KI & ML im Marketing: Anwendung in der Praxis

2018 kaufte L'Oréal ModiFace, das Unternehmen aus Toronto, dessen Augmented-Reality-Try-on auf der Vermessung der Gesichtsgeometrie beruhte statt auf statischen Farbkarten. Dieser Kauf war die Entscheidung, die Modellebene selbst zu besitzen statt sie bei einer Agentur oder einer Plattform zu mieten. Verfolgt man das Programm von den ersten Diagnostik-Tools bis zum Assistenten, den L'Oréal auf der CES 2024 zeigte, erhält man ein ungewöhnlich komplettes Bild davon, was KI-Personalisierung einen globalen Beautykonzern kostet, wo sie bricht und welche Zahlen den Kontakt mit einem CFO überleben.

Kernkonzept: was l'oréal tatsächlich in produktion gebracht hat

Drei Bausteine, separat entwickelt und später zusammengefügt. Eine Diagnostik, die ein Selfie ausliest und Haut- oder Haarsignale zurückgibt. Ein Try-on-Renderer, der einen Farbton auf ein Live-Gesicht legt. Ein Recommender, der diese Outputs plus Kaufhistorie auf konkrete SKUs abbildet. Das Ganze sitzt auf Profilen mit Consent, wie sie die Lektion zu den CDPCDPSoftware, die Kundendaten aus allen Quellen zu einem einheitlichen, dauerhaften Profil zusammenführt, das Marketing, Vertrieb und Service nutzen können.Vollständige Definition ansehen →-Grundlagen beschreibt, und jede Marke betreibt ihre eigene Version, abgestimmt auf ihren Katalog, denn die dermatologische Range von Vichy und die Mass-Colour-Range von Maybelline sind nicht dasselbe Recommendation-Problem. Auf Konzernebene (36 Marken, rund 150 Länder, 41,2 Milliarden Euro Umsatz in 2023) heißt das: dutzende Dinge in Produktion, nicht eines.

Unterkonzept 1: der pilot war eine diagnostik, keine kampagne

L'Oréal begann nicht mit einem personalisierten E-Mail-Programm. Es begann 2019 mit Vichy SkinConsult AI, einer mit Dermatologen entwickelten Selfie-Diagnostik, die Alterungszeichen bewertet und eine Pflegeroutine zurückgibt, gefolgt von Effaclar Spotscan von La Roche-Posay für den Schweregrad von Akne. Diese Wahl ist der interessante Teil. Von Dermatologen bewertete Bilddatensätze liefern gelabelte Ground Truth, die fast kein Marketing-Datensatz hat. Das Ziel war eng gefasst, der Output war gegen einen Kliniker prüfbar, und es gab genau einen FunnelFunnelDie Customer Journey von der Aufmerksamkeit bis zum Kauf, typischerweise Awareness, Interest, Consideration, Decision, Action, wobei sich die Zahl der Interessenten auf jeder Stufe verringert.Vollständige Definition ansehen →-Schritt zu beobachten: Diagnoseergebnis zu Warenkorb. Wenn der Pilot unterperformte, wusste man, ob es an der Bewertung oder am Produkt-Mapping lag. Ein Pilot zu offenem "personalisiertem Content" gibt Ihnen keines von beidem.

Unterkonzept 2: was zwischen pilot und rollout brach

Vier Dinge, etwa in dieser Reihenfolge.

Abdeckung des Trainingssets. Beauty-KI, die überwiegend auf gut ausgeleuchteten Bildern hellerer Hauttöne trainiert wurde, verliert an den Extremen der Farbtonspanne an Qualität, und die Extreme sind genau dort, wo falsch gematchte Foundation zurückgeschickt wird. Das zu beheben ist ein Datenbeschaffungsprojekt mit einer Kostenposition, keine Übung im Model-Tuning.

Kameravarianz. Der automatische Weißabgleich eines Smartphones schreibt die Farbe des Inputs um. Eine Diagnostik, die im Studio genau ist und bei KKDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →üchenlicht instabil, liefert an zwei aufeinanderfolgenden Abenden für dasselbe Gesicht unterschiedliche Empfehlungen, und Konsumenten merken das.

Consent. Das Illinois BIPA behandelt Gesichtsgeometrie als biometrische Daten, die vor der Erfassung eine informierte schriftliche Zustimmung erfordern, und Beauty-Try-on-Tools haben genau auf dieser Grundlage Sammelklagen angezogen. Das Ergebnis ist ein jurisdiktionsabhängiges Gate vor dem Erlebnis, plus ein strukturelles Loch im Datensatz: Die Nutzer, die ablehnen, sind nicht zufällig verteilt, das Modell lernt also von einer verzerrten Population.

Distribution, die Ihnen nicht gehört. Das ModiFace-basierte Try-on lief auf Partner-Oberflächen, darunter Amazon und Google, und so erreichte die Technologie am schnellsten die Konsumenten. Es heißt aber auch, dass das Interaktionssignal beim Händler bleibt. Sie kaufen dort Conversion; Lernen kaufen Sie nur auf Ihren eigenen Properties. Die Konsequenz zweiter Ordnung ist, dass das Modell auf den Kanälen mit dem geringsten Traffic am schnellsten besser wird, und ein Rollout-Plan muss diese Asymmetrie einkalkulieren, statt sie im zweiten Jahr zu entdecken.

Unterkonzept 3: was gemessen wurde und der vergleich, der lügt

Die verlockende Zahl ist die Conversion RateConversion RateDer Anteil der Besucher oder Interessenten, die eine gewünschte Aktion abschließen (Kauf, Anmeldung, Kontaktformular), berechnet als Conversions geteilt durch die Gesamtzahl der Gelegenheiten.Vollständige Definition ansehen → unter Try-on-Nutzern gegenüber allen anderen. Sie ist immer spektakulär und nahezu bedeutungslos: Menschen, die ein Try-on-Modul öffnen, haben sich bereits entschieden. Jede ehrliche Auswertung muss den Zugang zum Modul randomisieren oder Regionen als Holdout ausklammern, mit der Disziplin, die die Lektion zu den Frameworks für Uplift vorgibt.

Die Zeile, die in Beauty zählt, sind Retouren. Kosmetikretouren sind nach dem Öffnen häufig nicht mehr verkäuflich, eine zurückgeschickte Foundation trägt also die Kosten der Rücklogistik plus eine vollständige Abschreibung der Einheit. In einer Kategorie mit Online-Retourenquoten im zweistelligen Bereich ist es meist mehr Marge wert, über besseres Shade-Matching zwei Punkte von den Retouren zu nehmen, als zwei Punkte Conversion, und es ist leichter zuzuordnen, weil SKU und Grund-Code beide erfasst sind. Daneben verfolgen Sie die Consent-Opt-in-Rate pro Markt, die Genauigkeit pro Hautton-Dezil statt aggregiert und das Wiederkaufintervall bei diagnostizierten Kunden.

Unterkonzept 4: die generative ebene landete oben drauf

Auf der CES 2024 präsentierte L'Oréal Beauty Genius, einen generativen Assistenten, der Beauty-Fragen im Freitext beantwortet und zu Produkten weiterleitet. Das verändert das Risikoprofil, nicht die Plumbing-Ebene. Ein Recommender kann nur aus einem Katalog auswählen; ein Assistent schreibt Sätze, und ein Satz über Akne, Haarausfall oder Ekzeme kann in der EU und den USA in reguliertes Claim-Territorium geraten. Die Governance-Frage gehört in die Lektion zum CMO-Playbook. Der kommerzielle Vorteil ist leiser: Freitext-Anfragen sind eine bessere Aussage über Intent als jeder Clickstream, was das Log des Assistenten zum wertvollsten First-Party-Datensatz des Konzerns macht und zugleich zu dem mit der kürzesten juristischen Zündschnur, wenn Retention und Consent schlampig gehandhabt werden.

Fallbeispiel: die rollout-arithmetik

Was eine Reihe von Markenexperimenten zu Infrastruktur machte, war der Nachfrageschock 2020: L'Oréals E-Commerce wuchs in diesem Jahr um mehr als 60% und erreichte rund ein Viertel des Konzernumsatzes. Volumen ist das, was Personalisierung rentabel macht. Rechnen Sie es mit Ihren eigenen Zahlen durch, bevor Sie irgendetwas finanzieren. Eine Diagnostik, die die Warenkorb-Conversion bei 50.000 monatlichen Sessions und 60 Euro durchschnittlichem Bestellwert um einen Punkt hebt, bringt etwa 30.000 Euro im Monat, was ein Data-Science-Team, Bildlizenzen und eine juristische Prüfung in neun Jurisdiktionen nicht deckt. Derselbe eine Punkt auf 20 Millionen Sessions ist ein anderes Geschäft. L'Oréal konnte den Besitz der Modellebene rechtfertigen, weil der Traffic und die SKU-Zahl da waren, um sie über 36 Marken zu amortisieren. Ein Einzelmarken-Händler mit einem Zehntel des Traffics ist meist besser beraten, die Fähigkeit einzukaufen und sein eigenes Budget in die Input-Daten zu stecken.

Fallbeispiel: der teil, der nische blieb

Das Programm brachte auch Hardware hervor. Perso, gezeigt auf der CES 2020, war ein Gerät für den Heimgebrauch, das personalisierte Skincare- und Lippenstift-Formeln mischte, und es kam als YSL Rouge Sur Mesure zu einem Premium-Preis auf den Markt. Vergleichen Sie seine Reichweite mit dem Try-on-Modul, das überall auftauchte, wo L'Oréal oder ein Handelspartner eine Seite hatte. Software-Personalisierung skaliert bei nahezu null Grenzkosten; dieselbe Intelligenz als Gerät ausgedrückt erbt eine Stückliste, Kartuschenlogistik, Firmware-Support und eine Rückgaberegelung für Elektronik. Beides waren echte Deployments derselben Modelle. Nur eines davon skalierte, und der Unterschied hatte nichts mit Modellqualität zu tun.

CMO action items

• Wählen Sie einen ersten Use Case, bei dem ein externer Experte den Output bewerten kann, so wie die Bewertung durch Dermatologen die Vichy-Diagnostik verankerte. Wenn niemand sagen kann, ob eine Prognose richtig war, streiten Sie ein Jahr über Dashboards.
• Schreiben Sie vor jedem Piloten auf, was Sie tun, wenn das Modell für eine Kundengruppe messbar schlechter ist als für eine andere. Abdeckungslücken zeigen sich in Beauty als falsche Farbtöne; bei Kredit oder Versicherung zeigen sie sich als etwas, das ein Regulierer liest.
• Halten Sie fest, welche Ihrer KI-gestützten Oberflächen Sie kontrollieren und welche bei einem Händler oder einer Plattform liegen. Verhandeln Sie die Signalrückgabe im Partnervertrag, nicht nach dem Launch.
• Rechnen Sie die Volumen-Arithmetik gegen einen Build-versus-Buy-Vergleich. Modelle selbst zu besitzen ist bei L'Oréals Traffic und Katalogtiefe sinnvoll; unterhalb einer bestimmten Schwelle ist es ein Vanity-Projekt mit Lohnkosten.

Häufige fehler, die ergebnisse zerstören

• Dem Board Vergleiche zwischen engagierten Nutzern und allen anderen zu berichten. Selbstselektion liefert Ihnen eine 3x-Conversion-Zahl, die Sie unter einem Holdout nicht reproduzieren können, und Sie merken es erst, wenn jemand das Modell um eine Prognose für das nächste Quartal bittet.
• Auf die falsche Bilanzzeile optimieren. Ein auf Conversion getrimmter Recommender verkauft bereitwillig zweimal den falschen Farbton und produziert eine Retoure, eine Abschreibung und einen Kunden, der der Diagnostik nicht mehr traut. Setzen Sie das Ziel gegen den Contribution Margin nach Retouren.
• Consent als juristisches Häkchen behandeln statt als Dateninput. Eine Population, die Consent verweigert, ist ein Loch in Ihrem Trainingsset, nicht nur eine verpasste Session, und in biometriknahen Kategorien kann es ein großes sein.
• Annehmen, dass es im nächsten Markt hält, weil der Pilot in einem Markt funktioniert hat. Kamerahardware, Lichtverhältnisse, Hauttonverteilung, Claim-Regeln und Consent-Regime ändern sich alle an der Grenze, und jedes davon berührt das Modell.