Einer der eher verborgenen Vorzüge des AI-Marketings, der erst langsam ins Blickfeld gerät, besteht darin, dass der Nutzer anstelle eines reaktiven ein proaktives Marketing betreiben kann.

Was genau bedeutet proaktives Marketing?

„Proaktives Marketing … ermöglicht Marketern, agiler zu sein, in Echtzeit und datengesteuert zu agieren und sich rasch an die sich laufend verändernden Bedürfnisse von … Kunden anzupassen. Es umfasst alle Formen von Marketing und konzentriert sich darauf, Strategien mit einer genauen Kenntnis von … [Ihren] Zielgruppen zu erstellen …, bevor die eigentliche Kampagne durchgeführt wird.“ – Skyword

Ein proaktiver Ansatz ermöglicht Ihnen:

  • Eine Vielzahl von Prognosen über die Engagement-Wahrscheinlichkeit, die Kaufbereitschaft und vieles mehr für bestimmte Kundensegmente zu erstellen
  • Die Bereitstellung von Produkten, Inhalten und Angeboten zu automatisieren, die bei bestimmten Gruppen mit hoher Wahrscheinlichkeit Anklang finden – und das zur besten Zeit, am besten Ort und über den besten Kanal für jede Kommunikation

Bisher haben die meisten Marketer auf Kunden nach einem stattgefundenen Kauf reagiert. Dies ist ein großes (wenn auch verborgenes und unbekanntes) Problem, da Nachrichten häufig zu spät ankommen oder irrelevant sind.

Wir leben in einer Echtzeit-Welt, in der das Element Echtzeit immer wichtiger wird, und es sogar zunehmend darum geht, zu antizipieren.

Von Verbrauchern bevorzugte Marken wie Amazon, Netflix und Apple setzen neue Maßstäbe, indem sie mithilfe von Prognosen, Empfehlungen und Projektionen vorhersagen, was Kunden wahrscheinlich als Nächstes kaufen möchten. Die inhärente Erwartung des Kunden ist, dass Ihre Marke dies ebenfalls tut.

Den Wert von AI-Marketing verstehen

Um vom reaktiven auf ein proaktives Marketing umzustellen, bedarf es zunächst einer Transformation Ihrer Einstellung, bzw. Ihres Verständnisses Ihrer Kundendatenbank. Dies muss jedoch so geschehen, dass Sie tatsächlich nichts tun – oder analysieren – müssen. Ich spreche von Self Learning, Automation und Personalisierung – und zwar skalierbar. Dafür wird eine neue Methode zur Datenaufbereitung (und im nächsten Schritt zur praktischen Umsetzung) benötigt – und AI erfüllt diese Vorgaben mit Bravour.

„Artificial Intelligence ist die ultimative Version von Google – die ultimative Suchmaschine, die alles im Web versteht. Sie weiß genau, was Du möchtest, und gibt Dir das Richtige…“ — Larry Page, Computerwissenschaftler, Internetunternehmer, Mitgründer, Google

Abgesehen von der Funktionsweise der Maschine, worin besteht der echte unternehmerische Mehrwert der Arbeit mit AI? Wie sich herausstellt, gibt es zahlreiche konkrete, anwendbare Vorzüge. Dazu zählen:

  • Die Kenntnis der voraussichtlichen Akquisekosten und der Konversionswahrscheinlichkeit für jede Person. Daneben auch Vorhersagen dazu, wer wahrscheinlich wegbricht oder abwandert und welche Segmente es aus mathematischer Sicht wert sind, Geld für sie auszugeben – und mit welchen Inhalten/Angeboten.
  • Die Fähigkeit, Kaufwahrscheinlichkeit/Kaufneigung sowie Prognosen zur Nutzung von Incentives zu verstehen
  • Die Fähigkeit, Umsatz und Lifetime Value (CLV) für Kundensegmente vorherzusagen

Wir wollen den zweiten Punkt etwas ausführlicher erläutern, da er das größte Potenzial und die meisten Anwendungsmöglichkeiten besitzt.

Die Zukunft vorhersagen: AI und Kaufwahrscheinlichkeit

Wer AI verwendet, ist auf den „Struggle“ vorbereitet, bewaffnet mit einem Arsenal AI-gesteuerter Fähigkeiten. Doch was ist der Trick dabei? Die Fähigkeit zur Voraussage von Kaufverhalten.

Die wirkliche Schwerstarbeit hinter der AI-Segmentierung ist die Berechnung der Wahrscheinlichkeit, mit der eine Aktion stattfindet oder nicht stattfindet. Doch diese Information alleine in Form ungeordneter Daten ist wenig hilfreich. Marketingunternehmen können mit diesen runtergebrochenen Informationen und Berechnungen nichts anfangen. Alles muss quantifiziert und gekennzeichnet werden. Die Lösung kann darin bestehen, Wahrscheinlichkeiten mit Werten zwischen 0 und 1 zu beschreiben und diese als „Prognosewert“ zu bezeichnen.

Eng definierte Bezeichnungen oder Segmente erleichtern das Verständnis. Die exakten Grenzwerte zwischen „bleibt wahrscheinlich inaktiv“, „wird die Bindung wahrscheinlich lösen“ oder „wird sich wahrscheinlich binden“ werden von Maschinen dynamisch für jeden Kunden festgelegt.

Diese deskriptiven Gruppen haben für Marketer schließlich eine Bedeutung. AI-Algorithmen kontrollieren die Grenzwerte regelmäßig und aktualisieren sie.

Durch diese Logik wird die Maschine immer besser darin, Kundenbewegungen vorherzusagen. Und Marketingteams erzielen hierdurch Kampagnen mit besserer Performance und können aus diesen lernen.

Auf der Grundlage vergangenen Kundenverhaltens kann eine tiefere Ebene der AI das zukünftige Kundenverhalten mit hoher Verlässlichkeit vorhersagen.

Hinter dem Vorhang versteckt sich ein selbstlernender Algorithmus, der sich mit Ihren Kundendaten trainiert, Verhaltensmuster findet und Sie in die Lage versetzt, einen Blick in die nahe Zukunft zu werfen, um Kundenaktionen zu verhindern oder zu befördern.

Wie CMOs AI verwenden, um neue Dimensionen für ihr Marketing zu erschließen

Mehr erfahren

RFM-Modelling und Kaufwahrscheinlichkeit

Das in der Produktion verwendete grundlegende Modell zur Schätzung von Kaufwahrscheinlichkeit basiert auf dem klassischen RFM-Modelling. Dabei handelt es sich um eine AI-gesteuerte Methode zur Schätzung von Kaufneigung. Sie berücksichtigt für jede Person Aktualität, Frequenz und Geldwert. Diese Analyse hilft dabei, in großem Maßstab zu bestimmen, welche Kunden den höchsten Wert für ein Unternehmen haben.

Nehmen wir zusätzlich an, dass ein Marketer nur Kunden ansprechen möchte, die im letzten Quartal eingekauft haben, und auch die Anzahl der Klicks eines Kontakts in einer an ihn gesendeten E-Mail berücksichtigen möchte. Mit einem RFM-Ansatz liefern logistische Regressionen Schätzungen auf der Grundlage von Daten zu Kontakten, die im vorangegangenen Zeitraum mindestens einmal geklickt oder einen Kauf getätigt haben.

Im nächsten Schritt kann ein vollständiges numerisches Mapping erstellt werden, das enger definierte Dimensionen Ihrer Datenbank darstellt. In diesem Beispiel weisen Kunden mit 5-5-5 die höchste Wahrscheinlichkeit eines (großen) Einkaufs auf. Kunden mit 1-1-1 sind dagegen am Abwandern und erfordern Ihre ganze Aufmerksamkeit zur Reaktivierung.

In der Praxis launchen Marketingteams Kampagnen in Phasen und testen unterschiedliche Ansätze. Das Ziel besteht letztlich darin, dass sich die niedrigeren Segmente in Richtung der höheren entwickeln. Idealerweise kaufen Kunden mit 1-1-1 weiterhin ein und verwandeln sich schrittweise über 2-1-3 und dann 3-4-5 in Richtung 5-5-5.

Das Ziel, für jeden Kontakt eine Kaufwahrscheinlichkeit zu berechnen, wird genau dann erreicht, wenn Sie einschätzen können, wie hoch der Grad der Wahrscheinlichkeit ist, dass der Kunde in Zukunft einen Kauf tätigen wird. Sobald der Maschine eine Prognose/Wahrscheinlichkeit vorliegt, kann diese für verschiedene Marketingzwecke verwendet werden (z. B. zur Vorhersage des Customer Lifetime Values oder um passende Incentives zu versenden, damit Kontakte mit höherer Kaufwahrscheinlichkeit niedrigere Incentives erhalten und umgekehrt).

Neue Dimensionen Ihrer Datenbank erschließen

AI ermöglicht den Zugriff auf bisher verborgene Dimensionen in Ihrer Datenbank. Sie unterstützt Sie dabei, neue Aspekte von Kunden zu enthüllen, von denen Sie bisher nichts wussten.

Indem Sie beispielsweise Engagement Score, Kaufverlauf und andere Verhaltensmuster verwenden, können Sie den potenziellen CLTV eines Kontakts vorhersagen, um Prognosen zu seinem langfristigen Wert für das Unternehmen zu machen.

Sie können seine Kaufwahrscheinlichkeit vorhersagen, um aus Umsatzperspektive zu verstehen, wohin die Reise geht.

Sie können die Wahrscheinlichkeit für einen Webseitenbesuch, eine Abwanderung, oder auch den wahrscheinlichsten Zeitpunkt für diese möglichen Aktionen verstehen.

Danach können Sie eine Entscheidung treffen, wie Sie damit umgehen. Schneiden Sie Produkte, Inhalte und Incentives automatisch auf jede einzelne Person, für jeden Anwendungsfall und für alle Kanäle zu. Berücksichtigen Sie dabei Interaktionswahrscheinlichkeit, Kaufwahrscheinlichkeit und den Wert des nächsten Warenkorbs.

So können Sie verstehen, für welche Kunden es sich lohnt, mehr Geld auszugeben, und mit welchen Inhalten/Angeboten diese Kunden angesprochen werden sollten.

Fazit

AI ändert die Spielregeln für E-Commerce-Teams weltweit.

Das wichtigste aufkommende Anwendungsgebiet von AI ist die Erforschung der Kaufwahrscheinlichkeit, mit deren Hilfe die Kaufabsicht eines Kunden in Zukunft eingeschätzt werden kann. Nachdem eine geschätzte Wahrscheinlichkeit festgestellt wurde, kann sie für unterschiedliche Marketingzwecke verwendet werden: Etwa dafür, Incentives so zu versenden, dass Kontakte mit höherer Kaufwahrscheinlichkeit niedrigere Incentives erhalten und umgekehrt.

AI-gestützte Technologien helfen Marketern auch dabei, den Customer Lifetime Value (CLTV), Akquisekosten oder Abwanderung vorauszusagen, um besser zu verstehen, für welche Kunden Geld ausgegeben werden sollte.

Ausgerüstet mit all diesem Wissen ergeben sich ungeahnte Chancen für Marken, die mutig genug sind, in AI zu investieren.

Ausgewählte ähnliche Inhalte:

AI sagt Kaufwahrscheinlichkeit, Konversionswahrscheinlichkeit und CLV voraus. Mehr erfahren!

Mehr erfahren