Diese „3 A“ des KI-Marketings umfassen:

•             Analysieren

•             Automatisieren

•             Autonom agieren.

Alle drei Kategorien beschreiben grundlegende Einsatzbereiche für KI. Die Basis dafür bildet stets eine zunehmend angereicherte Form der Datenverarbeitung. Die hinter dieser Leistung stehende „Intelligenz“ nimmt dabei schrittweise zu.

Der Aspekt des Analysierens umfasst sämtliche Aufgaben der Datenerfassung und Dateninterpretation. Damit wird zugleich die Grundlage für die Funktionsfähigkeit intelligenter Systeme geschaffen sowie auch die für jede Form von Marketing wichtige Funktion der Informationserhebung und Schaffung von Entscheidungsgrundlagen beschrieben.

Automatisieren bezieht sich auf die darauf aufbauende Fähigkeit, weitgehend losgelöst vom weiteren individuellem Eingreifen, eben „automatisch“, zwar grundsätzlich eigenständig, aber entlang vorab definierter Rahmenbedingungen spezifische Aufgaben auszuführen.

Autonom agieren beschreibt hingegen eine eigenständige Handlungsfähigkeit eines Systems, auch ohne eine „Rückkoppelung“ mit festgesetzten „Aktionsmaximen“ und die Befähigung, womöglich eigene autonome Prozesse ohne menschliches Zutun zu etablieren.

Im Detail soll dieses Stufenmodel im Folgenden beschrieben werden:

 „A“ wie „analysieren“: Daten sammeln und strukturieren, Muster und Gesetzmäßigkeiten ableiten.

Wie schon angeführt, spielt die Verarbeitung von Daten zum Ziel der Informationsgewinnung im Marketing schon seit längerem eine zunehmend tragende Rolle. Das Diktum „Kenne Deinen Kunden!“ prägt die Arbeit in den Vertriebs- und Werbeabteilungen vieler Unternehmen; „Kennen“ und „Kunde“ haben den gleichen Wortursprung, sie sind etymologisch verwandt. Nur wenn die Vorlieben und Bedürfnisse und die Verhaltensweisen der Kunden bekannt sind, ist eine zielgerichtete Bearbeitung der Märkte möglich.

Gleiches gilt für die Anforderungen der Märkte selbst: Welche Bedingungen bestehen dort? Welche Konkurrenten existieren und wie verhalten sich diese? Zeichnen sich grundlegende Veränderungen und Trends ab, die das Marktgeschehen beeinflussen könnten? Diese und ähnliche Fragestellungen treibt Unternehmen nicht erst seit der Digitalisierung um. Die Analyse von Datenmaterial steht am Anfang aller KI-Tätigkeit. Daten bilden gewissermaßen die „Nahrung“ künstlicher Intelligenz, mit ihnen werden Künstliche Neuronale Netzwerke gefüttert, auf ihrer Basis können Algorithmen lernen und zielgerichtete Ergebnisse liefern. Wenn wir also von KI im Marketing sprechen, so bezieht sich dies zwangsläufig auf eine Form der „Daten getriebenen“ Marktbearbeitung – mindestens unterstützt oder auch maßgeblich gesteuert durch intelligente, autonom agierende Systeme. Die „intelligente“ Leistung besteht damit dann in der eigenständigen Prognose, nicht basierend auf menschlichen Annahmen und „Dreisätzen“, sondern darin, unabhängig davon Muster und Gesetzmäßigkeiten zu identifizieren.

Auf diese Weise werden nicht nur die Grundlage für automatisiertes oder autonomes Handeln geschaffen, sondern gleichzeitig auch bereits wichtige Erkenntnisse für das operative Marketing gewonnen. Neben allgemeinen Informationen zu Kunden und Märkten und der Identifizierung von „Trends“, finden diese Verwendung beispielsweise bei der Ansprache potenzieller Vertriebskontakte und der Vermeidung von Streuverlusten durch die daraus resultierende Möglichkeit der Individualisierung und Personalisierung.

Auch unternehmensinterne Informationssysteme können durch KI unterstützt oder maßgeblich geprägt werden. Die Vielzahl an Daten unterschiedlichster Herkunft und Beschaffenheit – „strukturiert“ oder „unstrukturiert“, in Text-, akustischer oder visueller Form – verhindert oft eine Erfassung und Auswertung nach herkömmlichen Methoden. Auch hier können Ansätze künstlicher Intelligenz womöglich Abhilfe schaffen. Diese in der Praxis teilweise auch als „Insight Engines“ bezeichneten Systeme decken Zusammenhänge auf und machen Wissen auf eine Art und Weise zugänglich, wie dies zuvor bestenfalls bei Googles Knowledge Graph bekannt war, indem diese ohne menschliche Anleitung sinnhafte Beziehungen von einzelnen Informationen untereinander ermitteln und diese durch eine entsprechende Abbildung für den Menschen zugänglich und konsumierbar machen.   

Um überhaupt zunächst ein KI-System „füttern“ zu können, bedarf es einer großen Anzahl von Datensätzen, die Rückschlüsse auf sinnvolle Kausalitäten und mögliche Wechselbeziehungen zwischen einzelnen Datenmerkmalen („Items“) zulassen. Nur wenn die Datenbasis qualitativ wie quantitativ höchsten Anforderungen genügt, sind diese Systeme auch in der Lage, einen sinnvollen und substanziellen Beitrag zum Unternehmenserfolg zu leisten.

Der Vorteil maschinellen Lernens, insbesondere von Deep Learning, gegenüber klassischen Verfahren des Data Minings liegt in der Fähigkeit, großen Mengen an Daten zu verarbeiten und dabei unter Umständen Zusammenhänge herzustellen, die bei herkömmlichen Vorgehensweisen nicht hätten erkannt werden können. Um dies sicher zu stellen, ist es noch wichtiger als in der rein menschlichen veranlassten Algorithmik, dass die zugrundeliegenden Daten „fehlerfrei“ vorliegen, denn mit steigendem Autonomiegrad eines Systems erhöhen sich auch die Schwierigkeiten, im Nachhinein eine unerwünschte oder schlichtweg „falsche“ Ausgabe auf den eigentlichen Fehler zurückzuführen, da der Pfad der Ergebnisfindung womöglich nur noch schwer nachzuvollziehen ist.

„A“ wie „automatisieren“: eigenständig Aufgaben innerhalb eines definierten Handlungsrahmens erfüllen

Schon seit geraumer Zeit hat sich der Begriff der Marketing Automation im digitalen Marketing etabliert. Dabei geht es um die weitgehend unabhängig vom menschlichen Eingriff ablaufende Abwicklung verschiedener, sich wiederholender Marketingprozesse in den einzelnen Segmenten des Marketing-Mix, wenngleich der Schwerpunkt in der Praxis auf der Verzahnung von Werbe- und Vertriebstätigkeiten liegt. Hier besteht seit längerem ein wachsender Markt von gewerblichen Anbietern, deren Leistungsportfolio sich durch den Rückgriff auf Technologien aus dem KI-Umfeld zunehmend erweitert.

Grundsätzlich lässt sich Marketing-Automation in drei grundlegende Bereiche unterteilen:

• Marketing Workflow Management (die Automatisierung der internen Marketingprozesse)

• Marketing Intelligence (die automatisierte Sammlung und Auswertung von Daten) und

• Marketing Dialogue Processing (automatisierte Abwickeln und/oder Steuern des Kundendialogs)

Zu den Details, hier entlang.

„A“ wie „autonom agieren“: eigenständige Handlungsfähigkeit und autonome Prozesse etablieren

Die Endstufe zum Einsatz von KI im Marketing markiert zweifelsohne deren völlige Eigenständigkeit. Gleichwohl ist festzuhalten, dass natürlich der Nutzen eines „vollständig autonomen Systems“ für die betriebliche Tätigkeit eines Unternehmens wohl kaum zielführend wäre, wenn nicht eine wie auch immer geartete Abgleichung mit dessen Zielen an irgendeiner Stelle stattfindet. Auch dürften derartige „singuläre“ Fähigkeiten im Moment technisch noch schwer abbildbar sein. Nichtsdestotrotz zeichnet sich bereits jetzt schon ein fließender Übergang zwischen „automatisierten“ und zumindest „teil-autonomen“ Ansätzen ab, insbesondere, wenn der oben angeführte Ansatz des Verstärkungslernens zum Einsatz kommt. Eine exakte Klassifizierung nach „automatisiert“ und „autonom“ gestaltet sich somit allerdings schwierig.

„Autonomie“ steht für „Selbstbestimmung“, was gleichbedeutend ist mit der Freiheit von extern aufgestellten Normen. In der Psychologie wird der Begriff auch mit „Willensfreiheit“ gleichgesetzt. Ein autonomes System ist nicht an zuvor definierte Regeln gebunden, sondern kann seinerseits neue Regelwerke aufstellen und diese selbsttätig zur Maßgabe des eigenen Handelns machen – oder auch wieder verwerfen, wenn sich eine andere Herangehensweise als sinnvoller erweist. Eine solche KI muss jedoch nicht zwingend einer der Science Fiction entlehnten „Zielvorstellung“ einer umfassenden, „generellen“ künstlich geschaffenen Intelligenz entsprechen, die in der Lage ist, vollumfänglich menschliche Verhaltensweisen und Denkmuster nachzubilden. Ein hoher Autonomiegrad kann auch innerhalb bestimmter, abgegrenzter Funktionsfelder und für spezifische Aufgabenstellungen erzielt werden.

Anwendungsgebiete der 3A

Derartige Ansätze, die auf eine hohe Eigenständigkeit des intelligenten Systems innerhalb eines definierten Aktionskorridors setzen, finden sich insbesondere in der intelligenten Verkehrssteuerung, beim „autonomen“ Fahren, militärische Anwendungen – Drohnen, militärische Robotersysteme – zählen ebenso hierzu. Auch diese werden natürlich nicht frei von jeglichen Regeln „trainiert“, sondern auf Basis eines vorab festgelegten „Verhaltenskodexes“ (beispielsweise Verkehrsregeln, „Entschlüsselung“ und Bedeutung von Verkehrsschildern) „angelernt“. 

Dabei steht beim Lernen dieser Systeme oft eine Ergebnisorientierung im Vordergrund. Je nach Aufgabe erscheint nicht zwingend der Weg hierzu entscheidend, sondern ist stattdessen allein oder in erster Linie die tatsächliche Erreichung eines in irgendeiner Form quantifizierbaren Zieles Ausschlag gebend. Daher stellt, wie bereits erwähnt, das Reinforcement Learning meist eine sinnvolle Trainingsmethode in diesem Kontext dar. Dieses kann aber durchaus zuvor, auf dem Weg zur Autonomie, durch die anderen Trainingsverfahren flankiert werden oder auf deren Ergebnissen aufbauen.

Im betriebswirtschaftlichen Aufgabenfeldern, insbesondere im Marketing, scheinen entsprechende Entwicklungen noch vergleichsweise schleppend voranzugehen. Wir befinden uns derzeit offensichtlich noch sehr am Anfang des Weges von der Marketing-Automation zur Marketing-Autonomisierung durch KI. Gleichwohl zeichnen sich auch hier erste Anwendungsmöglichkeiten ab. Intelligente Systeme, die eigenständig Kennzahlen und KPIs („Key Performance Indicators“) aus einer Vielzahl an im Unternehmen vorliegender Daten ermitteln und deren Erfolgswirksamkeit von der KI selbst anhand der späteren Entwicklungen in der Realität autonom evaluiert wird oder auch wirklich „intelligente“ und eigenständig handelnde Bots im Kundenservice oder Vertrieb, die nicht nur vorab fest definierten Protokollen folgen, sondern selbständig durch „Trial and Error“ erfolgreiche Prozeduren etablieren, könnten mögliche Beispiele hierfür sein.

Der Artikel beruht auf dem Buch von Andreas Wagener Künstliche Intelligenz im Marketing – ein Crashkurs, Haufe, Freiburg, 2019

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.

Der Beitrag Die 3A des KI-Marketings 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.