI heißt Computer Generated Images, wo du basierend auf 3D-Modellen, wir haben ja unsere Schnittmuster und alles in 3D-Modellen, und basierend auf den 3D-Modellen kreierst du ein künstliches Bild des Produktes.
Und das war aber nie ausreichend, weil der Faltenfall von Textilien über solche Modelle zu generieren, die uns auf jeden Fall nicht gut gelungen ist.
Und was wir jetzt da machen, da ist jetzt unser Workflow in der Form, wenn wir dann ein Produkt designt haben und das erste Produktmuster in zum Beispiel Bangladesch über die Produktion läuft, haben wir eine App entwickelt, dass lokal in Bangladesch dann dieses Muster über eine Büste gezogen wird.
Und von dem...
eigentlichen Produkt tatsächlich die Bilder gemacht werden.
Die gehen dann über die App, sehr einfach zu bedienen, das können die Lokal gut machen, geht es direkt in unsere Produktdatenbank und da laufen dann ein paar KIs los.
Eine KI läuft los und bereinigt die gesamte Optik so, dass der Hintergrund passt, dass das Lighting passt.
Aber es ist immer noch das Bild von dem eigentlichen Produkt mit den Falten, mit den Farben und sowas.
Und wenn wir das dann haben, das können wir sehr gut weiterverwenden, können es dann auf ein Model packen, wir können es hinter den Hintergrund packen, wir können verschiedene Posen machen.
Das funktioniert sehr, sehr gut.
Damit haben wir gute Erfahrungen gemacht und das rollen wir jetzt sukzessive aus.
Und ich glaube, das bringt uns nach vorne halt enorme Vorteile, weil wir auch da müssen wir dann keine...
muss da irgendwie mit Luftfracht durch die Gegend schicken, ist nachhaltiger, geht viel schneller.
Wir können auch in der Produktqualitätskontrolle sofort schauen, ob das Produkt so aussieht, wie wir uns das eigentlich auch vorgestellt haben.
Und wir können eben auch sehr schnell, bevor die Produktion richtig hochgelaufen ist, verproben, ob das denn überhaupt am Markt richtig gut funzt.
Wir müssen jetzt nicht erst irgendwie 3000 Stück produzieren.
wenn wir feststellen, dass das gar nicht so funktioniert.
Und da sind wir, das ist jetzt gerade so, wo wir jetzt stehen.
Wir haben diesen Prozess, wir haben die App, wir haben die Integration in unsere ganze Produktdatenkette gemacht und fahren jetzt sukzessive Artikel für Artikel hoch, um zu schauen, bei welchen Artikeln das schon besser klappt.
Spoiler, bei Kleidern klappt es ganz gut, wenn du so eine Schuhhosen...
Pulli-Kombi hast, ist es deutlich komplexer.
Da sind wir jetzt noch dabei, unsere Modelle zu trainieren.
Aber da geht für uns auf jeden Fall die Reise hin.
Und wenn du sagst, eure Modelle zu trainieren, das heißt, ihr habt eigene Feintuned-Modelle oder habt ihr Open Source, das ihr runtergeladen habt und dann lasst ihr es lokal laufen?
Also was ist die Basis sozusagen?
Auch da sind wir sehr Google-nah unterwegs, aber wir trainieren die Modelle mit unseren Anforderungen, mit unserer Bildsprache.
Und das habe ich jetzt persönlich nicht probiert, aber was mir mehrfach ziemlich deutlich gezeigt wurde, unsere Kernzielgruppe sind ja Frauen 40 bis 60.
Und unsere Kollegen haben relativ lange gebraucht mit den Modellen so leichte Fältchen.
in die Gesichter der Models rein zu modellieren.
Die KIs produzieren entweder sehr jung aussehende, sehr glatt gebügelt aussehende Models oder dann gibt es da so einen Alterssprung drin, dass sie dann relativ alt aussehen.
Diese Zielgruppe reinzuprompten und reinzutrainieren, dass sich die Kundinnen damit gut identifizieren können, dass es authentisch wirkt, dass es nicht irgendwie gekünstelt wirkt, das scheint so ein bisschen die Kunst zu sein.
Tatsächlich, ja.
Aber ich meine, das macht ja Sinn, weil wenn man sich überlegt...
wer die Trainingsdaten sind für die, also wir müssen jetzt bei den Modellen unterscheiden, aber die Trainingsdaten für die KI-Modelle sind ja im Internet überwiegend sehr editierte junge Frauen.
Die werden ja nicht trainiert, also da müsste man wahrscheinlich einen speziellen Datensatz machen auf eure ICP, eure Kunden in dem Altersegment, aber typischerweise sind das Frauen, die aussehen...
also zwischen wahrscheinlich 19 und 21 und hoch editiert sind.
Also eigentlich wenig realistisch, aber it is what it is.
Also das ist natürlich sehr komplex sozusagen, um die abzubilden.
Aber das heißt, ihr sammelt dann quasi direktes Feedback, wenn ihr die entsprechende Ware auf die entsprechenden Models zieht.
Das nochmal ganz kurz zu sagen, mit den 3D-Modellen.
Wir haben selber auch probiert, Menschen in Unreal, also in den Unreal Engine, das heißt, das sind die Programme von Epic, typischerweise sind für diese ganzen Grafikgeschichten die Programme aus der Gaming-Welt die besten, weil die halt dafür gemacht sind, letztlich sehr gute Grafiken darzustellen.
Aber ich hatte das gleiche Problem, es ist eben, man stößt dann, man kommt dann immer an dieses Uncanny Valley, das heißt, es ist...
gut, es ist sehr gut, aber es ist nicht gut genug, als dass Leute sich damit irgendwie identifizieren können.
Es sieht am Ende immer so ein bisschen wachsig oder comichaft aus.
Irgendwas ist falsch und das menschliche Gehirn reagiert darauf sehr krass.
Wenn man feststellt, dass irgendwas nicht realistisch ist, dann lehnt man es ab.
Ich finde das super interessant.
Das heißt, ihr setzt jetzt nicht nur den Aspekt in der Produktstrecke sozusagen.
Das heißt, ihr habt direktes Feedback und so weiter.
Sondern das nächste Level ist, dass ihr dann auch die Models irgendwann ersetzt.
Wie läuft das schon?
Also seid ihr dabei quasi perspektivisch?
Werden Models komplett ersetzt werden?
Also Modelle, Fotomodelle meine ich jetzt?
Also wir unterscheiden, bei uns gibt es drei unterschiedliche Arten von Content.
Es gibt den einfachen Content für die Produktdetailseite.
Da gehe ich davon aus, dass das in kürzester Zeit alles künstlich generierte Bilder werden.
Dann gibt es aber emotionaleren Content und da unterscheiden wir in zwei Stufen so den emotionaleren Content, den wir ein bisschen auf der Webseite machen mit Video zum Beispiel, Models drehen sich.
Das ist heute noch schwieriger, das funktioniert zwar tatsächlich auch mit den Modellen, da sind wir aber noch nicht zufrieden.
Gerade je höher Funneliges wird, wenn es dann irgendwie Out-of-Home-Kampagnen werden, wenn es dann Fernsehspots werden, wenn es sehr emotionale Sachen sind, da glauben wir daran, dass es auch weiterhin noch reale Models sind.
Aber das ist dann so der Split.
Die meisten Bilder für PDP, für einfach Social-Sachen, das wird künstlich sein.
für emotionalere Sachen noch mit echten Models.
Vielleicht noch einen Fall, das haben wir noch nicht, aber da bin ich total scharf drauf, dass wir das dann ausprobieren können.
Weil bisher ein Hemmnis mit der Produktfotografie, den ich sehe, ist, du hast ein schönes Produkt, die Agentur fotografiert das Produkt, du packst es dann auf deine Seite und das Produkt konvertiert nicht so richtig.
Das kann jetzt natürlich am Produkt liegen, aber es kann auch einfach daran liegen, dass die Agentur einfach ein unglückliches Model gewählt hat oder eine unglückliche Pose gewählt hat.
Wo ich mich darauf freue ist, dass wir über unsere Modelle dann nicht nur einen Satz produzieren können, sondern zehn Sätze zum Beispiel.
Und das dann rausschicken in die Welt und schauen, was gut konvertiert, was kommt bei der Kundin gut an, was spricht sie denn tatsächlich an, welche Pose, welches Modell, welche Kombination.
von Kleid zu Kleid komplett unterschiedlich sein.
Haarfarbe zu Kleidfarbe, was wirkt gerade wie harmonisch.
Wenn wir das vollautomatisch hinbekommen, ich schicke die 10 Sätze raus, schaue, was gut ankommt, was gut konvertiert, die Bilder nehme ich, den Rest schmeiße ich weg.
Bei 9 Cent Bildpreis ist mir total egal.
Und ich glaube, das wird eine sehr spannende Bewegung sein, weil wir dann viel stärker in so ein automatisiertes Verproben unserer Bilder kommen.
Und ich glaube, das kann für die Produkte nur gut sein.
Weil bisher konntest du eben nicht so wirklich unterscheiden, ist jetzt das Produkt einfach nicht so richtig gut oder ist das Bild vielleicht nicht so richtig gut dahinter und tut dem Produkt eigentlich ein bisschen unfair.
Und da freue ich mich drauf, dass wir dann in naher Zukunft tatsächlich da einfach viel stärker in so einen Testmodus kommen können und schauen, was bei der Kundin am besten ankommt.
Ja, vor allen Dingen lokalisiert ja auch.
Also wir haben das bei meiner Firma auch gemacht, dass wir lokalisiert oder individualisierte Videos rausgeschickt haben.
Und bei euch ist ja nicht nur Deutschland ein großer Markt, sondern auch Frankreich zum Beispiel.
Also ich meine, ihr macht zwischen...
1,1 und je nachdem welches Jahr 1,9 Milliarden Umsatz.
Das ist ja ein Riesenunternehmen mit vielen, vielen Märkten.
Und antizipierst du das auch, dass ihr dann quasi in den verschiedenen Märkten automatisiert verschiedene Fotos, verschiedene Produktdaten testet und dann eben auch automatisch ersetzt?
Oder bespielt ihr die Märkte mit gleichen Assets?
Also heute bespielen wir mit gleichen Assets und heute bespielen wir leider, und das sind zwei unterschiedliche Stufen, wir haben für alle Märkte die gleichen Produktfotos, was glaube ich schon ein Hemmnis ist, aber es ist halt aus der alten Fotoproduktionsstrecke heraus.
Und wir haben noch ein zweites Hemmnis, was ich momentan fast noch tragischer finde, ist, wir bespielen auch alle Länder zu jedem Zeitpunkt mit dem gleichen Content.
Und wenn man mal überlegt, Im Herbst mag es in Norwegen kälter sein als im Süden von Italien.
Und wir spielen aber überall die gleiche Winterjacke.
Das ist für uns ein Hemmnis.
Und das bauen wir jetzt auch gerade ab, dass wir stärker in eine...
Personalisierung und eine stärkere Dynamisierung unserer Web-Contents kommen.
Das ist aber tatsächlich das, da kommt dann mir so ein bisschen die Legacy in die Quere und mit den neuen Systemen, die wir jetzt aufbauen, kann ich das Hemmnis wegmachen.
Dann kann ich die Winterjacke in Norwegen spielen und im Süden von Italien kann ich noch was anderes spielen.
Ich glaube, das kombiniert mit dann dem zusätzlichen Produkt.
bildern, wird einen riesen Uplift bringen.
Da bin ich fest von überzeugt, weil man einfach viel besser den Need der Kundin zu dem Zeitpunkt und die richtige Bildsprache für den Need treffen kann.
Klar, am Ende braucht es Bedarf eines dynamischen Online-Shops.
Also das heißt, dass so ähnlich wie Social Media die Algorithmen sehr genau verstehen, was du sehen möchtest quasi.
Und das ist das auch, was dir dann gezeigt wird am Ende.
Das ist ja auch der Erfolg von Temu und Sheen letztlich, dass die durch unfassbar gute Datenpunkte quasi verstanden haben, was du sehen willst.
Was auf der anderen Seite aber immer nur für diesen First-Time-Buy und eben keine gute Retention sorgt, weil die Leute einmal mit Dopamin angetriggert werden, dann vielleicht einen unüberlegten Kauf tätigen, aber nicht notwendigerweise zurückkommen, weil das dann wiederum abhängig ist mit der Produktqualität und der Experience grundsätzlich.
Okay, das heißt, der eine Teil sind quasi die Assets, die mit KI sicherlich wesentlich schneller, also die Assets und dann natürlich die Conversion, wenn man so möchte.
Der zweite Teil, den ich interessant finde, wie sieht es aus mit KI bei den Retouren?
Habt ihr dazu schon was gesehen?
Bei Retouren, also direkt bei Retouren haben wir im KI-Umfeld nicht viel.
Ich weiß aber auch gar nicht, ob es da gerade so viel gibt, wo wir jetzt schauen, ist jetzt nicht nur bei Retouren, sondern bei Kundenanliegen.
Ja, weil ganz kurz, diese Retourenrate in Deutschland ist ja so astronomisch hoch, oder?
Wie hoch ist die?
Also ich glaube, bei so einem normalen Onlineshop liegt die bei 40, 50 Prozent oder so?
Ja, ja, kommt ja immer ein bisschen auf die Fashion-Teile drauf an.
Wir unterscheiden ja so nach...
Praktisch so NOS-Artikeln, da ist es ein bisschen niedriger.
Wenn wir High Fashion Kollektionsartikel haben, ist es ein bisschen höher.
Aber das bewegt sich schon so im sehr High Fashion Umfeld bei 60 Prozent.
Bei NOS ist es so im 40 Prozent Bereich, also sehr starke Retouren.
Wobei man auch da sagen muss, das ist ein stark deutsches Problemphänomen.
Man könnte sagen, die deutschen Kundinnen sind dadurch, dass die Retouren meistens gratis sind, so ein bisschen versaut.
In anderen europäischen Ländern gibt es ein sehr anderes Retourenverhalten, weil diese Gratis-Retouren in anderen Ländern nicht so üblich sind wie in Deutschland.
Also das ist schon ein stark deutsches Phänomen, wenn du einfach viele Auswahlbestellungen machst.
Weißt nicht, welche Größe, bestellst drei Größen, schickst zwei zurück.
Das ist ein recht deutsches Thema.
Und wir haben bisher noch keinen smarten Weg gefunden, das zu tacklen, was er probiert.
wird.
Wir haben verschiedene Sizing.
Systeme im Einsatz.
Wir haben ein bekanntes Produkt am Markt, Fitfinder, bei uns auch im Einsatz, wo du sagen kannst, welche Größen du bei anderen Marken hast und dann antizipiert, welches jetzt die richtige Größe wäre.
Wir haben ein neues System bei uns jetzt im Einsatz, was die Order und das Retourenverhalten auf Kundenseite mitschreibt und darüber dann antizipieren kann, welche Größe es dir empfehlen sollte.
Also wenn du dreimal einen Top bestellt hast und einmal retourniert hast, dann wissen wir ja, was dir passt.
Das bringt tatsächlich auch einen messbaren Erfolg.
Das Problem ist nur, dass du einen sehr großen Datensatz brauchst und dass du die Kundin identifizieren musst, wenn sie auf den Shop kommt.
Und das wird ja zunehmend schwieriger durch die verschiedenen Cookie-Policies und durch Gast-Checkouts wird das mit den Datensätzen schwierig.
Ein Thema, da bin ich mal gespannt, da frage ich dich jetzt mal.
Virtual Try-On.
Wie findest du Virtual Try-On?
Ich persönlich habe es noch nicht probiert.
Es ist nicht mein Produkt, sagen wir mal so.
Es gibt viele Produkte, die gehypt werden.
finde ich, bei denen man jetzt schon sehen kann oder sagen kann, dass es nicht niedrigschwellig genug ist, um beim Checkout irgendetwas zu tun.
Also das Virtual Try-On ist, weiß ich nicht, das Gleiche gilt für mich so für voice-gesteuerte Dinge.
Ich würde auch nie voice-gesteuert einkaufen, aber es gibt Menschen, die das vielleicht mögen.
Nur ich halte das schwierig.
Also wenn ich ehrlich bin, mit dem Retouren-Quote, wo ich den größten Impact sehe, sind die, sind wie bei Amazon, wenn da unterm Produkt steht, wird häufig zurückgegeben.
Ja.
Also das ist für mich Abschreckung genug, es nicht zu kaufen, wenn ich ehrlich bin.
Weil mehr Indikationen brauchst du ja gar nicht.
Der Markt entscheidet dann in dem Moment für dich und wenn das da steht, kaufe ich es so gut wie nie.
Das stimmt, das ist sicher ein guter Indikator.
Bei Virtual Tryon, ich frage, weil es wird tatsächlich enorm gehypt.
Ich bin sehr skeptisch, ob das gut funktioniert, weil ich glaube auch, dass der Aufwand, den die Kundin machen muss, in keinem Verhältnis steht.
Und wenn ich dann unsere Kundinnen anschaue, sind jetzt oft nicht die Tech-affinsten, haben aber schon auch Sorge, ihre Bilddaten irgendwo hochzuladen.
Was passiert mit den Bilddaten?
Da sind so viele Sorgen drum herum.
Ich glaube, das ist von daher mit Virtual Tryern.
Aus technischer Sicht ist das eine feine Spielerei.
Ich glaube, Richtung Kundinnen nicht relevant für unsere Zielgruppe.
Und darum bin ich ja kein großer Fan von.
Was natürlich schon hier mit, was du sagst, mit Kundenfeedback, ich glaube, das ist ein mega großer Hebel.
Wir haben ja dadurch, dass wir so viele Kundinnen haben, wir haben ja 10 Millionen Kundinnen aktiv, die uns auch wirklich teilweise tolles Feedback geben zu den Produkten.
Gut wie schlecht.
Und da packen wir jetzt gerade relativ viel Intelligenz drauf, auch Maschinenintelligenz.
um die Bewertung so auszuwerten, um dann der Kundin noch bessere Infos zu geben.
Also zum Beispiel fällt größer aus, fällt kleiner aus, aus den Rezensionen automatisch ausgewertet.
Oder so eine Rezessionszusammenfassung packen wir jetzt dann auch auf die PDP, wo die Kundin eben tatsächlich dann sehr schnell sehen kann, was andere Kundinnen über das Produkt sagen.
Weil ich glaube, das ist ein echt großer Hebel, so wie du jetzt sagst, wenn da drinsteht.
kauf das mal lieber nicht, schicken alle zurück.
Das ist natürlich dann sehr, sehr plakativ, aber wenn dann drin steht, kauf es mal lieber eine große, kleiner, weil fällt sehr groß aus, das kann nach vorne schon nochmal auch die Retouren ein bisschen runterbringen.
Das glaube ich auf jeden Fall auch und nochmal abschließend zu dem Virtual Try-On für mich persönlich, ja und ich sage nur mich persönlich, hat das so ein bisschen den Geschmack des...
Das ist ein männlich entwickeltes Produkt, weil es gibt ja, wenn man online shoppt, es gibt ja verschiedene, wenn man so möchte, Intentionen.
Es gibt auf der einen Seite das Besorgen, das heißt Klopapier, Küchenrolle und so weiter, das muss man immer wieder besorgen.
Das heißt, das ist eine relativ emotionslose Entscheidung.
Aber jeder Kauf, und auch wenn man eine Wohnung kauft, ein Auto kauft, ist ja...
nie rational.
Das ist ja immer eine emotionale Entscheidung.
Egal, was es ist.
Ich habe mir gerade einen Laptop gekauft, weil er pink ist.
Das heißt, obwohl der Chip echt so sch...
Obwohl es ein super schlechter Chip ist.
Der Chip ist so gut wie ein iPhone.
Egal.
Pink und passt in die Handtasche.
Total irrational.
Obwohl ich zwei Laptops zu Hause habe.
Völlig irrational, aber es sind emotionale Entscheidungen und diese emotionale Entscheidung wird gehindert durch ein Virtual Try-On.
Also die wenigsten Frauen recherchieren, ob diese Hose dann links, rechts gut genug passt.
Wir vertrauen der Technologie eh nicht.
Die meisten Frauen finden sich auf den Fotos so, so, so, so, lala.
Da will keiner sich sehen, wie so, oh, die Dienste sieht ja katastrophal aus.
Und dieser emotionale Kaufentscheid oder auch, ob man es dann behält zu Hause, geht ja über gewisse Dinge hinaus.
Ja, das ist die Haptik, wie sieht es, keine Ahnung, wie sieht es an verschiedenen Stellen aus.
Das sind ja alles Dinge, die über dieses reine, praktische, deterministische, die Hose passt, darüber hinaus geht.
Ja, da guckt man sich an und sagt so, uh, ich glaube, Shakira hat die gleiche Jeans mal getragen, jetzt fühle ich mich so ein bisschen wie sie.
Ich meine, da gibt es so viele Aspekte, die eben...
damit überhaupt nicht Rechnung getragen werden.
Es geht nie darum, ob der Pulli passt, sondern es geht immer darum, wie man sich damit fühlt, finde ich.
Auf jeden Fall, also vielen, vielen Dank für deine Insights, vielen Dank für dein Gespräch.
Wir sollten das auf jeden Fall wiederholen.
Zum Abschluss bitte ich meine Gäste immer um eine Buchempfehlung.
Hättest du eine Buchempfehlung für die Hörer?
Also der Interessante ist ja, ich lese nur Science-Fiction-Bücher.
ausschließlich.
Und das, was ich empfehlen kann, ist natürlich Dan Simpsons Hyperion.
Ich glaube, eines der besten Science-Fiction-Bücher.
Super.
Das finde ich sehr gut.
Typischerweise haben wir nämlich sehr viele Sachbücher hier.
Das heißt, es ist mal eine Alternative dazu.
Also, vielen, vielen Dank für deine Zeit.
Es bleibt spannend und wir widmen uns auch in der nächsten Folge dem E-Commerce.
Bis bald.
Ciao, ciao.
Vielen Dank.
Tschüss.