Die KI-gestützte Customer Journey ist da: 6 Veränderungen, die B2C-Marken kennen müssen

KI verändert, wie Menschen einkaufen

Die Customer Journey war noch nie linear oder einfach. Aber da immer mehr Menschen KI für die Produktsuche nutzen, beginnt das, was früher oft mit einer einfachen Suchanfrage anfing, jetzt als Gespräch mit einem LLM.

60 % der globalen Verbraucher*innen interagieren laut Klaviyos AI Consumer Trends Report 2026 mindestens wöchentlich mit KI. Ob sie persönliche Entscheidungen treffen, sich inspirieren lassen oder Aktivitäten planen: Mindestens 1 von 5 Verbraucher*innen beginnen ihre Recherche mit LLMs.

Aber die KI-gestützte Customer Journey geht über die Produktentdeckung hinaus. KI verändert auch, was Verbraucher*innen wissen, bevor sie auf deiner Website landen, und was sie vom Kund*innenerlebnis erwarten, wenn sie dort ankommen.

Die Customer Journey hat neue Reibungspunkte und neue „Aha“-Momente, und das bedeutet neue Chancen für deine Marke, neue Kund*innen zu gewinnen und bestehende zu binden, die über KI auf deine Website gekommen sind.

Das musst du über die KI-Customer Journey wissen, damit deine Marke die Vorteile des KI-Shoppings erkennen kann.

In diesem Leitfaden:

• Komprimierte Discovery- und Recherchephase
• Verlängerte Überlegungsphase
• Antworten in Echtzeit für Conversion
• Personalization-Vertrauenssignale
• Schlechte KI und Markenvertrauen
• Kundenservice-Umsatz

Shift 1: KI hat die Entdeckungs- und Recherchephasen zusammenfallen lassen

Vor dem KI-Shopping erfolgte die Produktentdeckung im B2C-Bereich meist über die traditionelle organische Suche oder über soziale Medien. Wenn Kund*innen in die Recherchephase eintraten, klickten sie höchstwahrscheinlich durch mehrere Websites oder Social-Media-Konten, um Produkte zu vergleichen.

Jetzt verkürzt KI diesen Prozess. Mit KI-Unterhaltungen entdecken und vergleichen Verbraucher*innen neue Produkte innerhalb derselben Chat-Oberfläche. In einigen Fällen können sie ein Produkt sogar kaufen, ohne die KI-Unterhaltung zu verlassen.

43 % der Verbraucher*innen haben in den letzten 6 Monaten beim Kauf nicht essenzieller Produkte KI genutzt, laut unserer Studie zu KI-Konsument*innentrends. 39 % haben in diesem Zeitraum außerdem ein von KI empfohlenes Produkt gekauft.

Bei der Suche mit KI verwenden Verbraucher*innen außerdem längere, detailliertere Prompts, um zu finden, wonach sie suchen. Laut unserem KI-Verbrauchertrends-Report verwenden 30 % der Verbraucher*innen 8+ Keywords für eine KI-Suchanfrage, und 78 % sagen, dass sie zumindest manchmal emotionalen oder persönlichen Kontext einbeziehen.

Mit diesem Kontext können LLMs Produktlisten empfehlen, Vergleiche erstellen und Kund*innenbewertungen zusammenfassen, statt eine Liste von Markenwebsites anzuzeigen. Das bedeutet, dass Verbraucher*innen keinen weiteren Tab öffnen müssen, um in die Recherchephase ihrer Customer Journey überzugehen.

LLMs können auch mit klärenden Fragen nachfassen, zum Beispiel: „Möchtest du, dass ich dir Optionen für kostenlosen Versand oder Abholung vor Ort zeige?“ oder: „Gibt es eine bestimmte Farbe oder einen Stil, den du bevorzugst?“ Das macht es möglich, dass Kund*innen Produkte im selben Gespräch entdecken und recherchieren können.

So passt du es an

• Strukturiere deine Inhalte so, dass sie zu den Suchgewohnheiten von KI passen. Keyword-optimierte Produkttexte allein führen nicht dazu, dass Produkte über KI gefunden werden. Strukturiere Produktbeschreibungen und Metadaten nach Anwendungsfällen, Vergleichen, Szenarien und Ergebnissen – nicht nur nach Kategorien und Spezifikationen.
• Sammle detailliertere Kund*innenbewertungen. Laut Search-Atlas-Recherchen beginnen LLMs, Kund*innenbewertungswebsites von Drittanbietern als führende Informationsquellen zu zitieren, wenn sie Produktempfehlungen ausspielen. Entwickle eine durchdachtere Strategie, um eine Fülle neuer, detaillierter Bewertungen zu sammeln und zu incentivieren, damit KI-Crawler immer aktuelle Bewertungen haben, aus denen sie schöpfen können.

Veränderung 2: Die Consideration-Phase ist länger

KI kann Produktempfehlungen kuratieren und Vergleichstabellen in Sekundenschnelle erstellen. Die Ironie ist, dass Verbraucher*innen bei so vielen sofort verfügbaren Informationen mehr Zeit damit verbringen, ihre Optionen abzuwägen.

2025 war für E-Commerce-Marken das Jahr des „Browsing-Booms [EN]“. Die Produktaufrufe auf E-Commerce-Websites lagen vor Black Friday und Cyber Monday im Jahresvergleich um 37 % höher, während das Bestellwachstum um 14 % stieg – eine größer werdende Lücke, die darauf hindeutet, dass sich Käufer*innen Zeit nehmen, um zu vergleichen, zu recherchieren und abzuwägen, bevor sie kaufen.

Dieser Sprung lässt sich nicht vollständig durch KI-Shopping erklären, zumal immer mehr Shopper*innen Produktlisten auf KI-Plattformen ansehen und nicht auf der Website. Andere Untersuchungen zeigen jedoch eine Korrelation zwischen KI und Consideration: In einer Umfrage von Gartner aus dem Jahr 2026 gaben beispielsweise 31 % der Verbraucher*innen an, dass KI-Übersichten sie dazu bringen, mehr Produktoptionen in Betracht zu ziehen.

KI ist eine Abkürzung, um basierend auf dem Kontextbedarf die besten Produkte zu finden. Aber Verbraucher*innen nehmen sich immer noch Zeit, um die Details zu verarbeiten, bevor sie den nächsten Schritt machen, und dabei führen sie möglicherweise ausführlichere Gespräche mit LLMs.

Das bedeutet, dass Käufer*innen besser informiert sein und höhere Erwartungen haben können, wenn sie auf deiner Website landen, um noch tiefer zu recherchieren. Wenn das Erlebnis auf der Website diesen Erwartungen nicht entspricht, riskierst du, eine*n Besucher*in mit hoher Kaufabsicht zu verlieren.

So passt du es an

• Richte KI-Attribution ein. Shopify- und Klaviyo-Daten [EN] verwenden UTM-Parameter, um dir zu zeigen, wer einen Checkout gestartet, eine Bestellung aufgegeben oder bei einer KI-Suche gestöbert, aber nichts gekauft hat. Du kannst diese Daten nutzen, um personalisierte Abbruch- und Post-Purchase-Flows mit detaillierteren Produktinformationen bereitzustellen, da du davon ausgehen kannst, dass AI-Shopper*innen diese wollen.
• Investiere in eine detaillierte, kontextbezogene Erfassung von Zero-Party-Daten [EN]. Erfahre so viel wie möglich über deine KI-Traffic-Zielgruppe, damit du eine gute Beziehung zu ihr aufbauen und hoffentlich ihre Consideration-Phase verkürzen kannst. Nutze Quizze oder Formulare, um detailliertere Präferenz- oder Lifestyle-Daten zu erfassen, damit deine Browse- und Warenkorbabbruch-Flow ihre kontextbezogenen Bedürfnisse erfüllen.

Veränderung 3: Conversion erfordert Antworten in Echtzeit

Ähnlich wie Amazon neue Erwartungen an schnelle Lieferungen geschaffen hat, schafft KI neue Erwartungen an einen sofortigen, tiefgehenden Zugang zu Informationen.

Menschen setzen diese Erwartungen nicht aus, wenn sie auf deiner Website landen. Tatsächlich haben 75 % der Verbraucher*innen einen Kauf abgebrochen, weil sie keine sofortigen Antworten bekommen konnten, so die Untersuchung hinter Klaviyos AI Shopping Index 2025.

Markenseitige KI-gestützte Customer Agents werden zur Voraussetzung für die KI-gestützte Customer Journey. Diese Interaktionen müssen jedoch denselben Mehrwert bieten, den Konsument*innen von LLMs gewohnt sind – und das bedeutet, dass sie personalisiert sein müssen.

Ein KI-gestützter Customer Agent sollte in der Lage sein:

• Empfehle Produkte auf Grundlage von Kundendaten in Echtzeit, einschließlich früheren Browserverhaltens, Käufen und geäußerten Präferenzen.
• Schlage Produkte vor, die gut zu Artikeln passen, die sich bereits im Warenkorb einer Person befinden.
• Beantworte detaillierte Fragen zu jedem Produkt in deinem Inventar, darunter, woraus sie hergestellt sind, woher sie bezogen werden oder wann sie voraussichtlich wieder auf Lager sind.

So passt du es an

• Trainiere deinen KI-Customer Agent mit Kund*innen- und Produktdaten. Dein KI-Agent kann keine hochwertigen, personalisierten Antworten auf Fragen geben, wenn er nichts über deine Kund*innen oder deine Produkte weiß. Personalisierter Service bedeutet, dass dein KI-Agent jederzeit über ein dynamisches, wachsendes Wissen über deine Kund*innen und Produkte verfügt.
• Mach es einfach, komplexe Anfragen an eine*n Mitarbeiter*in zu eskalieren. Es wird immer bestimmte Fragen geben, die selbst der leistungsfähigste KI-Agent nicht allein lösen kann. Nutze einen gemeinsam genutzten Helpdesk, in dem deine KI- und menschlichen Agent*innen Zugriff auf dieselben Daten und denselben Kontext haben, damit die Übergabe keine Reibung für die Kund*in verursacht.

Schritt 4: Personalization kann Vertrauen stärken oder zerstören

Laut Klaviyos 2025 Future of Consumer Marketing Report erwarten 74 % der Verbraucher*innen personalisiertere Erlebnisse von Marken.

Das war schon so, bevor KI-Shopping verbreiteter wurde, aber KI-Personalisierung beginnt auch, Vertrauen zwischen Marken und Verbraucher*innen zu stärken oder zu zerstören: Laut unserer Studie zu KI-Verbraucher*innentrends hatten mehr als die Hälfte (55 %) der Verbraucher*innen einen „Aha“-Moment, in dem KI sie mit ihrer Genauigkeit oder Personalisierung beeindruckt hat.

Wenn Personalisierung fehlschlägt, potenzieren sich die Konsequenzen. Dieselbe Studie ergab, dass die häufigste Reaktion von Verbraucher*innen auf schlecht personalisierte Inhalte darin besteht, dass sie zukünftige Nachrichten dieser Marke mit geringerer Wahrscheinlichkeit öffnen.

So passt du es an

• Vereinheitliche deine Kundendaten. Deine Personalisierungsstrategie ist nur so stark wie deine Kundendaten. Wenn deine Kundenprofile unvollständig sind oder über mehrere Plattformen fragmentiert vorliegen, ist jetzt der richtige Zeitpunkt, um eine Konsolidierung in Betracht zu ziehen. Eine geteilte Echtzeitansicht jeder Kund*in erleichtert es, über jeden Marketing- und Kundendienst-Touchpoint hinweg eine konsistente, präzise Personalisierung bereitzustellen.
• Investiere in Predictive Analytics. Nutze Predictive Analytics, um über eine regelbasierte Personalisierung hinauszugehen. Stimme stattdessen Nachrichten auf individuelles Timing sowie Kanal- und Produktpräferenzen ab. Du könntest zum Beispiel gut getimte Rabatte mit personalisierten Produktempfehlungen an Kund*innen mit hohem Risiko senden, indem du ihr Browserverhalten, ihre Kanalpräferenz, ihren bevorzugten Versandzeitpunkt und ihr potenzielles Abwanderungsrisiko kombinierst.

Shift 5: Marken können Vertrauen verlieren, wenn sie KI schlecht implementieren

Laut unserem Bericht zu KI-Verbraucher*innentrends vertrauen nur 13 % der Verbraucher*innen KI vollständig. Das zwingt Marken dazu, in einer Grauzone zu agieren: Während sich Shopper*innen an KI gewöhnen und sich eine eigene Meinung dazu bilden, wie sie sie nutzen, kann KI sowohl ein Vorteil als auch eine Belastung sein.

Dieselbe Studie ergab, dass fast die Hälfte (47 %) der Verbraucher*innen der Meinung ist, dass KI die Qualität der Produktempfehlungen verbessert hat, die sie erhalten. 43 % sagen, dass sie den Kund*innenservice von Marken zum Besseren verändert.

Aber eine Empfehlung, die danebenliegt, eine robotische Support-Interaktion oder generische KI-Inhalte können Menschen schnell vergraulen: Laut unserer Studie verlieren fast 1 von 5 Verbraucher*innen nach einer schlecht personalisierten Erfahrung das Vertrauen in die Datenpraktiken einer Marke, und 41 % sagen, dass Kundendienst-Chats, die sich nicht menschlich anfühlen, zu den Markeninteraktionen gehören, die „zu automatisiert“ wirken.

So passt du es an

• Menschen einbinden. Jede*r Konsument*in hat einen anderen Stand bei KI – zwinge Skeptiker*innen die Technologie nicht auf. Wenn du KI-Erlebnisse anbietest, mach deutlich, wie Kund*innen das Gespräch zu einem Menschen wechseln oder an eine*n Mitarbeiter*in eskalieren können.
• Opfere deinen Markenstil nicht. Trainiere deine KI mit den Richtlinien für die unverwechselbare Stimme und den Ton [EN] deiner Marke, damit sich KI-Interaktionen nicht kalt oder generisch anfühlen.
• AI-spezifische Vertrauenssignale überwachen. Behalte im Blick, wo AI die Kund*innenerfahrung beeinträchtigt. Verfolge Metriken wie die Abmelderate nach AI-generierten Marketingnachrichten, Umfrageantworten nach Interaktionen mit AI-Agent*innen und die Stimmung in Gesprächen mit dem AI Customer Agent.

Schicht 6: Kundenservice ist ein Umsatztreiber

KI verschiebt den Post-Purchase-Kund*innenservice von einer Funktion für Retouren und Bestellverwaltung hin zu einem proaktiven Treiber für Umsatz und Loyalität. Wenn KI-Agent*innen rund um die Uhr verfügbar sind, ist jede Interaktion nach einem ersten Kauf eine Chance, die Beziehung zu Kund*innen zu vertiefen und wiederkehrenden Umsatz zu generieren.

KI-Agenten, die Zugriff auf Kund*innendaten in Echtzeit haben, können ein White-Glove-Erlebnis bieten. Zum Beispiel:

• Der KI-Agent einer Hotelmarke könnte proaktiv lokale Restaurantempfehlungen anbieten oder bei der Reiseplanung helfen, nachdem ein*e Gäst*in den Aufenthalt gebucht hat.
• Ein*e Einzelhändler*in für Kinderprodukte könnte einen KI-Agent einrichten, um die Babyregister-Informationen von Kund*innen zu analysieren und altersgerechte Artikel basierend auf dem prognostizierten Alter oder der Größe ihres Kindes vorzuschlagen.

So passt du es an

• Service- und Marketingdaten synchronisieren. Jede Kund*inneninteraktion erzeugt Daten, mit denen sich Touchpoints zur Kundenbindung personalisieren lassen. Deine Marketing- und Kundenservicedaten sollten vom selben Ort aus zugänglich sein, damit KI und menschliche Agent*innen ihre Gespräche an zuvor mitgeteilte Präferenzen und Produktfragen anpassen können.
• Erstelle ein 1:1-Post-Purchase-Erlebnis. Richte einen Klaviyo Customer Hub zur Selbstbedienung ein, in dem Shopper*innen mehr tun können, als ihre Bestellungen zu verfolgen. Biete personalisierte Produkt-Feeds, KI-Agent*innen, die Fragen beantworten und Produkte empfehlen, sowie einen Ort, an dem Kund*innen Treuepunkte einlösen können.
• Antizipiere die Bedürfnisse deiner Kund*innen, noch bevor sie überhaupt fragen. Mache aus der Kaufhistorie eine proaktivere, relevantere Kund*innenansprache. Nutze KI, um zum Beispiel basierend auf früheren Bestellungen die nächstbesten Produkte vorherzusagen, die Kund*innen interessieren könnten, und bette diese Empfehlungen in Post-Purchase-E-Mails oder im Klaviyo Customer Hub ein.

So unterstützt Klaviyo die KI-gestützte Customer Journey

Die Customer Journey umfasst weiterhin die Phasen Awareness, Consideration, Conversion, Fulfillment und Loyalty. Was sich geändert hat, ist die zugrunde liegende Infrastruktur.

KI hat die Entdeckung beschleunigt, die Abwägung gründlicher gemacht, die Erwartungen erhöht und die Kosten von Reibung in die Höhe getrieben.

So kann Klaviyo dir helfen, dein Marketing und deinen Service an die KI-gestützte Customer Journey anzupassen:

• Pflege: Composer plant und startet Marketing autonom, basierend auf einem einfachen Prompt oder einer Idee und deinen Markenrichtlinien. Du behältst die volle strategische Kontrolle – nichts geht ohne deine Freigabe live.
• Conversion: K:AI Customer Agent greift auf deine Kund*innendaten, deinen Produktkatalog, deine Richtlinien und deine Markenstimme zurück, um rund um die Uhr personalisierte Einkaufsunterstützung zu bieten, Fragen zu beantworten und Anliegen mit vollständigem Kontext an Menschen zu eskalieren.
• Personalization: Funktionen wie Predictive Analytics, Kanal-Affinität und personalisierte A/B-Tests ermöglichen 1:1-Personalisierung ohne manuelle Segmentierung.
• Post-Purchase: Klaviyo Customer Hub schafft einen personalisierten Ort, an dem Kund*innen ihre Beziehung zu deiner Marke verwalten können – von Self-Service-Optionen bis hin zu Produktempfehlungen und dem Einlösen von Prämien.