Amazons neue KI-Funktion zur Unterstützung von Kaufentscheidungen

Personalisierte Kaufentscheidungen: Amazons neue KI-Funktion "Help Me Decide"

Im dynamischen Umfeld des E-Commerce steht die Personalisierung von Einkaufserlebnissen zunehmend im Fokus. Amazon, als einer der führenden Akteure, hat mit der Einführung seiner neuen KI-Funktion "Help Me Decide" einen weiteren Schritt in diese Richtung unternommen. Dieses Tool soll Kunden bei der Entscheidungsfindung unterstützen, indem es auf Basis ihrer individuellen Browsing-Historie und Präferenzen maßgeschneiderte Produktvorschläge generiert.

Die Funktionsweise von "Help Me Decide"

Die Kernidee hinter "Help Me Decide" ist die Nutzung künstlicher Intelligenz, um den Entscheidungsprozess für Konsumenten zu vereinfachen. Wenn ein Nutzer mehrere ähnliche Produkte in einer Kategorie betrachtet, bietet die Funktion per Knopfdruck eine KI-gestützte Empfehlung an. Die zugrunde liegende Technologie analysiert dabei eine Vielzahl von Datenpunkten, darunter:

• Die aktuelle Suchhistorie des Nutzers.
• Vergangene Browsing-Muster auf der Plattform.
• Die gesamte Kaufhistorie des Nutzers.
• Zuvor festgelegte Präferenzen.

Durch die Verknüpfung dieser Informationen mit Amazons eigenen Large Language Models (LLMs) und AWS-Diensten wie Amazon Bedrock, OpenSearch und SageMaker, kann die KI ein umfassendes Profil des Nutzers erstellen. Dies ermöglicht es "Help Me Decide", nicht nur einzelne Produkte vorzuschlagen, sondern auch komplexe Szenarien zu berücksichtigen. Ein Beispiel hierfür wäre die Empfehlung eines Allwetterzeltes für mehrere Personen, wenn der Nutzer zuvor nach warmen Schlafsäcken, Wanderschuhen und Camping-Kochutensilien gesucht hat. Zusätzlich fließen Erkenntnisse aus Kundenrezensionen in die Empfehlungen ein, um die Relevanz der Vorschläge zu erhöhen.

Die Funktion präsentiert Nutzern "Top-Picks", bietet aber auch die Möglichkeit, über ein Menü am unteren Bildschirmrand "Budget-Picks" für günstigere Alternativen oder "Upgrade-Picks" für hochwertigere Optionen auszuwählen.

Strategische Bedeutung für Amazon und Händler

Die Einführung von "Help Me Decide" ist nicht nur ein Service für den Kunden, sondern auch ein strategischer Schritt für Amazon. Das Unternehmen verfolgt das Ziel, den Umsatz durch die Beschleunigung von Kaufentscheidungen zu steigern. Dies wird insbesondere in Phasen hoher Kaufaktivität wie den Prime Days oder vor Feiertagen relevant.

Für Händler auf der Amazon-Plattform könnte die neue Funktion sowohl Chancen als auch Herausforderungen mit sich bringen. Einerseits könnten Produkte, die von der KI als optimal eingestuft werden, eine erhöhte Sichtbarkeit und damit mehr Verkäufe erfahren. Andererseits könnten Produkte, die im Vergleich der KI seltener empfohlen werden, benachteiligt sein. Dies betrifft insbesondere Produkte, die nicht als "Prime-Produkte" oder "Amazon Choices" gekennzeichnet sind.

Daniel Lloyd, VP of Personalization bei Amazon, betont, dass "Help Me Decide" darauf abzielt, den Kunden Zeit zu sparen und das Einkaufserlebnis durch passgenaue, KI-gestützte Empfehlungen zu verbessern. Er sieht darin eine Fortsetzung des Engagements von Amazon, KI zur Vereinfachung und Steigerung der Freude am Einkaufen einzusetzen.

Die Entwicklung unterstreicht die wachsende Notwendigkeit für Händler, ihre Produktinformationen optimal für KI-Dienste aufzubereiten. Die Relevanz der Suchmaschinenoptimierung (SEO) im E-Commerce erweitert sich somit um den Aspekt der KI-Optimierung (AIO), um in den personalisierten Empfehlungen der Zukunft präsent zu sein.

Datengrundlage und Personalisierung

Studien zur Individualisierung von Suchergebnissen in Online-Märkten, auch auf Amazon.com, zeigen, dass die Ergebnisse für verschiedene Nutzer variieren können. Diese Variationen umfassen die angezeigten Produkte, deren Ranking, die Verfügbarkeit von Rabattcoupons und den Wert dieser Coupons. Es wurde festgestellt, dass die Individualisierung nicht primär auf demografischen Daten, geografischen Standorten oder Kontoinformationen basiert. Vielmehr deuten die Ergebnisse darauf hin, dass dynamischere Informationen wie die Klickhistorie und das Online-Browsing-Verhalten des Nutzers eine entscheidende Rolle spielen.

Diese Erkenntnisse bestätigen die Komplexität der Algorithmen, die hinter solchen Personalisierungsfunktionen stehen. Die Fähigkeit, subtile Verhaltensmuster zu erkennen und darauf basierend relevante Empfehlungen zu geben, ist ein Schlüsselfaktor für den Erfolg im modernen E-Commerce.

Ausblick

Die Einführung von "Help Me Decide" ist ein Beispiel für den kontinuierlichen Einsatz von KI zur Optimierung des Online-Handels. Während die Funktion derzeit nur in den USA verfügbar ist, könnte eine globale Ausweitung erhebliche Auswirkungen auf das Einkaufsverhalten und die Strategien von Online-Händlern weltweit haben. Die Fähigkeit, komplexe Kundendaten in präzise und hilfreiche Empfehlungen umzuwandeln, wird in Zukunft ein entscheidender Wettbewerbsvorteil bleiben.

Bibliographie

- t3n.de (2025). "Help Me Decide": Wie Amazon jetzt deine Browsing-Historie nutzt, um Kaufentscheidungen zu treffen. OnlineMarketing.de Redaktion. - FinanzNachrichten.de (2025). Help Me Decide: Wie Amazon jetzt deine Browsing-Historie nutzt, um Kaufentscheidungen zu treffen. - Amazon.science (2024). Segment discovery: Enhancing e-commerce targeting. Qiqi Li, Roopali Singh, Charin Polpanumas, Tanner Fiez, Namita Kumar, Shreya Chakrabarti. - Amazon.science (2024). Identifying shopping intent in product QA for proactive recommendations. Besnik Fetahu, Nachshon Cohen, Elad Haramaty, Liane Lewin-Eytan, Oleg Rokhlenko, Shervin Malmasi. - Amazon.science (2024). Shopping trajectory representation learning with pre-training for e-commerce customer understanding and recommendation. Yankai Chen, Tuan Truong, Xin Shen, Jin Li, Irwin King. - Amazon.science (2022). Personalized complementary product recommendation. An Yan, Chaosheng Dong, Yan Gao, Jinmiao Fu, Tong Zhao, Yi Sun, Julian McAuley. - Amazon.science (2018). Buy it again: Modeling repeat purchase recommendations. Rahul Bhagat, Srevatsan Muralidharan, Alex Lobzhanidze, Shankar Vishwanath. - J. Theor. Appl. Electron. Commer. Res. (2022). Do Online Firms Individualize Search Results? An Empirical Analysis of Individualization on Amazon. Rasha Ahmed, Sahar Al Seesi, Gerardo Ruiz Sánchez.