Thought Leadership
Marketingstrategien und ihre operative Umsetzung im Kundendialog erleben durch die Einbindung Künstlicher Intelligenz aktuell eine fundamentale Umwälzung. Ausgelöst wird dieser Paradigmenwechsel durch den Einsatz von neuen, KI-gestützten Anwendungen.
Pegasystems, ein Anbieter von strategischen Software-Lösungen für Vertrieb, Marketing, Service und Operations, zeigt die drei erfolgskritischen Kernpunkte, die bei der Implementierung KI-gestützter Marketingkampagnen berücksichtigt werden müssen.
Die Einbindung von Künstlicher Intelligenz in Marketingkampagnen eröffnet die Option, herkömmliches Outbound-Marketing durch die Anwendung von Inbound- und Event-Triggered-Marketing zu erweitern – oder gegebenfalls sogar abzulösen – und damit neue, schnelle, kundenzentrierte Wege zur Optimierung des Customer Engagement zu eröffnen. Die dazu notwendigen Datenkanäle, Methoden und Entscheidungskriterien werden idealerweise durch die zugrundeliegende Software-Plattform funktional abgedeckt und einfach implementierbar bereitgestellt. Das vereinfacht nicht nur Umsetzung, Steuerung und Kontrolle, sondern ist unter anderem auch Bedingung dafür, dass Punkt 3 in der To-Do-Liste (Transparenz) in der Praxis umgesetzt werden kann. Vorher jedoch müssen für die erfolgreiche Anwendung von Inbound- und Event-Triggered-Marketing zwei elementare Voraussetzung erfüllt sein.
1. Kontextuelle versus historische Daten
Der entscheidende Unterschied zwischen modernen KI-gestützten und traditionellen Outbound-Marketingstrategien ist die Einbindung kontextueller Daten, also Informationen, die sich in Echtzeit aus der Interaktion mit dem Kunden ergeben und für die Entscheidungsfindung nutzbar gemacht werden. Sie werden bei Bedarf ergänzt durch historische Daten aus Kundendatenbanken oder Data Warehouses (etwa: Wann und was hat der Kunde letztmals bestellt?). Diese Daten sind jedoch, zum Leidwesen fast jedes Marketiers, praktisch nie in dem gewünschen Umfang und der notwendigen Qualität im Unternehmen vorhanden. Auch noch so aufwändige, arbeits- und zeitintensive Data Warehouses werden diesem Anspruch nur selten gerecht und sind zudem nur mit hohem Aufwand auf dem aktuellen Stand zu halten. KI-gestütztes Marketing nutzt dagegen die kontextuellen Daten, die im Moment der Interaktion mit dem jeweiligen Kunden entstehen und deshalb in Echtzeit zur Verfügung stehen. Mit diesen parallel zur Interaktion erfassten Kundenmerkmalen und -interessen werden die vorab definierten Entscheidungsstrategien gefüttert, um eine hohe Planungssicherheit für hohe, profitable Conversion Rates zu erzielen.
2. Next Best Actions und analytische Modelle
Die jeweilige Planung erfolgt durch Simulation auf der Basis prädiktiver Modelle. Dahinter steht ein Portfolio sogenannter Next Best Actions (NBA). Das sind konkrete Reaktionsmöglichkeiten, die im Moment der Interaktion gefiltert, selektiert und gewichtet werden, also ein breit angelegtes Verhaltensrepertoire, das im Kundendialog situativ auf die sinnvollsten Reaktions- und Angebotsoptionen reduziert wird. Alle anderen Optionen werden temporär ausgeblendet. Die verbleibenden Angebote werden dann – natürlich ebenfalls in Echtzeit – auf potenzielle Key Performance Indicators (KPI) hin optimiert. Also darauf, mit welchen Optionen die höchsten Margen erzielt werden können. So wird sichergestellt, dass dem Kunden die profitabelsten Angebote präsentiert werden Die Festlegung dieses NBA-Portfolios und die Definition der steuernden Entscheidungsstrategien ist quasi die hohe Kunst des KI-gestützten Marketings. Beide zusammen entscheiden über Erfolg oder Misserfolg der durch sie gesteuerten und umgesetzten Marketingstrategien.
3. Transparenz der Entscheidungsstrategien
Bei der Entwicklung entsprechender KI-Anwendung hat sich die Zusammenarbeit von Software-Entwicklern und Domain-Experten als Teamwork der Wahl erwiesen. Die letztliche Entscheidungskompetenz bei der alles entscheidenen Frage, welche Next-Best-Actions zu implementieren sind, um größtmöglichen Marketingerfolg zu erzielen, gehört in der Regel den Domain-Experten. Sie sollten über die notwendige Erfahrung und Expertise verfügen, um die richtigen NBAs in die selbstlernenden Modelle für die Entscheidungsstrategien einzubauen. In ihre Hände gehört auch die Entscheidungsmacht darüber, welches Maß an Transparenz bezüglich der analytischen Modelle für die Nachvollziehbarkeit von Entscheidungen sinnvoll und notwendig ist, etwa wenn es darum geht offenzulegen, welche Kritereien beispielsweise zur Entscheidung über Bonuspunkte oder Zahlungsmodalitäten geführt haben. Diese Transparenz der analytischen Modelle innerhalb der Entscheidungsstrategien ist unverzichtbarer Teil der Software-Funktionalität. Als Product- und Service-Owner stehen die Domain-Experten dabei immer im Spannungsfeld zwischen größtmöglicher Profitabilität (Umsatz/Marge) einerseits und dem Kundeninteresse und der Kundenbindung andererseits. Auch diese Balance ist funktional in der KI-Anwendung eingebunden und wird situativ auf Basis historischer und kontextueller Daten autonom in Echtzeit getroffen.
„Die Schnelligkeit, Transparenz und Lernfähigkeit KI-gestützter Marketingstrategien macht sie zu unverzichtbaren Elementen im Marketing-Mix, sei es als Ergänzung zu tradierten Outbound-Tactis oder als alleiniges Werkzeug zur Optimierung der Kundenbeziehungen“, ordnet Dr. Kay Knoche, Solution Consultant Next Best Action Marketing bei Pegasystems, ihren aktuellen Stellenwert ein. „Die Entscheidung darüber, welche Mischung die jeweils richtige ist, gehört zu den geschäftskritischsten, die ein Marketier aktuell zu treffen hat, denn sie entscheidet maßgeblich über den Erfolg oder Misserfolg kundenzentrierter Marketingaktivitäten.“
www.pega.com
