Maschinelles Lernen für Marketing-Analysen: Skalierung jederzeit und an jedem Ort.

Wenn ihr erfahren wollt, was mit maschinellem Lernen für Marketing möglich ist, solltet ihr euch den Film Everything Everywhere All at Once ansehen, der bizarr und wunderschön zugleich ist.

Es geht dabei um die Geschichte einer ganz normalen Frau, die sich durch die Erkundung des Multiversums enorme Kräfte verschafft. Sie nutzt dafür hochmoderne Technologie und ist bereit, Risiken auf sich zu nehmen, zu scheitern und immer weiter zu lernen.

Letztendlich geht es in der Geschichte aber darum zu zeigen, wie man echte menschliche Beziehungen herstellen kann, indem man für andere da ist, wenn sie einen brauchen.

Es gibt keine bessere Metapher dafür, was modernes Marketing tun sollte. Marketing-Fachleute müssen Kundinnen und Kunden alles geben, was sie brauchen, und zwar an jedem Ort. Und sie müssen sämtliche Kundinnen und Kunden gleichzeitig bedienen. Nur so lassen sich dauerhafte Beziehungen schaffen.

Möglich ist das nur mit der richtigen Technologie.

Maschinelles Lernen kann Marketing-Aktivitäten intelligenter, effizienter und letztendlich auch effektiver machen. Wenn ihr intelligente Analysen mit automatisierten Systemen verknüpft, um gewonnene Erkenntnisse praktisch umzusetzen, könnt ihr überragende Ergebnisse erzielen.

5 Möglichkeiten, mit denen maschinelles Lernen Marketing-Analysen unterstützt.

In unserem neuen Leitfaden mit dem Titel Daten, Erkenntnisse, Aktionen: maschinelles Lernen und KI für Marketing-Analyse beschreiben wir, wie maschinelles Lernen Personalisierung im benötigten Umfang ermöglicht. Hier ein paar grundlegende Ideen für den Einstieg.

Nr. 1: Intelligente Segmentierung.

Marketing-Fachleute nutzen Kundendaten, um mit der richtigen Botschaft die richtige Personengruppe zu erreichen. Je mehr Kundinnen und Kunden einer Weitergabe ihrer Daten nicht zustimmen, desto schwieriger wird es, sie relevanten Segmenten zuzuordnen.

Maschinelles Lernen kann anonyme Aktivitäten analysieren, um Trends zu erkennen und die gewonnenen Erkenntnisse dazu zu verwenden, intelligente Segmente für personalisiertes Marketing zu schaffen. So lässt sich verhindern, dass potenzielle Kundinnen und Kunden ein suboptimale Erlebnis haben, wenn sie keine persönlichen Daten teilen.

Intelligente Segmentierung und Personalisierung erlauben es, selbst anonyme Personen mit punktgenau relevanten Botschaften zu erreichen. So könnt ihr das Vertrauen in eure Marke erhöhen.

Nr. 2: Weniger Abwanderung.

Kundinnen und Kunden geben Beziehungen zu Marken in der Regel nicht ohne Warnung auf. Für Marketing-Teams ist es jedoch nicht einfach, in einem Meer an Kundendaten potenzielle Warnsignale zu erkennen.

Doch auch hier kann maschinelles Lernen helfen. Algorithmen können eure Kundendaten analysieren, um Verhaltensweisen zu ermitteln, die auf eine Abwanderung hindeuten. Solche Erkenntnisse könnt ihr nutzen, um Probleme mit eurem Kundenerlebnis und Support zu beheben sowie gezielte Methoden zu entwickeln, um die betreffenden Kundinnen und Kunden in begeisterte Fans verwandeln.

Nr. 3: Verbesserter Lebenszeitwert.

Hätte euer Unternehmen lieber 100 loyale Kundinnen und Kunden, die immer wieder bei euch einkaufen, oder 1.000, die einmal kaufen und dann verschwinden? Die meisten Marketing-Fachleute würden sich wohl für die erste Option entscheiden. Die Pflege langfristiger Kundenbeziehungen erfordert weniger Ressourcen als die Akquise neuer Kundschaft. Zudem werden eure größten Fans die Arbeit für euch übernehmen, neue Kundinnen und Kunden für eure Marke zu gewinnen.

Intelligente Marketing-Analysen können dazu beitragen, eure wertvollsten Kundinnen und Kunden zu bestimmen und Wege zu finden, sie besser zu bedienen. Egal ob es darum geht, eine perfekte Upselling-Gelegenheit zu erkennen oder den richtigen Moment für den Versand einer personalisierten Nachricht zu ermitteln: Maschinelles Lernen kann euch die Erkenntnisse liefern, die ihr dafür benötigt.

Nr. 4: Höhere Conversion Rate.

Marketing-Fachleute sehen sich Conversion Rates in der Regel en masse an: Wie viele Personen haben sie erreicht – und wie viele von ihnen sind einen Schritt weiter gegangen? Das ist zwar sinnvoll, um den Gesamterfolg einer Kampagne zu ermitteln, erzählt aber nur die halbe Geschichte.

Ein Marketing-Team kann zum Beispiel eine hohe Conversion Rate beim Herunterladen eines bestimmten Ressource aufweisen. Es kann aber sein, dass nur ein geringer Prozentsatz der Personen, die die Ressource heruntergeladen haben, auch eine Demo anfordern. Bei einer anderen Kampagne mit einer niedrigeren Conversion Rate gibt es vielleicht einen höheren Prozentsatz an Conversions, die eurem idealen Kundenprofil entsprechen.

Mithilfe von maschinellem Lernen könnt ihr Conversions bestimmter Personengruppen – segmentiert nach Verhalten – bis auf die Ebene einzelner Kundinnen und Kunden analysieren.

Nr. 5: Kontextbasierte Personalisierung.

Im modernen Marketing geht es darum, der richtigen Person die richtige Botschaft zum richtigen Zeitpunkt zukommen zu lassen. Der letzte Aspekt ist vielleicht der schwierigste: Der „richtige Zeitpunkt“ ist ggf. nur wenige Sekunden lang (oder sogar noch kürzer). Solche Momente zu erkennen und darauf zu reagieren, bevor sie verstreichen, setzt übermenschliche Kenntnisse und Geschwindigkeit voraus.

Mit intelligenten Marketing-Analysen lassen sich solche Mikro-Momente erkennen und an ein automatisiertes System verweisen, damit die Erkenntnisse in Aktionen umgewandelt werden.

Eine Kundin, die auf ihrem Smartphone eure Mobile App installiert hat, läuft vielleicht in einer Stadt, in der sie noch nie war, an einem eurer Einzelhandelsgeschäfte vorbei. Echtzeit-Analyse kann das Verhalten erkennen und einen Workflow auslösen, sodass eine personalisierte Nachricht versandt wird, um die Kundin in der Stadt zu begrüßen. Zudem erhält sie einen Rabattgutschein sowie Empfehlungen für lokale Essens- und Unterhaltungsmöglichkeiten.

Aufbau eines Systems für intelligente Marketing-Analysen.

Die genannten Beispiele zeigen, wie maschinelles Lernen Marketing-Fachleuten Superkräfte verleiht, wenn es um Cross-Channel-Personalisierung im benötigten Umfang geht. Ihr braucht aber mehr als nur ein paar intelligente Algorithmen, um Menschen wirklich überall erreichen zu können.

Maschinelles Lernen für Marketing-Analysen ist Bestandteil einer Suite, die als Ganzes dafür sorgt, Daten zu konsolidieren, Erkenntnisse zu gewinnen und geeignete Maßnahmen zu ergreifen. Bei Adobe Experience Platform funktioniert das folgendermaßen:

• Adobe Real-Time Customer Data Platform erzeugt eine zentrale Sicht auf die Kundschaft, indem Daten konsolidiert und Kontoprofile generiert werden, die mit der Zeit automatisch aktualisiert werden. Mithilfe von integrierter Governance und Standardisierung werden Daten kanal- und systemübergreifend erfasst.
• Adobe Customer Journey Analytics analysiert Daten über verschiedene Kanäle hinweg, um aus dem Kundenverhalten nützliche Erkenntnisse zu gewinnen. Zu solchen Daten gehören Transaktionsdaten genauso wie Betriebsdaten – online und offline.
• Adobe Journey Optimizer setzt Erkenntnisse, die mit Customer Journey Analytics gewonnen wurden, praktisch um. Die Lösung umfasst Tools zur Orchestrierung und Automatisierung von Customer Journeys und kann auf Echtzeit-Verhalten, kontextuelle Änderungen sowie andere Signale reagieren.

Es gibt ein Multiversum an Daten. Marketing-Fachleute brauchen intelligente Analysen, um diese Daten in Erkenntnisse verwandeln und so für verbesserte Geschäftsergebnisse sorgen zu können. Lest unseren Leitfaden Daten, Erkenntnisse, Aktionen: maschinelles Lernen und KI für Marketing-Analyse, um zu erfahren, wie sich Everything Everywhere All at Once umsetzen lässt.