Die 3 strategischen Ziele von Machine Learning für das Marketing
Strategien des maschinellen Lernens zwischen Automatisierungs-, Optimierungs- und Erweiterungszielen.
KI-getriebenes Marketing nutzt Modelle, um den Prozess der Umwandlung von Daten in Aktionen und Interaktionen zu automatisieren, zu optimieren und zu erweitern, um Verhaltensweisen vorherzusagen, Bedürfnisse zu antizipieren und Nachrichten zu personalisieren.
Künstliche Intelligenz (KI) und ihre Untergruppe, das maschinelle Lernen (Machine Learning – ML), ermöglichen es Marketingfachleuten, die Automatisierung voranzutreiben, Prozesse zu optimieren und Mitarbeiter in einer Weise zu ergänzen, die unser Leben als Mitarbeiter, Kunden und Familienmitglieder erheblich verbessert.
Dank künstlicher Intelligenz und maschinellem Lernen sind Marketingaktivitäten bei Routineaufgaben bereits teilweise automatisiert, bei nicht-routinemäßigen Funktionen optimiert und bei komplexen Aufgaben erweitert.
„Definitely automation, optimization, and augmentation are the goals of AI. However, automation represents a key priority for many managers. If there’s something I can automate, that’s where I want to start.“
Jim Sterne, Emeritus Director of the Digital Analytics Association
Da Manager immer vertrauter mit kognitiven Technologien werden, experimentieren sie zunehmend mit Geschäftslösungen, die KI-Automatisierung, -Optimierung und -Erweiterung kombinieren. Wie definieren wir also diese drei strategischen Ziele der KI?
Index
Automation
In jedem Unternehmen gibt es Ineffizienzen, die durch leistungsstarke Algorithmen ersetzt werden können. Unternehmen haben die Möglichkeit, nicht nur interne, für den Verbraucher unsichtbare Prozesse wie Segmentierung und Targeting zu automatisieren, sondern auch Lösungen einzusetzen, die Kunden mit proaktiven und automatisierten Dienstleistungen erfreuen.
Mehrere Unternehmen sind innovativ, indem sie die Grenzen der kundenorientierten Automatisierung ausreizen. Vodafone unterstützt die Nutzer mit KI-gestützten Self-Service-Lösungen. Der Chatbot „Tobi“ bietet personalisierte Empfehlungen mit einer Konversionsrate von über 100 % im Vergleich zur Vodafone-Website und beantwortet wichtige Anfragen mit einer Lösungsrate von 80 %.
Die Content-Automatisierung ist zunehmend für die Erstellung, Kuratierung und Verteilung von Markenbotschaften verantwortlich. Bol.com nutzt die automatisierten Gebotsfunktionen von Google in der Display- und Videowerbung. Das automatisierte Gebotssystem übertrifft die derzeit optimierte Kampagne mit einer Verbesserung der Kundengewinnungskosten um 38 %.
Optimierung
Unternehmen nutzen Algorithmen der künstlichen Intelligenz, um Prozesse zu optimieren, die den Aufwand reduzieren, die Durchlaufzeit verkürzen und den Output verbessern. Jeder Vermarkter kann zahllose Möglichkeiten identifizieren, KI in den Markenbildungsprozess einzubinden, um die Praktiken der Kundengewinnung und -bindung zu maximieren.
Ein Beispiel für ein KI-optimiertes Erlebnis ist der Skin Advisor von Olay, eine Deep-Learning-App, die darauf abzielt, das „Hautalter“ zu bestimmen und das beste Produkt aus Hunderten von verschiedenen Varianten zu empfehlen. Nach der Einführung des personalisierten Hautberaters meldete Olay, dass es seine Konversionsrate bei der Interaktion mit 4 Millionen Verbrauchern gab.
„Ich habe in meinem Leben eine ganze Menge Werbung für Katzenfutter gesehen, und ich besitze keine Katze und habe auch nicht vor, eine zu besitzen. Jeder einzelne Penny, der dafür investiert wurde, dass ich mir eine Werbung für Katzenfutter ansehe, war umsonst. “
German Ramirez, Gründungspartner von The Relevance House
Lowe’s hat einen Einzelhandelsroboter namens LoweBot eingeführt, der Kunden bei der Beantwortung einfacher Fragen in 70 Sprachen hilft, während sich die Mitarbeiter auf Dienstleistungen mit Mehrwert konzentrieren. Da LoweBot in der Lage ist, effektiv durch das Geschäft zu navigieren, kann er die Regale nach falschen Preisen, verlegten Produkten und nicht vorrätigen Artikeln durchsuchen.
Augmentation
Algorithmen können Teams, die traditionell arbeiten, dabei helfen, mehr aus ihren Marketinganstrengungen herauszuholen, indem sie ihnen mehr Intelligenz verleihen. In einigen Unternehmen wird die KI eher zur Ergänzung als zur Automatisierung von Aktivitäten und Prozessen eingesetzt. Immer mehr Unternehmen glauben an die Koexistenz von Maschinen und Menschen.
Capgemini fand heraus, dass 86 % dieser Manager KI-Lösungen in großem Umfang implementieren. Einstein von Salesforce nutzt regelbasierte und prädiktive Modelle, um Agenten mit kontextbezogenen Empfehlungen und Angeboten für Kunden zu versorgen. Die den Mitarbeitern vorgeschlagenen „nächstbesten Aktionen“, wie z. B. „kostenloser Versand“ oder „Null-Prozent-Finanzierung“, führen zu einer höheren Kundenbindung und Upselling-Möglichkeiten.
Der Dienstleister Botmind hilft dabei, einen solchen Live-Chat zu realisieren. Bei umfangreichen unstrukturierten Dialogen wird das Anliegen sofort an eine Person weitergeleitet. Dieser hybride Prozess führt zu einer höheren Kundenzufriedenheit und einer erheblichen Kostenreduzierung.
“Augmentation is the main goal and it’s what all our technology is about. AI is not about replacing people but enabling all marketers to work better, faster and smarter.”
Javier Guillo’s Lopez, Digital Business Development Watson at IBM
Schlussfolgerung
Die Entwicklung einer KI-Strategie erfordert von den Managern eine systematische Bewertung der Marketingbedürfnisse im Hinblick auf Automatisierung, Optimierung und Erweiterung im Verhältnis zu den wahrgenommenen Vorteilen von Vorhersage, Antizipation und Personalisierung.
Dieser Artikel basiert auf dem unabhängigen Forschungsbericht „The Rise of Machine Learning in Marketing„, der von Alex Mari, Research Associate an der Universität Zürich, erstellt wurde.
Die Kommentarfunktion ist geschlossen.