KI im Marketing – drei Beispiele aus der Praxis

Künstliche Intelligenz ist kein kurzfristiger Trend, sondern wird unser privates wie auch berufliches Leben maßgeblich verändern. Dabei ist KI keinesfalls neu – tatsächlich befasst sich die Wissenschaft  schon seit den 1950er Jahren damit. Doch von der innovativen Forschung bis zur Praxisrelevanz ist es oft ein langer Weg – meist werden erst dann konkrete Lösungen daraus, wenn sie wirtschaftlich relevant werden; sprich sich Geld damit verdienen lässt und ein echter Verbrauchernutzen daraus entsteht. Genau an diesem Punkt stehen wir heute im Bereich der künstlichen Intelligenz. Doch welchen konkreten Nutzen bringt KI nun für das Marketing?

3 Beispiele: Zusammenspiel von Daten und Technologie im Zeitalter der künstlichen Intelligenz

Das für Marken interessanteste Anwendungsfeld der künstlichen Intelligenz bietet das maschinelle Lernen. Denn damit haben Marketingentscheider die Möglichkeit, durch eine automatisierte Datenanalyse beispielsweise neue Umsatzpotenziale zu erkennen und zu erschließen. In Zeiten, in denen viele Marken in einer Wachstumskrise stecken, ist das ein echter Vorteil. Denn Marketer ertrinken heute fast in Daten. Sie haben in den vergangenen Jahren große Budgets investiert, um eigene Systeme wie Data-Management-Plattformen aufzubauen. Doch die Daten alleine bringen leider noch keinen Erkenntnisgewinn, wie auch eine aktuelle Studie der Agenturgruppe Wunderman aufzeigt: Demnach geben 62 Prozent der Marketingentscheider an, dass sie nicht in der Lage sind, aus den Daten Erkenntnisse oder konkrete Maßnahmen abzuleiten. Gleichzeitig sagen aber 99 Prozent, dass Daten über den Marketing und Vertriebserfolg entscheiden werden.

Und genau hier kommt nun die künstliche Intelligenz über maschinelles Lernen ins Spiel. Es geht nicht darum, viele oder die meisten Daten zu haben. Es geht um die richtigen Daten (First Party) und darum, Muster darin zu erkennen und für das Marketing nutzbar zu machen. Wie dieses Zusammenspiel von Daten und Technologie im Zeitalter der künstlichen Intelligenz im Marketing aussieht, zeigen die nachfolgenden Beispiele, die auf drei zentralen Methoden der KI bauen: Mustererkennung, Inhärenz und Klassifizierung.

Methode: Mustererkennung. Anwendung: Insights

Mit Hilfe der Mustererkennung können im Marketing Insights zu Zielgruppen erzeugt werden. Ein Beispiel, wie das in der Praxis aussieht, liefert die britische Hotelkette Jurys Inn. Sie konnte durch eine direkte Messung des digitalen Mediennutzungsverhaltens auf ihrer Website detaillierte Informationen zu ihren konvertierenden Nutzern erhalten. Diese umfassten neben demografischen Daten auch Informationen zu den Interessen der Zielgruppe, die anhand der Mustererkennung im Onlineverhalten konvertierender Nutzer aufgedeckt wurden. Dadurch erkannte die Hotelkette, dass es einen Zusammenhang zwischen einer Conversion und sportbezogenen Themen gab. Der genauere Blick auf die Daten zeigte, dass viele Nutzer auf der Suche nach Hotels in der Nähe von Sportstätten waren, in denen beispielsweise Premier League Fußballspiele stattfanden. Basierend auf diesen Insights erstellte Jurys Inn eine spezifische Sport-Site, die neben der Buchungsmöglichkeit von Hotelzimmern in der Nähe von Sportstätten und Stadien auch Informationen rund um den jeweiligen Sport bzw. die Sportevents enthielt. Durch diesen inhaltlichen Mehrwert sowie eine direkte Buchungsoption wurde der Buchungsprozess für die Nutzer vereinfacht und die Zahl der Conversions konnte deutlich gesteigert werden.

Methode: Inferenz. Anwendung: Prospecting

Eine zweite gängige KI-Methode, die im Marketing zum Einsatz kommt, ist die Inferenz, auch logische Schlussfolgerung genannt. Diese Methode kommt beim Prospecting – der gezielten Akquise von neuen Kunden – zum Einsatz.

Der Lieferdienst foodora setzte auf diese Methode im Rahmen seiner programmatischen Werbekampagne. Dem Unternehmen war es wichtig, in definierten Wachstumsmärkten nicht nur kurzfristig, sondern dauerhaft neue Nutzer zu erreichen und diese zu binden. Darum hat foodoras Marketingteam einen innovativen Marketingansatz gewählt: Neben der bereits laufenden Displaykampagne investierte das Unternehmen zusätzliches Budget, um in diesen Märkten sehr kurzfristig die Reichweite auszubauen und neue Kunden zu gewinnen. Anhand der Daten der konvertierenden Nutzern in den jeweiligen Märkten sowie einem KI-basierten Look-Alike-Modeling konnte der Lieferdienst neue Nutzer identifizieren, die nicht zur Kernzielgruppe des Unternehmens zählten. Dadurch ist es foodora gelungen, in wenigen Tagen über 3,7 Millionen hochrelevante Neukunden in den drei Märkten zu gewinnen – und zu halten. Denn auch nach dem kurzfristigen Kampagnenboost war in den drei Ländern ein Anstieg der täglichen Conversions um 69 Prozent zu beobachten.

Methode: Klassifizierung. Anwendung: Brand Safety

Ebenfalls eine wichtige KI-Methode im digitalen Marketing ist die Klassifizierung. Sie kommt bei einem für Marken wichtigen Thema, der markensicheren Auslieferung von digitaler Werbung, zum Einsatz. So kann die Technologie lernen, auf bestimmten Seiten keine Werbemittel auszuliefern. Hierzu liefert man zu Beginn Informationen und Daten, auf welchen Websites keine Werbung ausgespielt werden soll. Die künstliche Intelligenz beurteilt dann auf Basis der vorhandenen Daten, ob ein Umfeld als markensicher zu qualifizieren ist und unterbindet gegebenenfalls die Auslieferung von Werbung auf dieser Website. Die Klassifizierung als nicht markensicher kann beispielsweise über Merkmale wie Inhalte auf der Website vorgenommen werden. Nehmen wir das Beispiel einer Fluggesellschaft: Diese möchte keine Werbung in Umfeldern ausspielen, in denen es um Flugzeugabstürze oder Verspätungen geht. Aufgrund des Inputs ist die KI-Technologie in der Lage zu verstehen, dass sie nicht nur auf bestimmten Seiten keine Werbung ausspielen soll, sondern beispielsweise auch auf einer sonst sicheren Nachrichtenseite, auf der gerade eine News zu einem Flugzeugabsturz aufgegriffen wird.

Fazit

Die drei Anwendungsfälle zeigen, wie künstliche Intelligenz im Marketing schon heute Teil der Praxis ist. Sie hilft uns, Daten zu analysieren und sinnvoll zu interpretieren – in einer Schnelligkeit und Masse, die der Mensch nicht leisten kann. Wir müssen die Möglichkeiten von KI verstehen und lernen zu nutzen. Wenn uns das gelingt, haben wir die Chance, Prozesse zu vereinfachen, zu beschleunigen und mehr Zeit für kreativere und strategischere Aufgaben im Marketing zu investieren.