ModaStyle: +23 % Conversion mit dem RAG-Produktassistenten

Unternehmensvorstellung

ModaStyle ist eine französische E-Commerce-Plattform für Mode, die Kleidung und Accessoires für Frauen von 25-45 Jahren verkauft. Mit einem Katalog von über 8.000 Produkten und 150.000 monatlichen Besucherinnen standen sie vor der klassischen E-Commerce-Herausforderung: Kundinnen dabei zu helfen, genau das zu finden, wonach sie suchen.

Die Herausforderung

Problem bei der Produktentdeckung

• Absprungrate: 67 % auf den Kategorieseiten
• Suchabbruch: 45 % der Suchanfragen führten zu Absprüngen
• Durchschnittliche Zeit bis zum Kauf: 12 Minuten (zu lang)
• 28 % der Kundinnen kontaktierten den Support für Produktempfehlungen

Grenzen der klassischen Suche

• Die Stichwortsuche erfasste die Absicht nicht ("Kleid für eine Strandhochzeit")
• Filter zu komplex für Gelegenheitskäuferinnen
• Kein Verständnis von Stilpräferenzen oder Körperformen
• Produktbeschreibungen nicht für die Suche optimiert

Hohe Retourenquote

• 32 % Retourenquote bei Kleidungsstücken
• Hauptgrund: "Entsprach nicht den Erwartungen" (54 %)
• Kosten: 15 € pro Retourenbearbeitung

Die Lösung: RAG-Produktassistent

ModaStyle hat einen konversationellen Produktassistenten mit Ailog implementiert, trainiert auf:

Produktwissensdatenbank

• Über 8.000 Produktbeschreibungen mit detaillierten Attributen
• Größentabellen für jede Marke
• Style-Guides und Outfit-Kombinationen
• Kundenbewertungen und -bewertungspunkte
• Saisonale Trendberichte

Verständnis natürlicher Sprache

Der Assistent bearbeitet Anfragen wie:

• "Ich brauche ein Kleid für eine Sommerhochzeit, Budget etwa 150 €"
• "Was passt gut zu dieser marineblauen Hose?"
• "Ich trage bei Zara 38, welche Größe passt bei Ihrer Marke?"
• "Zeigen Sie mir Optionen für nachhaltige Mode"

Implementierung

Phase 1: Integration des Produktkatalogs (Woche 1)

• Anbindung des PrestaShop-Produktfeeds
• Anreicherung der Produktdaten mit Stilattributen
• Erstellung der Größenumrechnungstabellen

Phase 2: Konversationsdesign (Woche 2)

• Konzeption der Gesprächsabläufe für gängige Szenarien
• Erstellung der Stilempfehlungslogik
• Aufbau von Vorschlägen für Outfit-Kombinationen

Phase 3: Tests & Optimierung (Woche 3-4)

• A/B-Tests zur Platzierung des Widgets
• Optimierung der Prompts für den Modekontext
• Training anhand von Grenzfällen der Beta-Tester

Ergebnisse nach 4 Monaten

Conversion-Metriken

Umsatzauswirkung

• Zusätzlicher monatlicher Umsatz: 45.000 €
• Hochgerechnet auf das Jahr: 540.000 € zusätzlicher Umsatz
• ROI der RAG-Investition: 150x

Kundenerfahrung

Gesprächsbeispiele

Stilempfehlung

Kundin: "Ich habe nächste Woche ein Vorstellungsgespräch für eine Marketingposition. Ich möchte professionell, aber modern wirken."

Assistent: "Für ein Vorstellungsgespräch im Marketing sollten Sie Professionalität und einen kreativen Touch ausbalancieren. Basierend auf Ihrer Größe (42) und Ihren Stilpräferenzen empfehle ich:

1. Marineblauer Tailleur-Blazer (129 €) - Moderner Schnitt, dezente Textur
2. Weiße Seidenbluse (79 €) - Elegant, aber nicht steif
3. Hochtaillierte Hose (89 €) - Vorteilhafter Schnitt

Möchten Sie sich diese Artikel ansehen oder weitere Optionen erkunden?"

Größenberatung

Kundin: "Ich trage normalerweise M, aber Ihre Größen scheinen anders zu sein. Ich bin 170 cm groß und wiege 65 kg."

Assistent: "Basierend auf Ihren Maßen empfehle ich Ihnen Größe 40 in unserer Kollektion. Unsere Marke fällt etwas kleiner aus als der Durchschnitt. Bei Oberteilen gibt Ihnen die 40 einen bequemen Sitz mit etwas Bewegungsfreiheit. Möchten Sie, dass ich Ihnen Artikel in Größe 40 zeige, die zu Ihren Stilpräferenzen passen?"

Wichtige Erfolgsfaktoren

1. Umfangreiche Produktdaten

Investition in die Anreicherung der Produktattribute über die grundlegenden Beschreibungen hinaus:

• Anlass-Tags (Hochzeit, Büro, Casual)
• Stilattribute (Boho, minimalistisch, klassisch)
• Passform-Beschreibungen (weit, eng anliegend, oversized)
• Nachhaltigkeitszertifizierungen

2. Personalisierung

Der Assistent merkt sich:

• Größenpräferenzen je Marke
• Stilpräferenzen aus vergangenen Interaktionen
• Budgetrahmen
• Farbpräferenzen

3. Visuelle Integration

Kombination von Textantworten mit Produktbildern und direkten "In den Warenkorb"-Aktionen.

4. Ehrliche Empfehlungen

Der Assistent ist darauf trainiert:

• Alternativen vorzuschlagen, wenn ein Produkt möglicherweise nicht passt
• Potenzielle Probleme zu erwähnen (z. B. "dieses Modell fällt groß aus")
• Von Impulskäufen abzuraten, wenn dies angebracht ist

Technische Implementierung

RAG-Konfiguration

Produktkatalog: 8.000 Artikel
Embedding-Modell: OpenAI text-embedding-3-small
Retrieval: Hybride Suche mit Kategoriefilterung
LLM: GPT-4 Turbo (an den Modekontext angepasste Prompts)
Temperatur: 0,5 (kreativ, aber sachlich)

Integrationspunkte

• PrestaShop-Produktsynchronisation (Echtzeit-Inventar)
• Integration des Kundenkontos (Größen-/Stilverlauf)
• Warenkorb-Integration (Hinzufügen zum Warenkorb direkt aus dem Chat)
• Analytics-Integration (Conversion-Tracking)

ROI-Analyse

Investition

• Ailog-Abonnement: 99 €/Monat
• Anreicherung der Produktdaten: 2.000 € (einmalig)
• Integrationsentwicklung: 3.000 € (einmalig)

Monatliche Erträge

• Zusätzlicher Umsatz: 45.000 €
• Einsparungen durch reduzierte Retouren: 5.000 €
• Einsparungen bei Supportkosten: 2.500 €

Amortisationszeit: 4 Tage

Gelernte Lektionen

1. Die Qualität der Produktdaten ist entscheidend - Der Assistent ist nur so gut wie Ihre Produktinformationen
2. Mode braucht Persönlichkeit - Generische Antworten funktionieren nicht; bringen Sie die Markenstimme ein
3. Größensicherheit treibt Käufe an - Die Auflösung von Größenunsicherheit hat den größten Einfluss auf die Conversion
4. Nicht überverkaufen - Ehrliche Empfehlungen schaffen Vertrauen und reduzieren Retouren

Zukunftspläne

ModaStyle erweitert den RAG-Assistenten um:

• WhatsApp-Integration für mobile Käuferinnen
• Visuelle Suche ("Finde ähnliche Artikel zu diesem Foto")
• Persönliche Stylist-Termine per Chat
• Outfit-Vorschläge nach dem Kauf

Fazit

Im E-Commerce ist RAG nicht nur Kundensupport – es ist ein Umsatzmultiplikator. Der Anstieg der Conversion um 23 % bei ModaStyle zeigt, dass konversationelle Produktentdeckung die klassische Suche und Filter deutlich übertreffen kann.

Der Schlüssel liegt darin, den Assistenten wie eine kompetente Verkaufsberaterin zu behandeln, nicht nur wie eine Suchleiste mit KI.

Bereit, Ihren E-Commerce zu transformieren? Testen Sie Ailog kostenlos und verbinden Sie Ihren Produktkatalog in wenigen Minuten.

---

Diese Fallstudie basiert auf aggregierten Daten aus E-Commerce-Implementierungen. Der Firmenname und bestimmte Zahlen wurden aus Vertraulichkeitsgründen angepasst.