Ein neues Forschungspapier liefert einen überraschend präzisen Befund: Ein KI-Agent, der einem Kunden fünf gezielte Fragen stellt und danach ein einziges Produkt empfiehlt, erzielt im Durchschnitt eine bessere Treffergenauigkeit als ein klassisches Sortiment von 32 Produkten – ohne jede vorherige Befragung. Das klingt kontraintuitiv. Es ist es nicht.
Agentic Purchasing: Das Modell hinter der Erkenntnis
Das Paper A Solicit-Then-Suggest Model of Agentic Purchasing modelliert einen KI-Shopping-Agenten, der in zwei Phasen arbeitet: Zunächst befragt er den Kunden gezielt (Solicitation), dann schlägt er eine kleine, kuratierte Auswahl vor (Assortment). Der Hintergedanke ist schlicht: Kundenpräferenzen lassen sich als Punkt in einem mehrdimensionalen Merkmalsraum vorstellen – ein ideales Produkt, das es so nie ganz gibt, dem man aber näher oder ferner sein kann.
Der Agent startet mit einem statistischen Prior – einer Ausgangsvermutung über den Kunden –, stellt dann gezielte Fragen (die jeweils eine Dimension dieses Raums beleuchten) und aktualisiert sein Bild …