KI im Marketing: 9 Beispiele aus der Praxis

Künstliche Intelligenz (KI) kann mit einfachen Methoden effektiv im Marketing eingesetzt werden. Für Unternehmen bietet KI gerade im Marketing enorme Optimierungspotenziale. Konversionsraten können gesteigert, Kundenverhalten vorhergesagt und personalisierte Werbung ausgespielt werden.

Künstliche Intelligenz wird seit Jahren erfolgreich im Marketing eingesetzt, gleichzeitig stehen viele Unternehmen noch ganz am Anfang und wissen nicht, wie sie konkret vorgehen sollen.

In diesem Artikel zeigen wir Ihnen, was Künstliche Intelligenz ist, welche Chancen ihr Einsatz im Marketing bietet und welche Erfahrungen wir als Data Science Beratung in den letzten Jahrzehnten und über 100 erfolgreichen Projekten in diesem Bereich sammeln konnten.

Was bedeutet Künstliche Intelligenz im Marketing?

Künstliche Intelligenz (KI) im Marketing bedeutet, vorhandene Kundendaten mit Hilfe von Algorithmen nach interessanten Mustern und Zusammenhängen zu durchsuchen, um Vorhersagen über zukünftiges Kunden- und Kaufverhalten zu treffen.

Diese Vorhersagen und Empfehlungen können dann gezielt eingesetzt werden, um durch Personalisierung mehr Umsatz zu generieren und durch gezielte Steuerung der Marketingaktivitäten Kosten zu sparen.

Welche Vorteile ergeben sich durch Künstliche Intelligenz 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 4 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.

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, führt ebenfalls zu Umsatzsteigerungen 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. 

Künstliche Intelligenz optimiert Marketing und Vertrieb

In 6 Fallstudien erfahren Sie:

• Wie Sie 29% mehr Umsatz pro Kampagne machen.
• Wie Sie durch KI und Automatisierung mehr Zeit gewinnen.
• Wie Sie 300% mehr Conversions zur richtigen Zeit machen.

Jetzt herunterladen

Unsere 9 wichtigsten Praxisbeispiele für Unternehmen

Künstliche Intelligenz wird im Marketing für verschiedene Aufgaben eingesetzt, unter anderem,

• um die Marketingprozesse zu optimieren,
• das Targeting zielgenau auf die Bedürfnisse der Kunden anzupassen
• und zur richtigen Zeit das richtige Angebot zu machen.

Wir haben für Sie die wichtigsten 9 Anwendungsfälle aus unserem Beratungsalltag zusammenfasst:

• Anwendungsfall #1: Customer Lifetime Value Progonose
• Anwendungsfall #2: Kündigungsprävention durch künstliche Intelligenz
• Anwendungsfall #3: Chatbots lernen verkaufen
• Anwendungsfall #4: Preisoptimierung durch KI
• Anwendungsfall #5: Kaufverhalten vorhersagen
• Anwendungsfall #6: Personalisierung im Marketing
• Anwendungsfall #7: Kundensegmentierung für Marketingzielgruppen
• Anwendungsfall #8: Sentiment Analyse in Social Media
• Anwendungsfall #9: Retouren-Optimierung

Anwendungsfall #1: Customer Lifetime Value Prognosen

Der Customer Lifetime Value (CLV) oder Kundenwert ist ein bekanntes Konzept aus dem Marketingcontrolling. Der CLV umfasst die Bewertung von Kunden nach ihrer Profitabilität und ihren offenen Potenzialen.

Jetzt denken Sie sicher: Was hat der CLV mit KI zu tun?

Ganz einfach:

Für einen guten CLV müssen Prognosen für die Zukunft gemacht werden, das basiert auf maschinellem Lernen und gehört zur KI.

Ein gut modellierter CLV kann sehr genau vorhersagen, wie sich ein Kunde in den nächsten 12 Monaten entwickeln wird. Darauf aufbauend können Marketingbudgets und Aktionen viel genauer geplant werden.

Einige Unternehmen gehen noch einen Schritt weiter und berechnen einen CLV oder eine Umsatzprognose für jede Kombination aus Kunde und Warengruppe. So können Cross-Selling– und Up-Selling-Potenziale in bestimmten Warengruppen erkannt und genutzt werden.

Folgende Fragen beantwortet ein Kundenwert:

• Welches Potenzial hat der Kunde im nächsten Jahr?
• Welchen Umsatz erwarte ich vom Kunden in der Zukunft?
• Welches Marketingbudget sollte für den Kunden ausgegeben werden?
• Gibt es Kunden, die nicht profitabel sind und wenig Potenzial haben?

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

• Deckungsbeitrag (und Vorhersage für zukünftige Umsätze)
• Aktivitätsquote oder Retention Rate
• Akquisitionskosten

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.

Anwendungsfall #2: Kündigungsprävention durch Künstliche Intelligenz

Das frühzeitige Erkennen von Kündigungen ist insbesondere für vertrags- und abonnementbasierte Geschäftsmodelle von großer Bedeutung.

Die Gewinnung von Neukunden ist in der Regel sehr kostenintensiv, so dass diese Geschäftsmodelle häufig nur dann profitabel sind, wenn der Customer Lifetime Value hoch ist.

Dies wird durch lange Kundenbeziehungen erreicht.

Ein interessanter Anwendungsfall für Künstliche Intelligenz im Marketing ist die Vorhersage von Customer Churn, also von Kunden, die das Unternehmen verlassen könnten. 

KI hier kann für diese zwei Anwendungsfälle hilfreich sein:

• Kundenabwanderung
• Kundenrückgewinnung.

Vorhersage von Kundenabwanderung

Im Detail wird versucht, durch maschinelles Lernen aus dem Verhalten in der Vergangenheit und den sich daraus ergebenden Mustern auf Kündigungen zu schließen.

Aus diesen Mustern und Zusammenhängen wird dann aktiven Kunden eine Kündigungswahrscheinlichkeit zugeordnet.

Kunden mit einer hohen Kündigungswahrscheinlichkeit, d.h. einer hohen Wahrscheinlichkeit, die Kundenbeziehung zu beenden, werden präventiv mit einem attraktiven Angebot angesprochen.

So können diese Kunden wieder langfristig gebunden werden. Vor allem im Vertragsgeschäft wie Telekommunikation, Versicherungen, Banken etc. ist dies ein beliebter Anwendungsfall.

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, haben wir einen sehr ausführlichen Artikel darüber geschrieben: Churn Prediction: Prognosen zur Kundenabwanderung.

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

Erfahren Sie mehr über unsere Churn-Prognose Lösungen.

Vorhersage von Kundenrückgewinnung

Auch die Kundenrückgewinnung, die häufig mit hohen Kosten verbunden ist, kann durch KI 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.

Erfahren Sie mehr über unsere Recommender-Systeme.

Anwendungsfall #4: Preisoptimierung durch KI

Dass sich Produktpreise bei Amazon der Nachfrage anpassen oder sich die Preise auf großen Hotelportalen innerhalb von Minuten ändern, ist heute ganz normal.

Dahinter steckt Künstliche Intelligenz, die Preise nicht nur zeitabhängig, sondern auch individuell an die Zahlungsbereitschaft der Nutzer anpasst.

Grundlage für die individuelle Preisgestaltung sind große Datenmengen, die in Big-Data-Systemen gespeichert sind und als Einflussfaktoren in die Analyse einfließen. Neben Informationen zur Preisentwicklung einzelner Produkte fließen auch kundenindividuelle Merkmale (z.B. Kaufhistorie, Alter, Standort, Online-Nutzung etc.) in das maschinelle Lernverfahren ein.

Anhand dieser Merkmale wird die Preisakzeptanz jedes einzelnen Kunden analysiert und vorhergesagt, was zu einer Optimierung der Verkaufswahrscheinlichkeit führt.

Erfahren Sie mehr über unsere Predictive Pricing-Lösungen.

Anwendungsfall #5: Kaufverhalten für Marketingkampagnen vorhersagen

Viele Unternehmen investieren 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 beantworten.

Durch den Einsatz von künstlicher Intelligenz im Marketing konnten wir die Abschlussrate von Marketingkampagnen unserer Kunden um 200-300% steigern (vorher 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 2025 wird sich der Trend der personalisierten Kundenansprache mit dem richtigen Angebot weiterhin fortsetzen und als ein Wachstumsfaktor für Unternehmen dienen.

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 weitere wichtige Anwendungsbeispiele (Hier gibt es mehr Informationen zur Kundensegmentierung).

Ein Clusterverfahren ist eine unüberwachte Machine Learning Methode.

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.

Genau beschriebene 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.

Erfahren Sie mehr über unsere Lösungen zur Kundensegmentierung.

Anwendungsfall #8: Sentiment-Analyse

Sentiment-Analyse ist die Auswertung von unstrukturierten Daten wie Text, Bild oder Ton. Im Marketing wird die KI-Sentiment-Analyse (auch Text Mining) häufig eingesetzt, um Kommentare, Beiträge, E-Mails und Bewertungen im Internet zu analysieren.

Die Sentiment-Analyse wird im Marketing auch als Stimmungsanalyse bezeichnet. So können Manager häufig auftretende Probleme bei einzelnen Produkten schneller erkennen oder Kundenbeschwerden im Service schneller bearbeiten.

Grundlage hierfür ist das Verstehen natürlicher Sprache (engl.: Natural Language Processing). Dabei trainieren wir die KI darauf, unsere Sprache zu verstehen und zu interpretieren.

Erfahren Sie mehr über unsere NLP-Lösungen.

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 KI die Retouren zu reduzieren?

Retouren reduzieren im E-Commerce durch maschinelles Lernen

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

Zum Einsatz von maschinellem Lernen haben wir bereits einen Artikel. Schauen Sie dazu gerne hier.

Durch Transaktionsdaten aus Webshop-, ERP- und Kassen Systemen, können wir mithilfe von maschinellem Lernen Muster erkennen, 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

Weltweit nutzen Marketingexperten KI im Marketing, um ihre Kunden besser zu verstehen, zu bedienen und zu binden. Insbesondere die Weiterentwicklung von Produkten, der Customer Journey und von Marketingkampagnen führt durch Verbesserungen zu Umsatzsteigerungen.

Künstliche Intelligenz entwickelt sich sehr schnell. Viele Möglichkeiten ergeben sich aber erst durch die intelligente Sammlung von Kundendaten. Kundendaten sind der Treibstoff der KI. Je effizienter Marketing-Manager diese Daten nutzen, desto besser können Sie Maßnahmen einsetzen, um Kundenbedürfnisse zu verstehen.

Vinzent Wuttke

Geschäftsführer

Lassen Sie uns sprechen und Ihr Potenzial entdecken.

Ob und wie künstliche Intelligenz Ihnen weiterhelfen kann, können Sie in einem ersten, unverbindlichen Gespräch mit uns herausfinden.

In diesem Gespräch erfahren Sie:

• Wie Ihr Use-Case technisch am besten umgesetzt werden kann
• Wie wir maximal sicher mit Ihren Kundendaten umgehen
• Wie lange wir für die Umsetzung benötigen und wie ein konkreter Projektplan aussehen könnte

Jetzt Erstgespräch vereinbaren