Beratung schlägt Auswahl

Wie KI Kundenerwartungen verändert

Wer heute ChatGPT, Perplexity oder Claude nutzt, wird konditioniert.

Nicht durch Marketing. Sondern durch Nutzererfahrung.

Die neue Erwartungshaltung:

„Sag mir, was ich brauche.” „Vergleiche für mich.” „Triff eine Vorauswahl.”

Nicht mehr:

„Zeig mir alles, ich entscheide selbst.”

Das ist kein Trend. Das ist bereits Realität.

Was das für E-Commerce bedeutet

Früher war die Hauptaufgabe eines Shops: Auswahl bieten.

Je mehr Produkte, desto besser. Der Kunde wählt selbst.

Das funktioniert nicht mehr.

Kunden erwarten heute nicht Auswahl, sondern Entscheidungshilfe.

Und Shops, die nur Auswahl bieten, verlieren gegen Shops (oder KI-Systeme), die beraten.

Der Unterschied zwischen Auswahl und Beratung

Auswahl-Shop

Ansatz: „Wir haben 500 Laufschuhe. Hier sind die Filter: Größe, Farbe, Marke, Preis.”

Kunde: Fühlt sich überfordert. Scrollt. Vergleicht. Verlässt die Seite. Fragt ChatGPT.

Ergebnis: Keine Conversion. Oder: Kunde kauft woanders (wo die Entscheidung einfacher ist).

Beratungs-Shop

Ansatz: „Beantworte 3 Fragen: Laufstil? Untergrund? Fußform? Wir empfehlen dir 3 Modelle – und erklären, warum.”

Kunde: Fühlt sich verstanden. Bekommt klare Empfehlung. Kauft.

Ergebnis: Höhere Conversion. Weniger Retouren. Mehr Vertrauen.

Warum Beratung jetzt der Hebel ist

KI-Systeme trainieren Nutzer auf: „Stell eine Frage, bekomme eine Antwort.”

Shops, die diese Erwartung erfüllen, gewinnen. Shops, die nur Listen zeigen, verlieren.

Beispiel:

Früher: Kunde googelt „Espressomaschine kaufen” → landet auf einem Shop → sieht 200 Modelle → ist überfordert → verlässt die Seite.

Heute: Kunde fragt ChatGPT „Welche Espressomaschine passt zu mir?” → bekommt 3 Empfehlungen → kauft direkt (bei Amazon oder einem empfohlenen Shop).

Der Shop mit 200 Modellen ist raus.

Der Shop, der berät („Für 1-2 Espressi am Tag: Modell X. Für Milchgetränke: Modell Y.”), wird erwähnt.

Welche Produkte profitieren?

Nicht alle Produkte sind gleich.

Beratungs-Vorteil haben:

1. Erklärungsbedürftige Produkte

Beispiele:

• Technische Geräte (Kameras, Audio-Equipment)
• Spezialisierte Sportausrüstung (Klettern, Tauchen, Radsport)
• B2B-Produkte (Betriebsausstattung, Software, Maschinen)

Warum: Diese Produkte erfordern Wissen. KI kann Specs vergleichen, aber nicht anwendungsbezogen beraten.

2. Produkte mit hoher Varianz

Beispiele:

• Laufschuhe (Fußform, Pronation, Untergrund)
• Matratzen (Gewicht, Schlafposition, Härtegrad)
• Fahrräder (Einsatzzweck, Körpergröße, Budget)

Warum: Die Auswahl ist komplex. Kunden brauchen Hilfe, keine 500 Optionen.

3. Hochpreisige Produkte

Beispiele:

• Möbel
• Schmuck
• Elektronik

Warum: Bei hohen Preisen wollen Kunden Sicherheit. Beratung schafft Vertrauen.

Welche Produkte verlieren?

Commodity-Produkte:

• Standardisiert (keine Varianz)
• Niedrigpreisig (keine Beratung nötig)
• Vergleichbar (Preis ist einziges Kriterium)

Beispiele:

• Druckerpapier
• Standard-USB-Kabel
• Batterien

Warum: KI kann diese Produkte direkt vergleichen. Der Shop mit dem niedrigsten Preis gewinnt. Kein Raum für Beratung.

Praxisbeispiel: B2B schlägt B2C

Ein Muster, das ich bei Projekten sehe:

B2B-Shops (erklärungsbedürftig, Spezialisierung):

• Traffic bleibt stabil oder steigt
• Werden von KI-Systemen zitiert
• Conversion steigt (weil Beratung ernst genommen wird)

B2C-Shops (Commodity, Preis-fokussiert):

• Traffic sinkt
• Werden nicht erwähnt
• Conversion stagniert oder fällt

Das Muster:

Je erklärungsbedürftiger das Produkt, desto größer der Vorteil.

Wie man Beratung im Shop umsetzt

Beratung ist kein Feature. Beratung ist Haltung.

Schlechte Umsetzung:

• Chatbot, der nur FAQs wiedergibt
• „Produktberater”, der nur Filter ist
• Generische Texte: „Wir beraten Sie gern!”

Gute Umsetzung:

1. Entscheidungshilfen statt Produktlisten

Beispiel:

Statt: „Hier sind alle Laufschuhe, sortiert nach Preis”

Besser: „Welcher Laufschuh passt zu dir? Beantworte diese 3 Fragen.”

Das Ergebnis: Kunde bekommt 3-5 konkrete Empfehlungen – mit Begründung.

2. Kontext statt Features

Beispiel:

Statt: „Dieser Schuh hat 10 mm Sprengung, EVA-Dämpfung, Gewicht 280 g”

Besser: „Für Läufer mit neutraler Fußstellung, die auf Asphalt laufen. Nicht geeignet für Trail oder schwere Läufer.”

Das Ergebnis: Kunde weiß sofort, ob das Produkt passt.

3. Ehrliche Empfehlungen

Beispiel:

Statt: „Alle unsere Produkte sind Top-Qualität”

Besser: „Produkt X ist langlebiger, aber schwerer. Produkt Y ist leichter, aber nicht für Dauerbelastung. Wir empfehlen X, wenn du oft unterwegs bist.”

Das Ergebnis: Vertrauen. Kunden kommen wieder.

Technische Umsetzung (pragmatisch)

Du brauchst keine KI-Magie. Beratung ist strukturiertes Wissen.

Variante 1: Produktberater (einfach)

• 3-5 Fragen
• Verzweigungslogik (If-Then)
• Empfehlung mit Begründung

Tools: Typeform, Octane AI, oder selbst gebaut (simples JS)

Variante 2: Quiz mit Personality

• „Welcher Läufer-Typ bist du?”
• Ergebnis: Produktempfehlung + Begründung
• Bonus: E-Mail-Erfassung

Tools: Interact, Outgrow

Variante 3: Beratungs-Content (kostenlos, nachhaltig)

• Ratgeber-Artikel: „Wie finde ich den richtigen Laufschuh?”
• Vergleichsartikel: „Modell X vs. Y – wann welches?”
• Checklisten: „5 Kriterien für deine Kaufentscheidung”

Das funktioniert ohne Tool. Nur mit Content.

Warum das jetzt wichtiger wird

KI konditioniert Nutzer auf Beratung.

Früher: „Ich google, ich vergleiche, ich entscheide.”

Heute: „Ich frage, ich bekomme Empfehlungen, ich kaufe.”

Das bedeutet:

Shops, die diese Erwartung erfüllen, werden bevorzugt – von Menschen UND von KI-Systemen.

Erfahrungswert: Was bereits sichtbar ist

Ich sehe das bei Projekten:

Shops mit Beratungs-Ansatz:

• Conversion steigt (weniger Überforderung, klarere Entscheidungen)
• Retouren sinken (bessere Produktauswahl)
• Kundenbindung steigt (Vertrauen)

Shops mit Auswahl-Ansatz:

• Conversion stagniert oder fällt
• Kunden springen ab (zu viele Optionen)
• Keine Differenzierung zu Amazon

Das Muster:

Auswahl ist Commodity. Beratung ist Wert.

Die unbequeme Konsequenz

Viele Shops müssen ihr Sortiment radikal reduzieren.

Warum?

Weil Beratung bei 500 Produkten nicht funktioniert.

Beispiel:

Ein Shop mit 500 Laufschuhen kann nicht ehrlich beraten. Ein Shop mit 30 handverlesenen Laufschuhen schon.

Das bedeutet:

Weniger SKUs. Mehr Fokus. Klarere Positionierung.

Und das ist gut.

Was jetzt zu tun ist

1. Prüfen: Sind meine Produkte erklärungsbedürftig?

   • Ja → Beratung ist Hebel
   • Nein → Preis-Konkurrenz, schwierig

2. Reduzieren: Kann ich mein Sortiment auf die besten 20 % fokussieren?

   • Ja → Beratung wird glaubwürdig
   • Nein → Beratung wird generisch (= wertlos)

3. Umsetzen: Welche Form von Beratung passt?

   • Quiz, Produktberater, Content, persönlicher Support

Keine Technik-Frage. Strategische Positionierung.

Der Kern der Sache

KI trainiert Kunden auf Beratung.

Shops, die nur Auswahl bieten, verlieren. Shops, die beraten, gewinnen.

Das ist keine Zukunftsprognose. Das passiert jetzt.

Und die Entscheidung, ob dein Shop berät oder nur listet, ist die wichtigste, die du dieses Jahr triffst.