Wie Künstliche Intelligenz das Marketing beeinflusst

Mit enormen Tempo schreitet die Entwicklung in der Künstlichen Intelligenz (KI) voran. Ob Siri, Alexa oder die Assistenzsysteme wie Gesichtserkennung zum Entsperren des Handys: Die Geister scheiden sich nicht an der Frage ob, sondern höchstens wie KI unser Leben in Zukunft beeinflussen wird. Optimisten glauben, dass schon in wenigen Jahren autonome Fahrzeuge, intelligente Assistenzsysteme und smarte Nachrichtenbots unser Leben vereinfachen werden. Warner wie der Atomphysiker und Nobelpreisträger Stephen Hawking sorgen sich dagegen darüber, dass sich die Systeme verselbständigen können und eine eigene, quasi übergeordnete Form von Intelligenz erschaffen. Andere Skeptiker warnen eher davor, die Technik zu überschätzen: Künstliche Intelligenz ist begrenzt und kann Menschen nicht ersetzen. Derzeit sind autonome Systeme noch nicht einmal in der Lage, einfache Aufgaben so zuverlässig zu übernehmen, dass man sie vollständig an Maschinen übertragen könnte. So mag das autonome Auto zwar weit entwickelt sein, aber ist noch immer weit davon entfernt, auch nur auf Autobahnen - dem einfachsten fahrerischen Zustand - das Steuer zuverlässig und vollständig übernehmen zu können.

Für jede Sichtweisen lassen sich Belege finden: Als genau vor einem Jahr die Google  -Maschine AlphaGo   erstmals den weltbesten Go-Spieler besiegte, galt dies vielen als ein Beweis für den bevorstehenden Durchbruch. Allerdings: Auch wenn das Spiel hochkomplex ist, darf man nicht vergessen, dass die KI sich nur in einem System mit einem sehr eingeschränkten Set an Regeln beweisen musste, das sich zudem mittels mathematischer und analytischer Fähigkeiten beherrschen lässt. In der Interaktion mit Menschen - etwa im Straßenverkehr - sind dagegen soziale und emotionale Kompetenzen gefragt.

Hier liegen Defizite. Microsofts   Twitter-Bot Tay  gilt nach als prominentes Negativbeispiel. Binnen kürzester Zeit ließ er sich zu frauenverachtenden und rassistischen Äußerungen animieren, so dass die Entwickler schließlich die Notbremse zogen und das System abschalteten. Bislang lässt sich soziale Interaktion bestenfalls simulieren, wie Beispiele wie Siri & Co. zeigen. Wirklich umgehen können Maschinen damit kaum.

Was Künstliche Intelligenz im Marketing bewirkt

Die kurze Beschreibung zeigt bereits, wo die Stärken Künstlicher Intelligenz liegen: Immer, wenn rationale Entscheidungen gefragt sind und ein begrenztes Regelsystem existiert, können heutige KI-Systeme Erstaunliches leisten. Sie können sogar Regeln für Gefühlsäußerungen fassen und somit scheinbar menschliches Handeln verstehen. Nachfühlen können sie es aber nicht.

Die Stärke der Systeme liegt darin, Daten zu analysieren und Muster zu erkennen. Dadurch lassen sich Vorhersagen treffen. Mittels Machine Learning (siehe iBusiness: Megatrend Machine Learning - Wie Algorithmen E-Commerce und Marketing verändern) können die Systeme während dieses Prozesses intelligenter werden und neue Erfahrungswerte gewinnen. Es gibt allerdings eine sehr strenge Restriktion: Maschinen können lernen, dass sich Hautpflegeprodukte mit der Abbildung eines lachenden Babygesichts gut verkaufen. Sie können aber nicht verstehen, was diese Abbildung bei Menschen bewirkt. Während ein Mensch die Emotionen nachfühlen kann und intuitiv weiß, dass die Bild-/Produkt-Kombination funktionieren wird, braucht die Maschine eine vorgegebene Regel.

Auf ihre Weise können KI-Systeme aber das Marketing wesentlich unterstützen. Sie können Zusammenhänge entdecken und - wenn schon nicht kreativere - so doch effizienter, relevanter, personalisierter und passgenaue Werbung ausliefern.

Das kann KI in den einzelnen Marketing-Disziplinen leisten:

1. Media Planning und Programmatic Buying

Der gesamte Prozess des Media-Plannings wird durch Programmatic Buying umgekrempelt. Computer entscheiden, welcher Werbeplatz und -Penetration für den Advertiser am günstigsten ist. Die Gebotsstrategie kann in Sekundenbruchteilen angepasst werden und mittels Yield Optimization den Ertrag für alle Seiten optimieren.

Die Aufgabe ist komplex: Immer größere Teile des Kaufprozesses werden digital abgewickelt, die Nutzer wechseln dabei zwischen einer ganzen Reihe von Geräten hin und her. Für den Marketer ist es entscheidend, im richtigen Moment mit dem richten Angebot zur Stelle zu sein. Datenmanagement und -Analyse werden zu einer entscheidenden Stellgröße im Marketing - KI-Systeme können den Marketer unterstützen. Sie benötigen aber eine ganze Reihe weiterer Informationen:

2. Customer Journey, Attribution, Targeting

Um eine fundierte Media-Entscheidung abzuliefern, benötigen sie Wissen über den Kaufprozess. Die Systeme können dabei zugleich entscheidende Unterstützung bei der Customer Journey-Analyse leisten. Sie analysieren, welche Touchpoints von Nutzern besucht werden und welche Customer-Journeys sich daraus ergeben. Darüber kann die Attribution erfolgen: Jedem einzelnen Touchpoint wird in Bezug auf einen bestimmten KPI ein Wert beigemessen - etwa in Bezug auf Konversion oder Engagement (siehe iBusiness: Customer Journey Map - So optimieren Sie das Kundenerlebnis in einfachen Schritten).

Auf diese Weise lassen sich komplexe Marketing-Entscheidungen automatisieren: In Verbindung mit einem User-Tracking kann ein System blitzschnell eine valide Einschätzung abgeben, welche Marketing-Maßnahme bei einem Kunden mit dem vorliegenden Verhalten erfolgversprechend ist und wie teuer sie sein darf, damit der Advertiser einen positiven ROI erhält. In Verbindung mit Programmatic Buying lässt sich so in Echtzeit ein individueller Wert für den Werbeplatz bestimmen und eine Buchung vornehmen.

Im Prinzip folgt die Entscheidung dem Schema: Die Gebotshöhe muss geringer sein als das Produkt aus Gewinnmarge und Wertbeitrag des Werbemittels. Wobei sich der Wertbeitrag aus der individuellen Kaufwahrscheinlichkeit des Umworbenen und dem attribuierten Wert des Werbemittels in der Customer Journey zusammensetzt.

3. Ad-Optimierung und Ad Fraud

Auch wenn die Kreation von Werbemitteln ausgerechnet keine Stärke von KI-Systemen ist, können Computer eine entscheidende Rolle spielen, wenn es um die Optimierung geht. Multivariate Testsysteme benötigen zwar keine Intelligenz, solange die Ergebnisse statistisch relevante Unterschiede liefern. Wenn verschiedene Motive aber zu ähnlichen Ergebnissen führen, können KI-Systeme Muster finden, anhand derer sich Randbedingungen identifizieren lassen, die die Wirkung beeinflussen. Alter, Geschlecht, Uhrzeit, Kontext beeinflussen beispielsweise die Werbewirkung. Programmatic Creative (siehe iBusiness: Programmatic Creative - Warum das Onlinemarketing der Zukunft neuer Agenturen bedarf) hat sich dafür als Gattungsbegriff etabliert.

Eine weitere Optimierungsmaßnahme ist die Bekämpfung von Ad Fraud. Mittels KI lassen sich Kampagnen analysieren und verdächtige, vermutlich von Maschinen erzeugte Ad Impression markieren. Im Prinzip handelt es sich hier um einen Kampf Maschine gegen Maschine: Auch Betrüger setzen immer intelligentere Bot-Systeme ein, die die falschen Aufrufe möglichst gut tarnen.

4. Social-Media-Marketing: Die Bots kommen

Social Bots zählen schon heute zu wichtigen Multiplikatoren, die dafür sorgen können, dass ein bestimmtes Thema "Trending" ist. Von noch größerem Einfluss sollen Chatbots werden, wie sie Mark Zuckerberg vor rund einem Jahr auf der f8-Konferenz   vorgestellt hat. Mittels der dort präsentierten Technologie "M" können in Chats komplette Marketing-, Beratungs- und Kaufprozesse durchgeführt werden. Anstatt eine Reise, einen Ausflug oder einen Kinobesuch wie bisher zu planen, reicht es aus, einen entsprechenden Bot in die Unterhaltung einzubeziehen oder gezielt anzusprechen. Wie ein persönlicher Berater bezieht er aus der Unterhaltung die notwendigen Informationen.

Da bei dieser Marketingvariante Informationen geliefert werden, die explizit vom Nutzer angefordert wurden, kann eine hohe Akzeptanz erwartet werden - solange die Anfrage-Mechanik gut funktioniert. Bestehende Demo-Anwendungen leisteten oft kaum mehr, als bestimmte Stichworte und mehr oder weniger genau festgelegte Phrasen auszuwerten. Siri, Cortana und Alexa zeigen aber, dass KI-Systeme auch mit deutlich komplexeren Anfragen umgehen können. Es ist nur eine Frage der Zeit, bis wir deutlich ausgereiftere Chatbots sehen werden.

5. Suchmaschinenmarketing: SEO und SEA

Sprachassistenzsysteme, Chatbots und Suchmaschinen liegen nahe beieinander. Auch Siri und Co. benötigen einen Index, nach dem sie Anfragen beantworten können. Die Zahl der Sprachanfragen wächst durch die intensive Verbreitung von mobilen Endgeräten und Lautsprechersystemen kräftig - und damit auch die Zahl der Sprachausgaben. Schon dadurch verändern sich die Anforderungen ans Suchmaschinenmarketing (siehe iBusiness: Agenten-Optimierung als SEO-Nachfolger - So geht Optimierung für Siri & Co.).

Aber auch das klassische SEO wird durch KI beeinflusst. Google nutzt heute schon eine "RankBrain   ", um seinen Algorithmus zu verbessern. Anders als häufig dargestellt beeinflusst dieser jedoch (noch) nicht das Suchergebnis. Google nutzt das System bisher, um seltene oder neue Suchanfragen besser zu verstehen. "RankBrain" ist eher im Bereich Spracherkennung angesiedelt.

Es liegt aber nahe, dass mit Natural Language Processing auch die Qualität einer Website beurteilt werden kann. So ließe sich neben den bekannten Relevanzkriterien auch eine echte Inhaltsanalyse einsetzen, die berücksichtigt, ob auf der Website die gestellte Frage überhaupt behandelt und beantwortet wird.

Eine weitere Vorgehensweise könnte darin bestehen, eine KI gemeinsame Merkmale von Seiten mit hoher Reputation und solchen mit schlechter User-Bewertung suchen zu lassen. Beide Aufgaben sind von KI-Systemen zu bewältigen. Eine Inhaltsanalyse würde gerade Assistenzsysteme deutlich verbessern, weil es den Inhalt der Website auf das Wesentliche reduzieren kann.

6. Gegenstrategie im EMail-Marketing

Optimierung (Inhalt, Betreff, Versandzeitpunkt) und Personalisierung sind beim EMail-Marketing die wichtigsten Themen, bei denen KI helfen kann. Recommendations und das Testing spielen eine wichtige Rolle. Entscheidender ist aber vermutlich eine andere Entwicklung: Spam-Filter können mittels KI deutlich schärfer geschaltet werden. Für die EMail-Marketer hätte das vor allem positive Auswirkungen: Wenn unerwünschte Mails besser erkannt werden, steigt automatisch die Aufmerksamkeit für erwünschte Sendungen.

Die Ausgangssituation für seriöse EMail-Marketer wird sich daher eher verbessern. Umso härter sollten sie aber an ihrem Produkt arbeiten. Der Wert eines Newsletters, den ein Kunde mit Interesse empfängt und liest, wird in Zukunft noch weiter steigen.

7. Customer Experience: Markenerlebnis verbessern

Marketing ist nicht auf Werbung und Reklame beschränkt. Längst ist die Erkenntnis angekommen, dass jedes Produktdetail auf das Markenbild einzahlt. Das gesamte Kundenerlebnis, neudeutsch: die Customer User Experience, entscheidet. After-Sales-Service und Kundenbetreuung sind ein wesentlicher Faktor.

Zugleich ist Kundenservice aber ein besonders kostenintensiver Faktor: Echte Menschen müssen in einem Verhältnis von 1:1 mit echten Menschen sprechen. Lange Wartezeiten an der telefonischen Hotline frustrieren den Kunden ebenso wie endlose Weiterverbindungen, elendige Wiederholungen desselben Sachverhalts und unbefriedigende Lösungsvorschläge.

Künstliche Intelligenz ist derzeit weit davon entfernt, eine grundsätzliche Alternative zu bieten. Keinen Chatbot der Welt könnte man derzeit als Kundenberater auf die Welt loslassen - auch wenn manche Marketer davon träumen. Das Service-Erlebnis wäre desaströs. Mittels KI-Systemen kann ein bestehender Kundendienst aber seine Effizienz und Qualität deutlich steigern.

KI-Systeme können schriftliche Anfragen anhand einer Inhaltsanalyse vorselektieren, damit sie schnell den richtigen Ansprechpartner erreichen. Sie können prüfen, ob alle notwendigen Angaben bereits enthalten sind und die Daten selbstständig ergänzen, sofern möglich. Und die Rechner können anhand von Wissenssystemen bereits selbst Lösungsvorschläge unterbreiten. Zwar sollte man die Antworten nicht ungeprüft durch die Software verschicken lassen. Aber allein die Tatsache, dass der Software-Agent bereits mit Vorschlägen ausgestattet wird, die er nur noch überprüfen und gegebenenfalls ändern muss, beschleunigt die Arbeit ungemein.

Der Zeit- und Kostenvorteil kann an den Kunden in Form einer besseren Servicequalität weitergereicht werden.

8. Hyperpersonalisierung im Content-Marketing

Persönliche Interessen funktionieren besser als generelle Empfehlungen - das ist bei Content-Marketing nicht anders als im E-Commerce. Entsprechend gut funktionieren Recommendation Engines. Auch die Contentboxen, ohne die kaum ein journalistisches Online-Angebot mehr auskommt, sind Daten- und KI-getrieben.

In Zukunft wird ihnen aber noch eine weitaus wichtigere Aufgabe zukommen: Publisher sind immer stärker auf Social-Media-Reichweite angewiesen. Dort werden die Inhalte vollständig automatisiert von KI-Bots platziert. Je weiter die Publishing-Landschaft in Social-Media-Kanäle vordringt, desto einflussreicher werden diese Bots. KI entwickelt sich vom unterstützenden System zum wichtigsten Verkäufer, der entscheidet, wem er welche Inhalte präsentiert. Trifft das System die richtige Entscheidung, steigt die Reichweite. Liefert es unrelevante Inhalte, werden die Nutzer die Marke "entfolgen". Hyperpersonalisierung lautet das Stichwort. Umgekehrt kann das KI-System sogar bei der Redaktionsplanung helfen.

Vom Einzelkämpfer zum Teamplayer: So müssen Sie sich vorbereiten

Abseits der eingangs gestellten Frage, ob künstliche Intelligenz menschliche Fähigkeiten jemals ganz, teilweise oder gar nicht ersetzen wird, werden schon in naher Zukunft sehr viele Marketing-Disziplinen direkt durch die Weiterentwicklung von Künstlicher Intelligenz beeinflusst. Bleibt die Frage, was ein einzelnes Unternehmen tun muss, um sich im Wettbewerb zu behaupten.

• Kanäle integrieren, Insellösungen vermeiden
  KI-Anwendungen lassen sich nicht mal eben selbst entwickeln. Unternehmen sind darauf angewiesen, die Systeme großer Anbieter zu nutzen. Das bedeutet, dass die Marketing-Suites großer Hersteller wie Adobe  , Salesforce  , IBM   oder SAP/Hybris    an Bedeutung gewinnen. Sie spannen den Bogen am weitesten und verfügen daher am ehesten über die Datentiefe, um eine umfassende Customer-Journey-Betrachtung zu leisten. Das Nebeneinander verschiedener Marketing-Kanäle und -Tools mitsamt den damit verbundenen Datensilos, erweist sich dagegen als kontraproduktiv (siehe iBusiness: Online-Werbung: Welche Marketing-Suites zukunftsfähig sind.
  
  
• Plattform-Lösungen nutzen
  Wer eigene Anwendungen entwickeln will, sollte Plattformen der großen Anbieter wie IBM, Facebook, Google oder Amazon nutzen. Alle Hersteller bieten ihre Systeme als Cloud-Lösung, sodass sie flexibel eingesetzt werden können. Auf diese Weise bleibt die eigene Entwicklung agil. Die Entwicklung schreitet derzeit so schnell voran, dass nur auf diese arbeitsteilige Weise eine State-of-the-Art-Anwendung geschaffen werden kann. Die Zeit der Einzelkämpfer ist vorbei.
  
  
• Konsequentes Datenmanagement
  Viele KI-gesteuerte Systeme liegen nicht in der Hand des Marketers. Siri und Alexa sind Beispiele für Systeme, die komplett von Dritten gesteuert werden. Die Systeme können jedoch gezielt mit den passend aufbereiteten Daten gefüttert werden. Da sich die Anforderungen hierzu aufgrund der rasanten Entwicklung schnell ändern können, empfiehlt sich eine generelle Strategie: Ein strukturiertes Datenmanagement sorgt für hohe Flexibilität.
  
  
• Abhängigkeiten vermeiden
  Zugleich sollten die neu entstehenden Abhängigkeiten genau im Auge behalten werden. Einerseits können diese gegenüber bestimmten Anbietern entstehen, andererseits aber auch gegenüber einem Algorithmus. Gegen ersteres hilft es, jederzeit die Hoheit über die Daten und das Learning der Maschine zu behalten. Temporale Datenhaltung, bei der nicht ein bestimmtes Ergebnis festgehalten wird, sondern der aktuelle Zustand jedesmal aus der Abfolge der gesamten historischen Einzeltransaktionen neu errechnet wird, helfen dabei.
  
  Bei diesem Konzept wird beispielsweise nicht ein bestimmter Kundenstatus (etwa "VIP") gespeichert, sondern die Gesamtheit der Transaktionen, die zu diesem Status geführt haben. Der Status wird bei jeder Abfrage neu errechnet. Auf diese Weise bleibt die Rechengrundlage erhalten, mit der sich jederzeit ein anderes System füttern lässt.