Wenn von Künstlicher Intelligenz gesprochen wird, geht es häufig um die Suche nach einer menschenähnlichen Intelligenz, einem System das eigenständig Probleme bearbeiten kann, also Zusammenhänge erkennt oder vorhersagt. Dazu werden Algorithmen und Techniken aus verschiedenen Disziplinen verwendet.

Das Thema KI, oder auch die Technik Data Mining, wird so oder in einer Abwandlung schon viele Jahre im Umfeld von Banken und Versicherungen verwendet (Kündigerwahrscheinlichkeit, Betrugsverdacht). Im Moment sprechen viele Anwender wieder von einem bevorstehenden Durchbruch, auch im Zusammenhang mit den Einsatzmöglichkeiten im Marketing und Produktmanagement. Dabei geht es um die exakte Vorhersage von Bedarfen, die sich möglichst in Echtzeit aktualisieren und so eine konstant personalisierte Kundenansprache ermöglichen.

2016 erklärte der CEO von Google „We will move from mobile first to an AI first world.“ und gab dem Themengebiet damit einen erneuten Impuls. Google hat dazu in den vergangenen Jahren bereits über 10 Unternehmen aus dem KI Bereich gekauft.

Wann wird mit KI ein messbarer, kommerziell erfolgreicher Markterfolg erzielt?

Im Kontext der Digitalisierung können selbstlernende Technologien die Automatisierung des Marketings vorantreiben und so wertvolle Einblicke in das Verhalten von Kunden, sowie in Interaktionen und Vorlieben zu gewinnen. Dazu ist es nötig große Datenmengen aus Unternehmens- und Kundendaten zu analysieren und daraus möglichst automatisch passende Produktempfehlungen, Nachrichten, Incentives oder Digital Ads zu erstellen.

Welche Chancen bietet KI?

Immer wenn Mitarbeiter an ihre Grenzen stoßen, bspw. bei der Analyse von Daten in einem Umfang, der manuell nicht verarbeitet werden kann, bzw. wo Berufserfahrung und gesunder Menschenverstand nicht mehr ausreichen, kann KI zu Produktions- und Effizienzsteigerung führen. Bekannt dafür ist das Vorschlagswesen von Amazon wo bevorzugte Produkte geeigneten Besuchern zur richtigen Zeit angezeigt werden umso Kaufverhalten und Kauferfahrung in einer exakt ausgerichtete Customer Journey zu beeinflussen.

Welche Anwendungsfälle gibt es?

Anwendungsfälle entlang des Customer Life Cycle:

1.) Besucher mobilisieren

• Smart Content Curation (das Amazon Modell „Kunden haben auch das gekauft“)
• AI generated content
• Programmatic Media Buying
• Voice search (die sprachbasierte Eingabe eines Suchbegriffs)

2.) Besucher einbeziehen und für die eigenen Produkte begeistern

• Propensity modeling (Wahrscheinlichkeiten – wozu neigt ein Besucher)
• Predictive analytics
• Ad targeting (welcher Webeplatz hat die stärkste Wirkung)
• Lead scoring (typischerweise im Sales Support)

3.) Besucher in Kunden wandeln

• Re-targeting
• Dynamic pricing
• Web & App Personalisation (Inhalte abhängig vom Kundenlebenszyklus aussteuern)
• Chatbots

4.) Kunden nachhaltig binden

• Predictive customer service (geeignete Folgeangebote machen)
• Marketing automation (den richtigen Zeitpunkt zur Wiederansprache finden)
• 1:1 dynamic emails (personalisierte Newsletter)