Wie Künstliche Intelligenz das Marketing verändert

Gastautor

Ein Artikel von Katharina Willbold, Werkstudentin bei DYMATRIX

Der Einsatz von Machine Learning in der Kundenkommunikation

Viele Unternehmen haben bereits erkannt, dass die Einbindung von Künstlicher Intelligenz in die Wertschöpfungskette großes Potenzial birgt. Laut einer Studie zum Thema Künstliche Intelligenz des Technologie-Marktforschungsinstituts Vanson Bourne im Auftrag von Teradata, investieren bereits 80% der Unternehmen in Künstliche Intelligenz und erhoffen sich daraus unter anderem Umsatzsteigerung und Wettbewerbsvorteile.1

Neben den Bereichen Forschung, Entwicklung oder Produktion bietet der Einsatz von intelligenten Systemen insbesondere im Marketing große Vorteile. Marketingverantwortlichen stehen heute große Datenmengen zur Verfügung, die ohne die Hilfe von Computern nicht ausreichend interpretiert werden können. Auch deshalb findet Künstliche Intelligenz immer häufiger Anwendung, da sie eine Auswertung beliebig großer Datenmengen ermöglicht und Marketiers bei der Planung und Umsetzung wirkungsvoller Marketingaktivitäten unterstützen kann.

1 Ergebnis einer Befragung von 260 weltweit tätigen Großunternehmen.

Technologischer Hintergrund

Künstliche Intelligenz
Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich damit befasst, intelligentes menschliches Verhalten mit Computerprogrammen zu simulieren. Der KI wiederum sind verschiedene Teilgebiete wie etwa neuronale Netze oder das Natural Language Processing untergeordnet.

Machine Learning
Auch Machine Learning ist ein Teilgebiet der KI. Wir Menschen lernen aus Erfahrungen. Machine Learning beschreibt einen Zustand, bei dem dieses menschliche Lernverhalten von Programmen durch Algorithmen nachgebildet wird. Algorithmen können Muster in Datensätzen erkennen, Prognosen treffen oder Daten klassifizieren.

Supervised und Unsupervised Machine Learning
Innerhalb des Machine Learning unterscheidet man zwei grundlegende Techniken:

  • Supervised Learning: Ein Algorithmus wird darauf trainiert, auf Basis von bekannten Input- und Output-Datenmengen plausible Vorhersagen für neue Input-Datensätze zu treffen. Zum Einsatz kommen hierfür etwa Klassifizierungstechniken, um Input-Daten in Kategorien einzuordnen, oder Regressionstechniken, um kontinuierliche Ausgänge zu prognostizieren.
  • Unsupervised Learning: Algorithmen erkennen selbständig in Input-Datenmengen verborgene Muster und Strukturen und leiten hieraus Ergebnisse ab.

Use Cases von Machine Learning in der Kundenkommunikation

1. Intelligente Recommendation Engines
Interessenten und Kunden hinterlassen beim Stöbern in Onlineshops Daten. Machine-Learning-Algorithmen können auf Basis dieser Daten auf die Präferenzen des jeweiligen Besuchers schließen und gezielt passende Angebote und Empfehlungen für den individuellen Besucher vorschlagen. Der Einsatz von intelligenten Recommendation Engines ermöglicht Onlinehändlern, Cross- und Up-Selling-Potenziale auszuschöpfen und ihre Umsätze zu steigern.

2. Prognose von Kundenabwanderung
Machine Learning ermöglicht es, Vorhersagen darüber zu treffen, welche Kunden mit großer Wahrscheinlichkeit in naher Zukunft abwandern werden. Algorithmen sind hier in der Lage, aus den Daten der bereits abgewanderten Kunden übereinstimmende Merkmale zu erkennen. Werden diese Merkmale auf den aktuellen Kundestamm angewendet, können die derzeit abwanderungsgefährdeten Kunden herausgefiltert werden. So können diese Kunden gezielt angesprochen und beispielsweise mit Hilfe individuell zugeschnittener Incentives gebunden werden.

3. Sentiment-Analysen
So genannte Sentiment-Analysen sind Instrumente des Social-Media-Monitorings. Algorithmen werten bei diesem Verfahren automatisiert Beiträge wie Kommentare, Postings oder Rezensionen auf deren Tonalität aus. Durch einen Abgleich der Beiträge mit einer Datenbank können Meinungen über Produkte, Dienstleistungen oder Marken einer der Kategorien positiv, negativ oder belanglos zugeordnet werden. So können Unternehmen gezielt Maßnahmen einleiten, um das Stimmungsbild entsprechend zu beeinflussen.

4. Chatbots
Mit dem Launch einer Chatbot-Plattform für Facebook im April 2016 begann der Hype um sogenannte intelligente Dialogsysteme. Dabei handelt es sich um cloudbasierte Roboter, welche die menschliche Kommunikation simulieren. Ursprünglich wurden Messaging-Dienste wie der Facebook Messenger oder WhatsApp für die Kommunikation im engsten Privatkreis verwendet, etwa für Freunde und Familie. Mittlerweile nutzen auch immer mehr Unternehmen diese Dienste und integrieren darin ihre Chatbots. Dadurch können Unternehmen näher an den Kunden herantreten und die Kundenbindung stärken. Viele Unternehmen setzen diese Technologie bereits im Kundenservice ein, um auf Kundenanfragen in großer Anzahl und rund um die Uhr personalisiert reagieren zu können. Mehr zum Thema Chatbots können Sie in unserem Blogartikel „Online Kundenservice auf dem nächsten Level“ nachlesen.

Fazit

Neben der automatisierten Bearbeitung von Routineaufgaben, etwa im Kundenservice, ermöglichen KI und insbesondere Machine Learning die Gewinnung neuer Erkenntnisse über die Präferenzen, das Kaufverhalten oder das Meinungsbild von Interessenten und Kunden. Dieses Wissen erlaubt eine effektivere Planung und Umsetzung von Marketingstrategien und -maßnahmen. Die Anwendungsbeispiele zeigen, dass sich der Einsatz von KI bereits in einigen Einsatzgebieten bewährt und auch zukünftig wird ein modernes Marketing auf intelligente, selbstlernende Programme kaum verzichten können.

Informationen zu der KI-Software DynaMine von DYMATRIX finden Sie hier.

Quellen:

  1. Böttcher, Björn/Klemm, Daniel/Velten, Carlo (2017): Machine Learning im Unternehmenseinsatz. Künstliche Intelligenz als Grundlage digitaler Transformationsprozesse. Ergebnisse einer empirischen Studie in Kooperation mit The unbelievable Machine Company (*um) und Hewlett Packard Enterprise, Crisp Research AG, S. 8f
  2. Grimm, Dominik (o.J.): Den richtigen Ton treffen mit der Tonalitätsanayse. Möglichkeiten und Grenzen, in: Digitalwelt, Online: https://www.digitalwelt.org/themen/social-media/social-media-monitoring/sentiment-analyse
  3. Internet World Business (2017): Realität und Zukunft: So wird KI im Marketing eingesetzt, Online: https://www.internetworld.de/marketing-trends/realitaet-zukunft-so-ki-im-marketing-eingesetzt-1234897.html
  4. Kristandl, Christoph (2016): Warum Chatbots unser Leben bereichern werden, in: Redbull.com, Online: https://www.redbull.com/de-de/theredbulletin/was-sind-eigentlich-chatbots
  5. Mahnhart, Claus (2017): Was Sie über Maschinelles Lernen wissen müssen, in: Computerwoche, Online: https://www.computerwoche.de/a/was-sie-ueber-maschinelles-lernen-wissen-muessen,3329560
  6. MathWorks (2016): MATLAB für Machine Learning, Online: https://de.mathworks.com/solutions/machine-learning.html
  7. Petereit, Dieter (2016): Was ist eigentlich der Unterschied zwischen AI, Machine Learning, Deep Learning und Natural Language Processing?, in: t3n digital pioneers, Online: https://t3n.de/news/ai-machine-learning-nlp-deep-learning-776907/
  8. Teradata (2017): Survey: 80 Percent of Enterprises Investing in AI, but Cite Significant Challenges Ahead, Online: https://www.multivu.com/players/English/8075951-teradata-state-of-artificial-intelligence-ai-for-enterprises/

Das könnte Sie auch interessieren