Auch wenn es viele eigentlich nicht mehr hören können: Künstliche Intelligenz und Maschinelles Lernen prägen nach wie vor die öffentliche Diskussion. Zweifelsohne ist darunter auch viel „Buzzword Bingo“ zu finden – man gewinnt ja den Eindruck, dass inzwischen jeder neue Toaster künstlich intelligent ist. Auf der anderen Seite wird das Thema oft als sehr abstrakt begriffen, „echte“ KI erscheint dann noch als wenig konkret und eher als vage „Zukunftsoption“.

Jedoch lohnt hier ein tiefergehender Blick. Auch wenn es uns oft nicht bewusst ist: Gerade im Marketing ist KI bereits allgegenwärtig – jedenfalls dann, wenn wir dem allgemeinen Branchenverständnis folgen, wonach wir hierunter die Fähigkeit von Systemen verstehen, eigenständig auch komplexe Aktionen auszuführen und aus deren Ergebnissen „hinzuzulernen“. Ziel ist es, ähnlich wie beim menschlichen Lernen, ausgerichtet an den „gewonnenen Erkenntnissen“, die eigene Verfahrensweise sowie die erzielten Ergebnisse zu optimieren.

KI im Marketing-Alltag

Bereits die simple Kundenkommunikation in den Sozialen Medien oder über Suchmaschinen kommt heute ohne ein Verständnis für die autonomen Lernfähigkeiten dieser Systeme nicht mehr aus, sei es, um mittels Optimierungsmaßnahmen den Algorithmus „auszutricksen“ oder um Werbebuchungen auf diesen Plattformen effektiv umzusetzen. Gerade bei Google wird die Relevanz von KI offensichtlich: Als Kunde ist es möglich, nahezu den kompletten Prozess der Anzeigenschaltung von der Werbemittelgestaltung („Dynamic“ oder „Responsive“ Ads) bis hin sogar zur Preisbildung („Smartbidding“) dem System zu überlassen, mit dem Versprechen, dass diese Faktoren im Zusammenspiel dann automatisch optimiert würden (aus Kundensicht, behauptet Google).

Aber auch im Kernbereich des klassischen B2B-Marketings, dem ja meist eine verzögerte Adaptionsfähigkeit attestiert wird, finden sich inzwischen zahlreiche Einsatzmöglichkeiten für KI. Diese eröffnen sich überall da, wo entweder komplexe Aufgaben zu lösen sind oder ein hoher Grad an Automation möglich ist.  

Kundenmanagement mit KI

Dies beginnt bereits mit der automatischen Kundensegmentierung und dem daraus abgeleiteten individuellen Kundenmanagement. KI-Verfahren sind in der Lage, Musterzusammenhänge zu erkennen, die sich dem menschlichen Betrachter womöglich nicht auf den flüchtigen Blick erschließen. Solche Vorgehensweisen bieten sich etwa für die Ermittlung von Kundenclustern – jenseits der ebenso klassischen wie meist genauso auch ungenügenden Aufteilung nach Umsatz in A-B-C-Kunden – an. Dabei sucht das KI-System eigenständig in der Kundendatenback nach Gemeinsamkeiten (sogenanntes „Unsupervised Learning“), jenseits oder zusätzlich zu Merkmalen wie Umsatz, Branche oder Standort, um daraus Gruppen für die gezielte Ansprache zu ermitteln. Im Wege des (Programmatic) Account Based Marketings kann sogar jeder einzelne Kunde, jeder einzelne Ansprechpartner in einem Unternehmen automatisiert mit einer auf seine individuellen Bedürfnisse zugeschnittenen Kampagne bedacht werden. Auch hier wird aus „Erfahrungen gelernt“: Erfolgreiche Ansprachen aus vergleichbaren Situationen lassen sich auf ähnliche Kundenaccounts übertragen.

Desweiteren bietet das Lead Management, insbesondere auch die Leadgenerierung, ein großes Potenzial für den Einsatz von KI-Verfahren im B2B-Marketing. Dabei geht es meist um die Analyse und Aufbereitung der einzelnen Customer-Touchpoints. KI ermöglicht die automatisierte Identifizierung und Profilierung potenzieller Kunden, die dann entsprechend ihrer spezifischen „Transaktionsreife“ gezielt angesprochen werden können. Dabei ist insbesondere auch eine autonome Conversion-Optimierung denkbar. Die Systeme berechnen dazu die Wahrscheinlichkeit der Zugehörigkeit zu einem bestimmten Interessenten- oder Kundentyp sowie die statistische Kaufbereitschaft in einer spezifischen Nutzungssituation. Daraus lassen sich dann die Wirkungszusammenhänge exakt numerisch bestimmen, was eine lückenlose Zurechnung der einzelnen Maßnahmen und die Messung ihrer Effektivität ermöglicht. Als Anregung für den B2B-bereich kann hierbei das Beispiel des Motorradbauers Harley-Davidson angeführt werden, der ein derartiges Verfahren mit dem Ziel einsetzte, möglichst viele Termine für Probefahrten zu vereinbaren, um auf diese Weise Sales-Leads zu generieren. Eine KI kombinierte dabei verschiedene Werbemittel mit verschiedenen Social-Media-Kanälen und optimierte, mittels „Trial & Error“, eigenständig diese Faktoren mit dem Ziel einer möglichst hohen Anzahl an Terminvereinbarungen, wozu sich die Interessenten registrieren mussten.

KI im Verkauf und in der Kundenkommunikation

Ferner eignet sich der Einsatz intelligenter Verfahren auch für den Bereich der „Sales Analytics“ und die Auswertung der direkten Kundenkommunikation. Dabei spielt es inzwischen kaum noch eine Rolle, ob es sich dabei um geschriebenes oder gesprochenes Wort handelt. Anfragen über die Website oder Kunden-Emails lassen sich ebenso wie Telefongespräche klassifizieren, nach spezifischen Themen auswerten und für die gezielte Weiterbearbeitung aufbereiten. Selbst die Analyse von Kundengesprächen ist in Echtzeit möglich. Verschiedene Anbieter stellen auf diese Weise sogar ein „Real-Time-Coaching“ für den Verkauf und den Kundenservice zur Verfügung. Dabei analysiert die Software u.a. die Sprechgeschwindigkeit und die Stimmlage der Kommunikationsbeteiligten und gibt während des Gesprächs per Bildschirmnachricht Feedback.  Auch hier liegen intelligente Verfahren des Maschinellen Lernens zugrunde, die über die Erkennung typischer Muster, auch im persönlicherem und individuell aufwändigerem B2B-Bereich autonome Marketingmaßnahmen ermöglichen.

Insgesamt beschreibt dies nur einen kleinen Ausschnitt möglicher Einsatzfelder von KI im Marketing. Viel diskutiert werden in diesem Kontext auch zunehmend kreative Leistungen wie etwa die automatische Erzeugung von Marketing-Texten oder ganzer Werbematerialien durch intelligente Systeme. Schon länger kommen selbsttätig lernende Systeme bei der personalisierten und verhaltensbasierten Werbeausspielung im Rahmen des Programmatic Advertisings zum Einsatz. Und selbst im Influencer Marketing zeichnet sich ein immer stärkerer Rückgriff auf KI ab, sei es bei der Identifizierung „passender“ Multiplikatoren oder sogar der Etablierung rein „virtueller Influencer“ – bestehend nur aus Bits und Bytes. Dabei führt gerade die zunehmende Etablierung von KI und maschinellem Lernen dazu, dass sich solche, eigentlich bisher meist exklusiv dem B2C-Bereich vorbehaltenen Handlungsfelder, nun auch für das B2B-Marketing erschließen lassen.

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zum Thema hier:

Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Ein neues Zeitalter im Marketing: Künstliche Intelligenz, maschinelle Kreativität, virtuelle Realitäten & DNA-Targeting„:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Empfohlene Literatur

Der Beitrag KI im B2B-Marketing erschien zuerst auf Nerdwärts.de.

Drei Kernbereiche der Marketing Automation

Grundsätzlich ist es möglich, Marketing Automation in drei einzelne Segmente zu unterteilen:

• Marketing Workflow Management,
• Marketing Intelligence und – der vielleicht wichtigste Teil –
• Marketing Dialogue Processing

Marketing Workflow Management

Marketing Workflow Management bezieht sich auf die Automatisierung der internen Marketingprozesse. Dazu gehört beispielsweise die Projektsteuerung im Marketing- und Vertriebsumfeld, also das zuweisen von Arbeitspaketen, die automatisierte Erinnerung und die Überprüfung von zu erreichenden „Milestones“ u.ä. Ebenso zählen dazu die autonome Überwachung der Budgettreue sowie der entsprechende Abgleich mit der Erfolgskontrolle auf Grundlage entsprechender Datensysteme. Auch das Management der Werbemittel und -formate („Advertising Assets“) erfolgt im Rahmen mechanisierter Workflows. Das spielt insbesondere beim Programmatic Advertising eine entscheidende Rolle. Die Steuerung der Auslieferung von Werbemitteln erfolgt heute in aller Regel über einen sogenannten „Adserver“, womit sowohl die entsprechende Hardware als auch die Software umschrieben wird, die für das Management der Werbeausspielung verantwortlich ist. Der Adserver stellt die exakte Auslieferung der vereinbarten „Kontingente“ an Ad-Impressions sicher und bildet dabei auch die Nutzer-spezifische Aussteuerung der Ansprache ab. Ein menschliches Eingreifen bei der Platzierung der Werbeformate ist damit, wenn einmal die Parameter festgelegt wurden, nicht mehr notwendig.

Marketing Intelligence

Marketing Intelligence beschreibt das automatisierte Sammeln und die Auswertung von Userdaten. Darunter fallen sämtliche „im Hintergrund“ ablaufende Tracking- und Targetingmaßnahmen, die Auswertung der Surfhistorie von Nutzern, die Erfassung und Aufbereitung von Öffnungsraten, die Analyse von Stamm- und Kundendaten sowie letztlich die Verknüpfung aller dieser Informationen zu aussagekräftigen Kennzahlen und Reportings im Sinne eines Big- oder Smart-Data-Ansatzes.

Marketing Dialogue Processing

Marketing Dialogue Processing erfasst hingegen das automatisiertes Abwickeln und/oder Steuern des Kundendialogs. Dieser Bereich kann also als eine Automatisierung des Kundenbeziehungsmanagements („Customer Relationship Management“, CRM) verstanden werden. Dazu gehört etwa auch das Sicherstellen eines funktionierenden „Closed Loop Marketings“, bei dem das operative mit dem analytischen CRM verbunden wird: Auf Basis zuvor gesammelter Daten zu aktuellen und potenziellen Kunden sowie zu den von diesen verwendeten Kommunikationskanälen gilt es dabei, die Kundenbedürfnisse sowie Muster im Kundenverhalten zu erkennen und daraus die notwendigen Marketingmaßnahmen abzuleiten, deren Einfluss und Wirkung im Anschluss wiederum untersucht und optimiert werden.

Closed Loop & CRM

Durch diese fortwährende Verknüpfung von analytischer und operativer Tätigkeit entsteht ein geschlossener Regelkreis, dessen inhaltliche Bestandteile Modulcharakter aufweisen und dessen Abläufe sich automatisieren lassen. Im eMail-Marketing ist es zum Beispiel möglich, aufgrund der zuvor bekundeten Themeninteressen eines Nutzers – etwa weil sich dieser bestimmte Inhalte oder Produkte angesehen hat – individualisierte eMail-Newsletter automatisiert, also ohne, dass dabei noch das Eingreifen eines menschlichen Redakteurs vonnöten wäre, zu erstellen.

Messbarkeit der Resonanz

Die Reaktionen der jeweiligen Nutzer auf diese Aussendung lassen sich wiederum messen. Dabei werden unter anderem Antworten auf folgende Fragen gesucht: „Wurde die zugestellte eMail durch den Empfänger geöffnet?“, „Wenn ja, auf welche Inhalte wurde geklickt?“, „Was hat ihn also besonders interessiert?“ und „Wie ist der Adressat dann weiter verfahren?“. Die daraus ableitbaren Maßnahmen lassen sich im Vorfeld „programmieren“. So ist es möglich, allen Empfängern, die die eMail nicht geöffnet haben, automatisiert nach einer gewissen Karenzzeit die Nachricht erneut zuzustellen. Erfolgt dann immer noch keine Reaktion, so muss ggf. eine neue inhaltliche Ausrichtung erfolgen. Die „Öffner“ hingegen werden hinsichtlich ihres Nutzungsverhaltens unter die Lupe genommen: Ziel ist es, hier möglichst wenig Anschlussverluste zu erleiden, also die Nutzer dazu zu bewegen, den weiterführenden Klick auf die dargebotenen Inhalte zu tätigen. Auch diese Verhaltensweise fließt mechanisiert in die Ausgestaltung der kommenden Aussendungen ein.

Vernetzung der Einzelsysteme

Wurden in der eMail zum Beispiel Produkte eines Onlineshops angepriesen, so ist dann entscheidend, ob es in der Folge zu einem Abschluss kam. Ist dies der Fall, so kann eine Verknüpfung der Kommunikationsdaten mit den Sales- und Adressdaten stattfinden, die sich IT-seitig in einer Verknüpfung von eMail-Marketingsystem, CRM-System sowie der Buchhaltungs- und ERP-Software widerspiegelt. In einem intelligenten, geschlossenen Marketing-Loop werden in einer nächsten Runde dem Kunden dazu passende, womöglich komplementäre Angebote zu seiner letzten Transaktion automatisiert unterbreitet, deren Erfolg wieder entsprechend überprüft wird. Im Idealfall entsteht somit ein Kreislauf, der sich selbst optimiert und steuert.

Lead Generation & Lead Management mit Marketing Automation

Anwendung findet dieses Prinzip auch im „Lead Management“, dem Management von Verkaufs- und Kundenkontakten. Der Begriff „Lead“ (zu Deutsch „Spur“) steht dabei für einen qualifizierten Datensatz zu potenziellen Kunden, die sich aufgrund eines an spezifischen Themen gezeigten Interesses als vielversprechender Verkaufskontakt identifiziert haben. Klassischerweise erfolgt die Generierung von Leads über sogenannte „Whitepaper“, qualitativ hochwertige „Fachartikel“, die sich der Lösung eines spezifischen Einkäuferproblems widmen, jedoch nicht von einer entsprechenden Redaktion eines unabhängigen Mediums, sondern von den Anbietern derartiger Lösungen bereitgestellt werden.

Köder für Registrierung, verschiedene Leadlevel

Diese Inhalte platziert man im Netz, um sie gewissermaßen als „Köder“ auszulegen. Der Zugriff ist meist nur nach vorheriger Registrierung möglich, so dass die Anbieter auf diese Weise an die Kontaktdaten der Interessenten gelangen. Statt eines Whitepapers werden auch Webinare, Gruppenzugänge in Social Media oder traditionelle Messen für Lead Generierung genutzt. Lead Management umfasst dabei den gesamten Prozess der Lead Generierung und des „Lead Nurturings“, der Pflege und Weiterentwicklung von Leads zu qualifizierten Kontakten, je nach Qualifizierungsgrad und daraus abgeleiteter Abschlusswahrscheinlichkeit zu „Marketing Qualified“, „Sales Qualified“ und „Sales Accepted“ Leads.

Mechanisierung der Kundengewinnung mit Marketing Automation

Auch dieser Prozess lässt sich bis zur Übergabe (und nicht selten auch darüber hinaus) der zu Kunden umgewandelten Kontakte an das CRM-System fast vollständig automatisieren. Dabei wird stets auf Basis des Status‘ des jeweiligen Interessenten, seiner aufgezeichneten Reaktionen zu den jeweiligen Stufen der Kontaktanbahnung und seiner ermittelten Budgetausstattung und -befugnis der nächste, „maßgeschneiderte“ Kommunikationsschritt festgelegt. Nicht nur die Wahl der Kommunikationsmaßnahmen, auch konkrete – und nicht selten automatisierte – Handlungsanweisungen zu Art und Intensität der Betreuung durch den Vertrieb bemessen sich hieran. Auf diese Weise ließe sich letztlich die gesamte Steuerung der Kundengewinnung sowie von Marketing und Vertrieb in diesem Bereich mechanisieren.

Chat Bots als neues Form der Marketing Automation

Die fortschreitende Entwicklung in der Digitalisierung und die damit steigende Kompetenz im Umgang mit Daten führt zu zunehmend intelligenteren Kommunikationsautomatismen. Immer öfter werden heute grundlegende Aufgaben des Kundendialogs auf sogenannte „Chat Bots“ ausgelagert, digitale Dialogsysteme, über die sich in natürlicher Sprache kommunizieren lässt. Meist erscheinen diese in Form eines klassischen „Messengers“ wie WhatsApp oder der Chatversion von Facebook („Facebook Messenger“) und bestehen aus einer simplen Textmaske, die für die Nutzereingaben und die systemseitigen, computergenerierten Antworten genutzt wird. Grundsätzlich sind aber auch Anwendungen für das gesprochene Wort denkbar, vergleichbar mit Apples Sprachsteuerungsfunktion „Siri“ oder den autonomen Haushaltslösungen „Amazon Alexa“ oder „Google Home“, mit denen man tatsächlich schon nahezu „richtige Gespräche“ führen kann.

Digitale Assistenten im Kundenkontakt

Die US-Modekette „Macy’s“ bietet ihren Kunden den digitalen Assistenten „Macy’s On Call“ an, der dabei helfen soll, sich im Laden vor Ort zurechtzufinden. Der Bot versteht auch „unstrukturierte“ Textanfragen, wie „Wo finde ich Schuhe?“, und liefert daraufhin die korrekte Antwort. Ein anderes Anwendungsbeispiel stellt „Lisa“, der „Learning Intelligent Sales Agent“, des deutschen Unternehmens „The Saas Co.“ dar. Dieser soll die Arbeit im Vertrieb intelligent unterstützen, indem bestimmte wiederkehrende Sales-Tätigkeiten automatisiert abgebildet werden. Wird ein Kunde durch einen Verkäufer kontaktiert, setzt dieser den Bot als Nebenempfänger in seiner Antwortmail auf „cc:“. Die dahinterliegende Software analysiert dann im Hintergrund die daraufhin eingehenden eMails und ordnet diese automatisch nach positiven und negativen Antworten oder Abwesenheiten. Des Weiteren soll „Lisa“ adäquate Antworten im Kundendialog vorformulieren und eigenständig relevante Informationen für den Gesprächspartner zusammenstellen können.

Chatbots als Vorläufer Künstlicher Intelligenz

Immer öfter sind diese Bots in der Lage, aus vorausgegangenen Aktionen sowie aus den damit verknüpften Daten zu „lernen“ und dürfen damit getrost als Vorläufer „Künstlicher Intelligenz“ beschrieben werden. Gerade diesem Feld wird heutzutage eine besondere Aufmerksamkeit geschenkt, so dass hier in den nächsten Jahren von erheblichen Entwicklungssprüngen in der Marketing Automation ausgegangen werden kann.

Der Beitrag ist ein Exzerpt aus:
Wagener, Andreas (2018): Marketing 4.0 In: Wolff, Dietmar / Göbel, Richard (Hrsg.). Digitalisierung: Segen oder Fluch. Wie die Digitalisierung unsere Lebens- und Arbeitswelt verändert, http://www.springer.com/de/book/9783662548400

Mehr zum Thema Künstliche Intelligenz & Chatbots hier:

Prof. Dr. Andreas Wagener. Professur für Digitales Marketing: eCommerce & Social Media, Hochschule Hof

Industrie 4.0, Datenökonomie und Künstliche Intelligenz: Wie Daten und Algorithmen Wirtschaft und Gesellschaft verändern:

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Marketing Automation & Lead Generation erschien zuerst auf Nerdwärts.de.