Künstliche Intelligenz im Marketing – Teil 3

Alle reden über Künstliche Intelligenz (KI) im Marketing. Aber wer setzt sie wirklich schon ein, wann ist es sinnvoll, welche Best Practice Beispiele gibt es und wie wird KI die Marketingwelt verändern – in einem vierteiligen Blogbeitrag erklärt die Marken- und Marketingexpertin Prof. Dr. Claudia Bünte, was Marketeers über KI wissen sollten.

Prof. Dr. Claudia Bünte, SRH Hochschule Berlin
Professorin für „International Business Administration“ mit Schwerpunkt Marketing und KI

Claudia Bünte ist Professorin für „International Business Administration“ mit Schwerpunkt Marketing und KI an der SRH in Berlin. Zuvor war sie in leitenden internationalen Positionen im Marketing tätig, u.a. bei Coca Cola, Beiersdorf, McKinsey und Volkswagen. 2016 gründete sie die Marketingberatung „Kaiserscholle – Center of Marketing Excellence“ in Berlin. Sie berät Top-Manager in Kernfragen der Markenführung und des Marketing in B2C und B2B. Darüber hinaus hat sie die Studie „Künstliche Intelligenz – die Zukunft des Marketings“ initiiert.

Teil 3: Best-Practice-Tools für Künstliche Intelligenz

In unserer Erhebung unter Marketing- und Sales-Managern wurde bereits deutlich, dass es bislang nur wenig allgemeingültige Aussagen, Glaubenssätze und Ansichten zu Künstlicher Intelligenz und ihrem Einsatz im Marketing gibt. Das Thema KI entwickelt sich gerade erst. Dies wird auch deutlich, wenn man versucht, sich einen Überblick über am Markt angebotenen Tools zu verschaffen, die Managerinnen und Managern helfen können, den Arbeitsalltag zu vereinfachen. Bisher scheint es noch recht wenig Standardlösungen der etablierten Anbieter zu geben. Vielmehr kann man zwei Tendenzen erkennen:

Zum einen versuchen sowohl die großen Entwickler wie z. B. Adobe, SAP, Microsoft – um nur einige zu nennen – in ihren Angeboten KI zu verankern, um ihre Produkte besser zu machen; und auch kleine Unternehmen und Startups sind sehr aktiv, Kunden für neue Angeboten zu gewinnen, die komplett auf KI fußen. Zum anderen und quasi als Konsequenz aus der ersten Tendenz, beginnen Marketing- und Sales-Manager in Unternehmen, selbst erste Erfahrungen mit KI zu machen.

Die Folge dieser beiden Strömungen: Es finden sich je nach Branche und Einsatzfeld Insellösungen, in denen KI bereits eingesetzt wird, eine komplette Unterstützung des Marketing-Managements durch eine einzige KI-basierte Tool-Lösung haben wir bei unseren Recherchen bislang jedoch noch nicht finden können. Es ist absehbar, dass in naher Zukunft die Bemühungen der großen, etablierten Anbieter Erfolg haben und den Marketing-Kunden ganzheitlichere Lösungen anbieten werden. Vorerst müssen wir Marketeers uns mit Insellösungen „behelfen“, die dafür aber spezifische Marketing-Herausforderungen spezifisch lösen.

Insofern zeigt dieses Kapitel ganz bewusst Use Cases, die noch solche Insellösungen sind – und die dafür aber eine eindeutige und nachweisbare Wirkung auf die Ergebniszahlen des Unternehmens haben. Ziel ist es, Marketingpraktikerinnen und -praktikern anhand von erfolgreichen Beispielen zu zeigen, wie KI heute sinnvoll und erfolgreich eingesetzt werden kann.

Typischerweise kennen wir fünf Kernaufgaben im Marketing: Den Kunden oder die Zielgruppe so tief es geht verstehen (Consumer Insights); die Marken- und Marketing/Sales-Strategie daraufhin ableiten (Strategie); das eigene Angebot an Produkten und Services daraufhin aufbauen oder optimieren (Angebot); die Marketing- und Salesaktivitäten operativ planen und durchführen (Exekution); den Erfolg der Maßnahmen kontrollieren und notfalls anpassen (Performance Management).

Die meisten KI-Tools werden heute im Bereich Exekution entwickelt und eingesetzt, gefolgt von Consumer Insights, der Produktweiterentwicklung (Angebot) und dem Performance Management/Marketing ROI.

Im Bereich Exekution finden sich z. B. unterstützte Assistenzsysteme wie Schriftbots, Sprachassistenten, die optische Optimierung von Websites, die semantische Optimierung von Websites, die Pretests von Werbespots, die Optimierung des taktischen Werbebudgets, die optimierte Leadgeneration, um nur einige zu nennen.
Auf Use Cases im Bereich Schriftbots und Sprachassistenten im Kundenservice wird hier bewusst verzichtet – diese sind in der Praxis, sowohl für B2B als auch B2C schon relativ weit implementiert – und werden immer besser.

Ebenso gibt es interessante Startups im Bereich der Optimierung von Werbespots (auch Exekution) durch die Analyse von Mikroexpressionen im Gesicht der Zuschauer – damit wird der Nachteil neutralisiert, den bisherige Werbepretests mit Probanden bisher hatten, nämlich dass man Interviewte nach ihrer Reaktion auf einen Werbetest befragt. Ähnlich wie Werbewirkungstests auf Basis von Neuroscience wird bei der Mikroexpression „nur“ beobachtet, wie der Proband auf welche Szene im Spot reagiert – und vor einer kostspieligen Schaltung des Spots entsprechend optimiert. Exemplarisch dafür sei auf RefineAI (www.refineai.com) als ein Beispiel verwiesen.

Zu Strategie haben mein Team und ich noch keine Tools recherchierten können, vermutlich, weil es an Daten mangelt, aus denen eine KI lernen könnte – sinnvollerweise sollte die Strategie auch nicht an einen Automatismus abgegeben wird, sondern in der Hand der Marketing- und Sales-Verantwortlichen bleiben.

Ich möchte mich hier nun auf zwei der Use Cases aus meinem aktuellen Buch („Künstliche Intelligenz – die Zukunft des Marketing“) fokussieren, die die meisten Marketingmanager/innen in B2B und B2C betreffen wird:

  • Wie optimiere ich meine Website für meine Zielgruppe? (Use Case Epson/Eyequant, heute)
  • Wie steuere ich Online-Kampagnen mit KI, um mein Budget so sinnvoll wie möglich einzusetzen? (Cosabella/Albert, in Teil 4 des Blogs) 

Use Case Exekution: Optimierung des Webauftritts

Wann ist der Case interessant?

  • Wenn die eigene Landing-Page zu wenig Conversion bringt!
  • Wenn mögliche optimierte Landing-Pages in A/B-Tests überprüft werden sollen!

Die Herausforderung
Epson ist ein weltweit operierender Anbieter u. a. von Druckern und Scannern. Das E-Commerce-Team von Epson suchte nach einem Insight-Tool, mit dem sie auf ihren Landing-Pages intelligentere Design-Tests durchführen konnten. Ziel war die Optimierung der Landing-Pages, um die Conversion-Rate zu steigern.

Die Lösung

  • Die Künstliche Intelligenz von Eyeqant hat im Vorfeld Eye-Tracking-Studien (also Blickverlaufsstudien) analysiert und 50 Kernbestandteile einer Landing-Page festgelegt. Diese Analyse ist zunächst einmal unabhängig vom jeweiligen Kunden, dessen Website analysiert werden soll.
  • Die KI identifiziert dann diese 50 Kernbestandteile der Epson-Website und sortiert sie nach ihrer Wichtigkeit für die Website.
  • Die Wichtigkeit hängt davon ab, wie viel Aufmerksamkeit das Merkmal auf sich lenkt.
  • Eyequant zeigt als Ergebnis eine Heatmap der jeweiligen Landing-Page mit einer Übersichtlichkeitspunktzahl (0-100), also einer Bewertung, welche Elemente bereits gut performen und welche Elemente verbesserungswürdig sind.
  • Eine Analyse der „Kategorie“ Landing-Page zeigte für Epson konkret, dass die Seite mit zu viel Inhalt überlastet scheint; die aktuelle Landing-Page erzielt daher „nur“ einen Klarheitswert von 10/100, der Besucher der Seite ist potenziell überlastet.
  • Epson entscheidet sich daraufhin für eine visuelle Optimierung der Startseite mit einer klareren Struktur, die erlaubt, dass die Aufmerksamkeit des Nutzers auf die gewünschten Inhalte lenkt und dies auf eine Weise tut, die visuell sauber, klar und gut organisiert ist.

Die Wirkung
Epson erzielt mit der überarbeiteten Landing-Page über 20 % mehr Klicks auf die gewünschten Produkte, über 20 % mehr Klicks in den Kategorien 20 % höhere Conversion und über 10 % mehr Klicks auf den Button „jetzt kaufen“.

Was ist daran KI?

  • Das Eyequant-System lernt aus Eye-Tracking-Studien und verwendet die Lernerfahrungen für neue Anwendungsfälle der Klienten.

Was können Marketing-Manager aus diesem Case lernen?

  • Verbesserung des eigenen Internetauftritts kann auf Basis von bereits vorhandenen, externen Daten von Eye-Tracking-Studien herangezogen werden.
  • KI hilft, schnell zu besseren Ergebnissen der eigenen Website zu kommen.

 

Ausblick:

Der vierte Teil des vierteiligen Blogs zeigt mit „Cosabella/Albert“ einen weiteren Use Case für KI im Marketing. Außerdem fasst er die wichtigsten praktischen Tipps für Marketingmanager/innen zusammen, die beginnen wollen, Künstliche Intelligenz im Marketing einzusetzen.

„Künstliche Intelligenz ist wie Teenager Sex – Teil 4: Best Practice Tools und praktische Tipps für die ersten Anwendung von Künstlicher Intelligenz“ erscheint am 30. Januar.

 

Für mehr Details:
Kostenloser Download zur Studie: Künstliche Intelligenz – die Zukunft des Marketings: http://t1p.de/studieki

Zum Mitmachen – exklusiv für Marketingmanager:
Welle 2 der Erhebung „KI im Marketing“ – hier mitmachen: https://goo.gl/forms/zfqKqbxPLYovLBBy2

Neues Sachbuch mit vielen Praxistipps:
„Künstliche Intelligenz – die Zukunft des Marketing“ (ISBN: 978-3-658-23318-1)
Das Essential ist ein Leitfaden mit hohem Praxisbezug, konkrete Cases ordnen verschiedene Einsatzgebiete von Künstlicher Intelligenz im Marketing ein.