Beste Freunde: Marketing und Artificial Intelligence

Zugegeben, bereits in dieser Headline sind gleich zwei Buzzwords zu finden: Customer Journey und AI. Doch wahrscheinlich wird auch Ihr Marketing beide Themen – in Kombination – nicht ignorieren können.

In diesem Artikel wollen wir uns einmal anschauen, wie Artificial Intelligence (AI) und Machine Learning (ML) für eine noch individuellere Customer Journey sorgen können. Vor einigen Jahren war eine Customer Journey noch vergleichsweise einfach und klar abzubilden, da eben weniger Touchpoints als heute zur Verfügung standen. Heute laufen die „Reisen“ eines Kunden oder Interessenten wesentlich komplexer ab – beispielsweise haben sich die Vergleichsmöglichkeiten mit Wettbewerbsangeboten durch die zunehmende Digitalisierung vervielfacht.

Die Customer Journey läuft vielfach also weniger linear ab. Im Gegenzug bietet digitales Marketing natürlich vielfältige Möglichketen, Kundenverhalten zu analysieren, und in einem Regelkreis Maßnahmen zu ergreifen, um den Interessenten bei Verlassen der aus Unternehmenssicht „richtigen Spur“ wieder zurückzugewinnen. Dies erfordert aber dynamisches Verhalten in Bezug auf Touchpoints, Content und eventuell auch Preis oder Rabattangebote. Hier kann Machine Learning helfen.

Ein paar Beispiele

Schauen wir uns doch einmal beispielhaft Elemente einer Customer Journey an, die durch Machine Learning unterstützt werden können:

Conversational Interfaces, wie Chat- oder Voice-Bots: Hier nimmt Ihr Kunde die künstliche Intelligenz ganz bewusst wahr, da er mit ihr kommuniziert. Ob dies Ihren Kunden einen Mehrwert bietet, hängt ganz davon ab, welche Erwartungen bestehen – und wie das eingesetzte System, diese erfüllen kann.

Individualisierter Content: Es ist entscheidend, den für den jeweiligen Kunden passenden Content zum richtigen Zeitpunkt zu zeigen. Hier kann Machine Learning beispielsweise helfen, Kundencluster (bzw. Buyer Personas) automatisiert zu bilden, um Content zielgruppenorientiert auszuspielen. Dabei sind nicht nur Eigenschaften wie Alter, Geschlecht, Wohnort oder Bildungshintergrund relevant. Auch die Phase in der sich der jeweilige Kunde innerhalb einer Customer Journey befindet, kann berücksichtigt werden. Jedoch müssen Sie solche Informationen natürlich erst einmal ermitteln.

Predictive Marketing: Hier spielt die künstliche Intelligenz im Hintergrund und führt automatisiert Entscheidungen herbei, welche auf Vorhersagen des Kundenverhaltens basieren. Ein Beispiel haben wir bereits in einem anderen Artikel zum Thema „AI und Marketing – Typische Anwendungsfälle“ betrachtet. Hierbei ging es um die Frage, welchen Kunden ein Rabattgutschein angeboten werden soll. Aber auch Themen wie Dynamic Pricing spielen hierbei eine Rolle – nicht immer zum Vorteil der Kunden. Beim Einsatz solcher Methoden ist vor allem darauf zu achten, dass diskriminierende Entscheidungen ausgeschlossen sind, also beispielsweise nicht der Preis eines Produkts durch das Geschlecht beeinflusst wird.

Win/Win-Situation für Kunden und Unternehmen

Machine Learning kann eine Customer Journey auf ganz unterschiedliche Weise unterstützen. Dabei profitieren im besten Fall Kunden/Konsumenten und marketingtreibende Unternehmen gleichermaßen. Um es vorweg zu nehmen: Auch nur dann werden Sie durch Machine Learning einen echten und langfristigen Erfolg haben.

Machine Learning ist also kein Selbstzweck und sollte idealerweise dort zum Einsatz kommen, wo es echte Mehrwerte bietet und nicht nur ein (wahrscheinlich) kurzzeitiges Dasein als Gadget führt.

Daten, Daten, Daten

Generell gilt: Machine Learning hängt von verfügbaren Daten ab – je mehr desto besser. Mindestens genauso relevant ist jedoch, dass die Daten für den jeweiligen Use Case geeignet sind. Insofern ist es essenziell, dass bei Projekten, die auf Machine Learning setzen, Vertreter des jeweiligen Business Case (also z.B. Marketing/Vertrieb) und Experten im Bereich Data Science miteinander sprechen und eng abgestimmt agieren.

Denn Machine Learning hängt von (passenden) Daten ab. Im Gegenzug können clever konstruierte Touchpoints auch zum kontinuierlichen Datensammeln genutzt werden. Auch hierbei gilt es die Balance zwischen Unternehmensnutzen und Kundennutzen zu wahren, damit eine hohe Akzeptanz seitens der Kunden erzielt wird. So werden User eher (die nach DSGVO erforderliche) Zustimmung zur Verarbeitung persönlicher Daten geben, wenn ein entsprechender Kundenmehrwert sichtbar ist. Übertriebenes Datensammeln und -verarbeiten sorgt für Vorbehalte.

Mensch vs. Maschine

Wägen Sie sorgfältig ab, an welchen Stellen einer Customer Journey menschliche oder maschinelle Interaktion mit Ihren Kunden sinnvoll ist. Oft lässt sich auch beides kombinieren. Ein Beispiel hierfür ist ein Chatbot, bei dem im Bedarfsfall ein „Human in the Loop“ übernehmen kann – was natürlich nur bei entsprechenden personellen Ressourcen funktioniert.

Prüfen Sie regelmäßig, ob Ihre Kunden Ihre automatisierten und KI-gestützten Touchpoints akzeptieren. Prüfen Sie zudem regelmäßig Entscheidungswege, die Ihre Machine Learning Algorithmen herbeiführen. Die aktuell verfügbare „Narrow AI“ könnte beispielsweise relevante Faktoren für Entscheidungen nicht kennen. Hier müssen Sie ggf. durch sogenanntes „Feature Engineering“ eingreifen.

Ein Beispiel:  Sie clustern Ihre Kunden mit Hilfe von Machine Learning und spielen für jedes Kundencluster individuellen Content aus. Bei einer Überprüfung stellen Sie fest, dass Sie in Süddeutschland durch Nutzung unterschiedlicher, individueller Touchpoints sehr gute Ergebnisse in Ihrer Conversion erzielen. In Norddeutschland bleibt dieser Erfolg jedoch aus. Inwiefern könnten weitere Features beim Machine Learning berücksichtigt werden, um auch die Nordlichter von Ihren Angeboten zu überzeugen? Oder ist der regionale Unterschied auf andere Faktoren zurückzuführen? Auch hier ist eine intensive Zusammenarbeit zwischen Daten- und Marketingexperten essenziell für eine zielführende Ursachenforschung und Lösungsfindung.

Ein typischer Ablauf im Bereich Machine Learning wird in dieser Grafik dargestellt:

Hintergrundinfos zu den einzelnen Schritten und Begriffen gibt ein anderer Artikel auf unserem Blog beispielhaft.

Kreativität und Technologie

Last but not least: Sind Sie kreativ. Technologie- und Marketingexperten können sich hier gegenseitig inspirieren. Oft entstehen Ideen bei der genaueren Betrachtung der vorhandenen Daten und der technologischen Möglichkeiten mit Machine Learning. Bieten die vorhandenen Daten vielleicht die Möglichkeit, ein automatisiertes Empfehlungsmanagement zu entwickeln, das sich von den Lösungen Ihrer Wettbewerber signifikant abhebt und Ihren Kunden einen echten Mehrwert bietet? Schaffen Sie es, mittels AI und Internet of Things (IoT), die digitale und physische Welt kreativ miteinander zu verbinden und so eine ganzheitliche Customer Journey zu kreieren?

Weitere Infos zu AI und ML

Lesen Sie weitere Artikel zu Artificial Intelligence und Machine Learning in unserem Innovationsportal. Einige Artikel sind bereits in den letzten Wochen erschienen, andere werden in den kommenden Wochen veröffentlicht werden:

• AI und ML Basics: Was steckt eigentlich dahinter?
• AI und Marketing: Typische Anwendungsfälle
• Omnichannel und AI: Was ist für Retail-Unternehmen relevant?
• Für Streber: Machine Learning ist einfach nur Mathe.

Vor welcher Herausforderung stehen Sie?

Haben Sie Fragen, oder möchten Sie weitere Details zu den vorgestellten Themen mit mir besprechen? Kontaktieren Sie mich jederzeit über unser Kontaktformular oder rufen Sie mich unter 04121 6460410. Von der Anforderungsanalyse bis hin zum Rollout unterstützt Sie die rb omnichannel GmbH gerne.

Herzliche Grüße

Ihr Roland Bühler