Knappe Ressource Experte
Die Angebote vieler Dienstleistungen waren in der Vergangenheit unmittelbar an die Person eines Experten gekoppelt, der die Dienstleistung erbringt. Das heißt, ohne Fachleute gab es beispielsweise keine strategische Beratung.

Doch nun sind KI-Anwendungen auf dem Vormarsch und können diese Zusammenhänge verändern. Sie bieten die Möglichkeit, genau das zu skalieren, was bisher der limitierende Faktor vieler Märkte war: das Fachwissen in den Köpfen der Experten. Mit beachtlichen Folgen für Angebot, Nachfrage und dementsprechend Preisgestaltung auf den Märkten ist zu rechnen.

Daten, Speicher, Algorithmen
Nahezu alle Daten, die die Menschheit bislang erzeugt hat, sind in den letzten Jahren produziert worden. Gleichzeitig wird es immer günstiger, diese Fülle an Daten zu speichern. Hinzu werden Rechenleistung und Algorithmen immer besser. Methoden wie Deep Learning Verfahren sind in der Lage, den Zeitaufwand für das Entwickeln neuer Anwendungen enorm zu reduzieren.

Märkte im Umbruch
Dies ermöglicht das Entkoppeln eines Dienstleistungsangebots vom menschlichen Experten. Somit wird der bisher limitierende Faktor entfernt:  die knappe Zeit. Angebote, die auf KI basieren, können gleichzeitig vielen Kunden zu geringeren Preisen angeboten werden. Die Auswirkungen sind einerseits, dass Konsumenten zum Zuge kommen, für die es bislang kein attraktives Angebot gab. Andererseits liefern KI-Anwendungen durch die immer weiter ansteigende Verbreitung und Nutzung immer bessere Ergebnisse. Nach und nach können die KI-Lösungen für komplexere Szenarien eingesetzt werden.

Ein Beispiel dafür ist der Einsatz von Chatbots, die mit KI ausgestattet werden und auf unterschiedliche Kundenanfragen antworten und selbstständig dazulernen können. Die Bots können ihren Wortschatz ausbauen, sich an frühere Dialoge erinnern und Querverbindungen erstellen.

Ein anderes Beispiel für eine KI-Technologie ist der virtuelle Arzt und Gesundheitscoach am Handgelenk. Mit solch einem System – wie etwa einer Watch – werden relevante Gesundheitsrisiken berechnet, Verhaltensempfehlungen und individuelle Gesundheitstipps gegeben.

Auch ein installiertes Kamerasystem in einem intelligenten Supermarkt kann mit KI-gestützter Bilderkennungssoftware erkennen, welche Artikel der Verbraucher in den Einkaufskorb tut. Der Kunde kann den Laden mit seinen Waren ohne Kassenvorgang verlassen – bezahlt wird per App.

Vielfältige Einsatzmöglichkeiten von KI-Anwendungen
Insbesondere im Marketing und im Vertrieb existieren bereits eine Vielzahl von Anwendungsmöglichkeiten für KI:

Automatisierung ermöglicht, dass menschliche Entscheider unterstützt werden, indem die Entscheidungen durch Maschinen getroffen werden. Beispiele dafür sind Produktempfehlungen im E-Commerce oder das Dynamic Pricing.

Ein weiterer Trend sind Prognosen, die es erlauben mithilfe von mathematischen Methoden eine Vielzahl an historischen Daten zu untersuchen, um daraus Modelle für zukünftige Szenarien von z.B. Kundenverhalten zu entwickeln.

Des Weiteren ist die Personalisierung ein wesentlicher Trend. Die Ergebnisse von Prognosen werden verwendet, um individualisierte Promotionen, Preis- und Produktvorschläge zu schalten – und dies genau zur richtigen Zeit auf dem richtigen Kanal. KI ist in der Lage auf Basis von Einkaufsmustern das Verhalten der Kunden vorauszusagen und entsprechende, individualisierte Angebote zu empfehlen.

Der automatisierte Experte
KI-Lösungen spielen einerseits in einem Umfeld voller komplexer verschachtelter Entscheidungsprozesse ihre Stärken aus. Hier modellieren Entwickler mithilfe von Regelwerken Abläufe, die die kognitiven Fähigkeiten von Menschen imitieren. Auf der anderen Seite ist der Einsatz der KI-Anwendungen sinnvoll, wenn Experten mit großen Datenmengen arbeiten müssen. KI-Lösungen, die Strukturen und Zusammenhänge basierend auf beliebig vielen Parametern erkennen, sind den menschlichen Fähigkeiten oft überlegen.

KI schlägt menschlichen Verstand
Unsere von Dastani Consulting entwickelten Predictive Analytics-Anwendungen, die auf KI basieren, sind immer auf die jeweilige Aufgabe ausgerichtet. Sie lernen und prognostizieren ohne menschliche Unterstützung. Sowohl ihre Fähigkeit mit Komplexität umzugehen als auch ihre Geschwindigkeit eröffnen Zusammenhänge und ermöglichen Ergebnisse, die mit herkömmlichen Methoden nicht erreicht werden können.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag KI unterstützt – und ersetzt – die Ressource Mensch erschien zuerst auf Dastani Consulting.

Wie wird sich mein Geschäft in den nächsten Monaten entwickeln?
Im zweiten Teil des Artikels widmen wir uns der nächsten Frage, die sich dem CEO stellt: Wie wird eigentlich mein Geschäftsverlauf in den nächsten Monaten aussehen?

Unser System gibt ein gutes Indiz dafür wie sich der Umsatz bei welchen Kunden, in welchen Regionen und in welchen Geschäftsbereichen in den nächsten Monaten entwickeln wird.

Anhand der Durchführung einer Bottom Up-Planung – bei der in der Unternehmenshierarchie von unten nach oben geplant wird – kann das Management gut erkennen, wo gegebenenfalls eingegriffen werden muss. Kapazitäten, Kosten und Investitionen müssen hierbei angepasst oder verstärkt werden.

Customer Value Prediction als neutrale Reflektion
Enthält sich der CEO aus dieser Planung, ist er immer auf seine Mitarbeiter angewiesen. Er würde Vertrauen in die Reflektion der Stimmung seiner Mitarbeiter setzen. Jedoch sollte der CEO sich vor Augen führen, dass viele Mitarbeiter vor allem im Vertrieb sehr schnell zu übertriebenem Pessimismus neigen. Die CVP gibt dem CEO die neutrale Reflektion, die er den Impulsen seiner Vertriebsmannschaft entgegenstellen kann.

Planen und nach vorne schauen
Die CVP ist das Predictive Analytics-Instrument, mit der das Management eine Prognose über die Geschäftsentwicklung und Umsatzpotenziale der Kunden erhält, die auf Millionen Transaktionen beruht. Diese rollierende Planung wird Monat für Monat wiederholt.

Aufgrund des aktuellen Einkaufsverhalten spürt die CVP in Zusammenhang mit den historischen Werten, wie sich die nächsten Monate entwickeln werden. Die CVP erkennt frühzeitig die Tendenzen und bewertet diese. Die rollierende Umsatzplanung ist das, womit der CEO bzw. das Management in die Lage versetzt wird, die richtigen Weichen für die künftige Unternehmensentwicklung zu setzen.

Objektive Einschätzung mithilfe von KI
Eine auf Kundenverhalten beruhende und effiziente Planung ist besonders wichtig, um nicht nur auf die subjektive Einschätzung des Vertriebs angewiesen zu sein, sondern um wirklich eine objektive Einschätzung mithilfe von Daten und Künstlicher Intelligenz (KI) zu bekommen.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag Wie Künstliche Intelligenz dem CEO helfen kann den richtigen Hebel zu finden (Teil 2) erschien zuerst auf Dastani Consulting.

3. Forecasting
Um potenzielle Vertriebsergebnisse anhand von datengetriebenen Wahrscheinlichkeitsmodellen vorauszusagen, dient Forecasting. Predictive Analytics und KI erhöhen die Vorhersagen und die Umsatzprognosen. Mithilfe der von Dastani Consulting entwickelten Customer Value Prediction (CVP) sind wir in der Lage die Umsatzentwicklung kunden- und produktspezifisch vorherzusagen. Mithilfe dieser Zahlen lassen sich bessere Entscheidungen treffen. Des Weiteren dient das Modell dazu, Frühwarnsignale zu geben, um starke Abweichungen von den Zielen zu vermeiden.

4. Cross- und Upselling
Basierend auf CRM- und ERP-Daten ist KI in der Lage schon vor dem Cross-Selling-Angebot Analysen zu erstellen, um die Wahrscheinlich für ein erfolgreiches Cross-Selling vorherzusagen. Die Sales Manager erhalten Informationen darüber, wann es lohnenswert ist, einem Kunden ein Zusatzprodukt oder ein Up-Selling Angebot anzubieten. Darüber hinaus sind die Systeme in der Lage, die zusätzlichen Umsatzpotenziale, die im Kunden existieren, zu bewerten und für die verschiedenen Vertriebseinheiten bis hin zum einzelnen Kunden darzustellen. Der subjektiven Einschätzung des Vertriebs wird damit ein objektives Bewertungsinstrument gegenübergestellt, das aus Millionen von Transaktionen lernt.

5. Customer Satisfaction
Intelligente KI-Systeme sind in der Lage anhand von Kundenerfahrungen die Zufriedenheit zu verbessern und mit jedem neuen Datensatz wieder dazuzulernen. KI kann auf unterschiedliche Arten im Kundenservice eingesetzt werden – sei es mit Chatbots, mithilfe einer personalisierten Kundenansprache oder auch mit einer automatisierten Kundeninteraktion, um dem Kunden zu helfen sein passendes Produkt zu finden.

Fazit
Künstliche Intelligenz im Vertrieb wird in Zukunft signifikante Vorteile bringen. Der Vertrieb ist in der Lage mit intelligenten KI-Algorithmen sein Wissen über die Kunden auszubauen und die Abschlusswahrscheinlichkeiten zu erhöhen, da er sich auf die vielversprechenden Kunden konzentrieren und diese individuell ansprechen kann.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag KI im Sales: Potenziale und Anwendungsgebiete (Teil 2) erschien zuerst auf Dastani Consulting.

Anwendungsmöglichkeiten für KI im B2B-Vertrieb
Unternehmen, die KI im Sales nutzen und zusammen mit der Marketingabteilung eine gemeinsame Datenbasis schaffen, können wichtige Informationen über ihre Kunden gewinnen. Durch die Automatisierung der KI-Prozesse werden die Vertriebsmitarbeiter nach der Anfangsphase ziemlich entlastet. Die gewonnene Zeit kann dann sinnvoll für andere Vertriebsaktivitäten genutzt werden.

1. Dynamic Pricing
Dynamic Pricing ist ein Verfahren aus dem Bereich Predictive Analytics und bezeichnet eine Preisstrategie, bei der Unternehmen die Preise auf Basis des aktuellen Marktbedarfs anpassen. Ein Algorithmus legt für einzelne Kunden oder Segmente beziehungsweise Zielgruppen den Preis so fest, dass der Deckungsbeitrag optimiert wird. Die Aufgabe ist es den Preis so zu setzen, dass die maximale Zahlungsbereitschaft des Kunden getroffen wird. Hierbei spielt insbesondere die Analyse des Kundenverhaltens eine Rolle. Diese wird genutzt, um die Preiselastizität einzelner Produkte in den verschiedenen Segmenten zu prognostizieren, sowie um maximalen Erfolg zu sichern.

2. Predictive Lead Scoring
Beim Predictive Lead Scoring prognostizieren Algorithmen, wie wahrscheinlich es ist, dass ein Lead (=Kontakt) als Kunde im Unternehmen gewonnen werden kann. Künstliche Intelligenz sorgt dafür, dass der Vertrieb sich auf vielversprechende Leads fokussieren und diese zielgerichtet ansprechen kann. Auf diese Weise wird der Vertrieb auf jede Adresse fokussiert, die den höchsten Ertrag verspricht. Auf diese Weise wird der Vertrieb entlastet und eine Aussicht auf höhere Verkaufschancen besteht.

Verfolgen Sie die weiteren Potenziale und Anwendungsgebiete in unserem zweiten Teil des Artikels.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag KI im Sales: Potenziale und Anwendungsgebiete (Teil 1) erschien zuerst auf Dastani Consulting.

Der bekannte Algorithmus AlphaZero steht als Beispiel für eine Künstliche Intelligenz, die eigenständig lernt und sich dauerhaft verbessert. Dieser Lernprozess lässt sich auch am Menschen nachempfinden: Trifft der Mensch gute Entscheidungen, so wird er belohnt – macht er jedoch Fehler, so lernt er sie im Laufe der Zeit zu verbessern.

Zuckerbrot und Peitsche für Algorithmen
Die Idee, die sich hinter Reinforcement Learning verbirgt, ist relativ einfach: Der Algorithmus darf quasi erst einmal machen, was er will – anhand von ein paar Regeln. Bei Spielen wie Schach oder Go sind die Regeln klar vorgegeben. Nach einer bestimmten Zeit wird dann geschaut, wie gut die Situation ist, in die sich die Künstliche Intelligenz gebracht hat. Wurde das Ziel damit erreicht oder nicht?

Dank Künstlicher Intelligenz zu optimierten Geschäftsergebnissen
Das System trifft richtige und negative Entscheidungen – wobei richtige Entscheidungen eine Verstärkung (Reinforcement) erhalten. Aber auch die negativen Entscheidungen der Algorithmen tragen zu einem optimalen erfolgreichen Gesamtergebnis bei, denn laut einem altbekannten Sprichwort heißt es: „Aus Fehlern lernt man“. Beim Schachspiel nimmt der Spieler auch den Verlust einer Figur in Kauf, um am Ende als Gewinner aus der Partie zu gehen.

Beliebtes Anwendungsgebiet: Kundenansprache
Die Methode des Reinforcement Learning eignet sich gut, um Künstliche Intelligenz auch bei der Kundenansprache zu benutzen. KI ist in der Lage innerhalb weniger Minuten große Datenmengen zu analysieren. Reinforcement Learning kann Unternehmen in die Situation versetzen, verschiedene Szenarien durchzuspielen, um somit das richtige Verhalten in der jeweiligen Situation zu prognostizieren.

Erfolg des Reinforcement Learning
Wir verfolgen das Ziel den Gewinn zu maximieren. Hierbei ist es wichtig zu wissen, wie der jeweilige Kunde optimal bedient werden sollte – per Mail, Anruf, etc., denn jeder Kontakt mit dem Kunden ist mit Kosten verbunden. Somit ist es beispielsweise wichtig zu entscheiden, wie viele Mailings im Jahr an einen Kunden versendet werden sollten. Die optimale Antwort wäre, den Kunden exakt so häufig anzusprechen, wie es notwendig ist, um mit ihm den maximal erzielbaren Umsatz zu erreichen.

Wachsender Erfahrungsschatz von KI
Ob in der Automatisierung, bei Chatbots oder auch im Handel – Reinforcement Learning ist der beste Weg, um komplexe Situationen anhand von Erfahrungen zu meistern, denn die Künstliche Intelligenz vergisst nicht und ihr Erfahrungsschatz wächst immer mehr.

Der Methode des Reinforcement Learning haben wir zu verdanken, dass Intelligenz wirklich generiert wird und der Computer deutlich bessere Entscheidungen trifft als wir Menschen dazu in der Lage sind. Es wird nicht nur vorhergesagt, sondern erfolgreiche Strategien entwickelt.

Präzisere Steuerung der Marketing- und Vertriebsaktivitäten
Ein besonders großer Hebel liegt in der Steuerung der Vertriebsmitarbeiter. Die Kosten für einen Außendienstbesuch sind ziemlich hoch – sie liegen zwischen 100 und 400 Euro. Die anteiligen Vertriebskosten am Umsatz betragen im Schnitt 15%. Es ist abzuwägen, wann ein Kunde wirklich besucht werden sollte, um die eigene Ressource gewinnbringend einzusetzen.

Die Methode lässt sich – wie in unserem Artikel gezeigt – auf alle Arten des Kundenkontakts anwenden: persönlich oder per Mail. Für Unternehmen bedeutet das, dass sich anhand der steil steigenden Lernkurve der Algorithmen eine präzisere Steuerung der Marketing- und Vertriebsaktivitäten ergibt, um die Gewinne im Unternehmen effektiv zu steigern.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag Reinforcement Learning: KI-Lösungen treffen Antworten auf wichtige Entscheidungen erschien zuerst auf Dastani Consulting.

Bedeutung des Begriffs „Next-Best-Offer“
Unternehmen sind gerade dabei zu lernen, dass die Nutzung von Analysen und das Kennenlernen ihrer Kunden auf individueller Ebene der beste Weg ist, um die Umsätze und die Kundenloyalität signifikant zu steigern. Das bedeutet, dass Händler höhere Erfolge sehen, wenn sie mit detaillierten und dynamischen Informationen zu jedem einzelnen Kunden arbeiten statt sie als Mitglieder eines breiten Segments zu einem bestimmten Zeitpunkt zusammenzufassen. Der ausschlaggebende Punkt ist die direkte Interaktion mit dem Kunden, wenn sie relevant ist. Welche Schritte sind nötig um Neukunden zu loyalen Bestandskunden zu transformieren? Die Antwort: Es müssen allgemeine zufällige Angebotsempfehlungen durch individuelle personalisierte Empfehlungen ersetzt werden. Das führt letztendlich dazu, dass Kunden so deutlich mehr als geplant im Onlineshop kaufen.

Vor einigen Jahren wurden im Customer Relationship Management noch kostenintensive Callcenter eingesetzt, um Cross Selling und Up Selling Potenziale zu erschließen. „Next Best Offer“ stellt eine deutlich ausgereiftere Variante dar: wenn das Risiko besteht, dass ein Kunde abwandern sollte, so liegt die Konzentration nicht darauf dem Kunden kurzfristig noch viel Geld aus der Tasche zu ziehen, sondern ihn mit korrekter Ansprache langfristig zu halten.

Notwendig sind Predictive Analytics Methoden, um Verhaltensweisen, Präferenzen, Hintergründe und Kaufhistorien eines einzelnen Kunden zu erfassen. Darunter fallen in die Black Box beispielsweise Kaufwahrscheinlichkeiten oder Artikelgruppen, die von besonderem Interesse für den Verbraucher sind. Daraus erfolgt eine Abstimmung zum richtigen Zeitpunkt mit dem richtigen Produkt für den individuellen Kunden. Mit datengestützten Echtzeitanalysen entsteht ein kontinuierlicher Lernprozess.

Vorteile des „Next-Best-Offer“:
Selbst, wenn der Onlineshop eine fünfstellige Anzahl an Produkten umfasst, ordnet „Next-Best-Offer“ automatisiert jedem einzelnen Interessenten die Produkte zu, die er am ehesten kaufen würde. Das Ergebnis: zufriedenere Kunden. Sie fühlen sich wertgeschätzt, weil ihre Wünsche erkannt, und sie individuell – abgegrenzt vom breiten Kundensegment – angesprochen werden.

Marketingspezialisten nutzen die Einblicke in die Verhaltensweisen ihrer Kunden (sogenannte Customer Insights), um Verkäufe zu fördern, die Kunden langfristig an das Unternehmen zu binden und den Customer-Lifetime-Value zu maximieren. Indem die Händler den nächstbesten Schritt im Verkaufsprozess für jeden einzelnen Kunden definieren, übertreffen sie die Erwartungen ihrer Kunden und liefern das bestmögliche Kundenerlebnis.

Zusammenfassung:
Je größer die Produktpalette des Onlineshops ist, desto mehr profitieren Händler von den Big-Data-Analysen. Mit zunehmenden Produktprogramm wird es immer unwahrscheinlicher, dass unter der zufälligen Angebotsempfehlung ein Produkt dabei ist, das dem individuellen Kundenwunsch tatsächlich entspricht. Aus diesem Grund können Sie die Entwicklung des Next Best Offers von Dastani Consulting nutzen, um für jeden Kunden das passende Angebot zu finden. Selbst bei begrenzten Ressourcen können unsere Analysen helfen individualisierte Werbeanzeigen zu schalten und Kunden dezidiert anzusprechen. Die optimale Präsentation der Produkte mündet in erhöhte Deckungsbeiträgen im Marketing und Vertrieb.

Die Wahl eines kundenorientierten Ansatzes mit „Next Best Offer“ ist der ideale Weg, um durch die optimale Produktpräsentation die Conversion Rate und den Umsatz im E-Commerce signifikant zu erhöhen.

Unternehmen, die auf maschinelles Lernen setzen und auf einem datengetriebenen Geschäftsmodell beruhen, sind besser aufgestellt. Sie können ihrer unzählig großen Konkurrenz im Onlinehandel relevante Marktanteile abnehmen und so gezielt der Preisschlacht mit weiteren Händlern entgehen.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin) oder rufen Sie uns an +49 (0)641 984 46 – 0

Der Beitrag Next Best Offer gegen die Preisschlacht erschien zuerst auf Dastani Consulting.

Mit intelligenten Datenanalysen, können Sie dieses unwirtschaftliche Szenario zwar nicht ausschließen, aber Sie können die Wahrscheinlichkeit hierfür deutlich minimieren. Location Based Sales lautet das Stichwort. Die von Dastani Consulting entwickelte AIMS (Artificial Intelligence in Marketing and Sales) App kleidet unsere zuverlässigen Prognosen in ein zeitgemäßes Gewand und hebt die Qualität durch Synergieeffekte auf ein völlig neues Niveau.

Zum einen verwendet sie sich künstliche Intelligenz, um das passende Angebot für die Kunden zu ermitteln. Die Abschlusswahrscheinlichkeit erhöht sich enorm, wenn der Vertriebsmitarbeiter bereits mit den passenden Angeboten in der Tasche bei den Interessenten erscheint. Zum anderen ergeben sich hieraus attraktive Cross- und Up-Selling-Potenziale für Bestandskunden. Der Vertriebsmitarbeiter erhält eine wertvolle Stütze, indem er im Vorfeld schon weiß, für welche Produkte der Kunde affin ist.

Die zweite Säule der App gründet auf der Modellierung unsere Target Group Prognose. Hier wird dem Mitarbeiter location based per push Notification eine Mitteilung auf sein Smartphone gesendet, die ihn auf vielversprechende Neukunden in naher Umgebung hinweist. Nur ein Klick vom nächsten Lead entfernt – so können Wartezeiten sinnvoll überbrückt und lange Anfahrtswege vielversprechend ergänzt werden.

Ausgewiesene Indikatoren zum potenziellen Kundenwert helfen dem Vertriebsmitarbeiter darüber hinaus bei der Evaluierung der Neukunden. Bei mehr als einem potenziell interessanten Lead, wird der Mitarbeiter durch ein transparentes Ranking zu der lukrativsten Adresse geleitet, auf Wunsch natürlich auch direkt, dank integriertem Navigationssystem.

Insgesamt stellt die intelligente Integration unserer Modelle in eine Mobile Application eine logische und sinnvolle Weiterentwicklung dar. Die Vertriebsmitarbeiter brauchen keine zusätzliche Ausstattung, sondern bedienen sich ihrer altbekannten und vertrauten Infrastruktur: dem Smartphone.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin) oder rufen Sie uns an +49 (0)641 984 46 – 0

Der Beitrag Predictive Analytics für die Hosentasche erschien zuerst auf Dastani Consulting.

Ohne eine Vorstellung davon, welcher Umsatz mit einem bestimmten Kunden in einem bestimmten Segment überhaupt möglich wäre, befindet sich der Vertrieb im Blindflug. Wichtiger als die bisher getätigten Käufe im eigenen Unternehmen sind dafür die generellen Potenziale. Daraus lässt sich der Share of Wallet ableiten – und gezielt steigern.

Der Share of Wallet gibt die Differenz zwischen dem Gesamtumsatz eines Kunden in einer bestimmten Warengruppe und dem eigenen Umsatz mit dem Kunden in diesem Segment an. Anhand dieses Wertes lässt sich die Vertriebsleistung sehr genau messen. Stellen wir uns zur Verdeutlichung ein Feinkostgeschäft vor. Vier Szenarien sind denkbar (siehe Abbildung):

•Der Idealfall: Das gut situierte Ehepaar Huber kauft regelmäßig im Feinkostgeschäft ein und bedient sich aus allen Warengruppen. Der Händler schöpft das Umsatzpotenzial seiner Kunden nahezu aus. Ist-Umsatz und Customer Value entsprechen einander.

•Das Krisenszenario: Anders als in der Vergangenheit kommt Herr Huber nur noch gelegentlich vorbei, um das eine oder andre Angebot mitzunehmen. Beim Feinkosthändler schrillen die Alarmglocken: Der tatsächliche Umsatz spiegelt nicht mehr den Customer Value von Ehepaar Huber. Sie drohen abzuwandern.

•Die Herausforderung: Frau Huber kauft regelmäßig Pasteten und Wurstwaren im Feinkostgeschäft. Weine und Spirituosen bezieht sie allerdings von einem in der Nähe gelegenen Weingut und sie bestellt regelmäßig online in einem Spezialitätenshop. In verschiedenen Warengruppen ließe sich der Share of Wallet deutlich ausbauen. Noch schöpft der Wettbewerb diese Umsatzpotenziale ab…

•Der fast perfekte Fall: Herr und Frau Huber sind Stammkunden und kaufen regelmäßig Delikatessen – von exotischen Früchten über Schalen- und Krustentiere bis hin zu Pralinen und Likören. So gut wie nie nehmen die passionierten Hobbyköche etwas aus der großen Küchenzubehörabteilung mit. Hier schlummert ein hohes Cross-Selling-Potenzial.

Unser Feinkosthändler kennt seine Kunden und schätzt das Potenzial intuitiv richtig ein. Jenseits des kleinen stationären Einzelhandels bestimmt eine KI-basierte Predictive Analytics Software den Share of Wallet. Dazu wird die Umsatzerwartung auf das Umsatzpotenzial bezogen. Ermittelt wird letzteres über externe übertragbare Informationen, die nichts mit den Transaktionen der Vergangenheit zu tun haben. Der einzelne Konsument wird einer Gruppe zugeordnet, die sich ähnlich verhält. Für jede Kundenbeziehung gibt die Lösung an, wie das Unternehmen das Beste daraus machen kann.

Der Beitrag Umsatzmotor: Mit AI den Share of Wallet erhöhen erschien zuerst auf Dastani Consulting.

Die Sartorius Werkzeuge GmbH & Co. KG setzt zur Steuerung ihres Außendienstes eine von Dastani Consulting entwickelte KI-basierte Software für die Customer Value Prediction ein. Wir fragten Geschäftsführer Ivica Pavlinusic, wie sich der Vertrieb am Kundenwert orientiert und was er damit erreicht.

Predictive Analytics Blog: Im aktuellen Katalog bieten Sie über 49.000 Artikel für Werkzeugmaschinen an. Wie erreicht ein B2B-Vertrieb wie Sartorius Werkzeuge seine Käufer?
Ivica Pavlinusic: Als Handelsunternehmen mit vielen Fremd- und zwei starken Eigenmarken sind wir eine durch und durch vertriebsgesteuerte Organisation. Wir bewegen uns in einem Massengeschäft, das von einem sehr starken Verdrängungswettbewerb geprägt ist. Der Markt besteht aus vielen Kleinstunternehmen – Lohnfertiger mit höchstens fünf bis zehn Mitarbeitern – und aus mittelständischen Unternehmen: viel Laufarbeit, überschaubare Erträge und ein hoher administrativer Aufwand, um den Überblick über die potenziellen Kunden zu behalten. Von unseren 80 Vertriebsmitarbeiter befinden sich knapp 70 im Außendienst.

Predictive Analytics Blog: Wie versorgen Sie den Außendienst mit Leads?
Ivica Pavlinusic: Unsere knapp 70 Mitarbeiter im Außendienst nutzen eine App, die Dastani Consulting entwickelt hat. Darin sehen sie die potenziellen Kunden in ihrem Gebiet aufgelistet. Je wahrscheinlicher es ist, dass sie kaufen, desto weiter oben sind sie platziert. Sie sprachen ja eingangs unser breites Angebot an. Hier hilft die App auch und das halte ich für mindestens genauso hilfreich: Dem Mitarbeiter draußen im Markt wird empfohlen, mit welchen Produkten er den jeweiligen Unternehmer am besten anspricht.

Predictive Analytics Blog: Welche Technologie steckt dahinter?
Ivica Pavlinusic: Algorithmen berechnen mit KI (Künstlicher Intelligenz) den Wert jedes einzelnen Kunden. Dabei lernt die Software aus den Daten und dem Erfolg der Prognosen. Indem auf der anderen Seite unsere Kollegen immer vertrauter mit der App werden und sie fest in ihren Arbeitsalltag integriert haben, steigt die Qualität im Vertrieb.

Predictive Analytics Blog: Wie wirkt sich das konkret aus? Können Sie Zahlen nennen?
Ivica Pavlinusic: Wirklich überrascht waren wir, wie sich das Geschäft mit Bestandskunden entwickelt hat. Dank der Vorselektion mit der Software zur Customer Value Prediction stieg der Anteil der Potenzialkunden auf 70 Prozent! Viele Kunden, mit denen wir schon seit Jahren keinen Umsatz mehr gemacht haben, haben wir in ihrer Bedeutung für Sartorius schlicht unterschätzt. Indem wir unsere Umsatzerwartung dem -potenzial angepasst und auch so agiert haben, konnten wir hier deutlich zulegen.

Predictive Analytics Blog: Und wie sieht es im Neukundenbereich aus?
Ivica Pavlinusic: Das Potenzial bei gekauften Adressen liegt in der Regel bei etwa zehn Prozent. Hier wirkt sich die KI-basierte Kundenwertprognose spürbar aus: Mehr als der Hälfte der Unternehmen weist eine Affinität auf. Das Potenzial verfünffacht sich!

Predictive Analytics Blog: Eine Individualentwicklung als Software as a Service amortisiert sich nicht mal eben. Wie sehen Sie das Kosten-Nutzen-Verhältnis des Dastani-Projekts?
Ivica Pavlinusic: Es kommt auf die Vertriebsform an. Der Direktvertrieb, auf den wir nicht verzichten können, ist die teuerste Variante. Jeder vermiedene Besuch ohne Ergebnis zahlt sich für Sartorius aus. Ebenso jeder Kundenkontakt, bei dem wir das Potenzial frühzeitig erkannt und dem Wettbewerb einen Auftrag vor der Nase weggeschnappt haben. Uns kommt die Herangehensweise von Dastani Consulting sehr entgegen: Die Teammitglieder kennen sich sowohl im Vertrieb als auch in der Datenanalyse sehr gut aus. So fanden wir rasch gemeinsam heraus, wo wir ansetzen mussten. Das Projekt blieb im zuvor definierten Zeit- und Kostenrahmen und ist vollkommen pragmatisch angelegt. Für Sartorius passt das Kosten-Nutzen-Verhältnis. Ich gehe sogar so weit zu sagen: Auf die Dauer wird es sich keine Vertriebsorganisation, die mit uns vergleichbar ist, leisten können, auf eine digitale und KI-basierte Adressbearbeitung zu verzichten.

Der Beitrag Sartorius Werkzeuge: Adressbearbeitung mit KI rechnet sich erschien zuerst auf Dastani Consulting.

Das MASCHINENBAUFORUM Marketing & Vertrieb ist eine feste Größe im Terminkalender der Branchenvertreter. Jeden März lädt Geschäftsführerin Edeltraut Horbach handverlesene Experten ins CongressCentrum Pforzheim ein, um einem großen Besucherkreis exklusive Einblicke in aktuelle Entwicklungen zu bieten. Zu den Referenten in diesem Jahr zählte Dastani-Consulting-Geschäftsführer Dr. Parsis Dastani. Im Anschluss an das Forum hatte er Gelegenheit, sich mit Edeltraut Horbach zu unterhalten.

Dr. Parsis Dastani: Ich komme mir vor wie auf einem großen Familientreffen der Maschinen- und Anlagenbaubranche. Verraten Sie uns Ihr Erfolgsgeheimnis?
Edeltraut Horbach: Im Laufe der letzten 20 Jahre hatte ich Gelegenheit mir ein tiefes Verständnis für die Heraus- und Anforderungen der Branche zu erarbeiten. Vor zehn Jahren begann ich, im Rahmen des MASCHINENBAUFORUMs den Bereich „Marketing & Vertrieb“ weiter auszubauen und zu entwickeln. Im Laufe der Zeit ergeben sich Kontakte, inhaltliche Bezüge und Ansatzpunkte im Grunde von selbst. Ein Erfolgsgeheimnis im engeren Sinne gibt es also nicht. Allerdings ist der Maschinen- und Anlagenbau in weiten Teilen bis heute eine Männerdomäne geblieben. Möglicherweise habe ich daraus einen besonders hohen Qualitätsanspruch an mich selbst abgeleitet.

Dr. Parsis Dastani: Was erwarten die Gäste vom MASCHINENBAUFORUM?
Edeltraut Horbach: Sie dürfen zurecht eine exzellente Informationstiefe erwarten, zugeschnitten auf ihre konkreten beruflichen Anforderungen. Etwa 60 bis 70 Prozent der Besucher sind „Stammgäste“ – was den Austausch angeht, eine gute Mischung. Wenn ich das Programm zusammenstelle, achte ich darauf, dass die Referenten auch wirklich etwas zu sagen haben im Sinne von „Best Practice“ und bereit sind, ihre Erfahrungen mit den Gästen zu teilen. Ich lege Sachzusammenhänge frei, zeige Querverbindungen auf und rege die Besucher an, über ihren Fachbereich hinauszudenken.

Dr. Parsis Dastani: Ist es Ihnen schon einmal passiert, dass ein Redner aus dem Lösungsbereich seinen Bauchladen aufgemacht und das Forum zu einer Werbeveranstaltung umfunktioniert hat?
Edeltraut Horbach: Nein, glücklicherweise nicht. Das würden mir meine Besucher sehr übelnehmen. Das Format lebt von der hohen Qualität des fachlichen Inputs. Ich gehe davon aus, dass Abstriche in dieser Hinsicht die Teilnehmerzahl schnell in den Keller rutschen lassen würden. Für mich ist die persönliche Beziehung zu meinen Referenten sehr, sehr wichtig und ein Schlüsselfaktor für den gemeinsamen Erfolg.

Dr. Parsis Dastani: Wie sind Sie auf das Thema KI (Künstliche Intelligenz) gekommen?
Edeltraut Horbach: Die Digitalisierung steht ja schon seit einiger Zeit im Raum. Erste Anwendungen gab es bereits vor 20 Jahren. Nachdem ich einige interessante Anwendungen für den Einkauf gesehen habe, wollte ich vor allem dem Mittelstand nun praxisnah die Möglichkeiten im Vertrieb aufzeigen. Hier eröffnen sich mit KI ganz neue Möglichkeiten. Sie haben es ja ausgeführt, Herr Dastani: Die Unternehmen geben Daten in eine Black Box – und erhalten am Ende Leads, mit denen sie tatsächlich Umsatz machen. Ich finde die Möglichkeiten der KI faszinierend – in allen Anwendungsbereichen, sei es in Marketing & Vertrieb, im Einkauf oder dem After Sales Service.

Dr. Parsis Dastani: Wirklich neu an der aktuellen KI-Welle ist, dass wir mittlerweile dazu in der Lage sind, unstrukturierte Daten auszuwerten. Da liefert schon die Website eines potenziellen Kundenunternehmens wertvollen Input. Die Algorithmen sind dazu in der Lage, die Websites aller Unternehmen eines bestimmten Segments, beispielsweise Verpackungsmittelhersteller, zu scrawlen, um am Ende detailliert aufzulisten, welches Unternehmen mit welcher Wahrscheinlichkeit als Neukunde gewonnen werden kann.
Edeltraut Horbach: Genau wegen solcher Erkenntnisse engagiere ich mich leidenschaftlich für das MASCHINENBAUFORUM. Ich möchte dazu beitragen, große Begriffe wie Digitalisierung, Big Data, Künstliche Intelligenz zu entmystifizieren, und die einzelnen Technologien auf ihren Mehrwert hin prüfen. So eröffnen sich für die Teilnehmer idealerweise Horizonte und sie wissen, wo sie bei der Transformation in ihrem Unternehmen konkret ansetzen können.

Der Beitrag Künstliche Intelligenz: Leads aus der Black Box erschien zuerst auf Dastani Consulting.