Shopware AI-Cross-Selling: LLM-bestimmte Produktregeln
KI-generiertes Cross-Selling für den Shopware-6-Shop einer deutschen Baumschule. Ein LLM schlägt Zubehör- und Begleitpflanzen-Regeln vor, live verifiziert.
Die Herausforderung
Der ERP-Export hinter diesem Shopware-6-Baumschulshop liefert reine Produkt- und Kategoriedaten. Keine Zubehör-Beziehungen, kein "passt gut dazu"-Feld, nichts zum Importieren. Die Baumschule wollte trotzdem Cross-Sell-Vorschläge: Dünger und Bodenhilfsstoffe neben den Pflanzen, die sie brauchen, Begleitpflanzen neben denen, mit denen sie im Beet harmonieren.
Kritische Problempunkte
- Es gab nirgends Quelldaten; jede Zubehör- und Begleitpflanzen-Paarung musste abgeleitet, nicht importiert werden
- Ein bestehender bestellhistorienbasierter "Kunden kauften auch"-Slider zeigt nur Paare, die bereits zusammen verkauft wurden, nutzlos für eine neu importierte Kategorie oder ein Zubehör, das noch nie neben einer Pflanze gekauft wurde
- Der Katalog geht in die Tausende an Hauptprodukten; jedes einzeln für Cross-Sell zu beurteilen hätte mehr Einzelpaarungen erzeugt, als ein Mensch realistisch hätte prüfen können, bevor irgendetwas live ging
- Eine falsche Paarung ist nicht kosmetisch: die falsche Düngerstufe an eine säureliebende Pflanze gekoppelt ist schlechter Gartenbau-Rat, verkauft an einen zahlenden Kunden
- Was auch immer die Vorschläge erzeugte, musste nachweisbar unfähig sein, ein Produkt zu empfehlen, das im Katalog nicht existiert
Cross-Selling-Regeln mussten aus dem Nichts entstehen, in einem Umfang, den ein menschlicher Prüfer tatsächlich bewältigen kann, mit der harten Garantie, dass das System nie auf ein Produkt verweist, das nicht real ist.
Die Lösung
Ich habe eine KI-Pipeline gebaut, die Cross-Selling auf Kategorieebene statt Produkt für Produkt beurteilt, mit Leitplanken, die es strukturell unmöglich machen, dass die KI ein Produkt außerhalb des echten Katalogs vorschlägt.
Beurteilung im prüfbaren Rahmen
Die KI beurteilt die Cross-Selling-Eignung pro Kategorie statt pro Produkt und verwandelt so, was Tausende Einzelpaarungen wären, in eine kleine, menschlich prüfbare Regelmenge, die sich automatisch auf jedes Produkt einer freigegebenen Kategorie ausweitet.
Garantiert innerhalb des echten Katalogs
Die Pipeline ist so gebaut, dass die KI nur auf ein Produkt verweisen kann, das wirklich im Shop existiert, oder gar nichts vorschlägt, und schließt damit das größte Risiko aus, KI-generierte Vorschläge vor zahlende Kunden zu stellen.
Zwei Cross-Selling-Typen, ein effizienter Durchlauf
Physisches Zubehör und Begleitpflanzen werden gemeinsam pro Kategorie vorgeschlagen, sodass die KI-Kosten proportional zur Zahl der Kategorien bleiben, nicht zur Größe des Katalogs.
Wendet an und erneut an, ohne etwas zu brechen
Freigegebene Regeln laufen live als native Shopware-Cross-Selling-Gruppen, die nach jedem Katalog-Update sicher neu erzeugt werden können, ohne Duplikate und ohne dass von Hand Angelegtes je überschrieben wird.
Ergebnisse & Geschäftsauswirkungen
Verifiziert an einer Live-Kategorie mit 210 Produkten
Die Pipeline generierte, wendete an und wendete erneut Regeln gegen eine reale Kategorie mit 210 Pflanzenprodukten und ihre Zubehöroptionen an, mit null doppelten Gruppen über wiederholte Läufe hinweg.
Null halluzinierte Produkte
Jeder Vorschlag der KI verwies auf ein Produkt, das tatsächlich im Katalog existiert, ausnahmslos über den gesamten Verifizierungslauf.
Begleitpflanzen-Logik hält gartenbaulicher Prüfung stand
Das System schlug für säureliebende Pflanzenkategorien korrekt nur schatten- und säureboden-geeignete Begleiter vor und verwarf schwächere Kandidaten, statt eine Wahl nur zum Auffüllen zu erzwingen.
Native Storefront-Integration statt Aufsatz-Widget
Freigegebene Regeln laufen über Shopwares eigene Cross-Selling-Gruppen und erben dasselbe Varianten-Schnellansicht-Dropdown und Schnellkauf-Verhalten wie jeder andere Slider auf Produkt- und Warenkorbseite.
Verwendete Technologien
- Shopware 6
- PHP 8
- Symfony
- LLM API
- MySQL
- DAL
Cross-Sell-Daten, die Ihr ERP nicht hat?
Wenn Ihr Katalog keine Quelldaten für Zubehör oder ergänzende Produkte hat, kann eine KI-Pipeline mit den richtigen Leitplanken belastbare Regeln in einem Umfang ableiten, den ein Mensch tatsächlich prüfen kann. Lassen Sie uns besprechen, wie das für Ihren Shop aussehen könnte.
Beratung buchenVerwandte Fallstudien
Dropshipping-Automatisierung
Shopware-6-Dropshipping-Automatisierung für einen deutschen Shop. Multi-Lieferanten-Routing, Bestandssync, Portal. Bestellungen laufen ohne Mensch in der Mitte.
Fallstudie lesen → AutomatisierungKI-Nachbestellprognose
Shopware-6-Plugin, das B2B-Nachbestellzeitpunkte aus der Bestellhistorie vorhersagt und Kunden benachrichtigt, bevor ihnen etwas ausgeht, mit austauschbarer KI-Schicht und integrierter Lizenzierung.
Fallstudie lesen → AutomatisierungVersand-Bin-Packing-Engine
Shopware-6-Cart-Processor, der Versandkosten als Bin-Packing-Problem löst: gemischte Warenkörbe packen live im Checkout in die günstigste reale Kombination aus Paketen und Paletten.
Fallstudie lesen →