Revolution der Kundenansprache mit Artificial Intelligence Marketing

Bei Marketingprojekten werden Kunden oder Interessenten heute in der Regel in Gruppen segmentiert, beispielsweise nach Geschlecht oder geografischer Region, und ausgehend von diesen Segmenten Automationsstrecken aufgesetzt. Eine wirklich personalisierte Ansprache ist damit aber nicht möglich, sondern lediglich Empfehlungen, Angebote oder Kaufvorschläge auf Basis eines Clusters. Diese Vorgehensweise hat nicht nur hohe Streuverluste, sondern verärgert regelmäßig auch Kunden, wenn sie beispielsweise Dinge angeboten bekommen, die sie längst haben. Dabei liegen die notwendigen Informationen für eine wirklich personalisierte, individuelle Kundenansprache meist schon vor. Das Problem sind die fehlenden Ressourcen und Werkzeuge für die Nutzbarmachung dieser Daten. Die Datenbasis ist einfach zu komplex, als dass ein manuelles Aufsetzen von personalisierten Automationsstrecken sinnvoll möglich wäre. Der Einsatz von künstlicher Intelligenz schafft hier vollkommen neue Möglichkeiten. Anstatt wie bisher händisch die Segmentierung nach bestimmten Käufergruppen vorzunehmen, den Content mit den entsprechenden fest vorgegebenen Incentives zu erstellen und anschließend die Wirksamkeit der Kampagne zu überwachen und gegebenenfalls nachzusteuern, kann sich der Marketer auf grundlegende strategische Entscheidungen konzentrieren: Soll die Kampagne schnellen Umsatz bringen oder eher auf nachhaltige Kundenbindung setzen? Wie soll mit dem Thema Incentive-Recommendation umgegangen werden? Werden diese aggressiv eingesetzt oder eher moderat? Den Rest übernimmt die künstliche Intelligenz. Sie entscheidet aufgrund der strategischen Vorgaben anhand von Mustern, auf individueller Basis der Kundendaten über den Zeitpunkt, den Kanal, den Inhalt sowie die Art des Incentives. Wen wann mit was ansprechen Dazu bedient sich der KI-Algorithmus an vorhandenen Daten des Kunden-Accounts. Im Idealfall hat ein Kunde bereits in der Vergangenheit Bestellungen getätigt und es kann ein Muster auf Basis des bisherigen Kaufverhaltens identifiziert werden. Ist das nicht der Fall, kann die KI auch ein mögliches Verhalten prognostizieren. Dazu nutzt sie beispielsweise Informationen wie: Wie geht der Käufer mit E-Mails um und worauf klickt er? Wie bewegt er sich auf der Webseite oder im Onlineshop? Welche Produkte und Produktkategorien schaut er sich an und welche legt er gegebenenfalls in den Warenkorb? Aus diesen Daten kann die KI Muster erkennen und auf dieser Basis entscheiden, welcher Content angeboten, über welchen Kanal der Kunde kontaktiert oder welche Produkte empfohlen werden. Kaufanreize setzen – nur wenn nötig Incentive-Recommendation ist aktuell ein viel diskutiertes Thema in Unternehmen: Setzt man grundsätzlich Gutscheine und Vouchers ein und wenn ja wann? In welcher Form setzt man diese ein? Welchen Einfluss hat das dann kurzfristig auf die Umsatzmargenentwicklung und welche langfristigen Effekte sind zu erwarten? Aus Mangel an Transparenz wird dann häufig eine „alles oder nichts Entscheidung“ getroffen. Entweder jeder bekommt den Gutschein oder niemand. Das wird aber den Kunden nicht gerecht und es werden unnötig Incentives verteilt, die das Unternehmen einsparen könnte. Eine KI-basierte Incentive-Recommendation-Engine kann nun für jeden einzelnen Kunden berechnen, wie wahrscheinlich es ist, dass diese Person kurzfristig in den nächsten Stunden oder Tagen eine Bestellung tätigt. Auf dieser Basis entscheidet der Algorithmus, ob ein Incentive notwendig ist und wenn ja, in welcher Höhe. Handelt es sich um einen Kunden, der sehr regelmäßig kauft, kann man davon ausgehen, dass er sehr bald wieder eine Bestellung tätigt. Ein Incentive ist nicht nötig. Ebenso kann die KI helfen, verlorene Kunden zu reaktivieren, indem sie lange inaktiven Kontakten ein höheres Incentive bietet. Eine geringere Marge wird zugunsten der Reaktivierung in Kauf genommen. Inaktive Käufer reaktivieren und neue Kundengruppen erschließen Können Käufer beispielsweise nicht über E-Mail erreicht werden, ist das aber eventuell durch Facebook- oder Google-Ads möglich. Da Facebook und Google eine durchschnittliche Matching-Rate von 50 bis 70 Prozent haben, bieten diese zusätzlichen Kanäle eine vielfach höhere Reichweite. In diesem Fall findet ein Abgleich auf Basis der E-Mail-Adresse statt. Wenn der Empfänger mit der gleichen E-Mail bei Google oder Facebook registriert ist, findet dort ein Matching statt. Um den Datenschutzrichtlinien zu entsprechen, passiert der Abgleich mit Google und Facebook auf Basis pseudonymisierter Daten. Eine Übertragung personenbezogener Daten an Dritte, in diesem Fall Facebook oder Google, findet nicht statt. Mit Hilfe von KI lassen sich über Facebook und Google nicht nur inaktive Kunden reaktivieren, sondern auch neue Kunden erschließen. Dazu werden automatisiert Ads in Facebook oder Google eingespielt, die auf den Verhaltens- und Lifecycle-Daten von Nutzern basieren. So ist es möglich VIP-Kunden zu selektieren. Auf Basis dieser anonymisierten Informationen (z.B. Sign-Ups, Browsing-Verhalten, Kaufhistorie und Produkt-Affinität) lassen sich auf Google oder Facebook potenzielle Käufer, sogenannte statistische Zwillinge, identifizieren und über Ad-Campaigns kontaktieren. Auch hier wird mit pseudonymisierten Daten gearbeitet, um den Datenschutz sicherzustellen. Tritt der potenzielle Käufer dann in Dialog mit dem Händler, beziehungsweise reagiert auf die Ansprache indem er einen Kauf tätigt, geht dieser in einen Customer Lifecycle ein und wird in Zukunft auch personalisiert angesprochen. Stratege statt Operator Die Rolle des Marketers wird sich durch die weiteren Automationsmöglichkeiten verändern, weg von der operativen Ausführung hin zur Planung und Strategieentwicklung. Die Kundenansprache wird sich von einer „one-to-many“ zu einer „one-to-one“ Kommunikation weiterentwickeln. Diese nächste Evolutionsstufe der Kundenkommunikation bietet für Marketer die Möglichkeit, zielgerichtet auf Kunden und potenzielle Käufer zuzugehen, bei gleichzeitig deutlich geringeren Streuverlusten durch ineffektive Kommunikation und falschen Kaufanreizen. Kunden wiederum profitieren von passenden Angeboten und speziell auf sie zugeschnittenen Vergünstigungen.