Kunden, die mit dem KI-Assistenten von Michaels einkaufen, konvertieren mehr als doppelt so häufig wie Nutzer der klassischen Shopsuche. Das berichtet die US-Bastel- und Dekokette, nachdem sie ihren Assistenten Ask Mike nun offiziell vorgestellt hat. Für Händler, die bislang auf gefilterte Kategorieseiten und Keyword-Suche setzen, ist das eine der ersten belastbaren Zahlen aus dem produktiven Einsatz von Conversational Commerce.
Ask Mike läuft seit Mai auf Michaels.com und in den Apps der Kette, technisch aufgebaut auf Google Clouds Gemini Enterprise for Customer Experience. Statt Filter zu klicken, beschreiben Kunden ihr Vorhaben in ganzen Sätzen: „Hilf mir, den Kindergeburtstag zu planen“ oder „Ich brauche einen Stoff für selbst genähte Vorhänge“. Der Agent liefert daraufhin kuratierte Produktempfehlungen aus dem Sortiment. Mehr als 60 Prozent der Interaktionen drehen sich laut Michaels um Produktfindung, nicht um Service-Anliegen.
Die Nutzungszahlen nach wenigen Wochen: knapp 75.000 Konversationen. Heather Bennett, President und Chief Customer Officer bei Michaels, ordnet den Assistenten denn auch nicht als Suche ein, sondern als „persönlichen kreativen Partner“. Von der Idee bis zum produktionsreifen Agenten vergingen nach Angaben von Google Cloud lediglich sechs Wochen.
Warum konvertiert Konversation besser als Keywordsuche?
Der Mechanismus ist naheliegend. Wer in der klassischen Suche „Stoff blau“ eingibt, bekommt eine Trefferliste und verlässt den Shop im Zweifel ohne Kauf. Wer stattdessen sein Projekt schildert, erhält eine Auswahl, die zur Absicht passt – inklusive Zusatzprodukten, an die er selbst nicht gedacht hat. Michaels verknüpft damit zwei Effekte: höhere Treffergenauigkeit und implizites Cross-Selling. Für Sortimente mit hoher Beratungskomponente – Basteln, Heimwerken, Garten, Tierbedarf – ist das der Use Case, in dem KI-Assistenten ihre Stärke ausspielen.
Was bedeutet das für deutsche Shopbetreiber?
Zunächst: Ask Mike ist kein Plug-in, sondern eine Eigenentwicklung auf Basis von Google-Cloud-Infrastruktur, gebaut auf jahrelanger Datenarbeit bei Michaels. Niemand installiert das an einem Nachmittag nach. Trotzdem ist der Fall aus zwei Gründen relevant.
Erstens liefert er erstmals eine öffentliche Vergleichszahl zwischen KI-gestützter und klassischer Produktsuche aus dem Live-Betrieb – bislang dominierten Herstellerversprechen ohne Messwerte. Zweitens zeigt er, wo die eigentliche Voraussetzung liegt: in den Produktdaten. Ein Agent, der auf „Stoff für Vorhänge“ sinnvoll antworten soll, braucht Attributqualität weit über das hinaus, was für Google-Shopping-Feeds ausreicht. Material, Verwendungszweck, Projektkontext – diese Daten müssen im PIM gepflegt sein, sonst halluziniert der Assistent oder empfiehlt beliebig.
Im deutschen Markt bewegt sich derzeit einiges in diese Richtung. Shopware treibt mit dem AI Copilot und experimentellen Shopping-Assistants die Integration in Storefront und Admin voran, Shopify positioniert Sidekick zunehmend auch kundenseitig, und Agenten-Plattformen wie Google Clouds Gemini Enterprise oder Conversational-Commerce-Anbieter wie Zoovu und Frontnow adressieren den Mittelstand direkt. Wer auf Shopware 6 oder Shopify arbeitet, sollte die kommenden Releases genau beobachten – die Schnittstellen für agentenbasierte Produktsuche entstehen gerade.
Kunden beschreiben keine Produkte mehr. Sie beschreiben Projekte. Shops, die ihre Daten nur auf Keywords trimmen, werden das Gespräch verpassen.
Und jetzt konkret?
Die Handlungsempfehlung fällt nüchtern aus: Bevor irgendein Assistent angeschafft wird, gehört die Produktdatenqualität auf den Prüfstand. Sind Attribute wie Anwendungsfall, Zielgruppe und Kompatibilität maschinenlesbar gepflegt? Deckt die interne Suche Synonyme und Projektbeschreibungen ab? Diese Hausaufgaben amortisieren sich unabhängig davon, welche Agenten-Technologie am Ende zum Zug kommt. Michaels zeigt, wohin die Reise geht – und dass die Rechnung im Zweifel über die Conversion-Rate aufgeht, nicht über den Effekt.