KI verstehen: Wie künstliche Intelligenz das Marketing revolutioniert

Künstliche Intelligenz (KI) ist eine Technologie, die sich tief in die moderne Marketingtechnologie integriert hat. Wahrscheinlich nutzen Sie bereits mehrere Marketing-Tools, die zumindest teilweise auf künstlicher Intelligenz basieren. Da diese Technologien immer präsenter werden, ist es entscheidend zu verstehen, was sie sind und wie sie die Zukunft des Marketings gestalten. Dieser Artikel definiert wichtige Begriffe im Zusammenhang mit künstlicher Intelligenz (KI) und erläutert, wie diese das Marketing verändern.

Algorithmus

Ein Algorithmus ist, einfach ausgedrückt, eine Reihe von mathematischen Anweisungen. Jeder Algorithmus dient als schrittweise Anleitung für ein Computerprogramm. Während Algorithmen früher explizit programmiert werden mussten, sind einige heute so konzipiert, dass Computer selbstständig lernen können (siehe die Definition von maschinellem Lernen weiter unten). Algorithmen durchdringen bereits unser tägliches Leben. Sie bestimmen zum Beispiel die Inhalte, die wir auf Facebook, Netflix, Amazon und Google sehen. Experten schätzen, dass ein Algorithmus 75 % dessen, was wir auf Netflix sehen, vorschlägt.

Vermarkter setzen Algorithmen bereits auf vielfältige Weise ein, denn Algorithmen können Daten aus verschiedenen Quellen zusammenführen, um das Verbraucherverhalten vorherzusagen und zu beeinflussen. Die Anwendung von Algorithmen wird auch eine neue Verantwortlichkeit für Marketing- und Medieninitiativen mit sich bringen, da die Vermarkter zunehmend in der Lage sein werden, ihre Bemühungen mit den Unternehmenszielen zu verknüpfen.

Automatisierung

Die International Society of Automation (ISA) definiert Automatisierung als "die Entwicklung und Anwendung von Technologien zur Überwachung und Steuerung der Produktion und Lieferung von Produkten und Dienstleistungen". Die Einführung der Automatisierung im Marketing hat die Branche revolutioniert und den Fachleuten die Möglichkeit gegeben, ihre Zeit mit sinnvollen, wertschöpfenden Tätigkeiten statt mit sich wiederholenden Aufgaben zu verbringen.

Aber selbst der konventionelle Automatisierungsansatz "Einstellen und vergessen" ist immer noch recht manuell. Ein Mensch muss den zu automatisierenden Prozess einrichten, und Änderungen an diesem Prozess müssen ebenfalls von einem Menschen definiert, initiiert und ausgeführt werden. Die Zukunft der Automatisierung wird durch künstliche Intelligenz angetrieben, wodurch die Notwendigkeit einer zusätzlichen menschlichen Aufsicht entfällt (siehe die Definition der intelligenten Automatisierung weiter unten).

Große Daten

Im Jahr 2001 definierte Gartner Big Data als "Daten, die eine größere Vielfalt enthalten und in immer größeren Mengen und mit immer höherer Geschwindigkeit ankommen". Diese Definition mit den "drei Vs" ist immer noch die am häufigsten verwendete und akzeptierte. In den darauffolgenden Jahren sahen sich Marketingexperten mit einer ständig wachsenden Menge an Daten aus immer vielfältigeren Quellen konfrontiert. 90 % aller weltweiten Daten wurden in den letzten zwei Jahren erstellt, und dieses Volumen wächst weiterhin mit zunehmender Geschwindigkeit.

Big Data zwingt Marketingfachleute dazu, neu darüber nachzudenken, wie sie die scheinbar endlosen Informationen sinnvoll verarbeiten können. In den kommenden Jahren werden die Marketingteams wahrscheinlich enger mit den IT-Teams zusammenarbeiten, um die Technologien zu implementieren, die für die Verarbeitung riesiger Datenmengen erforderlich sind. Sie werden auch entscheiden müssen, welche Daten wirklich zu besseren Erkenntnissen beitragen.

Bots

Ein Bot ist eine Softwareanwendung, die automatisierte Aufgaben über das Internet ausführt. Auch wenn Bots manchmal einen schlechten Ruf haben, weil unethische Vermarkter sie zur Manipulation von Website-Besuchen einsetzen, bieten sie für Marketingexperten viele positive Anwendungsmöglichkeiten. Sie begegnen Bots wahrscheinlich jeden Tag online. Chatbots sind auf Websites im ganzen Internet aufgetaucht und haben sich als hervorragende Möglichkeit erwiesen, Kunden anzusprechen. Sie können Bots aber auch einsetzen, um Nachforschungen anzustellen, Projekte zu verfolgen und sogar selbstständig Produkte zu verkaufen.

Bots werden dank künstlicher Intelligenz immer ausgefeilter. Die Implementierung eines KI-Chatbots, der in der Lage ist, eine immer natürlicher klingende Konversation zu führen, gibt Unternehmen beispielsweise die Möglichkeit, mit mehr Website-Besuchern in Kontakt zu treten und noch mehr Informationen über diese Besucher zu sammeln, bevor ein Mensch in das Gespräch eingreift.

Tiefes Lernen

Deep Learning ist eine Technik des maschinellen Lernens, die sich auf ein künstliches neuronales Netzwerk stützt, um einem Computer zu helfen, durch Beispiele zu lernen, ähnlich wie es ein Mensch tun würde. Die Deep-Learning-Technologie bildet die Grundlage für fahrerlose Autos und sprachgesteuerte Verbrauchergeräte. Die "Beispiele", die für Deep Learning benötigt werden, sind unglaublich große, markierte Datensätze, die der Computer verwendet, um relevante Klassifizierungen zu lernen.

Die Leistung von Deep-Learning-Geräten kann die des Menschen übertreffen. In der Marketingwelt wird Deep Learning wahrscheinlich unsere Herangehensweise an die Suchmaschinenoptimierung revolutionieren, da Maschinen immer besser darin werden, Ranking-Algorithmen vorherzusagen.

Intelligente Automatisierung (IA)

Intelligente Automatisierung (IA) ist das Ergebnis einer Kombination aus Automatisierung und künstlicher Intelligenz, die zu einer automatisierten Datenerfassung, Analyse und Entscheidungsfindung führt. Nehmen wir zum Beispiel an, jemand füllt das Kontaktformular auf Ihrer Website aus und gibt eine kurze Notiz oder einen Kommentar ab.

Die Automatisierung allein ermöglicht es Ihrem Marketingteam, die richtigen Personen zu benachrichtigen, wenn das Formular abgeschickt wurde, und sofort einen Autoresponder zu versenden. Kombiniert man diese Fähigkeit jedoch mit künstlicher Intelligenz, kann die Software die Notiz tatsächlich "lesen", um zu entscheiden, wie dringend sie ist und wer nachfassen sollte. In einigen Fällen ist die Software dank der Verarbeitung natürlicher Sprache (siehe unten) sogar in der Lage, angemessen zu antworten.

Dank der künstlichen Intelligenz bedeutet Personalisierung nicht nur, dass Sie die Vornamen Ihrer E-Mail-Empfänger in die Betreffzeilen oder Anreden einfügen. Sie können viel detaillierter vorgehen. Stellen Sie sich vor, Sie könnten jedem Kontakt auf der Grundlage seines bisherigen Verhaltens eine E-Mail zur idealen Zeit schicken. Oder stellen Sie sich vor, dass Sie automatisch genau das richtige Angebot auf der Grundlage des jüngsten Suchverhaltens einer Person versenden.

Bei künstlicher Intelligenz (KI) denken wir in der Regel an greifbare Technologien, wie Roboter oder sogar Watson. Die meisten KI-gestützten Technologien existieren jedoch in einer viel abstrakteren Form, nämlich in Form von Algorithmen. Und diese Technologie ist für Vermarkter, die an der Spitze der Branche bleiben wollen, unerlässlich.

Internet der Dinge (IoT)

Das Internet der Dinge (Internet of Things, IoT) bezieht sich auf die Verbindung von Alltagsgeräten mit dem Internet. Es hat bereits erhebliche Auswirkungen auf die globale Lieferkette, da es Maschinen und anderen Geräten ermöglicht, miteinander zu "sprechen". Für Vermarkter verspricht das IoT, viel mehr Kontext für die Gewohnheiten, Bedürfnisse, Wünsche, Produktnutzung und Kaufabsichten der Kunden zu liefern.

Laut IoT Analytics wurden in diesem Jahr mehr als 7 Milliarden IoT-Geräte installiert. Dies ist ein Segen für Vermarkter, die dadurch unglaubliche Einblicke in ihre Kunden in jeder Phase des Kaufprozesses gewinnen können. Aber es stellt auch eine große Herausforderung dar: All diese angeschlossenen Geräte produzieren bereits Berge von Daten. Mit der steigenden Anzahl von Geräten wächst auch die Menge der Daten. Versierte Marketingfachleute werden KI-gestützte Technologien einsetzen, um alle Daten zu sichten und aussagekräftige Schlussfolgerungen zu ziehen.

Maschinelles Lernen

Maschinelles Lernen ist ein entscheidender Teilbereich der künstlichen Intelligenz, der es Computern ermöglicht, selbstständig zu lernen. Anstatt nur vorprogrammierten Regeln zu folgen, können Systeme durch maschinelles Lernen aus den von ihnen analysierten Daten lernen. Dadurch sind sie in der Lage, Vorhersagen und Prognosen auf der Grundlage von weitaus mehr Datenpunkten zu treffen, als ein Mensch es je könnte. Während Menschen oft nur Daten aus einer Quelle analysieren, kann maschinelles Lernen Muster über verschiedene Kanäle hinweg erkennen – von der Website-Nutzung über soziale Medien und E-Mails bis hin zu den Reaktionen auf vergangene Kampagnen.

Maschinelles Lernen hat mehrere vielversprechende Anwendungen für Vermarkter. Es ist die ideale Technologie für eine ausgefeilte Kundensegmentierung, mit der Sie kleine Gruppen von Kunden identifizieren können, die ähnliche Vorlieben und Verhaltensmuster haben. Mithilfe von maschinellem Lernen kann auch die Kundenabwanderung vorhergesagt werden, so dass Marketingexperten proaktiv Kunden mit hohem Risiko ansprechen und die Wahrscheinlichkeit ihrer Abwanderung verringern können.

Verarbeitung natürlicher Sprache

Die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) ist der Bereich der künstlichen Intelligenz, der sich mit der Fähigkeit einer Maschine befasst, menschliche Sprache zu verstehen. Während Computer früher nur Code verarbeiten konnten, ermöglicht NLP durch maschinelles Lernen das Verstehen von natürlicher Sprache. Moderne NLP-Systeme können sogar Emotionen oder Konnotationen hinter Wörtern erkennen. Oft wird NLP mit Natural Language Generation (NLG) kombiniert, bei der die Maschine nicht nur versteht, sondern auch Antworten in menschlicher Sprache generiert. Bekannte Beispiele hierfür sind Spracherkennungssysteme wie Amazons Alexa und Apples Siri.

Viele Vermarkter nutzen bereits eine Form von NLP für die Stimmungsanalyse. Aber auch für die Personalisierung ist es vielversprechend. Die meisten Unternehmen wenden sich an ein geografisch - und damit auch sprachlich - heterogenes Publikum. Diese Sprachunterschiede können subtil sein (z. B. regionale Unterschiede im amerikanischen Englisch), offensichtlicher (z. B. Unterschiede zwischen amerikanischem Englisch und dem Englisch der Königin) oder sogar ganz verschiedene Sprachen umfassen. NLP kann Ihnen dabei helfen, Ihre Kommunikation auf der Grundlage dieser Unterschiede zu personalisieren, um Nachrichten zu übermitteln, die den jeweiligen Empfänger eher ansprechen.

Neuronales Netzwerk

Ein neuronales Netzwerk ist ein System, das so konzipiert ist, dass es die Arbeitsweise des menschlichen Gehirns nachahmt. Das Netzwerk besteht aus einer Reihe von Schichten. Jede Schicht umfasst viele Knoten oder einzelne Verarbeitungseinheiten, die mit anderen Knoten in dieser Schicht sowie mit Knoten in den darüber und darunter liegenden Schichten verbunden sind. Die unterste Schicht des Netzes nimmt die Daten auf und leitet sie an die nächste weiter. Obwohl der Zweck eines neuronalen Netzes darin besteht, ein Gehirn zu simulieren, funktioniert das Netz nicht genau so wie ein menschlicher Verstand. Sie eignen sich am besten für Mustererkennung, Prognosen, Trendvorhersagen und sogar Verallgemeinerungen.

Microsoft hat BrainMaker, eine Software für neuronale Netze, zur Optimierung seiner Direktmailing-Kampagnen eingesetzt. Die Software identifizierte die kritischsten Variablen für den Erfolg von Direktmailing-Kampagnen, so dass zukünftige Kampagnen optimiert werden können. Nach Angaben eines Unternehmenssprechers konnte durch den Einsatz von BrainMaker die Rücklaufquote von etwa 4,9 % auf 8,2 % gesteigert werden - eine erhebliche Verbesserung. Dieser Einsatz neuronaler Netze zur Optimierung von Kampagnen ist für Vermarkter sehr vielversprechend.

Prädiktive Analytik

Prädiktive Analytik ist ein Zweig der fortgeschrittenen Analytik, der dazu dient, zukünftige Ereignisse vorherzusagen. Dieser Prozess nutzt Techniken wie Data Mining, statistische Modellierung und maschinelles Lernen, um Muster in historischen Daten zu erkennen und Prognosen zu erstellen. Um die Vorteile der prädiktiven Analytik zu maximieren, ist ein umfangreicher Satz historischer Daten erforderlich. Da die systematische Datenerfassung im Marketing relativ neu ist, hat sich die prädiktive Analytik erst in den letzten Jahren zu einer breit anwendbaren Technologie entwickelt.

Amazon und andere Online-Händler nutzen Predictive Analytics ausgiebig, um das wahrscheinliche Kundenverhalten zu modellieren. Sie kann auch für die vorausschauende Bewertung von Leads verwendet werden, damit das Marketing- und Vertriebsteam Kampagnen und Angebote auf Leads und Kunden mit der höchsten Konversionswahrscheinlichkeit zuschneiden kann. In der Zwischenzeit kann die Anwendung von Predictive Analytics auf Daten über Ihre bestehenden hochwertigen Kunden Ihnen helfen, Strategien zu entwickeln, um mehr neue Kunden wie diese zu erreichen.

Haben Sie eine Frage dazu, wie KI Ihr Marketing ankurbeln kann?