Ist das KI oder kann das weg?

Hype und Wirklichkeit zur Nutzung von KI im Marketing

von Prof. Dr. Claudia Bünte

Aktuell wird viel über künstliche Intelligenz (KI) diskutiert, von der man wahre Wunder erwartet oder vor der man sich fürchtet. Auch in Marketing und Vertrieb beschäftigt man sich mit der Thematik. Allerdings ist vielen nicht klar, was man unter künstlicher Intelligenz versteht und wie man sie sinnvoll einsetzt. Entsprechend wenig werden die vorhandenen Angebote in der täglichen Arbeit genutzt. Dabei gibt es bereits erfolgreiche Use-Cases, die zeigen, wie künstliche Intelligenz heute schon erfolgreich genutzt werden kann, um die Arbeit in Marketing und Vertrieb weiter zu automatisieren. In diesem Beitrag finden sich einfach umsetzbare Praxistipps, mit deren Hilfe man heute beginnen kann, KI in Marketing und Vertrieb einzusetzen.

Prof. Dr. Claudia Bünte

Wenn Daten das neue Öl sind, dann ist KI der Motor

Nach dem Internet, der digitalen Transformation und der Automation scheint künstliche Intelligenz die nächste Gattung der hilfreichen Werkzeuge für Marketing und Sales zu sein, mit denen man schneller und besser mit den Kunden interagiert. Künstliche Intelligenz hat längst das Nischendasein einer Spezialtechnologie hinter sich gelassen. Sie wird nicht mehr nur in der Wissenschaft, sondern zunehmend auch in der Wirtschaft und Politik wahrgenommen und kontrovers diskutiert.

So sieht Elon Musk, der Gründer von Tesla, beispielsweise eine negative Entwicklung durch künstliche Intelligenz: „Elon Musk‘s Billion-Dollar Crusade to Stop the A.I. Apocalypse“ (Dowd, vanityfair, 2017). Die Antwort von Bill Gates bei CNBC lautete: „I don‘t agree with Elon Musk about A. I. We shouldn‘t panic about it“ (Clifford, CNBC, 2017).

Längst sehen die führenden Industrienationen in KI eine der Schlüsseltechnologien dieses Jahrhunderts (FAZ, 2018) und unterstützen diese Technologie mit großen finanziellen Mitteln; die EU z. B. bis Ende 2020 mit geplanten 20 Mrd. Euro aus privaten und öffentlichen Händen (John, ec.europa, 2018), die deutsche Regierung bis 2025 mit 3 Mrd. Euro aus öffentlicher Hand (Heide, handelsblatt.com, 2018). China, das bis 2030 führend auf dem Gebiet der KI sein will, schätzt diese neue Branche auf einen Wert von 130 Milliarden Euro (Hua & Jahn, handelsblatt.com, 2018) und plant u. a. einen 1,76 Milliarden teuren KI-Gewerbepark in Peking (Neuerer, handelsblatt.com, 2018).

„Wenn es zu viele Skeptiker im Team gibt, die eher Angst vor KI haben, u. a. weil sie befürchten, dass die Anwendungen über kurz oder lang den eigenen Arbeitsplatz kosten werden, ist der Einsatz wenig sinnvoll, weil vermutlich nicht zielführend und erfolgreich.“

Die Gründe, warum das Thema plötzlich für die Wirtschaft und die breite Öffentlichkeit interessant wird, obwohl KI als Konzept bereits seit den 1950-er Jahren entwickelt wird (Kurzweil, 2005, S. 264), sind vielfältig. Nach anfänglichen Fortschritten kam es in den 1980er-Jahren zu einem Stillstand, dem sogenannten „KI-Winter“, weil sich mit der bis dahin entwickelten KI kein materieller Erfolg für die Unternehmen einstellte. Erst seit es kostengünstig ausreichende Rechenleistung gibt UND große Datenmengen über die Nachfrager zur Verfügung stehen, ist KI für Marketing und Vertrieb interessant (Wilbertz, Talkwalker, 2018).

Heute sind die Unternehmen, die viele Daten nutzen und bei deren Auswertung verstärkt auf automatisierte Datenanalysen setzen, überdurchschnittlich erfolgreich. Vor zehn Jahren basierten die drei weltweit größten Unternehmen ihr Angebotsportfolio noch hauptsächlich auf Öl. General Electrics deckte z. B. die Segmente Energie, Erneuerbare Energien, Öl und Gas, Luftfahrt, Gesundheit, Transport und Licht ab. Exxon Mobil und Petrochina konzentrierten sich auf Öl und dessen Derivate. (Siehe Abb. 1.)

Abb. 1: Top-Drei-Unternehmen weltweit nach Marktkapitalisierung 2008/2018 (eigene Abbildung), (Financial, 2018)

Mittlerweile hat sich das Bild komplett gewandelt. Heute sind Apple, Alphabet (der Mutterkonzern von Google) und Microsoft die weltweiten Top 3. Deren Portfolien fußen auf Daten (Kundendaten, Bilddaten, Bewegungsdaten, Kaufdaten, Suchdaten). Es wird deshalb häufig gesagt, dass Daten das Öl des 21. Jahrhunderts sind. Wer mehr und bessere Daten hat als der Wettbewerb, kann schneller und besser Kunden verstehen und Kundenwünsche erfüllen und hat damit einen Wettbewerbsvorteil.

Das ist der Moment, in dem künstliche Intelligenz ins Spiel kommt und Anwendungsrelevanz gewinnt. Denn künstliche Intelligenz kann Daten schneller und besser analysieren als ein Mensch. Sie ist damit quasi der Motor, der aus dem „Rohstoff“ Daten etwas Sinnvolles und Relevantes für den Kunden erarbeitet. KI wird damit, zusammen mit ausreichend hochwertigen Daten, zu einem entscheidenden Wettbewerbsvorteil. Und zur natürlichen nächsten Stufe der Automatisierung von Abläufen in Marketing und Vertrieb.

Wunsch und Wirklichkeit: Künstliche Intelligenz steckt im Marketing noch in den Kinderschuhen

Unsere an der SRH Berlin University of Applied Science veröffentlichte Studie zu KI im Marketing zeichnet ein sehr viel klareres Bild, was Marketeers sich von KI erwarten. Die vollständige Studie kann kostenlos heruntergeladen werden: https://t1p.de/jfao

Befragt wurden 207 Marketing- und Vertriebsmanager/innen aus DACH zur aktuellen und zukünftigen Entwicklung von KI im Marketing. 52 % der Teilnehmer sind Führungskräfte oder CMOs (Bünte, S. 4). Für rund 82 % der Marketing-Manager/innen ist künst­liche Intelligenz wichtig für den Erfolg von Unternehmen. Darüber hinaus glauben 81 % der Befragten, dass KI auch im Marketing wichtig ist. 92 % aller Teilnehmer sagen, dass KI im Marketing in der näheren Zukunft noch mehr eingesetzt werden wird – und jeder zweite sagt aus, dass KI einen noch größeren Einfluss auf das Marketing haben wird, als Social Media dies hatte. Aber nur 31 % nutzen KI aktuell im Marketing – und nur 7 % intensiv.

Nach Einschätzung der Teilnehmer ist das eigene Wissen zu KI noch sehr gering, nur 3,95 auf einer Skala von 1 (sehr gering) bis 7 (sehr groß). Dazu trägt bei, dass in vier von zehn Marketingabteilungen weniger als 5 % der Mitarbeiter/innen sich hauptsächlich mit Forschung, Analyse, Data Science oder Customer Insights beschäftigen.

Dass das Thema Implementierung von KI im Marketing noch in den operativen Kinderschuhen steckt, lässt sich auch an den aktuellen Entscheidungsstrukturen zu Budget und inhaltlichem Einsatz erkennen: Der CEO ist in drei von vier Unternehmen mit an der Entscheidung zum KI-Budget im Marketing beteiligt. Und selbst die Marketeers, die KI im Marketing schon einsetzen, stellen sich selbst ein nur durchschnittliches Zeugnis aus, und 57 % aller KI-Tools im Marketing sind noch Insellösungen, nur 14 % der Tools sind in die normalen Prozesse im Marketing integriert.

Aber 80 % der Marketeers sagen aus, dass KI im Marketing einer der wichtigsten Treiber für den Erfolg des eigenen Unternehmens sei.
Von KI wird also im Marketing viel erwartet, aber es wird (noch) nicht eingesetzt.

Sieben Empfehlungen für die ersten KI-Schritte in Marketing & Vertrieb

  • Praxistipp 1: KI muss zu Ihrem Marketing- und Vertriebsziel passen und zur Marke. Nutzen Sie KI nicht, nur um sie zu nutzen.

  • Praxistipp 2: Finden Sie heraus, welche KI-Managertypen Sie im Team haben – wenn zu viele Skeptiker an Bord sind, kann ein Ersteinsatz misslingen. Aus der erwähnten Studie haben wir einen KI-Typ-Test entwickelt, den Sie hier kostenlos ausprobieren können: https://t1p.de/jfao

  • Praxistipp 3: Warten Sie nicht auf die perfekte Lösung Ihrer Dienstleister, probieren Sie KI so früh wie möglich selbst aus.

  • Praxistipp 4: Starten Sie Ihre KI-Roadmap mit schnellen, leicht zu erreichenden Meilensteinen, damit Ihr Team erste Erfolgserlebnisse hat.

  • Praxistipp 5: Prüfen Sie die Datenqualität und die Datenmenge. Wenn diese nicht gut genug ist, optimieren Sie lieber Ihre bisher genutzten Ansätze weiter.

  • Praxistipp 6: Gehen Sie eine KI-Ehe auf Zeit ein. Halten Sie Verträge mit KI-Anbietern so flexibel, dass Sie den Anbieter wechseln können, wenn Sie mit dem Impact nicht mehr zufrieden sind oder Sie verschiedene Inseln miteinander verknüpfen können. Und definieren Sie den von Ihnen gewünschten Impact an die KI-Leistung.

  • Praxistipp 7: Nutzen Sie KI als Unterstützung – lassen Sie sich nie die Entscheidung für die Managementrichtung abnehmen.

Beim Impact trennt sich die Spreu vom Weizen – diese KI-Tools helfen im Marketing heute schon

Das Thema vorläufig zu ignorieren, bis klar ist, was KI eigentlich für das Marketing tun kann, scheint also keine gute Idee zu sein. Was kann man also tun, um mit KI zumindest zu beginnen? Unser Team prüft regelmäßig neue KI-basierte Tools und ihren (nachweislichen) Impact für das Marketing. Dabei trennt sich recht schnell die Spreu vom Weizen: Zwar behaupten viele Unternehmen und Start-ups, mit KI zu arbeiten, aber auf die konkrete Frage, welche Ergebnisse ihre Marketingkunden dann durch diese Tools erzielt haben, können weniger als die Hälfte tatsächlich mit Zahlen aufwarten.

Die Tools lassen sich auf die typischen Kernaufgaben im Marketing verteilen. Das wären (siehe Abb. 2): den Kunden oder die Zielgruppe so gut es geht verstehen (Consumer Insights), die Marken- und Marketingstrategie daraus 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 monitoren und notfalls anpassen (Performance Management).

Abb. 2: Aktueller Einsatz von KI im Marketing 2019 (eigene Abbildung) (Bünte, Künstliche Intelligenz – die Zukunft des Marketing, 2019)

Die meisten KI-Tools werden heute im Bereich Exekution entwickelt und eingesetzt, gefolgt von Consumer Insights, der Produktweiterentwicklung und dem Performance Management. Interessant ist, dass trotz intensiver Suche keine Tools gefunden wurden, die den Manager/innen die Entwicklung der Strategie abnehmen. Hier scheint die für das KI-System benötigte Menge an Daten, um aus den Strategien anderer Firmen zu lernen, schlicht nicht vorhanden bzw. nicht veröffentlicht zu sein.

Allerdings sollte die Strategie des Unternehmens auch individuell abgeleitet werden und deshalb die letzte Aufgabe sein, die an eine Software abgegeben wird. Es gilt also die Faustregel, dass dort KI im Marketing schon sinnvoll eingesetzt werden kann, wo genügend Daten über Kunden vorliegen und die Geschwindigkeit wichtig ist, mit der die Daten analysiert und mit Angeboten an Kund/innen wieder zurückgespielt werden müssen.

Lassen Sie uns je ein Beispiel aus den beiden Bereichen ansehen, in denen bereits viele Daten und damit auch viele KI-Lösungen vorliegen:

Consumer Insights
Hier ist u. a. Market Logic aktiv. Market Logic unterstützt Unternehmen, die aufgrund ihres Geschäftsmodells so viele Kundendaten haben, dass es leicht unübersichtlich wird. Der Best-Practice-Case handelt von einem globalen FMCG-Anbieter, der einen Marktforschungsbedarf in über 160 Märkten hat. Die Ergebnisse der durchgeführten Marktforschung in diesen Ländern waren an unterschiedlichen Orten und in verschiedenen Sprachen gespeichert. Typischerweise sind dadurch die eigenen Marktforschungsexperten in einem Markt ohne Wissen darüber, ob und welche Daten bereits in einem anderen generiert wurden. Die Suche in bereits vorhandenen Daten ist wenig effizient, macht keinen Spaß und es kommt zu teuren Doppelerhebungen. Market Logic entwickelte deshalb eine Anwendung, die

  • alle verfügbaren Marktforschungsergebnisse an einem Ort sammelt
  • allen Marktforschungsexperten weltweit den Zugang hierzu per Single Sign-on ermöglicht
  • alle Daten zu Erkenntnissen inklusive einer aussagekräftigen „So what“-Metaanalyse über KI analysiert und auf­bereitet: Suchergebnisse sind KEINE Information darüber, in welchem Marktforschungsbericht die Antwort ge­funden werden kann, sondern enthalten die Antwort selbst
  • nutzerfreundlich die Eingabe der Suchfrage über eine intuitive Mensch-Maschinen-Schnittstelle, ähnlich dem Suchfeld bei Google, erlaubt
  • Die Insights generiert die Datenplattform aus den Marktforschungsdaten mit einem lern­fähigen KI-Algorithmus. Dieser wird stetig trainiert, um die Qualität der Erkenntnisse im Laufe der Zeit zu verbessern.

Nach einer ersten Pilotierung 2012 in Groß­britannien wurde das System 2016 weltweit eingeführt. Es hat alle zuvor vorhandenen Inselsysteme abgelöst und ist nun das einzige System für Marktforschungsdatenanalysen im Konzern. Es ermöglicht eine schnellere und qualitativ bessere Analyse der vorhandenen Daten. Die Zeitersparnis für über 300 Marktforschungexpert(inn)en auf der ganzen Welt beträgt rund 8 %, daraus resultieren Kosteneinsparungen von 1,01 Mio. Dollar im Jahr. Zusätzlich führt das System zur Reduktion von Marktforschungsduplikaten (ca. 12 %) und steigert die von Marktforschungsdienstleistern gewährten Rabatte (ca. 6 %) durch Bündelung der Aufträge. Daraus ergeben sich weitere Einsparungen von 9,72 Mio. Dollar pro Jahr. Insgesamt summieren sich die Einsparungen auf rund 18 % des Marktforschungsbudgets (Rückert, 2018). Diese Anwendung eignet sich am ehesten für sehr große Firmen, die sehr viele Consumer Insights Data vorliegen haben.

Abb. 3 Fünf Kernaufgaben im Marketing (eigene Abbildung)

Execution: Spot-Pretests
Im Bereich Exekution finden sich sehr viele unterstützte Assistenzsysteme, wie Schrift­bots, Sprachassistenten, die optische Optimierung von Websites, die semantische Optimierung von Websites, Pretests von Werbespots, die Optimierung des taktischen Werbebudgets, die optimierte Leadgeneration, um nur einige zu nennen. Hier gibt es so interessante Start-ups im Bereich Optimierung von Werbespots durch die Analyse von Mikroexpressionen im Gesicht der Zuschauer wie z. B. Affectiva.

Damit wird der Nachteil neutralisiert, den bisherige Werbepretests hatten, bei denen man Probanden nach ihrer Reaktion auf eine Werbung befragt. Ähnlich wie bei Werbewirkungstests auf Basis von Neuroscience wird bei der Microexpression „nur“ beobachtet, wie der Proband auf welche Scene im Spot reagiert. Ein Beispiel bietet Affectiva (Affectiva, 2019). Diese Anwendung ist für alle Marketeers sinnvoll, die mit Bewegtbild arbeiten und im Vorfeld wissen wollen, wie gut der Film bei der Zielgruppe ankommt.

Kernaussagen

  • Künstliche Intelligenz (KI) wird aktuell auch im Marketing sehr gehypt
  • Aber nur 7 Prozent der Marketeers in Deutschland nutzen KI schon intensiv, viele davon als Insellösungen
  • Dabei gibt es schon nachweislich gute KI-Tools, die den Alltag von Marketingmanager(inne)n vereinfachen können
  • Nur richtig eingesetzt, hilft KI

Execution: Headline-Pretest
Neuroflash unterstützt seine Marketingkunden dabei, aus mehreren guten Headlines und Copys die Texte auszuwählen, die zum gewünschten Effekt beim Kunden führen, und zwar, ohne aufwendige A/B-Tests online durchzuführen. Neuroflash hat dazu über KI zunächst alle verfügbaren Textinhalte „gelesen“: Bücher, Songtexte, Filmuntertitel, So­cial-Media-Posts (Anteil zehn Prozent), Nachrichten, Printerzeugnisse.

Die dort gewählten Worte wurden künstlich intelligent in ihren Verbindungen zueinander analysiert. Die emotionale Aufladung der Worte für Menschen wurde anschließend durch 60 000 Einzelbefragungen von realen Menschen (davon 3 000 in Deutschland) zugefüttert. So verfügt Neuroflash über ein Netzwerk an Worten, ihren Bedeutungen und ihrer emotionalen Aufladung zueinander. Dadurch kann beispielsweise geprüft werden, welche Headline einer Titelseite der Zeitung am nächsten Morgen am ehesten zu Spontankäufen am Kiosk führt oder welcher Werbetext der beste für eine Online-Dessous-Werbung ist. Diese Anwendung ist für alle Marketeers sinnvoll, die mit Texten, also redaktionell und werblich, arbeiten.

Aber nicht für jede Anwendung und jeden Marketeer ist KI schon wirklich sinnvoll. Wenn die Datenlage noch nicht gut genug ist oder es zu viele Skeptiker im Team gibt, die eher Angst vor KI haben, u. a. weil sie befürchten, dass die Anwendungen über kurz oder lang den eigenen Arbeitsplatz kosten werden, ist der Einsatz wenig sinnvoll, weil vermutlich nicht zielführend und erfolgreich. Auch konventionelle Tools haben weiter ihre Berechtigung. Nicht nur, weil gefühlt alle KI nutzen, sollte man KI einsetzen, sondern, weil es sinnvoll ist. //

Informationen und Kontakt zum Autor

CC-BY-ND

Ist das KI oder kann das weg? is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International license. Prof. Dr. Claudia Bünte

Quellen- und Literaturverzeichnis:

Aufmacherbild / Quelle / Lizenz
Bild von Arek Socha auf Pixabay