Reality-Check: Was KI im Marketing wirklich kann

Künstliche Intelligenz ist ein gewaltiges Versprechen, die an sie geknüpften Erwartungen sind förmlich für das Scheitern designt. Mittlerweile scheint die Zahl derer, die ein KI-Projekt an die Wand gefahren haben oder zumindest ernüchtert vom Gespräch mit einer Fachagentur zurückgekommen sind, zu wachsen, ebenso wie das Wissen um KI und ihre Begrenzungen. So hat Professorin Doktor Claudia Bünte, KI-Expertin an der Berlin University of Applied Science  , festgestellt, dass im regelmäßig von ihr erhobenen KI-Report 'Künstliche Intelligenz - die Zukunft des Marketings' ein Wert konstant bleibt: "Das Verständnis der Technologie verharrt seit mehreren Erhebungen auf denselbem Level. Der mangelnde Fortschritt könnte ein Indikator dafür sein, dass mit der Vertrautheit mit dem Thema auch das Bewusstsein wächst, wie limitiert doch das eigene Verständnis ist."

Neben der Strömung, in KI ein Zaubermittel zu sehen, das alles kann, gibt es noch eine zweite, gegenteilig aber ebenso weit verbreitete Art der Herangehensweise an KI: Angst. Viele Menschen fürchten das neue Tool: "Der Gedankengang dahinter ist oft: 'Ich war nicht gut in Mathe - deswegen bin ich ja ins Marketing gegangen - und nun muss ich auf einmal codieren können.'" Beide Auffassungen sind irrig. Doch was kann KI wirklich und was nicht?

Reality Check KI: Wann nutzt sie dem Unternehmen und was ist dafür notwendig?

Programmieren oder Codieren ist längst nicht mehr notwendig, um ein KI-Projekt anzupacken, die Zahl der SaaS-Lösungen wächst und auch der Komfort, mit dem sie zu bedienen sind:

• Für das Erstellen von Texten: Retresco   bietet KI-Lösungen zum automatischen Erstellen von Werbe- und journalistischen Texten. Die Lösung arbeitet mit Machine Learning und Natural Language Processing, ähnliche Produkte gibt es von Conversion Maker.
  
• Für automatisierte Werbewirkungsmessung im Pre-Test: Affectiva   misst die Werbewirkung eines Videoclips, indem die Gesichter der Betrachtenden gescannt werden.
  
• Für Social-Media-Optimierung: Keyhole analysiert, berichtet und verbessert Social-Media-Aktivitäten von Unternehmen mittels Machine- und Deep Learning.
  
• Für Kampagnenaussteuerung- und Performance-Management: Albert ist ein Software-Tool zur Planung und Durchführung von Online-Kampagnen.

Dies sind nur einige der Tools, die Bünte in ihrem Report vorstellt.

Doch schlüsselfertige Tools sind keinerlei Ersatz für eine gut strukturierte und strategische Herangehensweise. Selbst wenn ein Unternehmen einen gelungenen KI-Piloten hingelegt hat, kann alles beim Ausrollen der Technologie auf das gesamte Unternehmen in einem gewaltigen Flop enden. Weil die Unterstützung von oben fehlt. Weil die Mitarbeiterinnen und Mitarbeiter das Tool nicht akzeptieren oder weil es an Daten fehlt - alles Voraussetzungen, die in einem limitierten Test einfacher zu erfüllen sind als dann, wenn es wirklich ernst wird.

Zu einem gelungenen KI-Szenario gehört auch das Wissen darum, wofür KI nach aktuellem Entwicklungsstand überhaupt taugt und wo sie an ihre Grenzen stößt. Grundsätzlich würde Claudia Bünte das Marketing in fünf Aufgaben zerlegen, doch nur in drei davon sieht sie aktuell valide Anwendungsfelder für Künstliche Intelligenz:

1. Kunden verstehen - Anwendungsgebiet für KI
2. Strategien erstellen - Eher (noch) KI-inkompatibel
   
3. Produkte und Services entwickeln - Eher (noch) KI-inkompatibel
   
4. Werbung und Vertrieb Anwendungsgebiet für KI
5. Performancemanagement Anwendungsgebiet für KI

Bei den Kunden-Insights und vor allem in Werbung/Vertrieb existieren oftmals genug Daten, um eine KI aufzusetzen: Hier lässt sich mit AB-Tests optimieren, das Monitoring sozialer Netzwerke liefert Erkenntnisse. Dünn wird es allerdings im Performancemanagement und richtig finster bei der Strategieentwicklung: "KI ist Algorithmus, der lernt, sich korrigiert und aufgrund des Inputs sein DNA ändert", sagt Claudia Bünte. Bei einem derart komplexen Thema wie der Strategieentwicklung wären daher "die Strategien von Millionen Firmen weltweit nötig und deren Auswertung von einer KI, damit valide Ergebnisse herauskommen", und es erscheint zumindest zweifelhaft, dass eine solch enorme Zahl an Marken ihre Strategien zur Exegese durch eine KI freigibt.

Ein Erfolgsbeispiel: Der KI-gesteuerte Rabatt und welche Fallstricke man dabei umgehen muss

Ein gutes Beispiel für die gute Verwendung in Punkt 4, der Werbung und dem Vertrieb, gibt es in der Regulierung von Rabatten: "Frei nach dem berühmten Zitat über das verschwendete Marketingbudget lässt sich hier feststellen: Bestimmt die Hälfte aller Rabatte und Coupon ssind zum Fenster hinausgeworfen, Marken wissen nur nicht welche Hälfte", sagt Matthias Henrici von der auf Digitalisierung spezialisierten Agentur Safari Consulting  . Hier sieht er ein Verwendungsgebiet, das für KI prädestiniert ist. Jeder Online-Händler weiß, dass es mehrere Gruppen von Adressaten für Coupons gibt:

• NutzerInnen, die einen Coupon als Anregung wahrnehmen und dann auch einlösen
  
• NutzerInnen, die ein Coupon animiert, in den Shop zu gehen, die ihn aber dann nicht verwenden
  
• NutzerInnen, die ohnehin kaufen wollten, aber nun den unerwartet hereingeflatterten Coupon verwenden

Letztere NutzerInnen sollten keinen Coupon erhalten - und bei denen, die ihn als Ansporn zum Kauf sehen, lautet die spannende Frage, wie hoch der Rabatt eigentlich genau sein muss. "Das ist etwas, das kann ein Mensch ab einer bestimmten Zahl an Produkten und Teilnehmern nicht mehr als Optimierungsleistung stemmen", sagt Henrici. Ein klarer Fall für eine KI. Eine KI kann hier eine Optimierungssequenz entwickeln und die TeilnehmerInnen einer Kampagne optimal bespielen. Wenn man dann noch ein paar typische Fallstricke meidet und einige To-Dos beherzigt, kann KI enorm hilfreich sein bei der Steuerung einer Rabattkampagne.

Mitnahme-Effekte ausschließen: Man setzt die KI so auf, dass sie Nutzerinnen und Nutzer identifiziert, die einen Coupon nur verwenden, um die Marge eines ohnehin geplanten Kaufes zu reduzieren. Diese NutzerInnen werden gesperrt für eine Coupon-Ausspielung.
Singularitäten eliminieren: Datenausreißer dürfen nicht in die KI mit einfließen. Kauft der Durchschnittsnutzer für 30 und dann plötzlich jemand beispielsweise Blumenerde für 10.000 Euro, mag es menschlich faszinierend sein, herauszufinden, was ihn dazu veranlasste. Nüchtern und als Datensatz betrachtet hat dieser Nutzer bzw. diese Nutzerin aber rein gar nichts in der Kampagne zu suchen. Spitzen sind zu entfernen, die Daten sollten so nivelliert werden, dass sie ein grob einheitliches Niveau aufweisen. Auch ungewöhnliche Käufe können als Ausreißer im Datensatz die Performance der KI beschädigen: Das passiert etwa, wenn jemand Babynahrung für einen Freund oder Kollegen bestellt.
Weltgeschehen und Einflussfaktoren betrachten: Bricht auf einmal der große Run auf Mehl und Klopapier aus (wie während der Pandemie), so sind solche von externen Faktoren gesteuerten Käufe ebenfalls als atypisch auszuklammern. Sie haben nichts im Set-up der Kampagne zu suchen.
Vorsicht bei Kleinteiligkeit und jungen Zielgruppen: Der Coupon für den Becker Quark ist ebenfalls kompliziert. Je kleinteiliger das Produkt ist, desto weniger eignet sich ein solch schnell mal mitgenommener Artikel für die Integration in eine Rabattaktion. Auch junge Zielgruppen führen tendenziell zu höheren Fehlerquoten.
Menschliche Kontrolle und Stichproben: Man lässt die KI gewähren, aber unterzieht die Ergebnisse einer menschlichen Kontrolle. Das kann durchaus stichprobenartig geschehen, mittels Betrachtung einzelner Ergebnisse, bei denen man dann zu Fuß nachvollzieht, wie sie zustande gekommen sind. Lässt man der KI dagegen bei eben jener Rabattkampagne, die sie optimieren soll, freie Hand, dann kann es schnell zur Katastrophe kommen. Etwa wenn die KI merkt, dass ruinös hohe Rabatte gut konvertieren, muss man sie aktiv davon abhalten, die Marge zu zerschießen, nur um die Konversionen nach oben zu treiben.

Grundsätzlich muss man sich von der Illusion trennen, die Ausspielung von Werbebotschaften mittels KI sei 1:1-Kommunikation, sagt Henrici: "KI bedeutet nicht Produkt x an den spezifischen Kunden Y auszuspielen." Sie beruht auf Kohorten, denkt in Datenmengen: "Hyperpersonalisierung ist eine Chimäre, ein Fake - es ist einfach Unlogik zu denken, KI arbeite so."

Als finale Probe ist es auch sinnvoll, einfach mal klassische Systeme und Nicht-KI-Tools gegen die Künstliche Intelligenz antreten zu lassen: Oftmals kommen die bekannten Lösungen mit geringen Abweichungen zu gleichen Ergebnissen. Dann stellt sich die Frage, ob klassische Segmentierung und die Arbeit mit Statistik nicht ausreichen. "Eines Tages werden wir krasse Dinge mit KI tun können, aber noch ist es nicht soweit", sagt Henrici. Der Quantensprung wird erfolgen, wenn KI auf breiter Basis in der Lage ist, Unlogik und Abweichungen zu verstehen. Bei Übersetzungen ist das teilweise schon der Fall, etwa wenn ein Übersetzungsprogramm begreift, dass "der Wink mit dem Zaunpfahl" ein Sprichwort ist und kein Signal mit einem Begrenzungspfosten und nicht analog übersetzt werden darf. Im Marketing wird dies aber noch dauern.