Was tun mit der Datenflut?
Viele Unternehmen wissen (noch) gar nicht, wie sie die gesammelten Kundendaten nutzen können. Über die Potenziale und die Gefahren von Algorithmen im Marketing-Mix.
Die Zeiten, in denen man nicht wusste, welche 50 Prozent der Marketingausgaben herausgeworfenes Geld sind (Henry Ford), haben dank Big Data und AI (Artifizielle Intelligenz) weitgehend ausgedient. Die Automation von Marketingprozessen ist seit ca. 2001 üblich, als das Sammeln von Big Data an Bedeutung gewonnen hat. Die Datensätze bestehen z.B. aus Kundendatenbanken oder Clickstream-Daten, welche eine Aufzeichnung der Navigation des Kunden zwischen verschiedenen Webseiten sind. Die Datenmengen haben jedoch explosionsartig zugenommen, so sind Anfang 2016 gut 90 Prozent aller Daten in den vorherigen zwölf Monaten entstanden.
Da viele Unternehmen nicht wissen, wie sie diese Datenmengen mit den bisherigen Datenbanksystemen und Softwarelösungen nutzen können, wird das volle Potenzial von Big Data bei Weitem noch nicht ausgeschöpft. Die traditionellen Methoden der Marketingautomatisierung geben außerdem keine tiefen Einsichten in die Daten, schlagen keine Maßnahmen vor, sehen die Auswirkungen der Maßnahmen nicht vorher und beeinflussen die Kunden nicht in Echtzeit.
Wenn für das Marketing jedoch Algorithmen eingesetzt werden, können die Datensätze effizienter bearbeitet werden. Algorithmen können große Datensätze analysieren, untergliedern und Muster sowie Trends erkennen. Sie können Änderungen beobachten und Empfehlungen für Maßnahmen in Echtzeit geben, das heißt, während der Interaktion mit dem Kunden. Außerdem können sich Vermarkter durch den Einsatz von Algorithmen anspruchsvolleren Aufgaben widmen, was in einen effizienteren und kosteneffektiveren Marketingprozess resultieren kann. Langfristig kann ein Unternehmen durch den Einsatz von Algorithmen im Marketing einen Konkurrenzvorteil sowie durch die vergrößerte Kundennähe eine höhere Kundenloyalität erreichen.
Datenpool: Customer Journey
Auf Basis von Big Data Tracking lässt sich die „Customer Journey“ des Kunden über verschiedene Touchpoints wie Suche, Social Media und Anzeigen systematisch vermessen. So lassen sich mithilfe des sog. Attribution Modelling auf Basis dieser so gewonnenen Daten die Media- und Marketingplanung optimieren. Das Data-Mining-Modell berechnet aus einer Vielzahl von Daten- und Zeitpunkten den optimalen Kanalmix, indem der Wertbeitrag jedes Touchpoints im Gesamtkanalkontext automatisch berechnet wird. Damit lässt sich genau sagen, welche Touchpoints eine direkte Konvertierungsfunktion und welche eher eine Assistenzfunktion haben. Ebenso sind Rückschlüsse auf die zeitlichen Ursache-Wirkungs-Ketten möglich.
Interessant und wichtig zu speichern sind für Unternehmen vor allem die Kundendaten, und zwar von der Vor-Akquise-Phase bis zum Abschluss der Kundenbeziehung – gewissermaßen die gesamte sog. Customer Journey. Aus der Kombination dieser Kundendaten mit weiteren Fakturierungsinformationen, mit Customer-Service-Aspekten und weiteren Sales- und Marketing-Aspekten können intelligente Algorithmen Business-Entscheidungen treffen, Empfehlungen an den Unternehmer ableiten und Marktforschung betreiben. Schon der Weg des Kunden bis zum Erwerb eines Produkts liefert strategisch wertvolle Informationen.
Diese Customer Journey zur Kaufentscheidung erfolgt meistens in mehreren Zyklen, idealtypisch in sechs Stufen: Bedarf identifizieren, Recherche, ein Angebot erhalten, Verhandlung und Kauf, Nach-dem-Kauf- und Word-of-Mouth-Kommunikation. Die Touchpoints bilden die Ausgangspunkte, an denen Daten erhoben und analysiert werden, etwa Trackingdaten oder Clickstreams. Auf diese Weise lassen sich Voraussagen über künftige Customer-Journey-Muster treffen. Vernetzte Kontaktpunkte können im Rahmen einer Digitalstrategie priorisiert werden.
Der Vorteil dieses daten- und analytikgetriebenen Ansatzes ist die empirische Erdung. Daten sind neutral und objektiv, und sie geben am Montagmorgen die gleiche Aussage wie am Freitag kurz vor Feierabend. Die digitalen „Großen“ wie Apple, Google, Facebook und Amazon machen vor, wie sehr der Unternehmenserfolg durch Datenhoheit, Datenqualität und Datenvielfalt bestimmt wird. Die Informationen sind aktueller, schneller und verfügbarer als eine jährlich wiederkehrende interne Kampagne, „mal wieder das CRM-System besser zu pflegen“.
Algorithmen im Marketingprozess
Algorithmen, etwa in der Form von Bots, können in allen vier Schritten des Marketingprozesses eingesetzt werden: in der Situationsanalyse, in der Marketingstrategie, bei Marketing-Mix-Entscheidungen und in der Implementation und Kontrolle.
Die Situationsanalyse soll die unerfüllten Wünsche der Kunden identifizieren. In der internen Situationsanalyse können Bots eingesetzt werden, um den Key Performance Indicator zu bestimmen, der Auskunft über die Stärken und Schwächen der Firma gibt. In einer externen Situationsanalyse können Bots im Internet nach bestimmten Schlüsselwörtern suchen, um mehr über die Kunden und die Konkurrenz zu lernen. Konsumentenverhalten kann mithilfe von Bots beobachtet und ausgewertet werden.
Wenn Firmen im Kundenservice Chatbots einsetzen, können Bots die Verläufe von Unterhaltungen observieren und auswerten, um mehr Informationen über den Markt und die Kunden zu erhalten. Bots können auch Interviews mit bestimmten Kunden oder Trendexperten durchführen, um qualitative Analysen durchzuführen. Dies kann sowohl Geld als auch Zeit sparen, da die Befragungen an verschiedenen Orten gleichzeitig durchgeführt werden können. Algorithmen, die Vorhersagen über die beeinflussenden Faktoren und Effekte auf die Marketingaktivitäten treffen können (Predictive Modelling Algorithms), können eingesetzt werden, um zukünftige Nachfrage zu erforschen.
Im zweiten Schritt des Marketingprozesses, dem Erstellen der Marketingstrategie, können Zielgruppen mithilfe von Bots identifiziert werden, die die Kundenmenge segmentieren und nach verschiedenen Merkmalen analysieren. Das Definieren des Leistungsversprechens des Produkts benötigt jedoch sowohl kreative als auch analytische Fähigkeiten, und daher ist diese Aufgabe weniger für die Automatisierung geeignet.
Ein weit verbreitetes Instrument, um strategische Entscheidungen zu implementieren, ist der Marketing-Mix mit den vier Ps: Produkt, Preis, Promotion und Platz. Algorithmen können in den verschiedenen Bereichen wie folgt eingesetzt werden:
- Produkt: Chatbots können z.B. in der Kundenbetreuung eingesetzt werden. Außerdem ermöglichen Algorithmen, dass Unternehmen neue und innovative Produkte und Services entwickeln können, die auf die Bedürfnisse des Kunden angepasst sind.
- Preis: Produktpreise können mithilfe von Algorithmen automatisch verändert werden, je nach Nachfrage, Verfügbarkeit und Preis der Konkurrenz. Beispiele von Firmen, die diese dynamische Preisgestaltung anwenden, sind Fluggesellschaften sowie Amazon und Uber.
- Promotion: Algorithmen mit AI können das Kaufverhalten und die Bedürfnisse der Kunden erlernen und den Kunden daher individualisierte Inhalte und Produktempfehlungen anzeigen. Für das Unternehmen ist dies effizienter, billiger als Massenwerbung und kann in Echtzeit geschehen. Zudem können ausgereifte selbstgesteuerte Empfehlungssysteme die Chancen für Cross Selling, dem Angebot und Verkauf von Zusatzprodukten, erhöhen.
- Place: Bots erleichtern den E-Commerce. Wenn Bezahlinformationen und Lieferadresse vorliegen, kann die gesamte Transaktion von Bots durchgeführt werden. Basierend auf bisherigem Kaufverhalten kann ein Personal Butler auch autark entscheiden, wo ein Produkt erworben wird. Das kann jedoch auch problematisch sein, da dadurch langfristig das Kaufverhalten des Kunden nicht mehr gemessen werden kann. Auch stellt sich die Frage, wie in Zukunft hinsichtlich der Markenpflege vorgegangen werden soll.
Viele Aspekte im letzten Schritt des Marketingprozesses, der Implementation und Kontrolle, können von Algorithmen übernommen werden. Beispiele sind z.B. das Schalten von Werbung, das Lancieren einer Webseite oder der Versand von E-Mails. Wie zuvor erläutert, können Bots individualisierte Internetwerbung anzeigen. Auch das Erstellen, Personalisieren und Senden von Marketingkampagnen per E-Mail kann durch Bots übernommen werden. Sogar das Erstellen von Webseiten ist mithilfe von Bots möglich, die Firma The Grid bietet dazu seit 2014 eine private Betaversion an (Thomas 2016). Die Kontrollphase am Ende des Marketingprozesses kann sowohl qualitativ als auch quantitativ durchgeführt werden und ist essenziell. Faktoren, die kontrolliert werden sollten, sind unter anderem die Reichweite der Kampagne, Marketingbudgets, Kundenzufriedenheit, Marktanteile und Umsatz.
Algorithmen können hier behilflich sein, um die verschiedenen Faktoren zu messen und Aussagen über die Effizienz der Kampagne zu treffen sowie Potenziale aufzudecken, beispielsweise hinsichtlich einer Erhöhung des Customer Life Time Value, dem Kundenwert während des gesamten Lebens des Kunden, oder einer Verringerung der Kundengewinnungskosten.
Außerdem können Algorithmen die Genauigkeit und Effizienz der Kontrolle verbessern. Die Auswertung und Darstellung der analysierten Daten kann durch eine smarte Smart-Process-Automatisation-Software übernommen werden, die in der Lage ist, sich selbst zu trainieren oder trainiert zu werden. Sie kann komplexere und subjektive Aufgaben durch die Erkennung von Mustern durchführen. Zudem können die Daten in Form von Dashboards visuell interpretiert werden. In einigen Branchen ist der Einsatz von Algorithmen schon gang und gäbe, wie z.B. in der Produktion zur Steuerung von Prozessen und im finanziellen Sektor für den Aktienhandel. Jüngst hat sich zudem gezeigt, dass algorithmisches Marketing die Umsätze von Unternehmen steigern kann.
Praxis-Beispiele
Ein Beispiel ist Amazon, das Algorithmen anwendet und sogar in der Rezession gewachsen ist. Auffällig ist, dass das Unternehmen vergleichsweise hohe Summen in die IT investiert hat (5,3 Prozent der Umsatzerlöse), während die Konkurrenten Target und Best-Buy nur 1,3 Prozent beziehungsweise 0,5 Prozent ausgaben. Amazons dynamische Preisermittlung reagiert auf die Preise der Konkurrenz und den aktuellen Lagerbestand. Die Investition in komplexe Empfehlungs-Algorithmen hat 35 Prozent der Verkäufe und 90 Prozent des Kundensupports automatisiert. Dies senkte die Kosten bei Amazon um drei bis vier Prozent.
Das Taxivermittlungsunternehmen Uber wendet einen Algorithmus an, um Fahrer und Fahrgast zusammenzubringen. Wenn eine Fahrt nachgefragt wird, bietet der Algorithmus die Fahrt einem Fahrer an, der sich in der Nähe aufhält. Dies entspricht dem sog. Supplier Pick Model, d.h., der Anbieter wählt aus. Das Unternehmen nutzt, ähnlich wie Amazon, eine dynamische Preisgestaltung: Wenn die Nachfrage für Fahrten in einer bestimmten Region hoch ist, erhöht sich der Preis um einen bestimmten Faktor, der dem Fahrer bekannt ist, dem Kunden jedoch nicht.
Netflix, der Online-Dienst zum Abspielen (Streamen) von Filmen und Fernsehserien, benutzt algorithmisches Marketing, um die Inhalte für die Nutzer zu personalisieren und Titel zu empfehlen. Ganze 800 Entwickler arbeiten an den Algorithmen mit dem Ziel, die Zuschauer beizubehalten. Die sozialen Netzwerke Facebook und Twitter sowie der Online-Videokanal YouTube wenden Algorithmen an, die diejenigen Beiträge auswählen, die dem Nutzer angezeigt werden. Für Facebook beispielsweise bestimmt sich die Sichtbarkeit eines (Werbe-)Beitrages aus verschiedenen Faktoren, wie der Popularität der Seite des Unternehmens, dem Erfolg von vergangenen Beiträgen, der Form des Inhalts (Videos werden im Vergleich zu Fotos bevorzugt) und der Zeit seit Erstellung des Beitrags.
Es existieren jedoch auch Anwendungsbeispiele von Algorithmen, die die Gefahren und die Grenzen von algorithmischem Marketing aufzeigen. So unterhielt Coca Cola einen Twitter-Account, der negative Tweets in niedliche ASCII-Bilder konvertierte, wenn sie mit dem Hashtag #MakeItHappy markiert wurden. Das US-amerikanische Magazin Gauker erstellte daraufhin einen Twitter Bot, der Zeilen aus Hitlers „Mein Kampf“ veröffentlichte und mit dem Hashtag versah. Coca Cola konvertierte auch diese ohne weitere Überprüfung in Bilder von Hunden und Palmen.
Die Bank of America hat einen Bot betrieben, der Kunden mit Reklamationen über Twitter helfen sollte. Als sich ein wütender Occupy-Aktivist an den Twitter Account der Bank wandte, versendete diese die gleichen prompten und standardisierten Antworten, die für Hilfeanfragen von Kunden vorgesehen sind. Die Bank versicherte jedoch, dass Menschen, und keine Bots, hinter den Antworten steckten.
Der richtige Einsatz von Algorithmen
Wie durch die genannten Negativbeispiele angedeutet, lauern gewisse Gefahren für Unternehmen, die Algorithmen im Marketing einsetzen. Für Unternehmen ist es daher essenziell, dass die angewendeten Algorithmen und ihre Grenzen vollständig verstanden und dass die Algorithmen weise eingesetzt werden. Zudem müssen Algorithmen beaufsichtigt und kontrolliert werden, sodass sie im Einklang mit den Grundsätzen der Firma und dem Gesicht der Marke sind.
Ein anderer Aspekt sind die immer größer werdenden Bedenken von Kunden hinsichtlich ihrer Privatsphäre, welche Misstrauen gegenüber dem Einsatz von Algorithmen wecken können. Wenn der Verbraucher zu viel personalisierte Werbung sieht, kann dies als unheimlich (creepy) wahrgenommen werden, besonders wenn der Werbung sehr tiefe Einsichten in private Informationen zugrunde liegen. Dies wird auch Overkill Targeting genannt und kann den Erfolg der Marketingstrategie vermindern.
Das beschriebene unheimliche Gefühl (creepiness), welches der Kunde erfahren kann, entsteht durch ein Ungleichgewicht in der Verteilung der Informationen: Das werbende Unternehmen weiß mehr über den Kunden als umgekehrt. Unternehmen sollten sich auch bewusst sein, dass sie durch die eingesammelten und ausgewerteten Daten im Vorteil gegenüber dem Kunden sind und so deren Wahrnehmung manipulieren und fehlleiten können. Wenn Verbrauchern nur vorsortierte Informationen gezeigt werden, haben sie keine Chance, einen Gesamtüberblick zu erhalten.
Es besteht daher die Gefahr, dass Einzelpersonen das algorithmische Marketing ausnutzen, ohne gewisse ethische Aspekte zu beachten. Damit das Vertrauen der Kunden gewonnen werden kann, müssen die Vermarkter sicherstellen, dass sich die Algorithmen an den Kodex einer digitalen Ethik halten und Privatsphäre, Manipulation und Auswahl von Informationen sowie Kommunikationsverhalten beachten. Für einen erfolgreichen Einsatz von Algorithmen im Marketing ist auch zu bedenken, dass nicht immer alle Faktoren im Kontext analysiert werden. So kann z.B. die Stimmung des Kunden, das Wetter oder die Anwesenheit von anderen Personen das Kaufverhalten des Kunden beeinflussen. Daher sollte ein Algorithmus so viele Variablen wie möglich, aber auch überraschende und zufällige Elemente beinhalten, um nicht zu vorhersehbar zu sein.
Ein weiterer Nachteil von Algorithmen ist, dass sie oft begrenzt in ihrer Fähigkeit sind zu analysieren, warum ein Kunde eine gewisse Entscheidung getroffen hat. Damit Fehler wie die der Bank of America vermieden werden, sollten Algorithmen und Bots vorsichtig eingesetzt werden. Ideal ist eine Kombination aus Algorithmen und echter menschlicher Interaktion im Kundenkontakt.
In diesem Zusammenhang wird zwischen zwei Fällen unterschieden: Entweder ist der Berührungspunkt zwischen Kunde und Unternehmen zufällig, oder der Kunde tritt mit bestimmten Erwartungen mit der Firma in Kontakt. Der erste Fall betrifft Werbekampagnen oder Empfehlungen auf Webseiten, durch die der Kunde positiv überrascht sein kann, wenn die Werbung dessen Präferenzen entspricht. Dadurch kann sich der Markenwert verbessern. Andersherum würde ein Kunde, der nicht an der Werbung interessiert ist, diese ignorieren, ohne dass der Markenwert Schaden nimmt.
Wenn der Kunde jedoch gewisse Erwartungen an das Unternehmen hat, wie z.B. bei einer direkten Kontaktaufnahme wegen einer Reklamation, kann die Marke beschädigt werden, wenn die gestellten Erwartungen von dem Unternehmen nicht erfüllt werden können. Im Gegenteil kann sich im zweiten Fall der Markenwert erhöhen, wenn ein Kunde zufriedengestellt wurde. Dies bedeutet nicht notwendigerweise, dass in diesem Fall keine Algorithmen eingesetzt werden können. Es ist jedoch wichtig, dass diese unter menschlicher Beobachtung agieren und Menschen gegebenenfalls in den Prozess eingreifen können.
Der Autor Prof. Peter Gentsch ist Entrepreneur und Experte für Digital Management, AI und Big Data sowie Lehrstuhlinhaber für Internationale Betriebswirtschaftslehre an der HTW Aachen. Er hat u.a. den Praxis-Leitfaden „Künstliche Intelligenz für Sales, Marketing und Service – Mit AI und Bots zu einem Algorithmic Business“ (SpringerGabler) veröffentlicht
Sie möchten selbst ein Unternehmen gründen oder sich nebenberuflich selbständig machen? Nutzen Sie jetzt Gründerberater.de. Dort erhalten Sie kostenlos u.a.:
- Rechtsformen-Analyser zur Überprüfung Ihrer Entscheidung
- Step-by-Step Anleitung für Ihre Gründung
- Fördermittel-Sofort-Check passend zu Ihrem Vorhaben
Diese Artikel könnten Sie auch interessieren:
