Wenn Unternehmen im Marketingbereich Erfolge durch den Einsatz künstlicher Intelligenz verzeichnen wollen, ist eine einheitliche Strategie und maximale Zielgenauigkeit unablässig. Die beiden Voraussetzungen hängen jedoch auch zusammen.
Welche Zielgenauigkeit künstliche Intelligenz dem Marketing bringen kann, zeigt ein Beispiel im Bereich der Klassifizierung. Etwa wenn es um das Thema einer markensicheren Auslieferung von digitaler Werbung geht. „Hierzu liefert man zu Beginn Informationen und Daten, auf welchen Websites keine Werbung ausgespielt werden soll. Die künstliche Intelligenz beurteilt dann auf Basis der vorhandenen Daten, ob ein Umfeld als markensicher zu qualifizieren ist und unterbindet gegebenenfalls die Auslieferung von Werbung auf dieser Website“, erläutert Volker Helm, Managing Director DACH & Nordics des Technologie-Unternehmens Quantcast, und bringt das Beispiel einer Fluggesellschaft. Diese möchte keine Werbung in Umfeldern ausspielen, in denen es um Flugzeugabstürze oder Verspätungen geht. Aufgrund des Inputs ist die KI-Technologie in der Lage zu verstehen, dass sie nicht nur auf bestimmten Seiten keine Werbung ausspielen soll, sondern z.B. auch auf einer sonst sicheren Nachrichtenseite, auf der gerade eine News zu einem Flugzeugabsturz aufgegriffen wird.
Auch beim Prospecting, der gezielten Akquise von Neukunden, liefert KI laut Helm wertvolle Dienste. So setzte beispielsweise das deutsche Online-Lebensmittelzustellunternehmen foodora im Rahmen einer Werbekampagne auf die KI-Methodik der logischen Schlussfolgerung. Ziel war es, in Wachstumsmärkten dauerhaft neue Nutzer zu erreichen und zu binden. Zunächst wurde zusätzliches Geld investiert, um in diesen Märkten sehr kurzfristig die Reichweite auszubauen und neue Kunden zu gewinnen. „Anhand der Daten der konvertierenden Nutzer sowie einem KI-basierten Look-Alike-Modeling konnte der Lieferdienst neue Nutzer identifizieren, die nicht zur Kernzielgruppe des Unternehmens zählten“, erklärt Helm. Dadurch sei es foodora gelungen, in wenigen Tagen über 3,7 Millionen hochrelevante Neukunden in den drei Märkten zu gewinnen – und zu halten. Helm: „Auch nach dem kurzfristigen Kampagnenboost war in den anvisierten drei Ländern ein Anstieg der täglichen Conversions um 69 Prozent zu beobachten.“
An einem Datenstrang
Künstlicher Intelligenz gehört die Marketingzukunft – so viel scheint festzustehen. Klar ist für Fachleute aber auch, dass sich Erfolg und Zielgenauigkeit nur einstellt, wenn die Technologien im gesamten Unternehmen implementiert werden. „Mit dem Wunsch, dem Businesskunden eine möglichst personalisierte Erfahrung zu bieten, werden Daten aus vielen anderen Unternehmensabteilungen für das Marketing interessant und Marketingdaten wiederum für viele andere Unternehmensbereiche“, sagt Matthias Postel, Gründer und CEO vom Hamburger Spezialisten für digitale Intelligenz, iCompetence.
Marketing, Vertrieb, Einkauf und Produktion müssen im digitalen Zeitalter mehr denn je an einem gemeinsamen Strang ziehen, um aus den Daten, die Auskunft über Nachfrage und Bedarf der Kunden geben, einen effizienten Nutzen zu ziehen. Als Basis dient eine datengesteuerte KI. „Erst wenn alle Daten zu Warenbeständen und Kunden widerspruchsfrei in einer zentralen Datenbasis zusammengeführt werden, kann die KI sie automatisiert auslesen. So ein Single Point of Truth aka SPoT ist Grundlage für jede kanalübergreifende Automatisierung“, so Postel. Schließlich gehe es darum, die Unternehmensbereiche untereinander zu verzahnen. Was würde eine KI auch nützen, die in Echtzeit auf Kundenbedürfnisse reagiert und die aus Unternehmersicht attraktivsten Angebote übermittelt, wenn die Produkte dafür gerade nicht auf Lager sind und der Einkauf nicht informiert wurde, das Passende zu bestellen. Nur wenn alle Abteilungen in Echtzeit über die KI-Ergüsse informiert sind, kann in der Folge mit kurzen Lieferzeiten gepunktet werden.
KI nur für große Unternehmen?
Den oftmals kolportierten Vorbehalt, die Installation der notwendige KI-Infrastruktur sei nur etwas für große Unternehmen, hält Postel übrigens für unbegründet: „Die Angst vor dem Aufwand hängt eng mit der Vorstellung von einem alle Bereiche umfassenden automatisierten Gebilde einer Künstlichen Intelligenz zusammen. Dabei ist es praxistauglicher, schneller und weniger fehleranfällig, wenn man Schritt für Schritt immer mehr Bereiche einbezieht und die Datenbasis zunächst mit zwei oder drei Abteilungen abstimmt.“ So könnten anfängliche Schwierigkeiten frühzeitig behoben und erste Erfolge erzielt werden. Der Gewinn an Datenqualität ergibt sich aus jeder noch so kleinen Abstimmung. Dass die eingesetzten Tools zudem eigene Lernfähigkeit besitzen, ist ein weiteres Argument für eine schrittweise Implementierung. Die Effekte sind selbstverstärkend. Die künstliche Intelligenz lernt vom Menschen und viceversa.