Machine Learning

Predictive Analytics und Künstliche Intelligenz, kurz KI, sind zwei Begriffe, die uns inzwischen überall begegnen. Die Anwendung dieser Technologien und Verfahren revolutioniert auch Marketing und Vertrieb, und das in allen Branchen, z.B. bei der passgenauen Zielkundenansprache im Marketing bis zum datengetriebenen Einsatz im Vertrieb, um Neukunden mit individuellen Angeboten anzusprechen und den Bestand effektiv auszubauen. Beide Begriffe werden allerdings oft austauschbar und synonym verwendet. Wie verhält sich aber KI zu Predictive Analytics?

Was macht Predictive Analytics?

Predictive Analytics verwendet ganz allgemein historische Daten zur Vorhersage zukünftiger Ereignisse. Die historischen Daten in Marketing und Vertrieb sind z.B.  Transaktionen, Angebote, Telesales-Aktionen, Außendienstbesuche oder Web-Klicks. Sie werden zur Erstellung eines mathematischen Modells verwendet, das das künftige Verhalten von Kunden und Kontakten vorhersagen soll. Auf aggregierter Ebene können solche Modelle auch die Entwicklung von Vertriebsregionen oder Produktbereichen prognostizieren. Für solche Prognosen können eine Vielzahl von Verfahren eingesetzt werden, KI ist eine davon.

KI als innovatives Instrument der Predictive Analytics

Ansätze zur Entwicklung von mathematischen Verfahren, die das menschliche Lernen, Verstehen und Entscheiden, nachbilden, gibt es schon lange. Mit der Möglichkeit Big Data nutzbar zu machen, gingen die Methoden der Künstlichen Intelligenz auf Siegeszug und können nun in vielen verschiedenen Lebensbereichen angewendet werden. Die KI ist damit derzeit das innovativste und erfolgreichste Instrument im Baukasten der Predictive Analytics-Methoden und löst viele klassische Verfahren ab.
KI-Verfahren können größere Datenmengen ohne wesentliche Vorstrukturierung und ohne Hypothesenbildung auf eine Ausgangsfragestellung hin analysieren. Dies wird auch als maschinelles Lernen bezeichnet. Anders als herkömmliche Verfahren sind die Methoden des maschinellen Lernens selbstlernend und selbstoptimierend. Technisch bedarf es dabei immer zunächst eines Trainings, in dem der sogenannte Agent lernt, die Zielaufgabe immer besser zu lösen. 

Wie können wir KI für Marketing und Vertrieb nutzen?

• KI-Systeme passen sich ändernden Marktbedingungen flexibler an, insbesondere wenn sie Reinforcement- und Unsupervised Learning-Verfahren beinhalten. 
• KI-Systeme können Zusammenhänge entdecken, die vielleicht mit anderen Methoden übersehen worden wären.
• KI-Systeme können mehr Daten verarbeiteten und bewerten als klassische statistische Methoden.

Anwendungsszenarien

• Ein typisches Beispiel für KI im Vertrieb ist unsere Visit Value Prediction. Hier werden Außendienstbesuche und Transaktionen in ihrer zeitlichen Abfolge analysiert und bewertet. Das Prognosemodell ist in der Lage, den Umsatz des nächsten Besuchs vorherzusagen, was eine höchst effektive Allokation der Vertriebsmitarbeiter ermöglicht.
• Ein weiteres praktisches Anwendungsgebiet ist der Online-Handel. KI-Methoden verarbeiten die Such- und Kaufgewohnheiten der Kunden, um den nächst wahrscheinlichen Kauf eines Kunden vorherzusagen (Next Best Offer). Auf Grundlage der Vorhersage können beispielweise Anzeigen und Werbe-Mails mit passenden Produkten und Dienstleistungen für den potenziellen Kunden geschaltet werden.
• KI kann auch helfen, Abwanderungen im Kundenstamm zu vermeiden, indem diejenigen Kundensegmente identifiziert werden, die das größte Risiko für einen Austritt haben(Churn-Prediction). Anhand dieser Informationen können rechtzeitig entsprechende Maßnahmen vorgenommen werden, um den Kunden zu halten.
• KI-Verfahren finden bei uns außerdem Anwendung in Modellen, die den Lebenszyklus für einen Kunden vorhersagen (Customer Value Prediction) oder passende Produkte für Cross- und Up-Selling vorschlagen. 

Für mehr Informationen und bei Fragen: Rufen Sie uns an +49 (0)641 984 46 – 0.

Schauen Sie gerne auch auf unseren Social Media Kanälen vorbei (Xing, Linkedin, Instagram).