Künstliche Intelligenz (KI) im Marketing: Anwendung und Beispiele

Künstliche Intelligenz im Marketing

Künstliche Intelligenz (KI) lässt sich im Marketing mit einfachen Methoden effektiv einsetzen. Für Unternehmen bietet KI vor allem im Marketing enorme Optimierungspotentiale. So lassen sich Abschlussraten steigern, Kundenverhalten vorhersagen und personalisierte Werbung ausspielen.  

Künstliche Intelligenz wird seit Jahren erfolgreich im Marketing eingesetzt, doch zugleich stehen viele Unternehmen mit dem Einsatz von KI erst ganz am Anfang. 

In diesem Artikel zeige ich Ihnen was künstliche Intelligenz ist, welche Chancen Sie im Marketing durch den Einsatz haben und welche Anwendungsbeispiele es von künstlicher Intelligenz im Marketing gibt. 

  1. Was bedeutet künstliche Intelligenz im Marketing?
  2. Welche Vorteile von künstlicher Intelligenz gibt es im Marketing?
  3. Welche Anwendungsbeispiele für künstliche Intelligenz im Marketing gibt es?
  4. Fazit: KI im Marketing

Künstliche Intelligenz im Marketing – Das Wichtigste auf einen Blick: 

  • Der Begriff künstliche Intelligenz ist ein abstrakter Begriff, der jegliche Aspekte und Themengebiete der Computerwissenschaft, dem maschinellen Lernen, Mathematik und Statistik abdeckt.  
  • Künstliche Intelligenz bietet dem Marketing etliche Vorteile in Bezug auf die Kundenzentrierung  
  • Darüber hinaus können mithilfe künstlicher Intelligenz Umsatzsteigerungen erreicht sowie Marketingkosten gesenkt werden 
  • Die Anwendungsfelder von Künstlicher Intelligenz im Marketing sind vielfältig und reichen von der Preisoptimierung mittels KI, über Chatbots, bis zu Verfahren der Kündigungsprävention 

Was bedeutet künstliche Intelligenz im Marketing?

Künstliche Intelligenz (KI) im Marketing bedeutet, vorhandene Kundendaten anhand von Algorithmen nach interessanten Mustern und Zusammenhängen zu durchsuchen, um Vorhersagen über das künftige Kundenverhalten sowie Kaufverhalten zu treffen.

Diese Vorhersagen und Empfehlungen lassen sich anschließend ganz gezielt einsetzen, um durch Personalisierung mehr Umsatz zu generieren und zudem, durch gezielte Steuerung von Marketingaktivitäten, Kosten zu sparen.

Der Begriff “Künstliche Intelligenz (KI)“ ist abstrakt und deckt viele verschiedene Aspekte und Themengebiete der Computerwissenschaften, maschinellem Lernen, Mathematik und Statistik ab. KI ist ein Teilgebiet der Informatik und basiert auf maschinellen Lernmethoden, Verständnis von natürlicher Sprache, tiefgehendes Lernen (Deep Learning) und dem verstärkenden Lernen.  

Welche Vorteile von künstlicher Intelligenz gibt es im Marketing?

Eine Google-Studie zeigt, dass die erfolgreichen Marketingexperten mehr als doppelt so oft in KI und maschinelles Lernen investieren, als andere Marketingexperten Dieser Fakt zeigt, wie wichtig KI im Marketing ist. Künstliche Intelligenz im Marketing hat folgende Vorteile für Unternehmen: 

  1. Kundenbedürfnisse entlang des kompletten Kundenlebenszyklus werden besser verstanden und durch personalisiertes Marketing individuell adressiert. Dies führt zu zielgenauem Marketing und einer stärkeren Kundenbindung. 
  2. Marketingbudget wird für die richtigen Kunden ausgegeben, welche über einen hohen Kundenwert verfügen. 
  3. Kaufverhalten der Kunden kann präzise vorhergesagt werden und proaktiv mit Kampagnen zur richtigen Zeit bedient werden. 
  4. Kritische Muster, wie bspw. Customer Churn, werden frühzeitig erkannt. So sind Sie in der Lage rechtzeitig zu handeln und den Kunden langfristig zu binden.

Die wichtigsten Vorteile von KI im Marketing sind in folgendem Video zusammengefasst:

Wie kann KI die Marketingkosten senken?

Die genannten Punkte führen durch relevante Kommunikation zu einer verbesserten Customer Journey für die Kunden. Gleichzeitig können Unternehmen Marketingkosten sparen, in dem der Einsatz des Marketingbudgets in Kundengruppen fließt, welche über einen höheren Kundenwert verfügen. Dies führt dazu, dass bei gleichbleibendem Marketingbudget der Umsatz gesteigert werden kann.

Künstliche Intelligenz (KI) im Marketing kann den Umsatz steigern und die Kosten senken.
Künstliche Intelligenz im Marketing kann den Umsatz steigern und die Kosten senken. (Quelle: in Anlehnung an Albrecht)

Wie kann KI den Umsatz steigern?

Nicht nur innerhalb der Marketingkanäle können Vorteile durch künstliche Intelligenz erzielt werden. Auch im E-Mail-Marketing oder On-Site im Webshop lassen sich die Methoden von Künstlicher Intelligenz nutzen, um die Customer Journey zu personalisieren. Dieses kundenzentrierte Marketing, welches genau auf die Kundenbedürfnisse zugeschnitten ist, Kann ebenfalls zu Umsatzsteigerungen führen und verbessert die Kundenbindung. 

Häufig kommen so genannte Empfehlungssysteme zum Einsatz, die die richtigen Produktangebote für E-Mail-Kampagnen generieren oder On-Site im Webshop angezeigt werden. 

Gratis White Paper

Künstliche Intelligenz optimiert Marketing und Vertrieb

In den KI-Fallstudien erfahren Sie:

Tragen Sie sich hier in unseren Newsletter ein und erhalten Sie gratis die KI-Fallstudien:

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.

Welche Anwendungsbeispiele für künstliche Intelligenz im Marketing gibt es?

Künstliche Intelligenz wird im Marketing für verschiedene Aufgaben eingesetzt, um die Marketingprozesse zu optimieren, das Targeting zielgenau auf die Bedürfnisse der Kunden anzupassen und zur richtigen Zeit das richtige Angebot zu machen. Im Folgenden gehe ich auf die einzelnen Anwendungsbeispiele von künstlicher Intelligenz im Marketing ein. 

Anwendungsfall #1: Customer Lifetime Value Prognosen

Der Customer Lifetime Value (CLV) oder Kundenwert ist ein sehr bekanntes Konzept aus der Marketingsteuerung. Der CLV umfasst die Bewertung der Kunden nach ihrer Profitabilität und offenen Potentialen.

Jetzt denken Sie sicher: In welchem Bezug steht der CLV zu Künstlicher Intelligenz? Ganz einfach: für einen guten CLV müssen Prognosen für die Zukunft getätigt werden, dies basiert auf maschinellem Lernen und zählt zu KI. Ein gut modellierter CLV kann sehr genau vorhersagen, wie sich ein Kunde in den nächsten 12 Monaten entwickelt. Daraufhin lassen sich Marketingbudgets und Aktionen viel genauer planen. 

Manche Firmen gehen einen Schritt weiter und berechnen einen CLV oder Umsatzprognose für jede Kombination aus Kunde und Warengruppe. So können in bestimmten Warengruppen Cross- und Up-Selling Potentiale erkannt und genutzt werden. 

Customer Lifetime Value
Customer Lifetime Value

Folgende Fragen beantwortet ein Kundenwert:

  • Wie viel Potential hat der Kunde im nächsten Jahr?
  • Welchen Umsatz erwarte ich von dem Kunden in der Zukunft?
  • Welches Marketing-Budget sollte für den Kunden ausgegeben werden?
  • Gibt es Kunden die nicht profitabel sind und ein geringes Potential haben?

Ein Customer Lifetime Value (CLV) setzt sich aus diesen Komponenten zusammen:

Ein maschinell gestützter Kundenwert ist ein sehr hilfreiches Marketing-Steuerungselement. Jeder einzelne Kunde bekommt einen bestimmten Wert zugeordnet, nach dem anschließend Marketingaktivitäten individuell gesteuert werden.

Weil der Customer Lifetime Value eine entscheidende Rolle im Marketing spielt, habe ich folgenden Artikel darüber geschrieben : Customer Lifetime Value richtig vorhersagen

Anwendungsfall #2: Kündigungsprävention durch künstliche Intelligenz

Kündigungen frühzeitig zu erkennen ist insbesondere für vertrags- und abonnementbasierte Geschäftsmodelle von hoher Bedeutung. Die Neukundenakquise ist in der Regel sehr teuer und somit sind diese Geschäftsmodelle häufig nur dann profitabel, wenn der Customer Lifetime Value hoch ist. Dies wird durch lange Kundenbeziehungen erreicht. Die Vorhersage von Customer Churn, also Kunden die möglicherweise abwandern, ist ein interessanter Anwendungsfall für künstliche Intelligenz im Marketing. 

KI hier kann für diese zwei Anwendungsfälle hilfreich sein:

  • Kundenabwanderung
  • Kundenrückgewinnung.

Vorhersage von Kundenabwanderung

Im Detail versucht man durch vergangene Verhaltensweisen, Kündigungen anhand von maschinellem Lernen und den damit entstehenden Mustern abzuleiten. Durch diese Muster und Zusammenhänge wird anschließend den aktiven Kunden eine Kündigungswahrscheinlichkeit zugewiesen.

Die Kunden mit einer hohen Kündigungs-Wahrscheinlichkeit, also Beendigung der Kundenbeziehung, werden präventiv mit einem attraktiven Angebot versorgt. So können diese erneut langfristig gebunden werden. Vor allem im Vertragsgeschäft wie z.B. Telekommunikation, Versicherungen, Banken etc. ist dies ein häufiger Anwendungsfall für künstliche Intelligenz. 

Natürlich gibt es auch Geschäftsmodelle, die zu einer kurzfristigeren Bindung tendieren wie z.B. monatlich kündbare Dienste oder Prepaid basierte Nutzung. Auch hierfür lässt sich mit ähnlicher Vorgehensweise eine Vorhersage treffen. 

Weil das Thema Churn so wichtig ist, habe ich einen sehr ausführlichen Artikel darüber geschrieben: Churn Prediciton: Prognosen zur Kundenabwanderung

Und einen Artikel zur Auswirkung der Churn Rate auf die Profitabilität für Unternehmen.

Vorhersage von Kundenrückgewinnung

Auch die Kundenrückgewinnung, die häufig mit hohen Kosten verbunden ist, kann durch künstliche Intelligenz unterstützt werden:

  • Wen muss ich aktiv durch Rückgewinnungsmaßnahmen kontaktieren?
  • Welchen Kunden muss ich für eine Vertragsverlängerung nur eine E-Mail schreiben?
  • Welcher Rabatt führt zur Vertragsverlängerung?

Die Beantwortung dieser Fragen, ist durch KI datengestützt und genau möglich. So können Sie die Kundenrückgewinnung effizent durchführen.

Anwendungsfall #3: Chatbots lernen verkaufen

Durch leistungsstarke KI-Algorithmen ist es möglich, Chatbots als Kundenberater und zur Verkaufsvorbereitung zu nutzen. Chatbots können Kunden im E-Commerce beraten und ihnen durch gezielte Rückfragen passende Produkte vorschlagen.

Das hat zum einen den Vorteil, dass man mehr Daten im Verkaufsprozess sammeln kann und zum anderen helfen die Chatbots so den Kunden das richtige Produkt zu finden. Wenn der Chatbot intelligent genug ist und sogar mit einem Empfehlungssystem kombiniert ist, dann kann dies für Shopbesucher zu einem individuellen Einkaufserlebnis werden.

Anwendungsfall #4: Preisoptimierung durch KI

Dass Produktpreise sich auf Amazon je nach Nachfrage anpassen oder auf großen Hotelportalen sich die Preise innerhalb von Minuten ändern, ist heute ganz normal. Dahinter steckt künstliche Intelligenz, welche die Preise nicht nur zeitbezogen, sondern auch an die Zahlungsbereitschaft der Nutzer individuell anpasst.

Grundlage für die individuelle Preisgestaltung sind große Datenmengen, die in Big Data Systemen gespeichert sind und als Einflussfaktoren in die Analyse einfließen. Neben den Informationen zur Preisentwicklung, der einzelnen Produkte, sind auch kundenindividuelle Merkmale (wie z.B. Kaufhistorie, Alter, Ort, Onlinenutzung etc.) ein Teil der maschinellen Lernmethode.

Aufgrund dieser Merkmale wird die Preisakzeptanz eines jeden Kunden analysiert und vorhergesagt, was zu einer Optimierung der Absatzwahrscheinlichkeit führt.

Anwendungsfall #5: Kaufverhalten für Marketingkampagnen vorhersagen

Viele Unternehmen investieren enorm viel Zeit, Kampagnen über komplexe Regelwerke zu optimieren. Oft funktioniert das bis zu einem gewissen Grad sehr gut, doch irgendwann kann man mit einfachen Regeln keinen Mehrwert mehr erzielen. Künstliche Intelligenz hilft durch intelligente Datenanalysen das Marketing-Budget gezielt einzusetzen und so die Effizienz zu steigern.

Im Marketing lässt sich die künstliche Intelligenz für folgende Anwendungsfälle nutzen:

  • Wie wahrscheinlich ist es, dass ein Kunde in einer bestimmten Warengruppe einen Kauf im nächsten Monat tätigt?
  • Welches Werbemittel ist das passende für den Kunden?
  • Wann muss ich den Kunden ansprechen, damit es in seinen Kaufzyklus passt?
  • In welches Produkt oder Vertrag kann ich den Kunden einbinden?
  • Welchem Kunden muss ich einen Rabatt geben, damit er kauft?

Diese Fragen (und viele weitere) lassen sich mit relativ einfachen Ansätzen der künstlichen Intelligenz beantworten.

Durch den Einsatz von künstlicher Intelligenz im Marketing habe ich Marketingkampagnen um 200-300% in der Abschlussrate gesteigert (zuvor kein Einsatz von Künstlicher Intelligenz).

Mehr zu dem Thema unter Next Best Offer (NBO).

Anwendungsfall #6: Personalisierung im Marketing

Die Personalisierung im E-Commerce ist ein bekannter Anwendungsfall für künstlicher Intelligenz. Auch 2020 wird sich der Trend der personalisierten Kundenansprache mit dem richtigen Angebot weiterhin fortsetzen und als ein Wachstumsfaktor für Unternehmen dienen.

Personalisierung im Marketing gilt als Wachstumsfaktor
Personalisierung im Marketing ist Wachstumsfaktor

Auch der Einstieg in Künstliche Intelligenz im Marketing passiert häufig über Empfehlungssysteme als Use Case.

Die Vorteile von Personalisierung liegen auf der Hand und lassen sich einfach über einfache Tests messen:

  • Stärkere Kundenbindung
  • Mehr Cross-Selling
  • Steigerung von Long-Tail-Umsätzen
  • Steigerung der Aktivität

Die Implementierung ist oft etwas komplexer, da die Prozesse stark automatisiert sein müssen.

Wir glauben der kombinierte Effekt von personalisierten Empfehlungen, spart uns mehr als eine Milliarde Dollar pro Jahr.

Carlos A. Gomez-Uribe

Unternehmen wie Netflix, Spotify, Amazon und Facebook gehören zu den absoluten Vordenkern im Bereich der Personalisierung.

Anwendungsfall #7: Kundensegmentierung für Marketingzielgruppen

Kundensegmentierungen durch Cluster-Algorithmen sind tolle Anwendungsbeispiele von künstlicher Intelligenz im Marketing (Hier gibt es mehr Informationen zur Kundensegmentierung).

Ein Clusterverfahren ist eine unüberwachte Machine Learning Methode, diese wird nicht anhand einer Zielvariable trainiert, sondern bildet eigenständig Gruppen und unterteilt somit das Datenset.

Das Clusterverfahren unterteilt den Kundenbestand anhand verschiedensten (Verhaltens-) Variablen in eine bestimmte Anzahl von möglichst homogenen Subgruppen. Diese Subgruppen lassen sich durch charakteristische Muster voneinander unterscheiden. So kann ein Kundenbestand in bspw. 10-20 gut erklärbare Gruppen unterteilt werden.

K-Means für Kundensegementierung im Marketing
K-Means Kundensegmenierung im Marketing

Genau beschriebenen Kundensegmente geben dem Marketing tiefe Einblicke in die Eigenschaften und Verhaltensmuster der Zielgruppengruppen, daher lassen sich diese gut für Kampagnen-Optimierungen einsetzen.

Die Kundensegmentierung habe ich an einem Beispiel in Python in diesem Beitrag beschrieben.

Anwendungsfall #8: Sentiment-Analyse

Sentiment-Analyse ist die Auswertung von unstrukturierten Daten wie Text, Bilder oder Audio. Im Marketing wird die Sentiment-Analyse (oder auch Text Mining) häufig dazu genutzt Kommentare, Beiträge, E-Mails und Bewertungen aus dem Internet zu analysieren.

Die Sentiment-Analyse wird im Marketing auch als Stimmungsanalyse bezeichnet. Somit lassen sich häufig aufkommende Probleme einzelner Produkten schneller erkennen, oder Kundenbeschwerden im Service schneller bearbeiten.

Grundlage für diese Künstliche Intelligenz ist das Verständnis von natürlicher Sprache (Englisch: Natural Language Processing). Hier wird die KI darauf trainiert, unsere Sprache zu verstehen und zu deuten. Dabei werden nicht nur einzelne Wörter gedeutet, sondern komplette Textbestandteile in Zusammenhang gebracht.

Anwendungsfall #9: Retouren-Optimierung mit künstlicher Intelligenz

Ein weiterer Anwendungsfall für künstliche Intelligenz ist die Retouren-Optimierung. Retouren sind besonders im Handel ein großes Problem. Oft liegen die Retourenquoten über 30-40%, was natürlich hohe Kosten verursacht.

Wie hilft künstliche Intelligenz die Retouren zu reduzieren?

Retouren reduzieren im E-Commerce durch maschinelles Lernen

Durch den Einsatz von Machine Learning wird dem Kunden genaue Empfehlung zu passenden Größen, präferierten Farben, Stilen und Schnitten gegeben. Im Verkaufsprozess wird so eingegriffen, um die Retourenquote zu senken.

Retouren Optimierung im Handel als Machine Learning Anwendungsfall birgt enorme Potentiale.
Retouren Optimierung im Handel birgt enorme Potentiale. Quelle: dpa

Durch Transaktionsdaten aus Webshop-, ERP- und Kassen Systemen, können mithilfe von maschinellem Lernen deutliche Muster erkannt werden, die eine individuelle Retouren-Wahrscheinlichkeit pro Produkt bestimmen. Die nachfolgende Optimierung des Verkaufsprozesses, durch alternative Angebote für den Kunden, ermöglicht dem Anbieter, die Retouren nachhaltig zu senken.

Letztlich möchte man den Kunden ja einen guten Service bieten. Durch einen solchen Ansatz kann man dem Kunden entsprechende Empfehlungen geben. Dies hat neben der deutlichen Reduktion von Retouren, auch einen positiven Effekt auf das Einkaufserlebnis.

Fazit: KI im Marketing

Marketingexperten nutzen weltweit KI im Marketing, um ihre Kunden besser verstehen, bedienen und binden zu können. Besonders die Weiterentwicklung von Produkten, der Customer Journey und Marketingkampagnen führen durch Verbesserungen zu Umsatzsteigerungen. 

Künstliche Intelligenz entwickelt sich extrem schnell weiter. Viele Möglichkeiten ergeben sich aber auch erst durch eine intelligente Sammlung von Kundendaten. Kundendaten sind der Treibstoff für KI. Je effizienter das Marketing diese Daten mithilfe von künstlicher Intelligenz nutzt, desto besser können Kundenbedürfnisse verstanden und kundenzentriert agiert werden. 

Wenn Sie Hilfe bei der Planung und Umsetzung von KI im Marketing haben, dann melden Sie sich bei mir. Ich freue mich von Ihnen zu hören.

Ihr Kontakt: Laurenz Wuttke

Unternehmen sitzen auf einem ungenutzten Berg von Kundendaten. Wir von datasolut entwickeln KI, die Ihr Marketing optimiert. Damit Sie dem richtigen Kunden zur richtigen Zeit das richtige Angebot machen können.

Laurenz Wuttke

Auch interessant für Sie

White Paper

Künstliche Intelligenz optimiert Marketing und Vertrieb

Tragen Sie sich hier in unseren Newsletter ein und erhalten Sie gratis die KI-Fallstudien:

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.