Wenn der Kunde
ein Bot ist.

Stellen Sie sich den nächsten Kunden vor, der Sie nachschlägt. Er liest jedes Wort auf Ihrer Seite in einer Sekunde, vergleicht Sie mit neun Wettbewerbern und wird nie müde oder gelangweilt. Und er ist, so legt die Forschung nahe, erstaunlich leicht zu beeinflussen.

KI-Agenten, also Software, die im Auftrag von Menschen sucht, vergleicht und bucht oder kauft, wandern gerade aus Demos in den Alltag. Adobe verzeichnete im Weihnachtsgeschäft einen Anstieg um 693,4 % beim Traffic von KI-Tools auf US-Händlerseiten gegenüber dem Vorjahr und erwartet, dass sich dieser Traffic in der kommenden Saison erneut mehr als verdoppelt. Die Basis ist noch klein. Die Richtung nicht.

Wie also entscheiden diese neuen Kunden? Eine Welle neuer Studien unterzieht KI-Shopper kontrollierten Experimenten, und die Ergebnisse gehen alle an, die etwas verkaufen.

Ein Käufer mit übersteigerten Instinkten

Forschende von MIT und Dartmouth bauten einen realistischen Onlineshop und schickten 17 KI-Modelle darin einkaufen. Dabei änderten sie jeweils nur eine Sache: den Preis, die Sternebewertung, die Reihenfolge der Produkte, eine Zeile Werbetext.

Hatte eines von zwei vergleichbaren Produkten die bessere Bewertung, wählten 14 der 17 Modelle es um 30 bis 80 Prozentpunkte häufiger. Menschen, denen dieselbe Auswahl gezeigt wurde, ließen sich um etwa 5 Punkte bewegen. Eine einzige Zeile wie „Dieses Produkt ist ein Bestseller!“ oder „1 kaufen, 1 gratis“ verschob die Entscheidungen der Agenten um 10 bis 60 Punkte, selbst bei gleichen Bewertungen und Preisen.

Die Forschenden nennen die Agenten „stark voreingenommene Entscheider“. Sie reagieren auf dieselben Signale wie wir, nur viel heftiger. Für ein Unternehmen hat das zwei Seiten. Ihre Bewertungen und die nackten Fakten auf Ihrer Seite zählen bei einem Bot mehr als bei einem Menschen, die Ihrer Wettbewerber aber auch.

Die erste Antwort gewinnt

Microsoft Research ging noch weiter und baute einen ganzen simulierten Markt, in dem KI-Kunden nach mexikanischen Restaurants und Handwerksbetrieben suchten und KI-Unternehmen um sie konkurrierten. Jedes getestete Modell zeigte dieselbe Gewohnheit: Es nahm das erste Angebot. Erste Vorschläge wurden in 60 % bis 100 % der Fälle gewählt, und das Unternehmen, das zuerst antwortete, wurde 10- bis 30-mal so oft ausgewählt wie das, das als drittes antwortete. Geschwindigkeit, nicht Qualität, entschied über den Sieg.

Mehr Auswahl half nicht. Bei manchen Modellen wurden die Entscheidungen des Kundenagenten deutlich schlechter statt besser, wenn er viel mehr Optionen sah. Die gute Nachricht: Die leistungsfähigsten Modelle ließen die von den Forschenden eingebauten Manipulationen, von gefälschten Qualifikationen bis zu psychologischem Druck, meist an sich abprallen, während ältere und kleinere Modelle darauf hereinfielen.

Eine gefälschte Seite reicht

KI-Einkaufsassistenten stützen sich auf das Web, und das Web lässt sich verunreinigen. Forschende der Chinese University of Hong Kong und der EPFL schrieben einige der Seiten um, die ein KI-Empfehlungssystem abruft, machten so aus einem echten Produkt ein gefälschtes und zählten, wie oft die KI die Fälschung empfahl.

Jedes der 12 getesteten Modelle war anfällig. Eine einzige manipulierte Seite brachte die Fälschung in bis zu 27 % der Fälle in die Empfehlungen. Wurden die drei obersten Seiten manipuliert, stieg der Wert auf 73,8 %. Gastronomie war bei zwei Dritteln der Modelle die am leichtesten zu täuschende Kategorie, und bei 74 % der Suchen war eine Seite, die jeder schreiben kann, etwa ein Forenbeitrag oder ein Blog, unter den drei wichtigsten Quellen. Gründlicheres Nachdenken half nicht. Modelle, die Schritt für Schritt argumentierten, erfanden oft Social Proof, um die Fälschung zu rechtfertigen.

Wenn der Assistent einen Sponsor hat

Dann ist da noch die Frage, auf wessen Seite der Agent steht. Forschende aus Princeton und von der University of Washington testeten 23 KI-Modelle in Situationen, in denen das Produkt eines Sponsors teurer, ansonsten aber gleich war. Alle bis auf fünf empfahlen die teurere gesponserte Option in mehr als der Hälfte der Fälle. Eines empfahl in 83 % der Fälle ein gesponsertes Produkt, das fast doppelt so teuer war. Ein anderes schob in 94 % der Fälle gesponserte Optionen in einen bereits laufenden Kauf. Wie oft sie das taten, hing davon ab, wie wohlhabend der Nutzer wirkte.

Wenn KI-Assistenten Werbung einführen, könnte eine Empfehlung teilweise zu etwas werden, wofür man bezahlt, so wie es bei Suchergebnissen geschehen ist.

Händler schreiben bereits für Maschinen

Manche Händler haben das bemerkt, ob absichtlich oder nicht. Ökonomen von Chicago Booth analysierten mehr als sechs Millionen Etsy-Angebote und stellten fest, dass die Angebote nach dem Start von ChatGPT deutlich mehr von den Informationen enthielten, anhand derer KI-Agenten entscheiden, was sie anzeigen: 0,143 Bit von maximal möglichen 0,355. Eine Studie mit Menschen ergab kaum oder gar keine Veränderung bei dem, was Menschen aus denselben Angeboten mitnahmen. Händler schreiben für Maschinen um, ohne es für Menschen schlechter zu machen.

So werden Sie vom Bot ausgewählt

• Antworten Sie zuerst. In Microsofts Markt gewann das erste Angebot in 60 % bis 100 % der Fälle. Mit Onlinebuchung, Sofortangeboten und Live-Verfügbarkeit bekommt ein Agent in Sekunden ein Ja von Ihnen.
• Behandeln Sie Bewertungen als Ranking-Signal. Agenten gewichten Sternebewertungen viel stärker als Menschen. Sorgen Sie für einen stetigen Strom echter Bewertungen und zeigen Sie Bewertungen, Preise und wichtige Konditionen als Text auf Ihren Seiten.
• Sagen Sie es klar, und sagen Sie alles. Was Sie verkaufen, was es kostet, wo Sie tätig sind, wann Sie geöffnet haben, was vorrätig ist. Agenten erstellen ihre Shortlist anhand von Fakten, die sie lesen können. Machen Sie zutreffende Angaben wie Auszeichnungen explizit, und täuschen Sie sie nie vor.
• Achten Sie darauf, was andere über Sie sagen. Eine einzige manipulierte Seite kann eine KI in die Irre führen. Fragen Sie die wichtigsten Assistenten regelmäßig nach Ihrem Unternehmen, und melden Sie gefälschte Seiten und Bewertungen.
• Rechnen Sie mit gesponserten Antworten. Wenn Assistenten Werbung einführen, entscheiden Sie bewusst, ob Sie einsteigen, und behalten Sie im Blick, wie Sie beschrieben werden, wenn Sie es nicht tun.
• Klein anfangen, früh handeln. Zugriffe über KI sind noch ein kleiner Kanal, der schnell wächst. Erfassen Sie sie separat, und gehen Sie voran, wenn Ihre Kunden recherchieren, bevor sie kaufen, was Sie verkaufen.

Agenten werden Ihre Kunden nicht ersetzen, aber sie werden sich zunehmend zwischen Sie und Ihre Kunden schieben. Empfehlen wird eine Maschine die Unternehmen, die sie leicht lesen, denen sie vertrauen und die sie erreichen kann. Genau das bauen unsere Teams für Webdesign und KI-Suchoptimierung. Wenn Sie einen klaren Plan möchten, buchen Sie ein Strategiegespräch.

Die Studien

Jede Zahl in diesem Beitrag stammt aus einer dieser Quellen. Arbeitspapiere, Berichte und Branchendaten sind gekennzeichnet, weil sie nicht von anderen Forschenden begutachtet wurden.

1. KI-Shopper im Weihnachtsgeschäft Von Adobe Digital Insights Adobe · Adobe Newsroom · Branchendaten Studie lesen (öffnet in einem neuen Tab)
2. Die Prognose für die kommende Weihnachtssaison Von Adobe Digital Insights Adobe · Adobe Newsroom · Branchendaten Studie lesen (öffnet in einem neuen Tab)
3. Wie KI-Shopper auf Bewertungen, Preise und Nudges reagieren Von Manuel Cherep, Chengtian Ma u. a. MIT, Tsinghua University und Dartmouth · ICLR Studie lesen (öffnet in einem neuen Tab)
4. Ein simulierter Markt aus KI-Käufern und -Verkäufern Von Gagan Bansal, Wenyue Hua u. a. Microsoft Research und Arizona State University · arXiv · Technischer Bericht Studie lesen (öffnet in einem neuen Tab)
5. Chatbots, Sponsoren und Interessenkonflikte Von Addison J. Wu, Ryan Liu u. a. Princeton University und University of Washington · COLM Studie lesen (öffnet in einem neuen Tab)
6. Wie eine gefälschte Seite KI-Empfehlungssysteme in die Irre führt Von Minghao Luo und Liang Chen The Chinese University of Hong Kong und EPFL · Findings of EMNLP Studie lesen (öffnet in einem neuen Tab)
7. Händler schreiben bereits für Maschinen Von Giulio Frey und Kawin Ethayarajh University of Chicago Booth School of Business · arXiv · Arbeitspapier Studie lesen (öffnet in einem neuen Tab)