KI im Marketing: Dank Algorithmen näher an den Kunden

Künstliche Intelligenz ist in vielen Sektoren mittlerweile Standard geworden. Sensoren messen Daten, geben die Ergebnisse an die KI weiter, die – ohne menschliches Zutun – darauf reagiert. Die KI sagt den zu erwartenden Verschleiß voraus und meldet, dass ein Austausch notwendig ist, bevor es zum Stillstand der gesamten Anlage kommt. Auch im Marketing gibt es immer mehr Einsatzmöglichkeiten für künstliche Intelligenz (KI).

Was ist künstliche Intelligenz überhaupt?

Der sehr abstrakte Begriff „künstliche Intelligenz“ ist ein Teilgebiet der Informatik. Es geht darum, intelligentes menschliches Verhalten zu verstehen und mithilfe von Computerprogrammen zu simulieren. Eine einheitliche Definition gibt es dafür bislang noch nicht.

Mit künstlicher Intelligenz ausgestattete Maschinen haben die Fähigkeit, Aufgaben, die auf Algorithmen basieren, selbstständig auszuführen. Dabei sind sie sehr anpassungsfähig und können auch auf unbekannte Situationen reagieren.

Sie führen sich wiederholende Aufgaben exakt aus und sind in der Lage aus Erfolgen und Misserfolgen zu lernen und ihr Verhalten anzupassen. Teilbereiche von KI sind Machine Learning, künstliche neuronale Netze, predictive Analytics, Verarbeitung natürlicher Sprache und Deep Learning.

An digitalen und analogen Touchpoints Daten sammeln

Wenn Kunden heute einkaufen oder etwas bestellen, kommen sie sehr oft mit sogenannten digitalen und analogen Touchpoints in Berührung, wo ein bestehender oder zukünftiger Kunde mit dem Unternehmen in Kontakt kommt. Das kann eine E-Mail sein oder ein Telefonat, ein Besuch der Internetseite, Kontakt in Social Media, über die Website oder eine Suchmaschine. Dort laufen im Hintergrund standardisierte Prozesse ab, die Kommunikation wird personalisiert und ist perfekt auf den Kunden abgestimmt.

Die KI sammelt im Hintergrund viele, komplexe Daten über den Kunden. Modernes Targeting führt diese vielen Daten aus ganz unterschiedlichen Quellen mithilfe von KI zusammen.

Zu den Daten gehören:

• die typischen sozio-demografischen Daten wie Geschlecht, Alter oder Standort
• Tageszeit der Transaktion
• durchschnittlicher Warenkorb
• Art des Endgeräts und vieles mehr

Mithilfe dieser Daten lässt sich das Nutzerverhalten abbilden. Schon wenige Daten erlauben weitere Rückschlüsse, die häufig zur Bildung von Mustern genutzt werden. Je mehr Daten zur Verfügung stehen, umso gezielter ist es möglich, die Kunden mit relevanten Inhalten zu versorgen und ihnen ein positives Kundenerlebnis zu ermöglichen.

Die Customer Journey an einem einfachen Beispiel

Dabei gibt es drei Hauptansatzpunkte. Verbesserte Customer Insights tragen zu einem besseren Kundenverständnis bei. Damit lassen sich die Kundeninteraktionen optimieren und Abläufe effizient automatisieren.

Von dieser Art des Targetings profitieren Kunden und Unternehmen gleichermaßen.

Der digitale Fußabdruck, den der Kunde überall hinterlässt, lässt auch Rückschlüsse darüber zu, in welcher Entscheidungsphase beim Kauf er sich gerade befindet:

• Awareness (Bewusstseinsbildung):Der Kunde wird auf einen Shop aufmerksam beispielsweise durch automatisierte Werbeanzeigen bei Instagram oder Facebook.
• Evaluation (Bewertung):Der Kunde sucht den Webshop bei einer Suchmaschine, wird durch die Such-Algorithmen schnell fündig und interagiert mit dem Webshop, beispielsweise informiert er sich mithilfe des Chatbot über Liefer- und Zahlungsbedingungen.
• Consideration (Überlegung): Die optimierte Suchfunktion im Shop erleichtert dem Kunden den Kaufprozess.
• Decision (Entscheidung):Der Kunde registriert sich im Shop und kauft
• Loyalty (Kundenbindung):Aufgrund seines Kaufs erhält der Kunde regelmäßig Informationen und personalisierte Angebote, woraufhin er den Webshop immer wieder besucht.

Diese vereinfachte Customer Journey zeigt, dass Marketing-Software, wie sie getresponse.de anbietet, viele Ansatzpunkte liefert, um Kunden von einer Marke oder einer Dienstleistung zu begeistern. Auf dem Markt gibt es viele Tools für Social Media Advertising und auch E-Mail-Marketing-Software ist überall erhältlich. Doch meistens handelt es sich dabei um einzelne Tools. Eine zentralisierte Auswertung der Daten ist damit nicht möglich. Dafür ist eine umfassendere Technologie notwendig, wie sie GetResponse auf seiner Plattform anbietet.

Chatbots sind eine wichtige Schnittstelle zum Kunden

Mithilfe leistungsstarker Algorithmen können Chatbots sogar die Aufgaben eines Kundenberaters übernehmen. Sie stehen in Onlineshops direkt bereit, um Rückfragen der Kunden ganz gezielt zu beantworten oder dem Kunden passende Produktvorschläge zu machen. Damit können die Unternehmen schon während des Verkaufsprozesses viele Daten sammeln.

Im Onlinehandel sind Chatbots äußerst sinnvoll, da die Kunden schon während sie ihre Bestellung zusammenstellen zahlreiche Fragen haben. Sie hoffen auf sofortige Antwort, um ihren Einkauf zügig abschließen zu können. Doch außerhalb der regulären Geschäftszeiten sind selten Mitarbeiter vor Ort, sodass die Anfragen meist erst am nächsten Tag beantwortet werden.

Mit einem Chatbot hat der Kunde einen 24/7-Berater an seiner Seite, der sofort antwortet. Er kann alle Fragen zu den Produkten oder dem Verkaufsprozess bis hin zu Lieferzeiten und Promotionen beantworten.

Nur bei sehr speziellen Fragen muss der Kunde warten.

Automatisierter Content

Informationen trainieren die Algorithmen der KI. Sie verbessert sich stetig und lernt Neues. Große Datenmengen verhelfen dem selbstlernenden System zu mehr Präzision.

Mittlerweile ist es sogar möglich, aus diesen Daten Content zu generieren. Die KI erstellt beispielsweise in Onlineshops Produktbeschreibungen, die sich wie von Menschenhand geschrieben lesen. Doch die Texte entstehen mithilfe von KI.

Die künstliche Intelligenz kann in kurzer Zeit eine große Anzahl an einzigartigen Texten generieren. Das funktioniert allerdings nur, wenn viele Kundendaten der potenziellen Käufergruppen und die Produktdaten vorliegen.

Die KI verarbeitet mithilfe von Algorithmen die Daten und verwandelt sie durch antrainierte Vorgaben, was Semantik und Sprachstil angeht, in kanal- und sehr zielgruppenspezifische Texte.

Für Onlineshop-Betreiber sind diese automatisierten Inhalte eine große Hilfe. Sie sind nicht nur leserfreundlich, sondern auch suchmaschinenfreundlich geschrieben. Bei Otto.de ist beispielsweise ein Textroboter im Einsatz, der die Produkttexte erstellt und sie beispielsweise auch saisonal anpasst und immer wieder neue Inhalte generiert. Der Zeitaufwand ist dabei ein Bruchteil von dem, was ein Redakteur an Zeit aufwenden müsste.

Kundensegmentierung nach Zielgruppen

Cluster-Algorithmen sind wunderbare Anwendungsbeispiele für KI im Marketing. Clusterverfahren sind Machine-Learning-Methoden, die keiner Überwachung der Maschine bedürfen. Die KI wird dabei nicht auf eine bestimmte Zielvariable trainiert. Sie bildet ganz eigenständig Zielgruppen und unterteilt die Daten selbstständig. Diese Clusterbildung gibt es schon sehr lange im Marketing. Bisher erfolgte sie allerdings manuell anhand offensichtlicher Kriterien.

Die selbst lernende KI kann Muster und Zusammenhänge erkennen, die auf den ersten Blick nicht sichtbar sind und ganz neue Erkenntnisse über die Kunden gewinnen.

Die genau beschriebenen Kundensegmente lassen viele Rückschlüsse auf die Eigenschaften und Verhaltensmuster der jeweiligen Zielgruppe zu. Damit lassen sich Marketing-Kampagnen optimieren. So hat ein bekannter Autohersteller aus seinem Kundenbestand nur die Kunden zu einem besonderen Event eingeladen, die eine hohe Wahrscheinlichkeit aufwiesen, einen Neuwagen kaufen zu wollen.

Fazit

Welche Möglichkeiten sich aufgrund von künstlicher Intelligenz noch ergeben, ist derzeit noch schwer zu überschauen. KI unterstützt Unternehmen schon jetzt erfolgreich bei vielen innovativen Produkten und Dienstleistungen und wird auch zunehmend für die User Experience und Customer Journey genutzt. Im Marketing erwarten die Unternehmen eine höhere Kundenzufriedenheit, Kostenreduzierung bei der Kundenakquise, kürzere Sales-Zyklen, größere Bestellungen und damit einhergehend höhere Umsätze.

zurück