Mit KI zur besseren Kundenbindung

Beratungsgespräche sind etwas Alltägliches. Ein Kunde ruft bei einem Dienstleister an, ein Service-Mitarbeiter versucht, so gut wie möglich das Anliegen seines Kunden zu bearbeiten, zu informieren oder zum Abschluss zu bringen. So weit, so unspektakulär! Doch wie wäre es, wenn der Kunde gleich mit dem richtigen Mitarbeiter verbunden wird, ohne überhaupt sein Problem geschildert zu haben?

Alle wichtigen Daten liegen bereits vor, wenn der Kunde anruft und der Service-Mitarbeiter muss nicht lange in irgendwelchen Systemen suchen, sondern kann in wenigen Minuten kompetent und individuell weiterhelfen.

Von einem solchen Service profitieren nicht nur Kunden, sondern auch das Unternehmen, denn der Mitarbeiter kann sogleich gezielt mit der Bearbeitung des nächsten Kunden weitermachen. Es reduziert sich die Belastung der Mitarbeitenden durch lästige Routineaufgaben im Büroalltag, was nicht nur motiviert, sondern ihnen auch das Gefühl gibt, sich auf nützlichere Aufgaben konzentrieren zu können.

Der Schlüssel liegt in der Hyperpersonalisierung

Möglich wird dies durch Hyperpersonalisierung: Ein Kunde wird sowohl in Vertrieb und Marketing als auch beim Service bei seinen individuellen Bedürfnissen abgeholt. Es ist quasi ein Spiegelbild des Omni-Channel-Marketings. Bei dieser Form der Personalisierung geht es darum, Informationen und Daten aus allen Kanälen und Quellen seiner Netzaktivitäten datenschutzkonform zusammenzufassen, automatisiert die richtigen Schlüsse daraus zu ziehen und dies für eine hochgradig individualisierte Ansprache zu verwenden. Gerade im Dienstleistungsbereich ist dies für eine Kundengewinnung, Kundenbindung und den Erfolg eines Unternehmens entscheidend, da sich Produkte oft nur schwer differenzieren lassen.

Menschen allein können dies angesichts des hohen Datenaufkommens nicht mehr leisten. Und hier kommt nun KI ins Spiel. Sie kann genau das: Large Language Modelle (LLM), wie das vieldiskutierte ChatGPT, sowie seine Nachfolger und Wettbewerber, bieten die Möglichkeit einer hochgradig automatisierten und zugleich hyperpersonalisierten Kundenansprache. In Chats können gut trainierte LLMs noch individueller auf den Kunden eingehen, Bedürfnisse verstehen, Aktionen veranlassen und Erkenntnisse in den sogenannten „Golden Record“ zurückspielen. Dort werden alle Accounts zunächst einzeln erfasst und zusammengestellt. Danach folgt eine Zusammenführung der Daten und es ergibt sich ein Rundum-Bild des jeweiligen Kunden.

Konnte ein Kundenberater früher nur äußerst rudimentär auf seine teils über 10.000 Kunden eingehen, einfach weil Zeit und Ressourcen dafür nicht ausreichten, so sorgen LLMs nun dafür, dass dieser zukünftig alle sehr persönlich und individuell betreuen kann, weil Standardprozesse automatisiert ablaufen und er immer seltener selbst eingreifen muss. Schon bald werden SAP CDP und SAP Emarsys im Zusammenspiel mit ChatGPT bedürfnisorientierte, individuelle E-Mails entlang der Customer Journey erstellen und versenden.

Besserer Kundenservice für eine fundierte Entscheidungsfindung

KI ermöglicht es Unternehmen, ihre Serviceangebote zu personalisieren und in Echtzeit mit ihren Kunden zu interagieren. Während die Verbraucher den modernen Vertriebslebenszyklus von „Lead“ zu „Conversion“ durchlaufen, erzeugen sie komplexe und vielfältige Datensätze. Mit KI können Unternehmen diese Daten nutzen und den Service und die Interaktion mit ihren Kunden verbessern.

Einer guten Kundenberatung liegt eine fundierte, schnelle Entscheidungsfindung zugrunde, die aktuelle Informationen berücksichtigt. Je wichtiger die Entscheidung ist, desto größer ist die Wahrscheinlichkeit, dass es für deren Zustandekommen eine Vielzahl komplexer Aspekte und Abhängigkeiten zu berücksichtigen gibt.

KI macht aus unstrukturierten Datenbergen ein aussagekräftiges Kundenprofil, relevante Produkte oder Dienstleistungen

Personalisierung gibt es schon lange, aber neu ist die Breite der Daten, die Unternehmen zur Verfügung haben, und die Tiefe, mit der Unternehmen diese Daten analysieren. Führende Unternehmen nutzen prädiktive Scores und Affinitätsscores, um mit Wahrscheinlichkeitsmodellen herauszufinden, ob ein Kunde ein Interesse an einem bestimmten Produkt hat. Spricht man Personen mit einem hohen Affinitätsscore an, ist die Abschlussrate höher. Das heißt, man kann mit den gleichen Marketingkosten mehr Konvertierungen erreichen.

Viele traditionelle Datenmodelle waren auf die Vergangenheit ausgerichtet. Leistungs- und Kundenfeedbackdaten wurden häufig erst analysiert, nachdem ein Produkt oder eine Dienstleistung den Markt erschlossen hatte. Zukunftsgerichtet sind jedoch Systeme, die schnell potenzielle Marktlücken identifizieren. Mit KI-gestützten Systemen können Unternehmen eine Vielzahl von Datensätzen gleichzeitig und in Echtzeit untersuchen. So können sie vorhandene Produkte anpassen oder neue Produkte einführen und dies auf der Grundlage relevanter und aktueller Markt- und Kundendaten.

Um den Kunden in jeder Phase optimal zu begleiten, braucht es die nötigen Informationen zu seiner Person. KI kann Berge von Daten und digitale Fußspuren, die jeder Nutzer im Netz hinterlässt, in Sekundenschnelle auswerten und zu einem Profil zusammenfügen. Dabei spielen die Rahmendaten eine wichtige Rolle: Handelt es sich um einen Arbeitnehmer oder einen Studenten? Wie sehen seine finanziellen Möglichkeiten aus? Hat er bereits ähnliche Produkte oder Dienstleistungen erworben? Daten wie diese werden mit den Berührungspunkten des Nutzers im Netz zusammengefügt. Dazu gehören auch – und das wird noch eher selten genutzt – Klicks auf Werbung, welche ein Unternehmen anderswo geschaltet hat. Dies können Anzeigen bei Google oder Facebook sein.