Die letzte Blackbox im stationären Handel: Was Verkaufsgespräche über Kunden verraten

Artikel von Maarten Goossens
veröffentlicht via Springer Professionals 

Während Onlinehändler jeden Klick analysieren, bleibt im stationären Handel der wichtigste Moment oft unsichtbar: das Verkaufsgespräch. Gen AI macht diese bislang ungenutzte Informationsquelle erstmals sichtbar und systematisch nutzbar. Springer-Professional-Gastautor Maarten Goossens beleuchtet die Chancen.

Verkaufsgespräche bestehen aus unstrukturierten Informationen, wie Fragen und Einwänden bis hin zu spontanen Reaktionen. Anders als Verkaufszahlen oder Website-Klicks lassen sich diese Inhalte nicht ohne Weiteres erfassen und auswerten. Entsprechend greifen Unternehmen bis heute auf indirekte Methoden wie Kundenbefragungen oder Mystery Shopping zurück. Diese liefen zwar wertvolle Hinweise, sind jedoch aufwendig, teuer und nur bedingt repräsentativ. 

Von Interaktion zu Insights

Werden Verkaufsgespräche systematisch erfasst und ausgewertet, entsteht erstmals Transparenz darüber, was auf der Verkaufsfläche tatsächlich passiert. So erkennen Unternehmen anhand realer Interaktionen,

• an welchen Stellen Kunden abspringen,
• welche Fragen und Einwände häufig auftreten und
• welche Argumente oder Produktmerkmale Kaufentscheidungen beeinflussen.

Welche Schlüsse sich aus Gesprächsdaten ziehen lassen

Besonders wertvoll ist der Blick auf die Gespräche, die nicht zum Kauf führen. Während klassische Vertriebskennzahlen in erster Linie erfolgreiche Abschlüsse abbilden, liefern diese sogenannten "Voice-to-Value"-Daten, die durch GenAI und Conversational AI entstehen, auch Erkenntnisse über verlorene Verkaufschancen. Unternehmen verstehen dadurch besser, warum Kunden sich gegen ein Angebot entscheiden und wo Prozesse, Beratung oder Produktkommunikation verbessert werden können.

Der eigentliche Mehrwert liegt jedoch in der Kombination aus Breite, Tiefe und Geschwindigkeit der gewonnenen Erkenntnisse. Aus tausenden Kundeninteraktionen entsteht eine kontinuierlich wachsende Datengrundlage, die für unterschiedlichste Anwendungsfälle genutzt werden kann. Das reicht von Trainings und Prozessoptimierungen bis zur Weiterentwicklung von Produkten und Services. Diese Einblicke sind deutlich granularer als klassische Kennzahlen und stehen nahezu in Echtzeit zur Verfügung.

Von der Analyse zum Lernkreislauf

Analysedaten, die durch Voice-to-Value erhoben werden, können also direkt in konkrete Verbesserungen übersetzt werden. Zeigt die Analyse beispielsweise, dass Kunden bei einem Produkt regelmäßig dieselben Einwände äußern oder wichtige Zusatzleistungen nicht ausreichend verstehen, lassen sich Trainings gezielt anpassen. Gleichzeitig können erfolgreiche Gesprächsverläufe als Best Practices identifiziert und skaliert werden.

Auf Basis solcher Muster können KI-gestützte Coaches entstehen, die Mitarbeiter trainieren und im Arbeitsalltag unterstützen. Hat ein Kunde eine Frage, kann das System Empfehlungen geben, welche Argumentation in vergleichbaren Situationen besonders häufig zum Abschluss geführt hat. So entsteht ein geschlossener Lernkreislauf: Reale Interaktionen liefern Erkenntnisse, die unmittelbar in Trainings, Coaching und Prozessoptimierungen einfließen.

Voice-to-Value braucht klare Regeln

Die Potenziale sind groß, doch entscheidend für den erfolgreichen Einsatz ist vor allem der verantwortungsvolle Umgang mit den Daten. Kundengespräche enthalten personenbezogene Informationen und sensible Kontextdaten. Wer diese analysieren möchte, muss bei Kunden ebenso wie bei Mitarbeitern Vertrauen schaffen. Dafür braucht es Transparenz darüber, welche Daten erhoben, wie sie verarbeitet werden und welchen konkreten Zweck die Analyse verfolgt. Das alles muss gemäß aktuellen Verordnungen wie dem EU AI Act und der DSGVO erfolgen.

Moderne Lösungen tragen dem Rechnung: Audioaufnahmen werden ausschließlich für die Transkription genutzt und anschließend gelöscht. Personenbezogene Informationen werden automatisiert entfernt oder pseudonymisiert, bevor die Analyse beginnt. Ausgewertet werden bereinigte Transkripte und aggregierte Daten, nicht individuelle Kunden- oder Mitarbeiterprofile.

Voraussetzung ist ein klar geregelter Einwilligungsprozess, dem Kunden vor der Aufzeichnung aktiv zustimmen. Bei Mitarbeitern kommen zusätzliche Schutzmechanismen hinzu: Betriebsrat, HR und Legal können eingebunden werden, individuelle Leistungsbewertungen oder Überwachungszwecke sind ausgeschlossen. Stattdessen werden Erkenntnisse auf Team-, Standort- oder Prozessebene aggregiert. In der Praxis kommen dafür zum Beispiel Mindestgruppengrößen zum Einsatz, um Rückschlüsse auf einzelne Personen auszuschließen.

Daneben entscheidet vor allem die Qualität der Analyse über den Erfolg. Verkaufsgespräche sind voller Mehrdeutigkeiten und situativer Nuancen. Wird in einem Gespräch beispielsweise von "Mini" gesprochen, muss die KI erkennen, ob eine Fahrzeugmarke oder eine Größenangabe gemeint ist. Dies erfordert ein tiefes Verständnis des jeweiligen Kontexts. Deshalb bestehen moderne Lösungen aus mehreren spezialisierten Komponenten, die

• Transkription,
• Anonymisierung,
• Kontextanreicherung und
• Analyse miteinander verbinden.

Erst dieses Zusammenspiel schafft belastbare Erkenntnisse für Training, Prozessoptimierung und Customer Experience.

Aus Gesprächen werden Steuerungsdaten 

Die langfristige Bedeutung reicht über bessere Trainings oder effizientere Prozesse hinaus. Erstmals entsteht die Möglichkeit, Vertrieb auf Basis realer Kundeninteraktionen systematisch zu steuern und weiterzuentwickeln. Statt wie bisher auf indirekte Signale zu vertrauen, erhalten Händler eine solide Datenbasis. Diese hilft dabei, den Vertrieb systematisch zu steuern und weiterzuentwickeln. Dabei ist es das Ziel, nicht die menschliche Beratung zu standardisieren, sondern sie besser zu verstehen.