Customer Value: KI (Künstliche Intelligenz) erweckt CRM-Daten zum Leben
Viele Unternehmen setzen CRM-Systeme ein, nutzen die vorhandenen Daten aber nur unzureichend, um Umsatzpotenziale zu identifizieren und auszuschöpfen. Mit KI (Künstliche Intelligenz)-gesteuerten Algorithmen lässt sich das individuelle Kaufverhalten prognostizieren. So werden die im CRM-System schlummernden Daten zu einer wertvollen Informationsquelle.
Eine aktuelle Studie legt nahe, dass CRM-Systeme ihr Ziel verfehlen: Der Vertrieb kennt die Kunden nicht! Daten sind zwar im Überfluss vorhanden, sie werden aber nur unzureichend ausgewertet. Vor allem ist den Unternehmen das Umsatzpotenzial nicht bekannt. Es gibt Aufschluss darüber, welcher Kunde welches Produkt mit welcher Wahrscheinlichkeit kauft, und dient als wesentliches Instrument der Marketing- und Vertriebssteuerung.
KI versteht unstrukturierte Daten
Mit PA (Predicitve Analytics) lassen sich Daten aus CRM-Systemen analysieren und das Kundenverhalten vorhersagen. Dazu lernt die Software aus der Vielzahl von Daten, Transkationen und Besuchsberichten. Während bis vor wenigen Jahren vor allem Transaktionen und normale Variablen für die Prognosen genutzt wurden, ermöglich die Entwicklung im KI-Bereich heute, auch unstrukturierte Daten einzubeziehen. So „verstehen“ die Anwendungen Besuchsberichten oder Einträgen in Freitextfeldern und beziehen diese wertvollen Daten in die Prognostik ein.
Getätigte Umsätze entscheiden nicht über Customer Value
Ausschlaggebend für den Customer Value sind nicht die tatsächlichen Umsätze, die das Unternehmen bisher mit einer Person oder Organisation gemacht hat, sondern die Analyse der getätigten Umsätze im Verhältnis zum Potenzial. Nicht nur der selbstlernende Ansatz, sondern vor allem ihre schier grenzenlose Performanz prädestiniert KI, wesentliche Informationen für Marketing und Vertrieb zu generieren. Sie wertet die Daten von Millionen von Kunden in wenigen Minuten aus und erkennen Beziehungen, die dem menschlichen Verstand verborgen bleiben.
Up- und Crossselling mit Next Best Offer
Anhand der Kaufwahrscheinlichkeit eines Kunden bezogen auf einzelne Produktgruppen oder Produkte lässt sich die Next Best Offer ermitteln. Oft treten dabei bisher unerkannte Up- und Crossselling-Potenziale zutage. Sowohl im Direktvertrieb als auch in E-Commerce und Telesales wirkt sich das positiv auf das Ergebnis aus. Gute Empfehlungen steigern die Conversion Rate. In Tests konnten wir belegen, dass sie mit etwa 15 Prozent die Akzeptanz eines willkürlich zusammengestellten Warenkorbs deutlich übertrifft
