Channel

KI hilft, Kunden zu verstehen
Gerd Altmann auf Pixabay
Predicitive Analytics

KI sagt, was der Kunde wirklich will

KI hilft, Kunden zu verstehen
Künstliche Intelligenz versetzt Marketing Automation Systeme in die Lage, mit dem Kunden zielgerichtet zu interagieren und frühzeitig zu erkennen, ob er sich abwenden will. 
von Helmut van Rinsum Montag, 23. November 2020
Alle Artikel
X
Zalando enteilt der Konkurrenz - About You holt auf

Auch wenn wir das oftmals gar nicht realisieren: Künstliche Intelligenz (KI) ist längst dabei, den Alltag zu erobern. Egal, ob uns Google bei der Eingabe von Suchbegriffen Ergänzungen vorschlägt, ob wir mit Alexa oder einem Bot kommunizieren oder von Netflix einen Vorschlag für eine neue Serie erhalten – jedes Mal arbeiten im Hintergrund intelligente Systeme.


Sie sammeln Daten, analysieren sie, lernen dabei und leiten daraus Schlussfolgerungen ab. Nach einer aktuellen Umfrage des Digitalverbandes Bitkom geht mehr als die Hälfte der Befragten davon aus, dass KI unsere Gesellschaft in den nächsten Jahren noch spürbar verändern wird, wobei das positive Bild überwiegt. 68 Prozent der Befragten sehen KI eher als Chance denn als Gefahr.  

Eine hohe Erwartungshaltung herrscht vor allem im Bereich der medizinischen Versorgung. Künstliche Intelligenz im Marketing – das ist eher nicht im Bewusstsein der Bevölkerung, obwohl Google und Alexa selbstverständlich genutzt werden. Die kürzlich veröffentlichte Studie Digital Dialog Insights zeigt allerdings, dass dies unter Marketingmanagern anders aussieht. Immer mehr sind davon überzeugt, dass sich mit dem Einsatz von Künstlicher Intelligenz bessere Marketingentscheidungen treffen lassen.


Meist gelesen auf Horizont+
Im Fokus steht dabei die Individualisierung (83 Prozent), die Optimierung des Targeting (78) und die Verbesserung der Customer Experience (74). Fazit der Studienautoren: „Wer sich mit Daten und Marketing Automation beschäftigt, wird im nächsten Schritt Machine Learning und weitere Features von Künstlicher Intelligenz nutzen.“

Tatsächlich fließt Künstliche Intelligenz bereits in die ersten Marketing Automation Systeme (MAS) ein. Die intelligenten Software-Systeme sollen es möglich machen, das Userverhalten genauer als bisher vorherzusagen. Das sogenannte „Predicitve Analytics“ zählt zu den derzeit angesagtesten Big-Data-Trends. „Durch den Einsatz von KI können Aktionen von Kunden sehr genau vorhergesagt werden“, sagt Holger Behnsen, Managing Director Central & Southern Europe bei Emarsys Interactive Services, Berlin. „Das führt dazu, dass man von einer reaktiven zu einer proaktiven Interaktion mit den Kunden gelangt.“ Grundlage dieser Prognosen ist – wie bei Marketing Automation generell – die Nutzung von qualitativ verwertbaren Daten. Der Unterschied ist nur, dass diese für keine vorprogrammierten Wenn-Dann-Optionen verwendet werden. Das System ist lernfähig (Machine Learning) und kommt zu eigenständigen Schlussfolgerungen. Für den Marketer eröffnen sich damit Welten, die zuvor nicht sichtbar waren, weil ihm die Zusammenhänge verborgen blieben.

Collect, detect, understand and act

Markus Wübben, Managing Director von CrossEngage, Berlin, nennt dafür Beispiele. So könnte das MAS beispielsweise nach Sichtung und Analyse der Daten darauf hinweisen, dass zahlreiche User ihre Präferenzen in einem Onlineshop verändert haben: von Schuhen auf T-Shorts. Oder aber, dass bestimmte Segmente überkontaktiert sind, weshalb man diese jetzt vorerst von weiteren Werbeaktionen ausnehmen sollte. Oder dass Tausende an Usern churngefährdet sind, sich also von dem Shop oder als Abonnent abwenden wollen. „Zukünftig schlägt die intelligente Software dem Marketer jeden Tag neue Optionen vor“, sagt Wübben. „Welche er dann letztendlich davon nutzt, entscheidet er selbst oder lässt sich anleiten.“ 

Die Customer Data Plattform (CDP) CrossEngage gab Ende September bekannt, sich mit GPredicitive zusammenzuschließen, einer Customer Prediction Plattform (CPP). Gemeinsam wollen beide künftig unter der Marke CrossEngage auf dem Markt auftreten. Im Moment werden beide Plattformen miteinander verbunden, können aber auch weiterhin getrennt genutzt werden. Soll heißen: Kunden erhalten damit einerseits Daten zur Kundenverhaltensprognose. Andererseits können diese aber auch direkt in die Marketing Automation eingespeist werden. Die CDP sammelt also Daten, die CPP leitet daraus Schlussfolgerungen ab und gibt diese wieder an die DCP zurück. „Collect, detect, understand and act“, nennt Wübben diesen Kreislauf. Das System im Hintergrund mutiert damit zum Assistant des Marketers. Wübben: „Unser Ziel ist, dass er sich morgens nur einloggen muss und dann genaue Vorschläge erhält, was er tun sollte.“

Geeignet sind solche AI-gestützten (Aritificial Intelligence) Tools vor allem für die Bestandskundenpflege. „Ohne den Einsatz von KI wurde bislang immer auf Ereignisse reagiert. Ein Kunde musste zunächst inaktiv werden, bevor man eine Reaktivierungskampagne ausgelöst hat“, berichtet Holger Behnsen. „Dank KI und Predictive Analytics hat man jetzt die Möglichkeit, mit dem individuellen Kunden zielgerichtet zu interagieren, bevor er zum inaktiven Kunden wird.“ Den Werbungtreibenden könnte dies helfen, Geld zu sparen. Denn bislang wurde viel Geld investiert, an neue Kunde zu kommen, weil man machtlos zusehen musste, wie Bestandskunden verloren gingen. Aber auch für die Neukundenakquise bringt Künstliche Intelligenz wertvolle Erkenntnisse. Wenn man beispielsweise einen Onlineshop auf Basis KI-gestützter Daten personalisiert, kann man in zweiten Schritt über Look-a-Like-Audiences ganz ähnliche Kundengruppen ansprechen. Das Prinzip ist an sich nichts Neues. Neu ist allerdings die Genauigkeit und damit die Treffsicherheit der zugrundliegenden Daten.

System erkennt auch den Wunsch nach Nicht-Personalisierung

Die AI-gestützten Prognosen umfassen dabei grundsätzlich alle Medienkanäle: die Online-sowie Offline-Welt wie beispielsweise Werbesendungen per Post. „Es können alle Kanäle – egal ob Online- oder Printmailings – gleichermaßen davon profitieren, solange die Daten aus allen Touchpoints und Kanälen zentral in einer Plattform verfügbar sind und von dort aus wiederum alle Kanäle bespielt werden können“, sagt Behnsen. Gerade für postalische Mailings ergäben sich „extrem interessante Budgetoptimierungen“, ergänzt Markus Wübben. Dabei analysiere die Customer Data Plattform genau, was der Kunde schätzt und was nicht, ob beispielsweise Couponaussendungen sinnvoll sind oder ob eine prozentuale Reduzierung besser konvertiert als ein fixer Preisnachlass. In einem Falle hatten auch Tests weitere, interessante Ergebnisse geliefert. Einem Kundenkreis wurde eine E-Mail mit einem Coupon geschickt. Einem anderen eine Postkarte mit Coupon. Einem dritten wiederum eine E-Mail, in der stand, dass er morgen im Briefkasten eine Karte mit einem Coupon vorfinden würde, was am erfolgreichsten war. Dieses intelligente Zusammenspiel habe zu doppelt so hohen Conversions geführt, so Wübben.

Die Individualisierung kann, muss dabei aber keine Erfolgsformel sein. Es gibt Kunden, die nicht personalisiert angesprochen werden wollen. Da erkenne das System dann Signale, dass dies dem Kunden auf die Nerven gehe, sagt Wübben. Die Empfehlung des Systems lautet dann: Personalisierte Ansprache bitte einstellen. Die nächste Aussendung hat dann wieder ehe unpersönlichen Charakter, so wie es diesem Kunden am liebsten ist. Ein unpersönliches Anschreiben, dass in Wahrheit aber höchst individualisiert ist.
Bitte loggen Sie sich hier ein, damit Sie Artikel kommentieren können. Oder registrieren Sie sich kostenlos für H+.
stats