25.05.2018

Wie künstliche Intelligenz das Marketing der Zukunft mitgestaltet

Künstliche Intelligenz – wieder eines dieser digitalen Themen, das dem vielseitig interessierten Marketer Kopfschmerzen bereitet. Es zu ignorieren geht nicht, aber es ist ja auch nicht so, als ob man sich im Alltag der zu vermarktenden Produkte und Brands langweilt. Und überhaupt fühlen sich die Themenausflüge unter dem Schirm der „Artificial Intelligence“ (kurz AI) teilweise […]

Künstliche Intelligenz – wieder eines dieser digitalen Themen, das dem vielseitig interessierten Marketer Kopfschmerzen bereitet. Es zu ignorieren geht nicht, aber es ist ja auch nicht so, als ob man sich im Alltag der zu vermarktenden Produkte und Brands langweilt. Und überhaupt fühlen sich die Themenausflüge unter dem Schirm der „Artificial Intelligence“ (kurz AI) teilweise noch recht weit weg an. Oder?

Artificial Intelligence on the Rise

AI, oder im Deutschen „Künstliche Intelligenz“, wird gerne als Sammelbegriff für eine Reihe von Technologien genutzt die durch eine Simulation menschlicher Intelligenz, Lösungsansätze für unterschiedlichste Probleme in Wissenschaft und Wirtschaft entwickeln.

Zugegebenermaßen gleicht die Begriffswelt, die das Thema umgibt, eher einem Begriffs-Jungle, aus dem man nur schwer wieder herausfindet, sobald man sich einmal auf den Rechercheweg begeben hat. Folgt man zum Beispiel den Definitionen aus der akademischen Welt, so zeigt sich, dass AI in erster Linie ein Teilgebiet der Informatik ist, bei dem Mechanismen des intelligenten menschlichen Verhaltens erforscht werden. Wagt man eine anschauliche, praxisnahe Erklärung, so handelt es sich bei AI um eine Reihe von Verfahren, bei denen Computersysteme trainiert werden, auf Basis vorhandener Datenbestände und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und Lösungen zu entwickeln. Aus Erfahrungen wird quasi künstliches Wissen generiert.

Im Grunde genommen sind diese Themen nicht ganz neu, sind sie uns doch bereits aus den Romanen von Philip K. Dick oder den Filmen von James Cameron bekannt. Warum aber ist in den letzten Jahren nicht mehr bloß die Rede von Science-Fiction? Und wie finden die Prinzipien künstlicher Intelligenz bereits im Business-Kontext Verwendung?

„Today there’s very little technology at Google that isn’t using AI and machine learning.“

Das sagt z.B. Marvin Chow, Vice President Global Marketing über die Prozesse und Produkte beim Suchmaschinenriesen. Natürlich reden wir hier nicht von grundsätzlich neuen Dingen. Nein, wir reden hier von Anwendungsfällen existierender Konzepte, deren Relevanz sich im Flächenfeuer der Digitalisierung von Tech-Konzernen über klassische Mittelständler bis hin zum Einzelunternehmer überträgt. Automatische Bilderkennung, individuelle Shoppingberatung, selbstfahrende Autos, Effizienzsteigerung in der Auswahl von Krebstherapien – das sind die großen Themen, die künstliche Intelligenz durch die Zukunft begleiten wird. Aber auch im Kleinen erleben wir AI längst unbemerkt im Alltag, z.B. durch bessere Vorschläge von Suchmaschinen, Empfehlungssysteme im Online-Shopping oder Videospiel-Gegner, die sich unserer Stärke anpassen.

AI im Marketing: Relevance at scale

Cloud-Technologien und die Art und Weise, mit der riesige Datenmengen heutzutage prozessual gezähmt werden können, sorgen für einen Vorstoß künstlicher Intelligenz in alle denkbaren Bereiche. Gar keine Frage also, dass AI auch enorme Potenziale im Marketing birgt. Die Kundenansprache über den Daumen zu peilen wird damit immer unnötiger. Im Gegenteil: Es ist sogar fahrlässig, Entscheidungen im Marketing ausschließlich dem Bauchgefühl zu überlassen. Das ist zwar nichts Neues im Licht der Appelle, mit denen datengetriebene Online-Marketer bereits seit Jahren in klassischen Unternehmen aufzuräumen versuchen, aber tatsächlich geht es in der Evolution des personalisierten Marketing um mehr: Relevance at scale, was so viel heißt wie: Keine Streuverluste mit Werbung, individuelle Kundenbeziehungen, geringe Wartezeiten im Support und sinnvolles Cross-Selling.

Die Poster-Boys von Marketing-AI: Chatbots

Chatbots gibt es schon eine ganze Weile und sie werden gerne als offensichtliches und vor allem greifbares Beispiel für künstliche Intelligenz in der Kundenansprache verwendet. AI-Experten sind sich aber sicher: ihre richtig große Zeit haben Chatbots noch vor sich. Aus der Kombination einer sich ständig optimierenden Analyse von natürlicher Sprache und den Datensätzen eines Unternehmens entsteht die perfekte Schnittstelle zum Kunden. Leads können vorqualifiziert werden, so dass spezialisierte (menschliche) Kollegen sich um strategische Fragen und die Vorbereitung von eventuell hitzigen Gesprächen kümmern können. FAQs können einerseits über ein konversationelles Interface die Persönlichkeit einer Marke transportieren und andererseits Daten für ihre eigene Verbesserung sammeln.

Das Potenzial ist immens und in zahlreichen Case Studies werden die ersten Erfolgsstories bereits in Hülle und Fülle präsentiert: Die Software-Firma RapidMiner konnte zum Beispiel tausende von Leads über einen Chatbot generieren und 25% ihrer Sales-Pipeline war ebenfalls durch diesen beeinflusst. Der amerikanische Telekommunikationsanbieter Charter Communications hat mit einem Chatbot innerhalb von 6 Monaten einen ROI von 500% erzielt und das Live-Chat-Volumen der Support-Mitarbeiter um 83% reduziert.

Die Liste solcher Geschichten ist lang, aber Vorsicht: die Liste erfolgloser Implementierungen ist länger. Zu viele Variablen werden nicht berücksichtigt und zu oft entstehen solche Initiativen als gedankenlose Me-Too-Produkte nervöser Late-Mover. Der menschliche Faktor in der erfolgreichen Konzeption und Implementierung solcher Maßnahmen wird unterschätzt. Im blinden Wunsch „dabei zu sein“ wird eine Software oder ein Algorithmus fälschlicherweise als Universallösung betrachtet und die vorab anfallenden Hausaufgaben werden nicht gemacht.

Beyond Chatbots: Was tut sich noch?

Zahlreiche kommerzielle Tools geben Unternehmen inzwischen die Möglichkeit, sich einen individuellen Bot mit relativ überschaubarem Aufwand zu erstellen und in die eigenen Workflows zu integrieren. Ohne Frage wird diese Form künstlicher Intelligenz mal mehr mal weniger zaghaft die Vorstöße sowohl im B2B- als auch im B2C-Marketing in nächster Zeit bestimmen. Aber welche Beispiele von AI-Marketing sind bereits einen Schritt weiter und welche Erfahrungen wurden gemacht?

Die Firma Nimble Storage, eine Tochter von Hewlett Packard Enterprise, stellt flexible und intelligente Speichermodule für Firmennetzwerke her. Interessanterweise ist es dem Unternehmen gelungen, durch prädikative Analysen das Volumen von Support-Anrufen um 50% zu senken und im darauffolgenden Jahr zu halten, obwohl die Kundenbasis um 30% gewachsen ist. Das Stichwort lautet „Predictive Customer Service“. Gemeint ist, dass durch die Sammlung und intelligente Auswertung eingehender Daten, Probleme von Kunden erkannt werden, bevor sie passieren.

Ähnliches tut sich im Bereich von Sortiments- und Absatzplanungen: So nutzt z.B. Walmart Daten aus der Vergangenheit und komplexe Algorithmen, um die Verkaufsvolumen und damit auch Marktchancen bestimmter Waren einzuschätzen. Insbesondere die vergleichsweise vorbildliche Umstellung des Einzelhandel-Riesen ins Online-Geschäft hat dazu geführt, dass künstliche Intelligenz als fester Bestandteil im strategischen Marketing verhaftet ist.

Das große Aber

Beispiele von Vorreitern sind toll und die Gedankenwelt von Visionären lädt immer zum Schmunzeln ein. Aber was bringen solche Geschichten klassischen Unternehmen, die zwar willens sind, in Sachen künstlicher Intelligenz eine Marketing-Strategie zu entwickeln aber weder die Kompetenzen noch die Ressourcen für große Sprünge haben?

Ein vollkommen richtiger Einwand, auf den es eine Reihe zielgerichteter Antworten gibt:

1) Sensibilität schaffen

Der Zweck solcher Geschichten im Sinne eines „So machen es die Großen“ liegt eben nicht in der Entmutigung, sondern darin, Sensibilität für das Thema zu schaffen. Was sind die Möglichkeiten? Welche unterschiedlichen Herangehensweisen gibt es? Auch etwa: Was hat nicht funktioniert und warum?

Irgendwo muss man anfangen, wenn es um einen Einstieg in das Thema künstliche Intelligenz geht. Meiner Meinung nach muss hier nicht sofort nach der besten und umfangreichsten Studien in der Fachbibliothek gesucht werden, man kann auch aus der Vogelperspektive mit der Sammlung von AI-Ideen beginnen.

Sensibilität schaffen bedeutet außerdem, das Verständnis bei Mitarbeitern dafür zu schärfen, dass künstliche Intelligenz eben nicht synonym mit dem Ersetzen von menschlicher Arbeitskraft ist. Generell sollte im Unternehmen kritische und selbstreflektierende Auseinandersetzungen mit aufkommenden ethischen und juristischen Problemen bereits vor AI-Projektbeginn angestoßen werden (aber das ist ein Thema für einen eigenen Blog-Artikel).

2) Das digitale Fundament überprüfen

Wenn die Entscheidung getroffen ist, dass ein Unternehmen sich über die speziell für das eigene Geschäft sinnvollen Anwendungsfälle künstlicher Intelligenz informieren will, dann müssen gleichzeitig entsprechende Weichen gestellt werden. Es bringt z.B. nichts, das junge, gut ausgebildete Talent teuer einzukaufen, um zumindest schon mal die entsprechende Fachkompetenz im Haus zu haben, damit dieses Talent dann nach kurzer Zeit feststellt, dass die Bedingungen für eine erfolgreiche Anwendung von AI nicht gegeben sind. Der Zugang zu Daten ist dabei ebenso wichtig wie der etwaige Schmerz, eine Software zu wechseln, die bereits seit einem Jahrzehnt im Einsatz ist.

3) Ziele und Maßnahmen entwickeln

Und dabei gelten Vorgehensparadigmen wie bei den meisten Belangen der Digitalisierung:

Schlank (lean) und nahezu prototypisch starten
nicht alles auf einmal angehen
nicht nach Perfektion im ersten Wurf streben, sondern schnell lernen
Eine gute Strategie für erste Anwendungen von künstlicher Intelligenz in kleineren Unternehmen können z.B. die berühmten tief hängenden Früchte sein. Wo könnte eine „AI powered“ Lösung beispielsweise die Mitarbeiter entlasten? Wo hat man bereits länger eine Vermutung über den Kunden, konnte diese aber bislang nicht validieren?

Die oben genannten Chatbots können, wenn auf das richtige Ziel ausgelegt und clever implementiert, einen nachhaltigen Unterschied für kleine und mittelständische Unternehmen machen.

4) Die richtigen Partner identifizieren

Bei der Definition solcher Ziele und dem Guss eines solchen digitalen Fundaments können externe Partner helfen. Sie haben nicht nur den nötigen Abstand zum Geschäft und die Expertise, sondern können für die entsprechenden Ziele auch direkt mit einer Reihe von Lösungen aufwarten und bei der Einführung unterstützen.

So gibt es beispielsweise Software, mit der Unternehmen aus der Gesamtheit ihrer Kundeninteraktionen auf allen Kanälen intelligente Sentimentanalysen erstellen können. Dann gibt es Tools, die Vertriebsgespräche transkribieren und durch künstliche Intelligenz sowie die Analyse der erfolgreichsten Gespräche Schulungsmaterialien erstellen. Intelligente CRM-Plug-Ins, Tools für Wettbewerbsanalysen, AI-Plattformen zum Management von Display-Ads – die Liste an Lösungen ist lang, man muss nur wissen, welche die richtigen für die eigenen Ziele sind und wie man sie einsetzt.

Künstliche Intelligenz wird alle Bereiche von Wirtschaft, Wissenschaft und Privatleben weiter drastisch verändern. Die Implikationen für das Marketing sind nicht vollständig vorhersehbar, aber es bleibt zu mutmaßen, dass durch neue Automatismen die Beziehungen zwischen Unternehmen und ihren Kunden noch mehr in den Fokus rücken. Was zunächst kontraintuitiv klingt, ergibt auf den zweiten Blick durchaus Sinn: je mehr ein Unternehmen sich in der Ansprache und in der Kommunikation mit Kunden auf Algorithmen verlässt, desto wichtiger wird es, dass die Menschen hinter den Algorithmen in der Lage sind, es entsprechend zu repräsentieren. So können sie sich außerdem voll und ganz den kreativen Herausforderungen widmen, die auch mittel- und langfristig durch keinen Algorithmus ersetzen werden.

Ihr Kommentar