So skaliert Mercado Libre die Entscheidungsfindung mit KI

Mercado Libre (MELI) ist nicht nur die größte E-Commerce- und Finanzplattform Lateinamerikas – sie entwickelt sich auch zu einem der operativ komplexesten digitalen Unternehmen der Welt.

MELI ist in 18 Ländern von Mexiko bis zur Region Patagonien tätig und verarbeitet Billionen von Verhaltensereignissen. Doch die Führung von MELI hatte das Rohdatenvolumen nie zum Ziel. Sie wollten etwas Transformativeres: jeden Mitarbeiter in jeder Funktion dazu in die Lage versetzen, auf Kundenintelligenz zu reagieren, ohne ein Analytics-Profi werden zu müssen.

Die folgende Geschichte erzählt, wie MELI die KI-Funktionen von Amplitude – Agents, Dashboards und Model Context Protocol (MCP) – nutzt, um die Zeit von der Erfassung über die Entscheidung bis hin zum Handeln zu verkürzen.

Die Herausforderung: Analytics auf kontinentaler Ebene

Die Durchführung von Analytics stellt für ein Unternehmen der Größe von MELI vor Herausforderungen, mit denen die meisten Unternehmen nie konfrontiert werden. Allein die geografische Lage umfasst Liefervorgänge, die sich über einen ganzen Kontinent erstrecken, von belebten städtischen Zentren bis hin zu abgelegenen ländlichen Gemeinden. Jede Region hat ihre eigenen Logistikpartner, regulatorischen Anforderungen und Kundenerwartungen.

Dies eröffnete MELI eine neue Chance: den Übergang von der Generierung von Erkenntnissen zu deren Operationalisierung. Mit dem steigenden Analytics-Bedarf wurde die funktionsübergreifende Koordination komplexer, und die Teams brauchten schnellere Möglichkeiten, um von der Erkenntnis zur Umsetzung überzugehen, ohne dabei weitere Reibungspunkte zu schaffen.

Im Jahr 2025 skalierte MELI Amplitude auf mehr als 10.000 Mitarbeitende, wodurch diese ihre Fragen selbst beantworten konnten, ohne in einer Warteschlange für Analysten zu enden. MELI nutzt Amplitude, um seine Analytics über die Bereiche Finanzen, Marketing, Logistik und alles dazwischen hinweg zu skalieren, wobei es sich auf gemeinsame, kontrollierte Daten stützt.

Doch MELI gab sich mit Self-Service-Daten nicht zufrieden. Das Unternehmen erschloss neue Effizienzgewinne, indem es die Analyse an KI-Assistenten delegierte, die wertvollere Informationen generierten, als ein rein menschlicher Workflow hätte liefern können. Dies hat die Ausführungsfähigkeiten und die geografischen Herausforderungen des Unternehmens verbessert. Mithilfe von KI-Assistenten konnten Teams kontinuierlich die Abdeckung und das Erlebnis ohne zusätzliche manuelle Arbeit optimieren.

Die Lösung: eine dreistufige KI-Transformationsstrategie

Der KI-native Ansatz von MELI basiert auf drei integrierten Ebenen, die jeweils auf den anderen aufbauen.

Die Grundebene ist die Verhaltensanalyseplattform von Amplitude, einschließlich Amplitude Analytics. Dies gibt den Teams einen gemeinsamen, vertrauenswürdigen Überblick über die gesamte Customer Journey, vom ersten Klick über den Kauf bis hin zur Lieferung.

Die zweite Ebene nutzt Amplitude-KI-Assistenten, um passive Dashboards in aktive Teilnehmer zu verwandeln, indem Folgendes durchgeführt wird:

• Überwachung von Konversionstrichtern
• Erkennen von Auffälligkeiten
• Zusammenfassen von Erkenntnissen
• Weitergeben von Erkenntnissen an Stakeholder

All dies, ohne dass ein menschlicher Eingriff erforderlich ist.

Die letzte Ebene ist die Verteilung, die vom MCP-Server von Amplitude unterstützt wird. Mit MCP greifen die MELI-Mitarbeiter über bereits genutzte KI-Tools auf den Verhaltenskontext zu: Claude, Cursor oder ihren intern entwickelten KI-Chatbot.

Dieser KI-native Ansatz bedeutet, dass Analytics nicht nur etwas ist, das von Mitarbeitenden durchgeführt wird – es ist etwas, das mit ihrem Unternehmen skaliert. Das Dashboard bleibt die kanonische Wissensbasis, aber KI-Assistenten und MCP-Verbindungen stellen sicher, dass das Wissen dorthin fließt, wo Entscheidungen getroffen werden.

Bisher haben 70 MELI-Benutzer 126 Agents erstellt, wobei 71 % wertschöpfende Vorgänge durchführen, z. B. das Teilen von Erkenntnissen oder das Auslösen von Folgeanalysen. Von Assistenten generierte E-Mails weisen eine Öffnungsrate von 52 % auf. Das deutet darauf hin, dass die Erkenntnisse Personen erreichen, die sie tatsächlich nutzen.

Beweis: der Anwendungsfall Flex Shipments

Abstrakte Transformationsgeschichten sind leicht zu erzählen, aber es ist schwieriger, konkrete Ergebnisse zu erzielen. Flex Shipments von MELI zeigen, wie KI-native Analysen in der Praxis umgesetzt werden.

Flex ist das flexible Lieferprogramm von MELI, mit dem Verkäufer:innen Zustelldienste auswählen können, die zuverlässig die Dienstleistungsvereinbarungen für die Lieferung erfüllen. Die Herausforderung war eindeutig: Verkäufer:innen suchten erfolglos nach verfügbaren Zustelldiensten, was zu Störungen führte. Eine erfolglose Suche führt zu langsameren Lieferungen, frustrierten Verkäufer:innen und schließlich zur Abwanderung.

Vor Amplitude wurde eine manuelle Analyse durchgeführt, um diese Versorgungslücken zu identifizieren. Es hat dementsprechend viel Zeit gekostet, um Probleme zu lokalisieren. Nun wird zwischen den Teams koordiniert – bezüglich Region, Produkt, Geschäft und Transport, und die Zusammenarbeit wird dabei priorisiert. Die Ergebnisse davon werden in mehrere Formate für verschiedene Zielgruppen übertragen.

MELI erstellte ein Amplitude-Dashboard, in dem die Nachfrage auf einer detaillierten geografischen Karte sichtbar gemacht wurde. Die KI-Assistenten wandelten dann dieses Dashboard in automatisierte und gemeinsam genutzte Berichte um.

Das Dashboard selbst war der erste Durchbruch. Hier wurde visualisiert, wo Verkäufer:innen erfolglos nach Zustelldiensten suchten (aufgeschlüsselt nach Bezirk und Stadt). Damit konnte das Team die nicht gedeckte Nachfrage quantifizieren und die Zonen mit der größten Auswirkung priorisieren. Verschiedene Teams konnten dann dasselbe Dashboard als gemeinsame Wissensbasis nutzen. Die Übertragung dieses Wissens, das zuvor die Leistung verlangsamt hat, ist nun nicht mehr notwendig.

Aber die eigentliche Transformation erfolgte, als die Dashboards mit KI-Assistenten kombiniert wurden. Diese Agenten generieren Berichte mit proaktiven, automatisierten Einblicken in die Leistung der Features. Die Teams mussten nicht mehr Ad-hoc-Analysen anfordern, um Rückgänge zu identifizieren oder neue Chancenbereiche zu erkennen. Dadurch entstand ein geschlossener Optimierungszyklus: Identifizierung der nicht gedeckten Nachfrage, Einstellung von Lieferdiensten mit besserer Einhaltung der Dienstleistungsvereinbarungen an priorisierten Standorten, Überwachung der Auswirkungen und kontinuierliche Verfeinerung des Prozesses.

Was waren die Ergebnisse?

• Weniger Lieferausfälle: Die Suchanfragen, bei denen keine Zustelldienste verfügbar waren, gingen um etwa 10 % zurück, nachdem die wichtigsten Standorte mit ungedeckter Nachfrage gezielt verbessert wurden.
• Annahme des Features: 60 % der Flex-Verkäufer:innen in Brasilien wickeln jetzt Lieferungen über dieses Feature ab.
• Dienstleistungsvereinbarungen werden eingehalten: Die Einhaltungsrate von Dienstleistungsvereinbarungen ist mit der Verwendung von Flex um 2,5 % gestiegen.

Das war nicht nur ein einmaliges Projekt. Durch die Zusammenarbeit von Dashboards und KI-Assistenz optimieren Teams kontinuierlich die Abdeckung und das Onboarding von Zustelldiensten, sobald sich die Nachfrage ändert. Das Geschäftsmodell änderte sich – weg von reaktiver Erkennung hin zu einer kontinuierlichen Optimierung.

Die KI-native Zukunft mit Amplitude

Die Transformation von MELI fand aber nicht isoliert statt. Amplitude arbeitete mit Minders zusammen, einer MarTech-Agentur, die sich auf die Umsetzungen von Analysen spezialisiert hat. Sie war für den operativen Bereich dieser Einführung verantwortlich. Mit Unternehmensbewertungen durch Führungskräfte, Schulungen zur Förderung und Pilotprogramme setzt die Minders-Integration Geschäftsprioritäten in konkrete Amplitude-Workstreams um.

Dieses Partnermodell erweist sich als unerlässlich für ein Änderungsmanagement im großen Maßstab. Wenn man Hunderte von Menschen gleichzeitig in neuen Arbeitsweisen einschult, braucht man mehr als nur Software – man braucht Menschen, die die Lücke zwischen Fähigkeit und Umsetzung schließen können.

Mit Blick auf die Zukunft wird sich der KI-native Weg von MELI weiterentwickeln. Das Ziel ist: „KI im Workflow integrieren, basierend auf verwalteten Verhaltensdaten.“ Für MELI geht es bei der KI-Nativität nicht um die Neuerung, sondern darum, Teil der Zukunft zu sein. Es geht darum, die Zeit von der Erkenntnis bis zur Handlung zu industrialisieren, bis die Analytik unsichtbar wird – nicht, weil sie nicht wichtig ist, sondern weil sie in die Arbeitsweise aller fest integriert ist.