Für Velgrinas US-Store habe ich einen Streaming-Produkt-Hilfe-Chat entwickelt, der von GPT-4o-mini unterstützt wird. Es war eines von zwei produktiven KI-Features im Projekt, neben einer separaten Küchenvisualisierungsfunktion. Der Chat sprach ein spezifisches Produktbedürfnis an: Er half einem Besucher, Fragen zu stellen, während er Küchenutensilien in Betracht zog.
Der Kontext ist wichtig. Ein Einkaufsassistent ist Teil einer Entscheidung, die zu einer Bestellung führen kann. Der Maßstab für eine nützliche Interaktion ist, ob der Besucher relevante, verständliche Anleitung mit einem klaren nächsten Schritt erhält.
Produktfragen enthalten verschiedene Arten von Unsicherheit
Einige Fragen sind beschreibend: woraus ein Produkt besteht, wie es verwendet wird oder wie sich zwei Optionen unterscheiden. Andere hängen von Informationen ab, die sich ändern, wie z.B. Lagerbestand oder Lieferverfügbarkeit. Eine dritte Gruppe hängt von den Umständen des Kunden ab, einschließlich des verfügbaren Platzes oder des Artikels, den sie zusammen mit ihm verwenden möchten.
Ich verwende diese Unterscheidung beim Entwerfen und Überprüfen von Produktunterstützung. Eine Materialbeschreibung kann mit dem Kataloginhalt abgeglichen werden. Ein Lieferversprechen benötigt eine aktuelle betriebliche Quelle. Eine Frage zur Passform kann eine Messung vom Kunden erfordern, bevor eine Empfehlung nützlich ist.
Zum Beispiel ist „Passt das zu meinem Waschbecken?“ unvollständig, ohne zu wissen, welches Produkt und welches Waschbecken gemeint ist. Eine relevante Folgefrage zu stellen, ist besser, als eine selbstbewusste Antwort nur aus dem Produktnamen abzuleiten. Dies ist ein Gestaltungsprinzip für Handelsunterstützung, nicht die Behauptung, dass ein Sprachmodell physische Abmessungen aus einer vagen Nachricht ableiten kann.
Streaming verändert die Interaktion
Der implementierte Chat streamt seine Antwort. Das gibt der Benutzeroberfläche die Möglichkeit, Fortschritte anzuzeigen, während der Text generiert wird, anstatt auf eine vollständige Antwort zu warten, bevor der Bildschirm gewechselt wird. Es schafft auch zusätzliche Zustände, die Aufmerksamkeit verdienen.
Eine Bewertung sollte zwischen einer akzeptierten Anfrage, dem Eintreffen einer Antwort, dem Abschluss einer Antwort und dem vorzeitigen Stoppen einer Antwort unterscheiden. Wenn die Verbindung mitten in einem Satz endet, sollte die Benutzeroberfläche dieses Fragment nicht stillschweigend als abgeschlossene Empfehlung präsentieren.
Der Kunde benötigt auch eine verständliche Möglichkeit zur Wiederherstellung. Das Wiederholen einer Frage, das Wählen eines anderen Produkts oder das Zurückkehren zur Produktseite sollte weiterhin möglich sein. Der Wert einer konversationalen Schnittstelle sinkt schnell, wenn sie die Einkaufserfahrung unterbricht, wenn etwas schiefgeht.
Eine nützliche Antwort braucht einen Ort, an den sie gehen kann.
Produktunterstützung funktioniert am besten, wenn sie mit der gewöhnlichen Navigation des Shops verbunden bleibt. Ein Besucher möchte möglicherweise die Spezifikationen überprüfen, eine Option vergleichen, Bilder ansehen oder zu einer Produktseite weitergehen. Das Gespräch sollte ihnen helfen, diese Ressourcen zu erreichen, anstatt ein separates Ziel mit einer eigenen Version der Produktwahrheit zu werden.
So denke ich auch über den Umfang. Ein Assistent kann eine verfügbare Spezifikation erklären, ohne eine Eignungsgarantie abzugeben. Er kann auf Informationen hinweisen, ohne eine Richtlinie zu erfinden. Wenn das notwendige Detail nicht verfügbar ist, ist es ein nützlicher Ausgang, zu sagen, was fehlt.
Diese Grenzen sind besonders relevant für KI-Funktionen, die neben Produktfotografie platziert sind. Visuelles Vertrauen und fließende Sprache können eine Antwort autoritärer erscheinen lassen, als es die Beweise unterstützen. Die Produkterfahrung sollte Unsicherheit in einfacher Sprache verständlich machen.
Überprüfen Sie die Einkaufsaufgabe
Meine Bewertungscheckliste für diese Art von Funktion beginnt mit tatsächlichen Besucheraufgaben: die Wahl zwischen zwei Artikeln, das Verständnis eines Materials, die Überprüfung einer Dimension und die Wiederherstellung von einer unklaren Antwort. Ich schließe auch nicht verwandte Fragen und Informationsanfragen ein, die der Shop nicht bereitstellt.
Diese Fälle bieten eine nützlichere Bewertung, als zu fragen, ob der Assistent freundlich klingt. Sie zeigen auf, wo die Benutzeroberfläche Klarheit benötigt, wo die Kataloginformationen unzureichend sind und wo der Assistent jemanden zurück zu einer autoritativen Seite schicken sollte.
Die Velgrina-Implementierung bot mir eine weitere praktische KI-Integration über eine eigenständige Chat-Demo hinaus. Sie integrierte die Generierung in ein bestehendes Einkaufserlebnis, bei dem das Antwortverhalten, die Navigation und die Produktinformationen alle beeinflussen, ob die Funktion nützlich ist. Eine erfolgreiche Antwort sollte dem Besucher helfen, eine besser informierte Entscheidung zu treffen, wobei die Grenzen dieser Antwort intakt bleiben.
Aktualisiert am 26. September 2026.