Digitalisierung Trends

KI im Marketing: Wo macht der Einsatz Sinn?

KI Marketing

Künstliche Intelligenz (KI) zählt zu den wichtigsten Treibern der digitalen Ökonomie. Sie ist jedoch kein Allheilmittel für das Marketing, auch wenn so manch einer das verspricht. Marketingverantwortliche fragen sich, inwiefern sie bereits heute von KI profitieren können. Was ist realistisch und was ist Utopie? Wir zeigen Dir, wo KI bereits Marketingmaßnahmen stützt.

Begriffserklärung

Künstliche Intelligenz (KI bzw. AI) ist ein Teilgebiet der Informatik und der Versuch, bestimmte Fähigkeiten und Entscheidungsstrukturen des Menschen nachzubilden. Da der Begriff nicht eindeutig abgrenzbar ist, betrachten wir drei für das Marketing besonders wichtige Teilgebiete: Machine Learning, Deep Learning und NLP.

ki marketing

Machine Learning

Wir Menschen lösen Aufgaben auf Basis unseres Erfahrungsschatzes. Bei neuen Problemen probieren wir Dinge einfach aus und meiden es, Fehler zu wiederholen. Ähnlich funktioniert Machine Learning. Als Praxisbeispiel eignet sich eine App, welche Dir Kinofilme vorschlägt. Dazu musst Du vorab lediglich einige Filme bewerten. Durch kollaboratives Filtern aller Daten erlernt die App übliche Verhaltensmuster und kann zuverlässige Empfehlungen abgeben.

Deep Learning

Ein Teilgebiet des Machine Learnings ist unter dem Begriff Deep Learning bekannt. Maschinelles Lernen nutzt hierachische Strukturen, welche an den Aufbau menschlicher Nervenzellen (Neuronen) erinnern. Künstliche neuronale Netze machen es möglich, eine Komplexität von bis zu hundert Millionen einzelnen Parametern und zehn Milliarden Rechenoperationen auf einmal zu verarbeiten.

NLP

Natural language processing (NLP) bzw. Computerlinguistik hat sich unabhängig von der KI entwickelt. NLP beschäftigt sich mit den Möglichkeiten, natürliche Sprache mit Hilfe von Algorithmen zu verarbeiten. Erst maschinelles Lernen verhalf NLP zu einem großen Entwicklungssprung, obwohl eingesetzte Algorithmen simpler gestrickt sind als traditionelles NLP. Sie beschränken sich darauf, Muster auf Wortebene zu identifizieren. Syntax und Semantik spielen keine große Rolle mehr.

I. Einsatz zur Datenanalyse (Big Data)

Viele Unternehmen sitzen auf einem echten Datenschatz und wissen es nicht einmal. Dabei eignet sich dieser unter bestimmten Voraussetzungen für einen zuverlässigen Blick in die Zukunft. Gleich drei unterschiedliche Ansätze bieten sich an:

Die nicht überwachte Form des Machine Learnings wird üblicherweise dazu eingesetzt, versteckte Muster in großen Datenmengen zu identifizieren und sogenannte “Daten-Cluster” zu ermitteln. Dabei bleibt das Ergebnis stets offen. Man weiß also nie, was am Ende rauskommt.

Überwachtes Lernen prüft, wie sich in historischen Daten eine im Vornherein bestimmte Variable in Bezug auf anderen Variablen verhält. KI-Algorithmen ermitteln dazu Korrelationen. Beim Blick in die Zukunft helfen sogenannte Prospensity Models (prospense = neigen). Sie deuten an, wie Wahrscheinlich der Eintritt eines bestimmten Ereignisses in der Zukunft ist.

Bestärkendes Lernen geht noch einen Schritt weiter. Man spricht hier von Systemen, die eigenständig eine langfristige Strategie erlernen. Dazu werden Agenten (eigenständige Softwareprogramme) darauf angesetzt, per Trial-and-Error zu erlernen, welche Folgen eine Aktion innerhalb einer bestimmten Situation hat.

Buyer Personas identifizieren

Big Data ist gut geeignet, um die wichtigsten Buyer Personas zu ermitteln und mit KPIs wie Akquisekosten (CAC) und Kundenlebenswert (CLTV) zu versehen. Das sorgt für Effizienz in der Kundenkommunikation.

Produkte entwickeln

Mit Hilfe von Analysen lassen sich Branchen und Buyer Personas ermitteln, welche durch ein ungewöhnliches Kaufverhalten auffallen. Nachfolgende Interviews ergeben, dass ein Produkt zu einem anderen Zweck als vorgesehen eingesetzt wird. Die Geburtsstunde eines neuen Produkts.

Umsatz erhöhen

Wie hoch ist die Wahrscheinlichkeit, dass ein bestimmter Kunde innerhalb der kommenden Woche etwas bei der Konkurrenz kauft? Mit diesem Wissen lassen sich spezielle Kampagnen aufsetzen.

II. Einsatz zur Kommunikation

Der zweite große Bereich mit Potential für das Marketing ergibt sich in der Kundenkommunikation. Hier steckt also das ganz große Potenzial für Zeitersparnis. Das Problem: Anders als bei der Analyse arbeiten entsprechende Werkzeuge selten wirklich zuverlässig.

Kampagnen optimieren

Werbeanzeigen, Landingpages und sogar Preise lassen sich in Echtzeit optimieren und personalisieren. Ebenso der Zeitpunkt für Push-Nachrichten (z.B. E-Mails). Kleinste Verbesserungen können bereits zu spürbar mehr Response führen, was sich wiederum positiv auf die Akquisekosten auswirkt.

Chatbots bereitstellen

Sogenannte Chatbots imitieren menschliche Intelligenz, indem sie Kundenfragen eigenständig interpretieren und beantworten. Zumindest in der Theorie. In der Praxis überzeugen Chatbots selten. Denn Natural Language Processing (NLP) auf Basis von KI steckt noch in den Kinderschuhen. Gut funktionieren sie bislang eher im Support-Bereich, wo sich Kundenfragen laufend wiederholen.

Content Creation

Zum aktuellen Stand können KI-Werkzeuge noch keinen Content fertig produzieren. Moderne Software hilft allenfalls bei der Evaluierung und Optimierung von Texten. Ähnliche Ansätze gibt es für (audio-)visuellen Content. Inwiefern sich hier Arbeitszeit einsparen lässt? Darüber lässt sich streiten.

Fazit

Künstliche Intelligenz ist schon längst kein Science Fiction mehr! Zur Automation von Marketing-Prozessen ist sie bislang jedoch nur eingeschränkt geeignet. Die größten Potenziale stecken aktuell im Umfeld von Big Data. Wer massenhaft Daten generiert, kann sich diese für einen Blick in die Zukunft zunutze machen.

Ebenfalls interessant
Online-Marketing Blogs
Online-Marketing-Blogs: Unsere heimlichen Favoriten für 2019.
Web Push Nachrichten
Mit Web-Push-Nachrichten zu mehr Engagement