Wie bewegen sich Kundinnen und Kunden im Laden und wann kaufen sie etwas? Anna Ulrichshofer und Prof. Dr. Michael Jungbluth von der THI Business School haben mittels Künstlicher Intelligenz anhand von fast 200 Millionen anonymer Sensordaten charakteristische Bewegungsmuster ermittelt. Bei der Analyse fanden die Forschenden heraus: Die Besucherströme lassen sich auf wenige Muster reduzieren. Anhand der Muster können sie besser einschätzen, wer etwas kauft und welche Kundinnen und Kunden eher zum Stöbern kommen. Letztere verlassen am Ende den Laden häufig ohne etwas erworben zu haben. Die Forschungsergebnisse der THI-Wissenschaftler ermöglichen es Handelsunternehmen zum Beispiel, das Design und das Serviceangebot ihrer stationären Läden besser an die Kundenströme anzupassen. Ihre Arbeit haben Ulrichshofer und Jungbluth jetzt bei der internationalen ISMS Marketing Science Conference in Chicago vorgestellt.
„Im E-Commerce-Bereich werden ständig Daten gesammelt, um das Kaufverhalten der Kundinnen und Kunden zu analysieren. Die Websites werden so programmiert, dass die Aufmerksamkeit der Userinnen und User gezielt auf weitere Produkte oder den Kaufabschluss gelenkt wird“, erläutert Michael Jungbluth. „Wir haben dieses Prinzip mithilfe modernster Sensortechnik vom Online- auf den stationären Offline-Handel übertragen.“ Die Daten wurden im Ladengeschäft eines großen Einzelhändlers erhoben.
Michael Jungbluth ist Professor für Artificial Intelligence and Consumer Commerce, Anna Ulrichshofer wissenschaftliche Mitarbeiterin im gleichnamigen Lehrgebiet. Beide lehren und forschen seit 2021 an der THI Business School.
