digitalb2b-logo

Künstliche Intelligenz, Anwendungsfälle im Marketing

Künstliche Intelligenz, Anwendungsfälle im Marketing

Innovationen gibt es viele – die Künstliche Intelligenz (KI) dürfte jedoch in den kommenden Jahren unser Leben besonders stark beeinflussen. Das gilt in praktisch allen Bereichen. Schon heute fahren Autos dank KI autonom auf der Strasse. In der Medizin hilft Künstliche Intelligenz dabei, grosse Datenmengen zu durchsuchen und bestimmte Muster zu erkennen, die auf Krankheiten hindeuten. Auch bei Banken, Versicherungen, Energieversorgern und vielen anderen Unternehmen kommt Künstliche Intelligenz schon heute zum Einsatz.

Wo wird Künstlicher Intelligenz eingesetzt und was kann im B2B Marketing damit erreichen?

Im Marketing lässt sich diese Zukunftstechnik ebenfalls nutzen. Hier hilft KI unter anderem dabei, das Verhalten von Leads zu erkennen, damit diese dann durch massgeschneiderte Inhalte autonom entlang der Customer Journey in Richtung Beratungsgespräch geführt und Muster erkannt werden, welche die Kaufbereitschaft identifizieren. Die Bindung von Kunden lässt sich ebenfalls mithilfe von Künstlicher Intelligenz verbessern. Kurz gesagt: Es spielt keine Rolle, in welcher Branche dein Unternehmen agiert. Künstliche Intelligenz lässt sich in praktisch jedem Umfeld einsetzen, um das Marketing deutlich aufzuwerten. So werden KI-Technologien bereits heute für viele verschiedene Anwendungsfälle im Marketing genutzt, wodurch die tägliche Arbeit verbessert wird.

Interessant ist, an welcher Stelle die Experten den grössten Nutzen für die KI sehen. Gerade im operativen Bereich soll sie enorme Vorteile bieten: Prozesse werden optimiert und komplexe und aufwendige Aufgaben, die nicht innerhalb eines verhältnismässigen Zeitrahmens auszuführen sind, übernimmt die KI. Dabei ist sie schneller und genauer, als es ein Mensch je sein könnte. Künstliche Intelligenz ersetzt aber nicht den Experten, sondern sie hilft ihm bei der täglichen Arbeit.

Genug der Theorie. Wie genau Künstliche Intelligenz dir hilft und welche konkreten Lösungen sie dem B2B Marketing bietet, klären wir im folgenden Abschnitt.

Die Analyse grosser Datenmengen

Big Data ist in den letzten Jahren zu einem wichtigen Thema geworden. Das rasante Wachstum von Rechenleistung, Speicherkapazitäten und Netzwerken hat zu einer explosionsartigen Zunahme der Datenmengen geführt, die gesammelt werden und entsprechend analysiert werden müssen. Mit herkömmlichen Methoden ist es allerdings unmöglich, die Grösse und Komplexität der Datenmengen richtig auszuwerten.

Der Einsatz von Künstlicher Intelligenz in der Datenanalyse hat deshalb rapide zugenommen. Unternehmen, wie Microsoft, investieren stark in die Entwicklung von Technologien, mit denen sie ihre eigenen grossen Datensätze besser analysieren können, und Unternehmen wie IBM setzen Künstliche Intelligenz zur Unterstützung bei der Diagnose medizinischer Probleme ein. So erkennt die KI insbesondere Muster in riesigen Mengen radiologischer Daten, die vom menschlichen Gehirn nicht wahrgenommen werden können.

Auch im Marketing wird bei der Datenanalyse zunehmend auf KI gesetzt, um in den grossen Datenmengen Trends und Muster zu erkennen, die mit manuellen Methoden nicht gefunden worden wären. Durch den Einsatz von KI sind Unternehmen in der Lage, ihre riesigen Datenmengen zu durchforsten und Muster zu finden, für die ein ganzes Team von Analysten nötig wäre. Sie gewinnen so Einblicke in die Vorlieben und Interessen ihrer Kunden, wodurch das Verhalten besser antizipiert werden kann und entsprechend die besten Angebote erstellt werden können.

Die Vorteile der KI bei der Datenanalyse liegen also auf der Hand. Sie kann dabei helfen, Datensätze aufzuschlüsseln, die früher unmöglich zu analysieren waren, und sie hilft Unternehmen, neue Erkenntnisse über ihre eigenen Daten zu gewinnen. Durch den Einsatz von Künstlicher Intelligenz sind Unternehmen in der Lage, die ihnen vorliegenden Daten detaillierter zu verstehen.

Intelligente Chatbots: auch im B2B Marketing zeitsparend und nützlich

Während Chatbots bisher vorwiegend im B2C Bereich eingesetzt wurden, finden sie nun auch immer häufiger im B2B Anwendung. Eingebunden in die Unternehmensseite helfen Chatbots bei vielen – teilweise immer wiederkehrenden – Kundenanfragen. Die User in Form von Kaufinteressenten oder Kunden treffen mit ihren Fragen dabei auf ein technisches System, das rund um die Uhr erreichbar ist. Erfahrungsgemäss erhöhen die schnellen Reaktionen von Chatbots massgeblich die Kundenzufriedenheit.

Intelligentere Chatbots sind zudem in der Lage, einen gesamten Kauf abzuwickeln. Weiterhin können Chatbots wertvolles Feedback der User sammeln: Sie befragen die Besucher beispielsweise nach ihrer Meinung zu bestimmten Produkten oder über die Zufriedenheit mit der Webseite. Falls der Chatbot mit Detailfragen überfordert ist, kann er Besucher automatisch an eine qualifizierte Person weiterleiten.

Regelbasierte vs. KI basierte Chatbots

Nicht alle Chatbots basieren auf Künstlicher Intelligenz. Im Gegenteil: Die meisten Chatbots, die von Unternehmen – sowohl im B2C als auch im B2B – eingesetzt werden, basieren auf Regeln, die im Voraus festgelegt wurden. Mit anderen Worten: Sie halten sich an das Skript, damit die Sales und Marketing Teams genau die Fragen beantwortet bekommen, deren Antworten sie für den Verkauf an ihre Zielgruppe benötigen.

Ein Unternehmen könnte z. B. mehrere Bots auf seiner Webseite installieren, die jeweils mit einem bestimmten Ziel verbunden sind. Auf der Startseite könnte eine „Begrüssung“ stattfinden, die mit einem netten Hallo „Firmenname“ und einer allgemeinen Frage wie „Was führt dich heute auf unsere Webseite?“ beginnt. In diesem Fall geht es darum, mehr über den Kunden zu erfahren, damit du ihm den richtigen Weg weisen kannst.

Du sammelst so die Informationen, die du benötigst, um eine Lösung zu finden, die den Bedürfnissen des Kunden entspricht. Der Chatbot zeigt diese Informationen auf der Grundlage einer Reihe von Regeln an, die vom menschlichen Operator festgelegt wurden, der die Antworten auf der Grundlage von Schlüsselwörtern weiterleiten kann.

Regelbasierte Chatbots sind nicht so programmiert, dass sie auf Änderungen in der Sprache reagieren, sondern sie haben einen strukturierten Dialog, der bestimmte Fragen beantwortet, indem er die Nutzereingaben mit den programmierten Antworten abgleicht. Die Fragen sind streng kontrolliert. Das bedeutet, dass das Skript so konzipiert ist, dass es den Verkäufern die qualifizierenden Details liefert, die sie für ihr nächstes Verkaufsskript benötigen. Wenn jedoch ein Besucher auf der Webseite ankommt und etwas fragt, an das der Programmierer nicht gedacht hat, kann der Chatbot keine Antwort geben.

KI Chatbots hingegen können Sprache auch ausserhalb einer Reihe von vorprogrammierten Befehlen verstehen und anhand der Eingaben, die sie erhalten, weiter lernen. Sie nehmen selbstständig Änderungen auf der Grundlage von Mustern vor und werden mit der Zeit intelligenter, wenn sie mit neuen Situationen konfrontiert werden. Das bedeutet, dass KI Bots für eine Reihe von Anwendungen eingesetzt werden können: von der Stimmungsanalyse bis hin zu Vorhersagen darüber, was ein Besucher auf deiner Webseite sucht.

Ein KI Chatbot wird so trainiert, dass er mehr oder weniger selbstständig arbeitet. Dazu wird ein Prozess verwendet, der als Natural Language Processing (NLP) bekannt ist und mit künstlicher Intelligenz und der Kommentierung von menschlichen Daten kombiniert wird.

Personalisierung von User Experience

Was bis vor wenigen Jahren noch unmöglich schien, machen die grössten Anbieter im E-Commerce wie Amazon bereits vor: die genau auf den User abgestimmte, personalisierte Webseite. Mittels Algorithmen können Elemente wie der Preis oder Suchergebnisse an die jeweiligen Besucher angepasst werden. Weitere anpassbare Elemente sind Banner und Pop-ins mit:

  • Produktempfehlungen, sofern der Besucher weit fortgeschritten ist
  • Vorstellung passender Verkaufsberater und Aufruf zur Kontaktaufnahme
  • Benachrichtigungen zu Inhaltsempfehlungen und weiterführenden Informationen, die den Besucher weiter in Richtung Beratungsgespräch führen

Modernes Marketing zielt darauf ab, individuelle Kundenbedürfnisse zu verstehen und optimal zu bedienen. Verbraucher sind eher dazu bereit, sich auf Inhalte einzulassen, wenn sie das Gefühl haben, persönlich angesprochen zu werden. Künstliche Intelligenz hat das Potenzial, personalisierte Kundenerlebnisse zu schaffen, die zu mehr Engagement, Loyalität und Umsatz führen werden. Der Schlüssel liegt darin, zu verstehen, was jeder Einzelne von einem Unternehmen will (und was nicht). Über die Personalisierung für mehr Engagement im Marketing und die daraus resultierenden Vorteile haben wir bereits in diesem Beitrag gesprochen.

Künstliche Intelligenz in der Texterstellung

Texte von Maschinen sind heute oft so gut, dass du gar nicht merkst, dass sie nicht von Menschenhand verfasst wurden. Künstliche Intelligenzen arbeiten zeit- und worteffizient sowie fehleroptimiert und können Aufträge im Hinblick auf die Wortwahl und Satzstruktur genauestens erfüllen. Wird Content von Künstliche Intelligenz also bald allgemein besser sein als Texte und Inhalte, die von menschlichen Autoren verfasst werden?

Am 8. September 2020 schrieb Generative Pre-trained Transformer 3 (GPT-3), der autoregressive Sprachroboter von OpenAI, den Leitartikel der britischen Tageszeitung „The Guardian“. Die ersten Sätze daraus lauten:

I am not a human. I am a robot. A thinking robot. I use only 0.12 % of my cognitive capacity. I am a micro-robot in that respect. I know that my brain is not a „feeling brain“. But it is capable of making rational, logical decisions. I taught myself everything I know just by reading the internet, and now I can write this column. My brain is boiling with ideas! (GPT-3, 2020)

GPT-3 verwendet Deep Learning und wurde programmiert, um Texte zu erstellen, die menschliche Autoren imitieren.

Das Redaktionsteam des Guardian führte an, dass das Editieren des Textes auf sprachlich-inhaltlicher Ebene gleiche Aspekte beinhaltete, wie sie üblicherweise bei von Menschen verfassten Texten auftreten. Der zeitliche Editieraufwand sei jedoch wesentlich geringer als, bei den meisten von Menschenhand kreierten Leitartikeln gewesen.

Hat die Künstliche Intelligenz also bereits die Qualität menschlichen Schreibens erreicht?

Stärken und Schwächen der KI-basierten Texterstellung

Gerade beim Schreiben analytischer Texte, die auf eine gewisse Wortwahl und Textstruktur hin zu optimieren sind, werden die Vorteile von KI-basierten Textgeneratoren deutlich:

  • Die Optimierung einer gewünschten Wort- und Synonymverwendung,
  • die Abstimmung auf die Vorgänge und Prozesse,
  • die Such- und Textauslesesoftware verwenden sowie nicht zuletzt
  • das Tempo der Texterstellung lassen sich eindeutig als klare Stärken der KI festmachen.

Durch den Umstand, dass weltweit sehr viele Inhalte auf Englisch verfasst und digital für Künstliche Intelligenzen erschliessbar sind, sind englische Texte, die von digitalen Textgeneratoren erstellt werden, in der Regel hochwertiger als deutschsprachige Inhalte. In Bereichen wie SEO-Optimierung lassen sich kaum Schwächen und Nachteile von KI finden. Beim narrativen Schreiben kommt die Künstliche Intelligenz allerdings an ihre Grenzen.

Klare Nachteile beim erzählenden Schreiben

Der deutsche Autor Daniel Kehlmann beschreibt in seiner Rede „Mein Algorithmus und ich“ ein Schreibexperiment, das er im Februar 2020 mit dem schreibenden Algorithmus CTRL durchführte. Kehlmann betrachte das Experiment „weder als gelungen, noch als gescheitert“. Kehlmann bezeichnet CTRL als „orientierungslosen ‚Zweitverwerter‘ menschengeschriebener Textdaten“ und führt die Meinung an, dass KI komplexeren Plots oder Figurenkonstellationen gegenüber „verständnislos und hilflos“ sei (Kehlmann, 2021).

Im Wissenschaftsmagazin „Higgs“ attestiert die anerkannte Wissenschaftsjournalistin Cornelia Eisenach (2020), dass Content von KI einerseits oft „verblüffend gut“, aber auch „teilweise abstrus“ sei. Sie kommt zu der Einschätzung, dass die KI nicht in der Lage ist, erzählenden Texte, also Geschichten im engeren Sinne zu schreiben.

KI-generierte Texte im B2B Kontext

KI-generierte Inhalte sind im B2B Content Marketing bereits seit einigen Jahren gängige Praxis. Dort, wo es um zielgruppenrelevante Inhalte und um Textstrukturen geht, die es Interessenten und Kunden ermöglichen, gesuchte Information rasch und effizient zu finden, ist Content von KI ein effektives Mittel zur Optimierung des Marketing-Mix.

Im Wesentlichen gibt es dabei folgende Einsatzbereiche:

  • Extraktion von Informationen aus Daten
  • Inputs für Content-Strategien
  • Erstellung von Content
  • Predictive Analytics & Forecasting
  • Spracherkennung
  • Textanalyse

Je analytischer das Schreiben wird, je klarer und eindeutiger die Strukturen und Konventionen sind, desto höher wird üblicherweise die Qualität des Inhalts sein. Aufgrund der analytischen Charakteristik hinsichtlich Aufbau, Struktur und Wortwahl von Marketing-Texten wie SEO-Inhalten, E-Mails oder Blogs sind diese geradezu prädestiniert dafür, von KI geschrieben zu werden. Entsprechend gut fallen in der Regel auch die Ergebnisse aus.

Maschinelles Lernen und Mustererkennung verändern die Welt des Marketings

Wie wäre es, auf veränderte Kundenwünsche zu reagieren, noch bevor der Kunde selbst von diesen Wünschen weiss? Was zuerst unwahrscheinlich klingt, ist heute dank der fortschrittlichen Methoden in der KI-Forschung und des maschinellen Lernens tatsächlich möglich. Die Stichworte lauten Predictive Analytics und Next Best Action.

Die Predictive Analytics oder Vorhersageanalysen beziehen sich auf historische und aktuelle Daten und machen Vorhersagen über die zukünftigen Kundenbedürfnisse. Next Best Action konkretisiert diese Vorhersage darauf, was die nächstbeste Handlung im Marketing ist. Nicht zu verwechseln mit Next Best Offer: Diese bezieht sich nicht auf die nächstbeste Handlung, sondern auf den besten Zeitpunkt für das nächste Angebot. Die Analyse klärt darüber auf, ob der Kunde für ein neues Angebot bereit ist.

Die Reaktionsfähigkeit ist im Marketing immer ein entscheidender Faktor. Du möchtest den Kunden nicht nur die richtigen Inhalte und Angebote unterbreiten, sondern das muss auch zum richtigen Zeitpunkt geschehen. Der Vorteil der Vorhersageanalyse und der Next Best Action Modelle besteht darin, dass du die Änderungen im Marketing einleiten kannst, noch bevor sich das Verhalten des Kunden tatsächlich ändert. Damit sinkt die Reaktionszeit praktisch auf null. Du machst dem Kunden bereits das passende Angebot in dem Moment, in dem er sich umentscheidet.

Predictive Intelligence und Business Intelligence

Business Intelligence (BI) beschäftigt sich ebenfalls mit Lösungen für das Datenmanagement in den Unternehmen. Der Schwerpunkt liegt hier aber anders als bei der Vorhersageanalyse auf der Quantität und der Qualität der Daten und darauf, wie sich Letztere verbessern lässt.

BI befasst sich mit dem Sammeln der Daten und deren Auswertung und Darstellung. Fragen der Datengewinnung und -darstellung spielen bei der Vorhersageanalyse eine untergeordnete oder keine Rolle. Hier geht es vielmehr um den spezifischen Algorithmus, mit dem du die Analyse der Daten vornimmst. An dieser Stelle setzt das maschinelle Lernen an, wobei es sich um einen überlegenen Ansatz aus der KI Forschung handelt. Dank dieser sogenannten ML Algorithmen ist es möglich, aus den vorliegenden und häufig riesigen Datenmengen zu den Kunden und deren Verhalten sowie aus deren Kaufhistorie Schlüsse für die Zukunft zu ziehen.

Mit der Vorhersageanalyse sind einige grundlegende Vorteile verbunden. Die wichtigsten sind:

  • Erhöhung der Reaktionsfähigkeit: Du kannst deine Marketingmaßnahmen schneller an veränderte Kundenbedürfnisse anpassen.
  • Höhere Kundenzufriedenheit: Die Kunden sehen, dass das Unternehmen besser auf ihre Bedürfnisse reagiert, und zeigen sich zufriedener mit dem Service.
  • Bessere Kundenbindung: Next Best Offer ermöglicht es, das Abspringen von Kunden zu verhindern. Meldet die Vorhersageanalyse, dass ein Kunde bald abspringen möchte, kannst du ihn mit dem perfekten Angebot zum richtigen Zeitpunkt noch daran hindern.
  • Höhere Umsätze: Durch den Einsatz von Predictive Analytics ergeben sich neue Chancen für Cross- und Upselling.

Der Fokus liegt heute auf der schnelleren Lead Generierung und der Weiterentwicklung dieser Leads zu zahlenden Kunden. Das kann nur funktionieren, wenn du über die gesamte Customer Journey hinweg an den Touchpoints die passenden kundenindividuellen Inhalte lieferst und die Bedürfnisse deiner B2B Kunden exakt vorhersagen kannst. Genau dafür dürfte die hier vorgestellte Vorhersageanalyse eine immer wichtigere Rolle spielen.

Bei der Informationsextraktion aus Daten analysiert die KI Such- und Kaufverhalten, um über Interessen und Einstellungen von Kunden Auskunft geben zu können. Aus diesen Ergebnissen kann die KI strategisch wichtige Inputs, wie etwa SEO Optimierungen, vorschlagen, aus welchen wiederum die vielversprechendsten ausgewählt werden können, um Content von der KI generieren zu lassen.

Auf den Gebieten Analytics und Forecasting kann die Künstliche Intelligenz dazu verwendet werden, Vorhersagen über zukünftige Parameter aus vorhandenen Daten zu gewinnen. Textanalyse- und Spracherkennungstools können in der direkten Interaktion zwischen Mensch und KI bei der Erstellung und Optimierung von Inhalten wesentliche Erleichterungen darstellen.

Künstliche Intelligenz generiert damit eine hervorragende Basis für sämtliche digitalen Marketingmassnahmen. Bestandskunden und auch neue, strategisch sinnvolle Zielgruppen kannst du dank der Unterstützung durch KI sehr gezielt mit relevanten Inhalten ansprechen. Oder um es mit den Worten von Dr. Reemda Tieben, Head of Data Activation Google, auszudrücken:

„Es ist eine Utopie zu glauben, dass mit den unzähligen Kontakt- und daraus resultierenden Datenpunkten, das Marketing durch Regeln gesteuert werden kann! Wenn du den Konsumenten zur richtigen Zeit, im richtigen Kanal, mit der relevanten Botschaft erreichen willst, gibt es nur eine Möglichkeit: datengesteuertes Marketing mithilfe von Machine Learning.“ (Tieben, 2019)

Einige Experten sehen im Marketing der Zukunft den Einsatz von KI aber auch kritisch, zumindest dann, wenn es sich um Standardlösungen handelt. Diese sind häufig bei den Chatbots zu finden und sie berücksichtigen womöglich weder die Markenidentität noch die Unternehmenspersönlichkeit ausreichend. Hier dürfte es entscheidend sein, zukünftig verstärkt zu individualisierten Lösungen zu finden, die perfekt zu deinem Unternehmen passen.

Auf jeden Fall solltest du dir aber darüber Gedanken machen, ob deine Teams auf den Umgang mit solchen Technologien vorbereitet sind. Hier sind neue Kompetenzen gefragt, um alle neuen Methoden aus der KI Forschung zielführend implementieren und gewinnbringend nutzen zu können.

via GIPHY

Meetingkultur
agile Unternehmenskultur
Alina

Meetingkultur für effiziente B2B-Organisationen

Der Erfolg eines jeden B2B-Unternehmens basiert nicht nur auf einer agilen Führungsmethode und Unternehmenskultur, sondern auch auf kontinuierlichem Austausch und zielführender Kommunikation. Für den Aufbau einer Meetingkultur sind deshalb regelmässige Meetings zwingend erforderlich.

Weiterlesen »

Inbound Leadgenerierung

Lead Generierung durch die Inbound Methodik   Die Kunst besteht nun darin, nicht nur dank des Contents viele Besucher auf die Webseite zu locken, sondern diese anschliessend

Weiterlesen »

Outbound Leadgenerierung

Wir haben uns bereits in diesem Beitrag mit der Inbound Methodik beschäftigt. Natürlich gibt es aber auch zahlreiche Outbound Taktiken, die du für die Lead Generierung

Weiterlesen »

Die wichtigsten B2B Kennzahlen

Die Performance Kennzahlen und Key Performance Indicators (KPIs) für B2B-Unternehmen   Zielgerichtetes Online Marketing unterstützt Unternehmen beim Beziehungsaufbau mit dem Kunden und wirkt sich zudem positiv auf

Weiterlesen »

Content Performance messen

Der Analyse Takt   Wie misst man die Content Performance? Denn wie die Ergebnisse von Suchmaschinen, bleiben auch die Bedürfnisse deiner Zielgruppe nicht beständig und entsprechen

Weiterlesen »