KI & ML im Marketing: Anwendung in der Praxis

2018 kaufte L'Oréal ModiFace, das Torontoer Unternehmen, dessen Augmented-Reality-Try-on auf der Vermessung der Gesichtsgeometrie beruhte und nicht auf statischen Farbtabellen. Dieser Kauf war die Entscheidung, die Modellebene selbst zu besitzen statt sie von einer Agentur oder einer Plattform zu mieten. Verfolgt man das Programm von den ersten Diagnostiken bis zu dem Assistenten, den L'Oréal auf der CES 2024 zeigte, ergibt sich ein ungewöhnlich vollständiges 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 gebaut und später zusammengefügt. Eine Diagnostik, die ein Selfie liest und Haut- oder Haarsignale zurückgibt. Ein Try-on-Renderer, der einen Farbton auf ein Live-Gesicht legt. Ein Recommender, der diese Ergebnisse plus Kaufhistorie auf konkrete SKUs abbildet. Alles davon sitzt auf Profilen mit Consent, wie sie die Lektion zu den CDPCDPA Customer Data Platform unifies customer data from all sources into persistent, actionable profiles that other systems can use.Vollständige Definition ansehen →-Grundlagen beschreibt, und jede Marke betreibt ihre eigene Version, abgestimmt auf ihren Katalog, denn das dermatologische Sortiment von Vichy und das Massen-Farbsortiment von Maybelline sind nicht dasselbe Empfehlungsproblem. Auf Konzernmaßstab (36 Marken, rund 150 Länder, 41,2 Milliarden Euro Umsatz 2023) bedeutet das Dutzende Systeme in Produktion, nicht eines.

WICHTIGES TEILKONZEPT 1: DER PILOT WAR EINE DIAGNOSTIK, KEINE KAMPAGNE

L'Oréal begann nicht mit einem personalisierten E-Mail-Programm. Der Anfang war 2019 Vichy SkinConsult AI, eine mit Dermatologen entwickelte 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 Bildsets liefern gelabelte Ground Truth, die fast kein Marketing-Datensatz hat. Das Ziel war eng gefasst, das Ergebnis war gegen einen Kliniker prüfbar, und es gab genau einen FunnelFunnelThe customer journey from awareness to purchase, typically Awareness, Interest, Consideration, Decision, Action, with prospects narrowing at each stage.Vollständige Definition ansehen →-Schritt zu beobachten: Diagnoseergebnis zu Warenkorb. Wenn der Pilot unter den Erwartungen blieb, wusste man, ob es an der Bewertung oder am Produkt-Mapping lag. Ein Pilot zu offenem „personalisierten Content“ gibt Ihnen keines von beidem.

WICHTIGES TEILKONZEPT 2: WAS ZWISCHEN PILOT UND ROLLOUT BRACH

Vier Dinge, etwa in dieser Reihenfolge.

Abdeckung des Trainingsdatensatzes. Beauty-KI, die überwiegend auf gut ausgeleuchteten Bildern hellerer Hauttöne trainiert ist, verliert an den Extremen des Farbtonspektrums an Genauigkeit, und die Extreme sind genau dort, wo nicht passendes Foundation zurückgeschickt wird. Das zu beheben ist ein Datenbeschaffungsprojekt mit einer Kostenzeile, keine Übung im Modell-Tuning.

Kameravarianz. Der automatische Weißabgleich eines Smartphones schreibt die Farbe des Inputs um. Eine Diagnostik, die im Studio genau und bei KKThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →üchenlicht instabil ist, produziert für dasselbe Gesicht an zwei aufeinanderfolgenden Abenden unterschiedliche Empfehlungen, und Konsumenten merken das.

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

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

WICHTIGES TEILKONZEPT 3: WAS GEMESSEN WURDE UND DER VERGLEICH, DER LÜGT

Die verlockende Zahl ist die Conversion RateConversion RateThe percentage of visitors or prospects who complete a desired action (purchase, sign-up, contact form), calculated as conversions divided by total opportunities.Vollständige Definition ansehen → unter Try-on-Nutzern gegenüber allen anderen. Sie ist immer spektakulär und nahezu bedeutungslos: Wer ein Try-on-Modul öffnet, ist in der Entscheidung schon weit. Jede ehrliche Auswertung muss den Zugang zum Modul randomisieren oder Regionen als Holdout ausnehmen, mit der Disziplin, die die Lektion zu den Frameworks für Uplift beschreibt.

Die Zeile, die im Beautygeschäft zählt, sind Retouren. Kosmetikretouren sind nach dem Öffnen häufig nicht mehr verkäuflich, ein zurückgesandtes Foundation trägt also die Kosten der Rückwärtslogistik plus die vollständige Abschreibung der Einheit. In einer Kategorie, in der die Online-Retourenquoten zweistellig liegen, sind zwei Punkte weniger Retouren durch besseres Shade-Matching meist mehr Marge wert als zwei Punkte Conversion, und die Zuordnung ist leichter, weil SKU und Retourengrund beide erfasst sind. Daneben verfolgen Sie die Consent-Opt-in-Rate pro Markt, die Genauigkeit pro Hautton-Dezil statt aggregiert, und das Wiederkaufintervall für diagnostizierte Kunden.

WICHTIGES TEILKONZEPT 4: DIE GENERATIVE EBENE KAM OBEN DRAUF

Auf der CES 2024 präsentierte L'Oréal Beauty Genius, einen generativen Assistenten, der Beautyfragen im Freitext beantwortet und zu Produkten weiterleitet. Das verändert das Risikoprofil, nicht die Installation. Ein Recommender kann nur aus einem Katalog wählen; ein Assistent schreibt Sätze, und ein Satz über Akne, Haarausfall oder Ekzeme kann in der EU und den USA in reguliertes Claim-Terrain geraten. Die Governance-Frage gehört zur Lektion zum CMO-Playbook. Der kommerzielle Vorteil ist stiller: Freitext-Anfragen sind eine bessere Absichtserklärung als jeder Clickstream, was das Log des Assistenten zum wertvollsten First-Party-Datensatz des Konzerns macht, und gleichzeitig zu dem mit der kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →ürzesten juristischen Zündschnur, wenn Aufbewahrung und Consent schlampig gehandhabt werden.

PRAXISFALL: DIE ROLLOUT-ARITHMETIK

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

PRAXISFALL: DER TEIL, DER NISCHE BLIEB

Das Programm produzierte auch Hardware. Perso, gezeigt auf der CES 2020, war ein Gerät für Zuhause, das personalisierte Skincare- und Lippenstiftformeln mischte, und es kam als YSL Rouge Sur Mesure zu einem Premiumpreis 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 mit nahezu null Grenzkosten; dieselbe Intelligenz, ausgedrückt als Gerät, 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 der Modellqualität zu tun.

CMO ACTION ITEMS

• Wählen Sie einen ersten Use Case, bei dem ein externer Experte das Ergebnis bewerten kann, so wie die dermatologische Bewertung die Vichy-Diagnostik verankert hat. 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 im Beautybereich als falsche Farbtöne; bei Kredit oder Versicherung zeigen sie sich als etwas, das ein Regulierer liest.
• Kartieren Sie, welche Ihrer KI-gestützten Flächen Sie kontrollieren und welche bei einem Händler oder einer Plattform liegen. Verhandeln Sie die Rückgabe der Signale im Partnerschaftsvertrag, nicht nach dem Launch.
• Rechnen Sie die Volumen-Arithmetik gegen einen Build-versus-Buy-Vergleich. Eigene Modelle sind bei L'Oréals Traffic und Katalogtiefe sinnvoll; unterhalb einer bestimmten Schwelle ist es ein Prestigeprojekt mit Personalkosten.

HÄUFIGE FEHLER, DIE ERGEBNISSE ZERSTÖREN

• Dem Board Vergleiche zwischen engagierten Nutzern und allen anderen berichten. Selbstselektion liefert Ihnen eine 3x-Conversion-Zahl, die Sie unter einem Holdout nicht reproduzieren kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen, 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 erzeugt damit eine Retoure, eine Abschreibung und einen Kunden, der der Diagnostik nicht mehr vertraut. Setzen Sie das Ziel gegen den Contribution Margin nach Retouren.
• Consent als juristisches Häkchen behandeln statt als Dateninput. Eine Population mit abgelehntem Consent ist ein Loch in Ihrem Trainingsdatensatz, nicht nur eine verpasste Session, und in biometriknahen Kategorien kann es ein großes sein.
• Annehmen, dass etwas, das im Piloten in einem Markt funktioniert hat, im nächsten hält. Kamerahardware, Beleuchtung, Hauttonverteilung, Claim-Regeln und Consent-Regime ändern sich alle an der Grenze, und jedes davon betrifft das Modell.