Der Blick in die Zukunft des Marketing

Wer die Vorteile von Marketing Automation kennt, wird von Predictive Marketing erst recht begeistert sein. (Bild: W4 Marketing AG)

Robotergestützte Prozessautomatisierung (RPA) wird die Gateway-Technologie sein für die intelligente Prozessautomatisierung auch im Marketing und Vertrieb in Zukunft, etwa bei  Bonitätsprüfungen, bei der Aktualisierung von Kundendaten, der Zuordnung von Sachbearbeitern und dem Personalisieren von Inhalten. Jede Markeninteraktion, die ein Verbraucher hat, sei es über eine E-Commerce-Website, soziale Medien oder im Geschäft, wird in Zukunft von einer Marketingplattform verfolgt und gespeichert werden. So genannte „prädiktive“, also vorausschauende Lösungen greifen dann tief in diese Erkenntnisse ein, um die logischen nächsten Schritte zu bestimmen und Aktionen vorherzusagen, die Kunden mit bestimmten Verbraucherprofilen ergreifen werden. Das Ergebnis dieser Analysen kann automatisch Handlungen des Unternehmens über verschiedene Kanäle auslösen, zum Beispiel über E-Mail, Mobilgeräte und Web.

Es gibt inzwischen leistungsfähige Prognose-Werkzeuge wie Einstein von Salesforce.com oder Atomic Reach, das dabei helfen kann, zu verstehen, welche Inhalte bei einer Zielgruppe gut ankommen.  Concured, das sich als „listening tool“ versteht, nutzt künstliche Intelligenz, um das Verbraucherverhalten in Bezug auf Inhalte zu analysieren und zukünftiges Content Marketing zu gestalten. Solche Werkzeuge sind bei der Erstellung und Ausführung personalisierter Marketingstrategien von entscheidender Bedeutung. Um wirklich personalisierte Kauferlebnisse für Verbraucher zu schaffen, benötigen Marketingfachleute aktuelle Einblicke in die einzelnen Zielgruppenmitglieder und müssen dann in der Lage sein, die einzigartigen Inhalte entsprechend zu generieren und zu liefern. Wenn die Verbraucher diese maßgeschneiderten Inhalte nahezu in Echtzeit erhalten, steigert dies die Effizienz der Arbeit von Marketing-Teams erheblich.

Alibaba: Zeigt dem Kunden, was er will

Der chinesische Alibaba-Konzern ist das größte Handelsunternehmen des Landes mit einem Warenumsatz im Jahr 2019 von rund 376,8 Milliarden Yuan (48 Milliarden Euro). Die E-Commerce Portale wie AliExpress und Taobao setzen längst leistungsfähige KI-Systeme ein, um Kunden bei der Suche nach dem richtigen Produkt zu helfen. Jedesmal, wenn ein Kunde auf die Webseite kommt, wird eine Auswahl an Artikeln generiert, die sich an seinen bekannten Präferenzmustern orientiert. Dabei wird haarklein beobachtet, was der Kunde tut, und die Auswahl wird in Echtzeit angepasst um die Wahrscheinlichkeit zu erhöhen, dass es zu einem Verkaufsabschluss kommt.

Auf dem Taobao-Portal setzt das Unternehmen verstärkendes Lernen (englisch: reinforcement learning) ein, um die KI zu trainieren. Weil das Risiko aber zu groß wäre, wenn die Maschine komplett ohne Aufsicht entscheiden würde, hat man eine Art „virtuelles Taobao“ geschaffen, wo das Kundenverhalten anhand von Hunderttausenden von Stunden aufgezeichneter Daten simuliert wird. Durch die große Masse an Daten kann das System mit einer Vielzahl verschiedener Verhaltensmuster von Kunden in wesentlich kürzerer Zeit trainiert werden. Die Erkenntnisse werden anschließend in die „echte“ Handelsplattform eingespielt.

Alibaba hat auch einen eigenen Chatbot namens Dian Xiaomi, was so viel heißt wie „Verkaufsassistent“, der bei der Kanalisierung und Bearbeitung der Kundenanfragen hilft. Kunden, die ohne vorher die Website zu besuchen gleich beim Callcenter anrufen, können so nach und nach auf den Chatbot umgelenkt werden. Erst wenn dieser nicht weiterweiß, wird der Kunde per Rückrufservice an einen Berater aus Fleisch und Blut weitergeleitet. Der Chatbot dient auch als Marketinginstrument, etwa zur Beantwortung einfacherer Fragen vor dem Kauf.

Laut Produktmanager Liu Jianrong von Alibaba dient der KI-Verkaufsberater vor allem dazu, die Kundenservice-Zentren des Unternehmens zu Spitzenzeiten zu entlasten. „Wir haben festgestellt, dass den Unternehmen vor allem zu viel frequentierten Zeiten unter Tag Mitarbeiter fehlen, aber auch in den Abendstunden, wenn die Callcenter weniger besetzt sind.“ Auch besondere Tage wie der 11.11. – in China der Singles Day, der mit Schnäppchen und Sonderangeboten in den Geschäften gefeiert wird – seien so besser zu bewältigen.

Im Marketing bieten sich verschiedene Arten von vorausschauenden Lösungen an. Prädiktive E-Mail-Lösungen können den Verbrauchern gezielte Empfehlungen per Mail liefern, indem sie ihre bisherige Einkaufshistorie, die E-Mail-Einsatzraten und die historischen Affinitäten ähnlicher Verbraucher analysieren. Andere Arten von Empfehlungs-E-Mails umfassen abgebrochene Warenkorb-Kampagnen, Kampagnen nach dem Kauf und abgebrochene Browse-Kampagnen. Wenn ein Verbraucher eine Online-Website besucht, lässt sich mit Hilfe von Predictive Analytics Ansichten ein personalisiertes Einkaufs- oder Surf-Erlebnis schaffen, indem die Platzierung bestimmter empfohlener Produkte über dem Falz erfolgt oder eine Seitenleiste mit „häufig zusammen gekauften“ Artikeln generiert wird.

Inzwischen beginnt sich das Modewort “Predictive Marketing” in Fachkreisen durchzusetzen. Wer heute schon die Kunden von morgen kennt, hat natürlich die Chance, seine Werbebudgets effizienter einzusetzen. Das Wissen, wann ein Kunde bereit für den Kauf ist, wird in Zukunft entscheidend für den Marketing-Erfolg sein. Das setzt aber eine ausreichend große Datenbasis über Kunden- und Vertriebsdaten voraus. Entscheidend ist dabei das intelligente Zusammenführen der Daten aus verschiedenen Datenquellen, um Verkaufschancen zu identifizieren und die Erkenntnisse aus der Datenanalyse zu nutzen, um zum Abschluss bereite Zielgruppen zu identifizieren.

Beim Predictive Marketing geht es vor allem darum, sogenannte Personas zu erzeugen, die statistisch Merkmale besitzen, die für den Abschluß relevant sind. Durch die datengetriebene Identifikation der Abschluss-Potentiale auf Basis historischer Daten erzielt man als Werbetreibender eine viel genauere Zielgruppen-Beschreibung und Identifikation. Daten müssen über verschiedene Kanäle unter Berücksichtigung des Datenschutzes gesammelt und gebündelt werden. Dadurch werden Rückschlüsse auf potentielle Zielgruppen in den einzelnen Kanälen möglich.

Voraussetzung für erfolgreiches Predictive Marketing ist eine gut durchdachte Strategie. Diese muss nicht nur die gängigen demografischen Merkmale umfassen, sondern auch Dinge wie Tageszeiten und Nutzerverhalten. Nur so lässt sich ein Gesamtbild vom Kunden erzeugen und Antworten auf Schlüsselfragen erhalten wie über welche Kanäle die statistischen Personas angesprochen werden sollen, wie sich Marketing-Prozesse auf Personas anpassen lassen und welche Algorithmen für die Vorhersage nötig sind.

Wie immer in der KI, ist das A und O eine ausreichend große und gut gepflegte Datenbasis. Doch woher nehmen, wenn man in der Vergangenheit die Kundendaten nicht systematisch erfasst und abrufbar gespeichert hat? In einem solchen Fall bieten KI-basierte Personalisierungsplattforme eine einfache und kostengünstige Möglichkeit, individuelle Kundenerfahrungen über alle Kontaktpunkte wie Website, App, E-Mail, POS-System, IoT-Gerät und Call Center zu erfassen. Anbieter wie Nosto oder Dynamic Yield nutzen Machine Learning und KI, um die so genannte „Customer Journey“, also die Reise jedes einzelnen Kunden zum Produkt in Echtzeit zu personalisieren und zu optimieren. Auf Basis von selbstlernenden Algorithmen können Marken direkt testen, was gut funktioniert und was nicht. Kunden erhalten dann personalisierte Angebote in Echtzeit oder Kaufempfehlungen per E-Mail. „Personalisierung wird bald omnipräsent sein,“ sagt Liad Agmon, Gründer und CEO von Dynamic Yield, „denn es ist ein absolutes Muss im Marketing!“

Dieser Beitrag wurde unter artificial intelligence, Business Intelligence, Digitale Transformation, Intelligent Business, Intelligenz der Zukunft, Internet & Co., Künstliche Intelligenz, Predictive Analysis abgelegt und mit , , , , , , , , , , , , , verschlagwortet. Setze ein Lesezeichen auf den Permalink.

Kommentar verfassen

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.