Promi

Promi adressiert einen bekannten E-Commerce-Zielkonflikt: Rabatte steigern die Conversion, fressen aber Marge, und die meisten Shops lösen das mit einer pauschalen Website-Aktion. Promi personalisiert stattdessen die Rabatttiefe Shopper für Shopper und Produkt für Produkt. Das KI-Modell verarbeitet Signale wie Aufrufe, Traffic-Quelle und Transaktionshistorie, um die Preisempfindlichkeit eines Besuchers zu schätzen, und setzt dann das kleinste Angebot ein, das den Kauf wahrscheinlich auslöst — unter Berücksichtigung von Produktmarge und Conversion-Rate, damit nicht einfach Gewinn auf Artikeln verschenkt wird, die ohnehin verkauft worden wären.

Über das Modell hinaus erhalten Merchandiser direkte Kontrolle darüber, wer was sieht. Targeting-Logik lässt sich um Aufrufe, Bestellungen, Traffic-Quellen, UTM-Parameter und Tags herum bauen — etwa Mitgliederrabatte oder Angebote ausschließlich für bezahlten Traffic — und Sie wählen, wie der Rabatt erscheint: automatische Preisstreichungen, Pop-ups oder Rabattbeschreibungen bei Linkaufruf. Klaviyo und ähnliche CRM-Integrationen tragen dieselbe Personalisierung in E-Mails. Jede Kampagne ist über integrierte A/B-Tests zu Umsatz, Bruttogewinn und Conversion-Rate messbar, inklusive Export der Rohdaten.

Das Unternehmen positioniert sich für kleine Shops ebenso wie für neunstellige Marken und veröffentlicht Fallstudien mit durchschnittlichen Steigerungen von +24% Umsatz pro Besucher, +22% Bruttogewinn, +26% Conversion-Rate und +20% ARPU. Es ist eine B2B-Plattform, die vor allem über Demos verkauft wird statt per Self-Service — nachvollziehbar, da das KI-Modell eigene Traffic-Daten braucht. Eine 40-Sekunden-Rabattanalyse gibt Interessenten einen ersten Eindruck ihrer aktuellen Rabattstrategie.