23.10.2020

Künstliche Intelligenz in Service, Marketing und Vertrieb – Anwendungspotenziale und Mehrwerte

Wo ist der Einsatz der künstlichen Intelligenz sinnvoll?

Wahrscheinlich nutzt auch du die Möglichkeiten der künstlichen Intelligenz schon regelmäßig, ohne das bewusst wahrzunehmen.

Um dir zu zeigen, wo künstliche Intelligenz aktuell im Einsatz ist und wo sich eine Anwendung lohnen kann, möchten wir dir in diesem Blogbeitrag erfolgreiche Beispiele und vielversprechende Ideen präsentieren.

Künstliche Intelligenz lässt sich in Unternehmen überall dort nutzen, wo viele Kundendaten entstehen. Das sind besonders die sogenannten kundenorientierten Bereiche mit ihrer Vielzahl von Kontaktpunkten, also Marketing, Vertrieb und Service. Algorithmen helfen dabei, die dort zusammenlaufenden Daten sinnvoll auszuwerten. So kann sich ein Unternehmen ein besseres Gesamtbild über die Wünsche, Bedürfnisse und Interessen von potenziellen neuen Konsumenten verschaffen und seine Vertriebs- und Marketingstrategie daran ausrichten.

Abb. 1: Kundenorientierte Bereiche (eigene Darstellung)

Lohnt sich das Ganze?

Der Einsatz von künstlicher Intelligenz bietet enorme Möglichkeiten, sich bei der Analyse der Kundendaten gezielt von den Mitbewerbern abzuheben.Der vermehrte Online-Handel und die Globalisierung erzwingen ein Umdenken in der Unternehmensstrategie, da man mittlerweile nicht mehr nur mit regionalen oder nationalen Unternehmen konkurriert, sondern mit Anbietern rund um den Globus im Wettbewerb steht.¹

Wer seine Kunden halten und neue Kunden dazugewinnen möchte, ist auf kundenorientierte Prozesse angewiesen, bei denen die Produkte, die Vertriebsstrategie sowie die jeweils eingesetzte Vertriebsplattform ideal aufeinander abgestimmt sind. Das nennt man auch Personalisierung des Produktes bzw. der Dienstleistung.

Früher war es ein gängiges Mantra, Marketing und Vertrieb an Kundenzielgruppen zu orientieren. Heutzutage kann dank der Personalisierung jeder Interessent als ein „Segment-of-One“ wahrgenommen und auch so adressiert werden.

Die wichtigsten Fragen für Unternehmen sind hierbei:

• Wie lassen sich automatisch Kunden- und Marktpotenziale identifizieren?

• Wie lassen sich Produktempfehlungen automatisch aus Kundenpräferenzen ableiten?

• Wie lässt sich der optimale Preis für Produkte bestimmen?

• Wie lässt sich Kundenkommunikation im Service und Marketing zur Steigerung der Kundenzufriedenheit optimieren?

• Wie können Bots und digitale Assistenten die Kommunikation zwischen Unternehmen und Konsumenten effizienter und smarter gestalten?

Antworten auf diese Fragen liefern natürlich:

Daten, Daten und noch mal Daten!!!

Na gut, das Erheben großer Datenmengen und die anschließende Auswertung ist nichts Neues. Allerdings hat sich das Datenvolumen in den vergangenen Jahren exponentiell vervielfacht.

„Zwischen den Anfängen der Zivilisation und 2003 wurden 5 Exabyte an Informationen erstellt. So viele Informationen werden heute alle 2 Tage erstellt.”²
Eric Schmidt, ehem. geschäftsführender Vorsitzender von Google

Was hat sich außerdem verändert?

Die Abdeckung von Kundenkontaktpunkten zur Generierung von Daten ist gestiegen. Klingt kompliziert? Ist es aber gar nicht!

Früher konnten lediglich Verkäufe gemessen und daraufhin Produkte vorgeschlagen werden. Heutzutage kann nahezu jede Aktivität, die ein Nutzer auf einer Website durchführt, nachvollzogen (engl. getrackt) werden.

Welche Produkte hat sich der Kunde angeschaut? Wie lange hat er sie angeschaut? Auf welche Werbung hat er reagiert? Welche Produkte gefallen ihm in den sozialen Medien?

All dies und noch vieles mehr kann gemessen und analysiert werden.

Außerdem können Daten heutzutage durch eine deutlich gestiegene Rechenleistung immer schneller und in immer größerem Volumen ausgewertet werden. Dies ermöglicht die Kombination verschiedener Daten und dadurch völlig neue, komplexe Analysen und Erkenntnisse.

Dynamische und smarte Algorithmen

Um konkrete Rückschlüsse aus den ermittelten Daten ziehen zu können, müssen sie mit Hilfe von Algorithmen interpretiert werden. Auch diese Erkenntnis ist nicht neu, allerdings hat sich dieser Bereich in den vergangenen Jahren technologisch rasant weiterentwickelt:

So existieren heute smarte Algorithmen, die resultierend aus Analysen (Data Mining) automatisiert Handlungsempfehlungen abgeben. Diese können um den Begriff „dynamisch“ ergänzt werden, wenn die Analyse in Echtzeit erfolgt.

Eine Anwendung der smarten Algorithmen findet sich in der algorithmischen Personalisierung, wie sie z.B. Facebook für seinen Newsfeed oder Kontaktvorschläge einsetzt. Auch Spotify und Netflix können ihren Nutzern so potenziell interessante Inhalte empfehlen.

Der Ausgangspunkt für eine Personalisierung ist die Erfassung eines möglichst detaillierten Kundenprofils. Parship wirbt zum Beispiel damit, dass die Trefferwahrscheinlichkeit steigt, je mehr die jeweilige Person von sich preisgibt.

Eine Umfrage von bitkom liefert eine Übersicht über die meistgenutzten KI-Anwendungen:³

Abb. 2: Übersicht Anwendungsfelder für künstliche Intelligenz // Quelle: Bitkom Research 2020

Welche Anwendungen gibt es im Vertrieb?

Preissetzung und optimale Preisdifferenzierung

Immer häufiger bestimmt KI-Software die Einzelhandelspreise – und das für sämtliche Güter vom Spargel bis zum LKW. Dabei geht es nicht darum, wie der Wettbewerb die Preise verändert. Die KI-Algorithmen analysieren Tausende von Datenpunkten auf einer fortlaufenden Basis und kalkulieren Preise, die die Software so einschätzt, dass die Verbraucher bereit sind, sie zu zahlen.⁴

Dabei geht es nicht darum, den niedrigsten Preis zu finden, sondern den für jeden einzelnen Kunden optimalen Preis gemäß seiner Zahlungsbereitschaft. Dazu werden anhand von riesigen Datenmengen Szenarien simuliert, wie Verbraucher sich tendenziell bei verschiedenen Preisänderungen verhalten würden.

Praxisbeispiel: Amazon als Mutter aller Online-Händler ist auch aufgrund seiner dynamischen Preisgestaltung (als Vorgänger der KI-Preisgestaltung) so erfolgreich geworden und setzt heutzutage in hohem Maße künstliche Intelligenz zur optimalen Preisbildung ein.

Dialogorientierter Vertrieb mit Chatbots oder digitalen Assistenten

Die Nutzung von Chat- und Sprach-Bots wird den klassischen Vertrieb revolutionieren. Nicht umsonst ist bei den großen Tech-Unternehmen (GAFA= Google, Amazon, Facebook, Apple) bereits ein harter Wettbewerb um den besten Sprachbot bzw. Personal Assistant ausgebrochen, da damit auch wenig technisch versierte Zielgruppen angesprochen werden können. Es ist davon auszugehen, dass sich Unternehmen, die Lösungen in diesem Bereich anbieten, langfristig zu einer Art Plattform entwickeln werden, die Produkte anderer Firmen vertreibt.

Praxisbeispiel: In Kürze werden wir euch auf unserem Youtube-Channel ein Unternehmen vorstellen, das sich auf den Bereich Chat- und Sprach-Bots spezialisiert hat.

Produkt- und Inhalts-Empfehlungen

Lösungen für personalisierte Empfehlungen sind heute aus einem modernen Online-Shop nicht mehr wegzudenken. Durch die größere Anzahl an Datenpunkten können die Interessen des Kunden besser berücksichtigt werden. So ist es möglich, auf Basis des Klick- und Kaufverhaltens zusätzlich passenden Content anzuzeigen, um das Interesse des jeweiligen Kunden zu wecken und zusätzliche Kaufanreize zu schaffen.

Praxisbeispiel: Die Empfehlungsmaschinen von Google und Amazon sind bereits als Open-Source-Lösung verfügbar.⁵Die Empfehlungssoftware DSSTNE von Amazon steht hier als Download bereit.

Absatzvolumen-Vorhersage

Um die Genauigkeit von Verkaufsprognosen zu erhöhen, können durch künstliche Intelligenz zahlreiche Datenpunkte gleichzeitig berücksichtigt werden. Hierzu gehören sowohl historische als auch Echtzeitdaten, interne wie externe Daten, ökonomische wie umweltbezogene Daten, unternehmensindividuelle wie auch gesamtwirtschaftliche Datenpunkte (Verkaufszahlen, Lagerdaten, Preise, Wetter, Feiertagskonstellation, Preise der Mitbewerber, etc.)¹

Praxisbeispiel: Das Unternehmen Blueyonder bietet hierzu zahlreiche Prognose-Lösungen.

Welche Anwendungen KI-Lösungen gibt es im Marketing und Kundenservice?

Automatisierter Kundenservice durch Chat- und Sprach-Bots

Aufgrund der Fortschritte im Bereich der Computerlinguistik und der Verarbeitung von natürlicher Sprache durch Maschinen können viele Abläufe im Kundenservice wie Datenänderungen oder Fragen und Änderungswünsche zu Bestellungen automatisiert werden. Außerdem ist bereits anhand der Stimme eine Zuordnung von Kundenprofilen möglich, was die Abfrage von persönlichen Identifikationsnummern überfällig macht. Ebenso können über die Sprache der Kunden deren Emotionen erkannt werden.

Analyse von Kundenfeedback

Im Internet lassen sich z. B. Tausende von Produktbewertungen jederzeit automatisch analysieren. Ratings und Reviews, die über verschiedene Internetplattformen global verteilt sind, werden über Bots intelligent erfasst und integriert. Diese lassen sich dann auswerten und in Form von angepassten Produkten nutzen.

Personalisierte Werbung

Personalisierte Werbung zeigt einzelnen Personen die für sie interessantesten Produkte und Werbeanzeigen auf Facebook, Instagram oder im Messenger an. Dabei werden die Handlungen getrackt, die die jeweilige Person auf der Website oder in der App vorgenommen hat. Personen sehen dann die Artikel, die sie in ihren Einkaufswagen gelegt hatten, ohne den Kauf abzuschließen, oder neue und für sie relevante Produktempfehlungen.

Praxisbeispiel: Beim Thema personalisierte Werbung übernimmt Facebook eine Vorreiterrolle und bietet Händlern, die ihre Produkte über Facebook vertreiben, eine Schritt-für-Schritt-Anleitung, die du hier finden kannst.

Hier geht es zu unserem aktuellem YouTube Video

Teile der Zitierungen dieses Blogs wurden mit der maschinellen Übersetzungs-Software DeepL übersetzt.

Zur besseren Verständlichkeit haben wir das generische Maskulin benutzt.

Genutzte Quellen: