Wie kann Künstliche Intelligenz im Marketing eingesetzt werden?

Gerade gestern habe ich einen Vortrag einer Studentin gehört, die den Zusammenhang von KI und Design untersucht hat. Das ist nicht so weit her.

KI ist eine Rechenmaschine, die lernt. Sie kann Verhaltensmuster bei Kunden erkennen und diese auswerten. Sie kann lernen und Empfehlungen aussprechen.

Sie kann wie auch im Bereich Design einfache operative Aufgaben übernehmen und die Marketingverantwortlichen dadurch entlasten.

Es gibt dazu einen größeren Artikel von Dr. Galler https://www.bigdata-insider.de/was-leistet-kuenstliche-intelligenz-im-marketing-a-670792/

Der folgende Text ist ein kurzer Auszug aus meinem Buch "Digital Pricing", das 2018 veröffentlicht wird. Darin beziehe ich mich primär auf Produkentwicklung und Pricing als die beiden wichtigsten Marketingherausforderungen im Zeitalter der Digitalisierung.

_________________________________________________________________

 

Künstliche Intelligenz (AI; Artificial intelligence): Unterstützung von Menschen durch Maschinen.
Während es in der Phase 4 (Internet der Dinge) vor allem um die Vernetzung von Hardware geht, arbeiten Unternehmen im Zuge des nächsten Technlogiesprungs an intelligenten, selbst lernenden Systemen. Kern der AI sind intelligente Maschinen, die selbstständig Probleme bearbeiten können. Ein Computersystem generiert Wissen aus großen Datenmengen, extrahiert die wichtigsten Muster und kann auf deren Basis Vorhersagen treffen. Lernfähige Maschinen werden zukünftig eine nahezu unbegrenzte Menge an Daten auswerten können, die über das Internet der Dinge eingespeist werden. Kern des „Data-based Machine Learning“ bilden Methoden der klassischen Statistik. Sie können zukünftig im Sinne der Effizienzsteigerung und besseren Marktausschöpfung für das Pricing und für Vertriebsprozesse genutzt werden. Als Ergebnis lassen sich beispielsweise Muster im Konsumentenverhalten und in den Zahlungsbereitschaften erkennen. Mit diesem deutlich verbesserten Datenfundament können genauere Vorhersagen über Kundenwünsche und Entscheidungsprozesse abgeleitet werden.
Bei allen standardisierten Abläufen kann selbstlernende Hardware die Wertschöpfung unterstützen. Ausgewählte Beispiele hierfür sind:
1. Chatbots:
Teile des kostenintensiven Kundenservice können von Dialogrobotern unterstützt werden werden. Text- und sprachbasierte Dialogsysteme für den Kundendienst werden zur Bedienung von Kundenanfragen eingesetzt.
2. Preisanalyse und –monitoring:
Einfache Analysen, die für die Preisoptimierung hilfreich sind (wie z.B. SWOT-Abschätzungen), können von Computerprogrammen übernommen werden. Insbesondere der Analyse- und Monitoringbereich im Pricing wird stark automatisiert werden und von selbstlernenden Maschinen assistiert.
3. Preisänderungen:
Intelligente Maschinen können zukünftig auch über Preisanpassungen entscheiden. Kognitive Assistenzsysteme sind die technologische Basis hierfür.

Die technische Infrastruktur für künstliche Intelligenz ist vorhanden. Schnelle Prozessoren und ausreichende Bandbreiten sind verfügbar, um deren Potenziale voll nutzen zu können. Erfolgskritisch ist die Menge der verfügbaren Daten. Große Technologiekonzerne wie Google, Facebook, Amazon verfügen diesbzüglich über einen Wettbewerbsvorteil, der von neuen Anbietern kaum einzuholen ist. Die Lösungen kleinerer Firmen haben zumindest kurzfristig keine Chance, mit den Marktführern ernsthaft zu konkurrieren. Denn deren Systeme lernen – auf einer deutlich niedrigeren Informationsbasis startend – sprichwörtlich zu langsam dazu. Die marktführenden Technologiekonzerne können die Möglichkeiten der Automatisierung über künstliche Intelligenz angesichts der von Ihnen kontrollierten Informationsmengen sukzessive weiterentwickeln.
 

Künstliche Intelligenz sorgt - über den engeren Pricingprozess hinaus – insbesondere auch für Veränderungen bei Geschäftsmodellen:
1.  Maschinelles Lernen (ML) ist die Basis für die Entwicklung neuer Produkte, die den Alltag von Konsumenten unterstützen. Ein Beispiel hierfür sind persönliche Sprachassistenten. Diese befinden sich
- in Smartphones (wie Siri) oder
- in Lautsprechern (wie Amazons Alexa).
2. Die zunehmende Marktdurchdringung sprachgesteuerter Digitalassistenten wie Alexa, Siri oder Google Assistant (Google Home) ist die technologische Basis für neue, digitale Dienste. Über die Möglickeiten des „Voice-Commerce“ können automatisiert kundenspezifische Angebote generiert werden. Diese basieren auf den Suchanfragen, die ein Kunde ursprünglich plaziert hat.
3. ML-Systeme ermöglichen darüber hinaus auch innovative, proaktive Angebote. Ein Beispiel hierfür ist die personalisierte Empfehlung von Musik. Auf Basis der bisherigen Wahlentscheidungen der Nutzer sind proaktive Musikvorschläge ableitbar. Individuelle, digitalisierte Angebote basieren auf der Einschätzung des selbstlernenden Systems, daß der Kunde bestimmte Titel voraussichtlich präferieren würde, auch wenn er sie noch nie zuvor gehört hat. Das skizzierte Geschäftsmodell eines persönlichen Musikkanals führt zu neuen Erlösquellen und determiniert das Preismodell. Für die Preismodellierung bieten sich verschiedene Varianten an,- vom Abonnement über ein „pay-per-hit“ bis zum Bundling.
 

Künstliche Intelligenz kann auf jeden Fall gut im Marketing eingesetzt werden. Speziell bei der Analyse von Kunden und potentiellen Kunden, zum Beispiel zur Erstellung von Segmentierung, ist Künstliche Intelligenz ein hervorragendes Hilfsmittel.

Künstliche Intelligenz kann die für das Marketing notwendige Kreativität nicht ersetzen, bietet aber bei der Analyse von Daten wesentliche Hilfen.

Noch gar nicht, da KI erst in den Kinderschuhen steckt und die meisten KMU Unternehmen noch nicht einmal ein professionelles Nischen- oder Online-Marketing betreiben. Es ist aber ein spannender Bestandteil innerhalb eines Mulilevel-Online-Marketings.