Künstliche Intelligenz (KI) und Marketing Automatisierung als verstärkende Faktoren zur Erreichung von Unternehmenszielen werden die Marketingwelt in den kommenden Jahren noch deutlicher beeinflussen. Der Trend in Richtung automatisierter (vorwiegend digitaler) Marketingaktivitäten zieht sich bereits jetzt durch viele Branchen und unterstützt Unternehmen dabei, Kundinnen und Kunden zu generieren, zu betreuen und möglichst langfristig zu binden. Zu den größten Herausforderungen zählt dabei die individuelle Ansprache der Konsument:innen im richtigen Moment im passenden Kanal mit der für sie relevanten Werbebotschaft. Nachfolgend wird erklärt wie Unternehmen das Potenzial von KI und Marketing Automation nützen können.
Wie wird KI-basierte Marketing Automation in B2B und B2C eingesetzt?
„Automationssoftware ist unschlagbar, wenn es darum geht, monotone, sich wiederholende Arbeiten zu erledigen, zu messen und zu optimieren.“ (Anthes, 2022). Im Vordergrund steht dabei der Effizienzgewinn durch die Vereinfachung, Beschleunigung oder Reduktion wiederkehrender Arbeitsschritte oder gar deren Eliminierung mit dem Ziel den manuellen Aufwand zu minimieren und mehr Zeit für anderweitige Aufgaben zu haben (Tedder, 2020).
„Die Balance zwischen Neukundengewinnung und individueller Bestandskundenpflege stößt […] schnell an die Grenzen gängiger CRM und ERP Systeme.“ (Dietz, 2022). Ändert sich das Kaufverhalten von Kund:innen, wird die Nachvollziehbarkeit von Kunden- bzw. Geschäftsbeziehungen für Unternehmen aufgrund der Komplexität der Verhaltensausprägungen schwierig. Verhaltensmuster können durch intelligente Algorithmen erörtert, mit Kennzahlen zueinander in Relation gesetzt und Handlungsempfehlungen für Marketingmaßnahmen abgeleitet werden (Dietz, 2022).
Marketingprozesse können durch die Anwendung von Künstlicher Intelligenz optimiert und durch Machine Learning automatisiert werden, sodass personalisiertes Marketing auf Daten-Basis für Kundinnen und Kunden betrieben werden kann. Je nach Einsatzweck im B2B-Bereich erstellt die KI Costumer-Lifetime-Value-Prognosen, schlägt interessenbasierte Angebote („next best offer“) für Kund:innen vor, clustert Konsument:innen nach bestimmten Merkmalen und analysiert Kundenprofile um exakte Handlungsempfehlungen abzugeben (z.B. Rabattierung für ein bestimmtes Produkt- bzw. Kundensegment, Angebot X für Kundin Y) (Wuttke, 2022).
Um B2C-Kund:innen im entscheidenden Moment mit den richtigen Inhalten anzusprechen, sind Vorhersage- und Next Best Offer-Modelle hilfreich: Sie unterbreiten beispielsweise Onlineshop-Kund:innen bereits alternative Angebote bevor diese ihr Verhalten ändern und sich während des Kaufvorhabens umentscheiden. Entscheidend ist folglich eine schnelle Reaktionsfähigkeit des eingesetzten Systems (z.B. durch Programmatic Advertising) um das Kaufinteresse von Kund:innen durch die Präsentation relevanter Inhalte aufrecht zu erhalten. Dies gelingt durch den Einsatz von Künstlicher Intelligenz und Machine Learning, die basierend auf Erfahrungswerten aus Datenanalysen Vorhersagen über zukünftige Kundenbedürfnisse treffen können (A., 2022)
Mit Daten trainierte Echtzeit-KI ermittelt die Next Best Action und bespielt Kund:innen automatisiert mit Angeboten oder Problemlösungen, für die sie am zugänglichsten sind. So kann die KI durch A/B-Tests bei Newsletter-Aussendungen durch Auswertung von KPIs – z.B. Öffnungsrate, Uhrzeit zu der das E-Mail gelesen wird – Schlussfolgerungen daraus ziehen, welcher der optimale Zeitpunkt für den Versand ist, um die Wahrscheinlichkeit zu erhöhen, dass die Nachricht vom Zielpublikum gelesen wird. Sentimentanalyse-Software (Anwendung zur automatisierten Stimmungserkennung und Auswertung von Nutzerkommentaren) kann sogar auf den Gemütszustand von Kund:innen reagieren und ihnen passende Lösungen für ihre Probleme bieten: Nutzt eine Kundin beispielsweise einen Unternehmens-Chat um sich zu beschweren, so kann die KI negative Schlüsselwörter erkennen und automatisiert mit einem eigens dafür bereit gestellten Kulanz-Angebot das negative Kundenerlebnis in ein positives verwandeln (Schwenk, 2021).
Wie erkennt KI die Bedürfnisse von (B2C-)Kunden?
Kundenbedürfnisse haben sich seit es On Demand-TV und Online-Shopping gibt merklich verändert. Konsument:innen erwarten individuelle, ihren Wünschen angepasste, Dienstleistungen und Produkte. Um dem zu entsprechen, sammeln Unternehmen digital Informationen über das Verhalten ihrer Kundinnen und Kunden und erstellen Datenprofile zum besseren Verständnis der Kundenbedürfnisse. Die Auswertung dieser Daten und die Ableitung gewinnbringender, prozesseffizienter Maßnahmen können intelligente, KI-basierende Tools übernehmen (Weigel, 2021).
Ausblick für die Anwendung von KI und Marketingautomatisierung
Im Bereich Marketing und Vertrieb agiert KI als Innovationstreiber für die Trendfelder
- Automatisierung/Automation (automation),
- Prognose (prediction),
- Personalisierung (personalization).
Durch Automatisierung „entscheiden“ Maschinen über das „next best offer“ für Kund:innen (z.B. im Online-Handel durch dynamisches Preismanagement, Produktempfehlungen, den Versand von E-Mails, etc.) oder unterstützen Marketingverantwortliche bei der Entscheidungsfindung für geeignete Werbemaßnahmen.
Um Prognosen erstellen zu können, bedarf es einer kuratierten, historisch gewachsenen Datenbank, um die KI damit trainieren und letztlich Verhaltensmuster von Kund:innen analysieren und ihr Kaufverhalten voraussagen zu können. Aber auch für die Mustererkennung von Betrugsfällen („Frauds“) bzw. Cyber Crime kann KI eingesetzt werden. Prognosemodelle arbeiten dynamisch und lernen auf Basis neuer Daten ständig dazu. Eine umfassende Datenlage zum User:innen-Verhalten bildet die Grundlage für effektive Marketing Personalisierung und damit für die zielgerichtete Ausspielung von relevanter, personalisierter Werbung.
Nach Auswertung der Prognoseergebnisse können Schlussfolgerungen gezogen und Endverbraucher:innen maßgeschneiderte Werbe-Inhalte angezeigt werden. Die Stärke von KI liegt hier allem voran in der Bewältigung großer Datenmengen, deren Analyse sowie der automatisierten Ausspielung kundenzentrierter Inhalte (Grün et al, 2019).
Lichtenthaler (2020) unterstreicht die strategische Relevanz „integrierter Intelligenz“ in Unternehmen in Hinblick auf dessen zukünftige Wettbewerbsfähigkeit. Durch den zielgerichteten Einsatz von KI in Verbindung mit spezifischem Fachwissen („menschlicher Intelligenz“) sollen sich Unternehmen so langfristig Wettbewerbsvorteile fernab von standardisierten, isolierten KI- Allgemeinlösungen sichern. Erst in Kombination mit menschlicher Intelligenz kann KI ihr volles Potenzial entfalten (Lichtenthaler, 2020).
Quellen:
A. (2022, 30. Juni). Künstliche Intelligenz, Anwendungsfälle im Marketing. www.pedalix.com/. Abgerufen am 21. November 2022, von https://www.pedalix.com/de/hub/kuenstliche-intelligenz
Anthes, J. (2022, 28. September). Marketing Automation – Definition, Beispiele & wie Sie damit starten! Bright Solutions. Abgerufen am 5. Dezember 2022, von https://www.brightsolutions.de/blog/marketing-automation-definition-und-beispiele/
Dietz, H. (2022, 1. September). KI gestützte Ermittlung individueller Kundenbedürfnisse. neusta analytics & insights GmbH. Abgerufen am 22. November 2022, von https://neusta-sd-west.de/2021/03/25/kuenstliche-intelligenz-unterstuetzt-die-ermittlung-individueller-kundenbeduerfnisse/
Grühn, B. et al (2019, 14. Februar). Winning tomorrow’s car buyers using artificial intelligence in marketing and sales. McKinsey & Company. Abgerufen am 5. Dezember 2022, von https://www.mckinsey.com/industries/automotive-and-assembly/our-insights/winning-tomorrows-car-buyers-using-artificial-intelligence-in-marketing-and-sales
Lichtenthaler, U. (2020). Integrierte Intelligenz: Wettbewerbsvorteile erzielen durch die Kombination menschlicher und künstlicher Intelligenz (1. Aufl.). Campus Verlag.
Schwenk, T. (2021, 8. Juli). KI und Kundenbindung mit Next-Best-Action. blog.usu.com. Abgerufen am 22. November 2022, von https://blog.usu.com/de-de/ki-und-kundenbindung-mit-next-best-action-kundenbeziehungen-aufbauen-und-verbessern
Tedder, D. (2020, Jänner 29). Entscheidungskriterien für die Wahl von KI-Tools im ITSM. ComputerWeekly.de. Abgerufen am 22. November 2022, von https://www.computerweekly.com/de/ratgeber/Entscheidungskriterien-fuer-die-Wahl-von-KI-Tools-im-ITSM
Weigel, A. (2021, 9. November). Mit KI zu mehr Kundenverständnis und Umsatz im B2B. marconomy.de. Abgerufen am 22. November 2022, von https://www.marconomy.de/mit-ki-zu-mehr-kundenverstaendnis-und-umsatz-im-b2b-a-1073944/
Wuttke, L. (2022, 9. September). Künstliche Intelligenz (KI) im B2B Marketing: Anwendung & Praxisbeispiele. datasolut GmbH. Abgerufen am 21. November 2022, von https://datasolut.com/ki-im-b2b-marketing/
KI und Marketing Automation in B2B und B2C in aller Kürze:
Wie wird KI-basierte Marketing Automation in B2B und B2C eingesetzt?
KI-basierte Marketing Automation wird in erster Linie zur Effizienzsteigerung von Marketingprozessen eingesetzt. Durch die Automatisierung von wiederkehrenden Arbeitsschritten können Unternehmen Zeit und Kosten sparen. Des Weiteren können Verhaltensmuster von Kunden durch intelligente Algorithmen analysiert und ausgewertet werden, um personalisiertes Marketing zu betreiben.
Was sind die Vorteile von KI-basierten Marketingprozessen?
Die Vorteile von KI-basierten Marketingprozessen liegen insbesondere in der Effizienzsteigerung durch Automatisierung, der Analyse von Kundenverhalten und der Personalisierung von Marketingmaßnahmen. Unternehmen können dadurch Zeit und Kosten sparen und gezielter auf Kundenbedürfnisse eingehen.
Welche Herausforderungen gibt es bei der individuellen Ansprache von Kunden?
Die individuelle Ansprache von Kunden stellt eine der größten Herausforderungen im Marketing dar. Es geht darum, die richtige Zielgruppe im passenden Moment mit der relevanten Werbebotschaft anzusprechen. Hierbei müssen Unternehmen das Kaufverhalten von Kunden nachvollziehen und Verhaltensmuster analysieren, um Handlungsempfehlungen für Marketingmaßnahmen abzuleiten.
Wie kann KI helfen, personalisiertes Marketing zu betreiben?
KI kann helfen, personalisiertes Marketing zu betreiben, indem es Verhaltensmuster von Kunden analysiert und personalisierte Angebote erstellt. Je nach Einsatzweck im B2B-Bereich erstellt die KI Costumer-Lifetime-Value-Prognosen, schlägt interessenbasierte Angebote für Kunden vor, clustert Konsumenten nach bestimmten Merkmalen und analysiert Kundenprofile um exakte Handlungsempfehlungen abzugeben.
Was sind Next Best Offer-Modelle und wie helfen sie im Marketing?
Next Best Offer-Modelle sind Vorhersagemodelle, die Unternehmen dabei helfen, Kunden im entscheidenden Moment mit den richtigen Inhalten anzusprechen. Sie unterbreiten beispielsweise Onlineshop-Kunden bereits alternative Angebote bevor diese ihr Verhalten ändern und sich während des Kaufvorhabens umentscheiden. Durch den Einsatz von Künstlicher Intelligenz und Machine Learning, die basierend auf Erfahrungswerten aus Datenanalysen Vorhersagen über zukünftige Kundenbedürfnisse treffen können, können Unternehmen gezielt auf Kundenbedürfnisse eingehen und ihre Marketingmaßnahmen optimieren.
