E-Commerce-Unternehmen sollten darauf achten, dass die FTC auf falsche KI-Behauptungen abzielt

Aug 16, 2023

Im Zuge der explosionsartigen Beliebtheit von OpenAI scheint jedes andere E-Commerce- und Marketingtechnologieunternehmen mit dem Anspruch auf den Markt zu kommen, über eine Lösung für künstliche Intelligenz zu verfügen. Aber die Federal Trade Commission hat Opportunisten darauf aufmerksam gemacht, indem sie letzten Monat in einem Blogbeitrag schrieb, dass „falsche oder unbegründete Behauptungen über die Wirksamkeit eines Produkts unser Brot und Butter“ sind.

E-Commerce-Unternehmen, die eine auf KI und maschinellem Lernen basierende Lösung einführen möchten, sollten dies zur Kenntnis nehmen. Weil genau diese Technologien für so viele Unternehmen attraktiv sind, verfolgt die FTC falsche und übertriebene Behauptungen über KI und maschinelles Lernen. Für Unternehmen, die schnell skalieren und hochkomplexe technische Probleme wie die Optimierung von Vertriebsnetzwerken und die Analyse riesiger Datenmengen bewältigen möchten, sind KI und ML vielversprechend.

Aber wie trennen E-Commerce-Unternehmen nach dem Vorbild der FTC Fakten von Fiktionen? Sie können damit beginnen, sich über die Arten von Ansprüchen zu informieren, die die FTC untersuchen will, über die etablierten Anwendungsfälle für KI und ML im E-Commerce und darüber, wie sie diese Technologien sicher bewerten können, um festzustellen, welche von ihnen für ihr Unternehmen von Vorteil sind und welche gefälscht sind.

Der Blogbeitrag der FTC legt vier Kriterien fest, anhand derer die Behörde KI- und ML-Ansprüche prüfen wird:

Werbung

Die Kosten für Werbetreibende, die in diesem Bereich falsche Behauptungen aufstellen, sind enorm. Beispiele deuten darauf hin, dass Verstöße mit Geldstrafen in sechs- oder siebenstelliger Höhe geahndet werden können. Aber auch die Kosten für E-Commerce-Unternehmen sollten nicht auf die leichte Schulter genommen werden. In Zeiten des Abschwungs und hoher bezahlter Werbekosten können E-Commerce-Marken kein Geld für digitales Schlangenöl sparen.

Was sind einige der etablierten Anwendungsfälle für KI und ML im E-Commerce?

Maschinelles Lernen spielt schon seit einiger Zeit eine Rolle bei der Verbesserung der Erfahrungen von E-Commerce-Marken und -Kunden. Es hat den Verbrauchern durch personalisierte Empfehlungen und automatisierten Kundenservice geholfen, und E-Commerce-Shop-Besitzer konnten ihre Arbeitsbelastung durch Angebots- und Nachfragemanagement, Betrugserkennung und Abwanderungsvorhersage optimieren.

Vor KI und maschinellem Lernen erfolgten heute gängige Praktiken wie die dynamische Preisgestaltung weitgehend manuell. Früher basierte die dynamische Preisgestaltung ausschließlich auf historischen Daten und Intuition, was zeitaufwändig und unzuverlässig sein konnte. Aber KI und ML ermöglichen es Marken, große Datenmengen in Echtzeit zu analysieren, wie etwa Wettbewerbspreise, Lieferkettenkosten und Kundennachfragemuster. Diese schnelle, skalierbare Datenanalyse, die bisher nicht möglich war, treibt Innovationen in einer Reihe von E-Commerce-kritischen Funktionen voran, nicht nur in der Preisgestaltung.

Eine der nächsten Herausforderungen beim Einsatz von KI und ML durch E-Commerce-Unternehmen ist die Marketingattribution. Durch maschinelles Lernen können Vermarkter die Customer Journey, Conversion und Retention besser analysieren und verstehen. Angesichts der Menge an Daten, die von Attributionsplattformen gesammelt werden, und des Zeitaufwands, der für deren effektive Analyse und Verständnis erforderlich ist, sind KI und ML von entscheidender Bedeutung, um das volle Potenzial der Marketing-Attribution auszuschöpfen.

Wenn ein Marketing-Attributionstool keine KI und ML verwendet, sind aller Wahrscheinlichkeit nach mehrere Tage vergangen, bis Marketingspezialisten sich die Zeit und die Schritte genommen haben, um die riesige Menge an Daten zu analysieren, die jeden Tag gesammelt werden – was den Überblick erleichtert bisher nahezu unmöglich. Maschinelles Lernen hilft Vermarktern bei der Bewältigung dieser Aufgabe, indem es ein Attributionsmodell erstellt, das das Benutzerverhalten auf ihren E-Commerce-Websites widerspiegelt.

Eine weitere Anwendung von ML im E-Commerce ist die Mustererkennung. Auch hier bedeuten mehr Daten mehr Ressourcen, um sie richtig zu verstehen. Aber ML erledigt die schwere Arbeit, indem es die relevanten Zahlen effizient ermittelt. Das bedeutet, dass E-Commerce-Websitebesitzer bei der Optimierung von Marketing- und Kundenerlebnisstrategien die aktuellsten Kennzahlen verwenden und die Ansätze hinter sich lassen, die einfach nicht ausreichen.

Für E-Commerce-Marken bedeutet der Schutz ihrer Kunden und ihres Rufs, sich vor jedem zu schützen, der Technologien mit vermeintlichen Fähigkeiten anpreist, die einer genaueren Betrachtung durch Kunden, Investoren oder Regierungsbehörden nicht standhalten.

Wenn es um die Bewertung von Attributionstechnologien geht, die Marketingwunder versprechen, gibt es eine gute Faustregel: Wenn es zu schön klingt, um wahr zu sein, ist es das wahrscheinlich auch.

E-Commerce-Unternehmen sollten diese Behauptungen sorgfältig angehen, indem sie die folgenden Schritte unternehmen und die entsprechenden Fragen stellen:

1. Verstehen Sie die Technologie: Wie funktioniert die Technologie? Welche Daten werden verwendet? Auf welche Algorithmen basiert es? Was sind seine Einschränkungen oder Nachteile?

2. Berücksichtigen Sie den Ruf des Anbieters: Welchen Ruf haben sie in den relevanten Märkten? Liegen frühere Verstöße, Klagen oder glaubwürdige Beschwerden vor?

3. Fordern Sie Fallstudien an: Kann der Anbieter Kundenerfolgsgeschichten oder Erfahrungsberichte bereitstellen? Welche Technologie wurde in diesen Fallstudien verwendet und wie sehr ähnelt sie der verkauften Technologie? Welche Ergebnisse wurden erzielt?

4. Testen Sie die Technologie: Kann die Technologie anhand der eigenen Daten des Verkäufers in einem realen Szenario getestet werden? Wird der Evaluierungszeitraum lang genug sein? Welche Art von Unterstützung wird während des Evaluierungszeitraums angeboten?

E-Commerce-Marken sollten die Bedenken der FTC teilen, aber KI und ML, richtig implementiert, bieten Vermarktern sehr erhebliche Vorteile, die nicht ignoriert werden sollten. Richtlinien entstehen, wenn Probleme auftreten, und diese Art von Problemen ist in den frühen Phasen des Booms einer Branche oder Technologie zu erwarten. Aber sich vor falschen oder übertriebenen Behauptungen zu schützen, kann genauso einfach sein, indem man das tut, was die FTC tut: genauer hinschauen.

Phil Dubois ist CEO und Mitbegründer von AdAmplify, einem Anbieter der nächsten Generation von Marketing-Attributionssoftware. Die von Online-Shops eingesetzte Software von AdAmplify zeigt, welche Kanäle und Kampagnen funktionieren, welche nicht und wo Wachstumschancen bestehen. Angetrieben durch maschinelles Lernen (ML) hebt Dimensions Trends hervor, interpretiert Ergebnisse und prognostiziert das zukünftige Umsatzpotenzial der Marketingkanäle eines Geschäfts.

Senden Sie eine Executive ViewPoints.

Werbung