KI im Marketing: der Stand der Dinge 2022.

KI im Marketing: der Stand der Dinge 2022.

Technologien auf Basis künstlicher Intelligenz (KI) nehmen uns immer mehr Arbeit ab. Und eröffnet Unternehmen viele neue Spielräume. Wir zeigen Dir, wo KI im Marketing längst Großes leistet.

Die Entwicklung mehr oder minder sinnvoller Lösungen auf Basis von KI schreitet zügig voran. Zumindest in der Theorie. Selbstfahrende Autos sind noch weit vom Massenbetrieb entfernt. Doch selbst KI-Tools zur Bewältigung simpler Marketingaufgaben sind nicht so zuverlässig, wie es die Anbieter behaupten.

Werbeversprechen sind das eine – Praxistauglichkeit das andere. Für Dich stellt sich vermutlich die Frage, in welchen Bereichen es tatsächlich bereits nützliche Anwendungen gibt, die auch funktionieren. 

Definition

Künstliche Intelligenz (KI bzw. AI) ist ein Teilgebiet der Informatik und der Versuch, bestimmte Fähigkeiten und Entscheidungsstrukturen des Menschen nachzubilden. Da der Begriff nicht eindeutig abgrenzbar ist, betrachten wir drei für das Marketing besonders wichtige Teilgebiete: Machine Learning, Deep Learning und NLP.

Was ist maschinelles Lernen?

Wenn wir von KI sprechen, dann meinen wir normalerweise maschinelles Lernen. Der Begriff beschreibt ein Teilgebiet der künstlichen Intelligenz. Durch das Erkennen von Mustern in Datenbeständen sind entsprechende KI-Systeme in der Lage, eigenständig Lösungen für Probleme zu finden. Dazu greifen sie, ähnlich wie der Mensch, auf einen Erfahrungsschatz zurück. So wie zum Beispiel eine App, welche Dir auf Basis Deiner Vorlieben in der Vergangenheit, Kinofilme vorschlägt.

Deep Learning

Ein Teilgebiet des Machine Learnings ist unter dem Begriff Deep Learning bekannt. Maschinelles Lernen nutzt hierarchische Strukturen, welche an den Aufbau menschlicher Nervenzellen (Neuronen) erinnern. Künstliche neuronale Netze machen es möglich, eine Komplexität von bis zu hundert Millionen einzelnen Parametern und zehn Milliarden Rechenoperationen auf einmal zu verarbeiten. Das Problem: Die Entstehung des Outputs ist für den Menschen kaum noch nachvollziehbar.

Teilgebiete von KI

NLP (Natural Language Processing)

Natural language processing bzw. Computerlinguistik hat sich unabhängig von der KI entwickelt. NLP beschäftigt sich mit den Möglichkeiten, natürliche Sprache mithilfe von Algorithmen zu verarbeiten. Erst maschinelles Lernen verhalf NLP zu einem großen Entwicklungssprung, obwohl eingesetzte Algorithmen simpler gestrickt sind als traditionelles NLP. Sie beschränken sich darauf, Muster auf Wortebene zu identifizieren. Syntax und Semantik spielen dabei keine große Rolle mehr.

Formen des maschinellen Lernens

Im Allgemeinen werden drei Formen des maschinellen Lernens (Machine Learning) unterschieden

  1. Überwachtes Lernen
  2. Unüberwachtes Lernen
  3. Selbstverstärkendes Lernen

 

Die nicht überwachte Form des Machine Learnings wird üblicherweise dazu eingesetzt, versteckte Muster in großen Datenmengen zu identifizieren und sogenannte “Daten-Cluster” zu ermitteln. Dabei bleibt das Ergebnis stets offen. Man weiß also nie, was am Ende rauskommt.

Überwachtes Lernen bedeutet, dass ein KI-Modell bereits im Vorwege mit Daten trainiert wird. Zum Beispiel mit Bildern von Produkten verknüpft mit der zugehörigen Bezeichnung („Label“). Einmal angelernt, kann so ein Modell eigenständig Zuordnungen vornehmen. d. h. zum Beispiel Produkte anhand eines Fotos erkennen. Dabei helfen sogenannte Prospensity Models (prospense = neigen). Sie deuten an, wie wahrscheinlich der Eintritt eines bestimmten Ereignisses in der Zukunft ist.

Bestärkendes Lernen geht noch einen Schritt weiter. Man spricht hier von Systemen, die eigenständig eine langfristige Strategie erlernen. Dazu werden Agenten (eigenständige Softwareprogramme) darauf angesetzt, per Trial-and-Error zu erlernen, welche Folgen eine Aktion innerhalb einer bestimmten Situation hat.

Formen von Analytics

Im Marketing begnügt man sich meistens mit dem Betrachten der Vergangenheit. Im Fachjargon spricht man dann von Analytics bzw. Descriptive Analytics: Wer sind die bis dato ertragreichsten Kunden? Welcher Newsletter am besten performt? Wie groß sind die Akquisekosten? Alles schön und gut. Doch inwiefern sind solche Erkenntnisse tatsächlich hilfreich, wenn die Realität komplex ist?

Predictive Analytics geht einen großen Schritt weiter, denn es wagt einen Blick in die Zukunft. Was für Kundensegmente gibt es noch? Welches Potenzial haben diese Segmente? Welche Stellschraube eignet sich am besten, um zum Beispiel die Akquisekosten zu verringern? Mehr über Predictive Analytics erfährst Du hier.

Prescriptive Analytics beschreibt die Zukunft quasi von der anderen Seite: Auf Basis eines gewünschten Ziels (zum Beispiel Kundenakquisekosten halbieren) ermittelt ein Algorithmus mögliche Handlungsoptionen – inklusive deren Eintrittswahrscheinlichkeit und möglichen Risiken. Prescriptive Analytics ermöglicht es folglich, Marketingprozess weitgehend zu automatisieren.

Arten von Analytics für KI im Marketing

Predictive und Prescriptive Analytics haben zwar einen unterschiedlichen Fokus, aber gehören für mich dennoch zusammen. Letztlich geht es ja immer um eine Vorhersage. Rein technisch gesehen ist der Unterschied ebenfalls marginal. Insofern gilt: Spreche ich von Predictive Marketing, umfasst das stets beide Ausrichtungen.

KI im praktischen Einsatz

Nicht überall, wo KI draufsteht, ist auch KI drin. Und für viele Aufgaben ist das menschliche Gehirn durch nichts zu ersetzen. (Zum Glück!)

Dennoch gibt es sie – Einsatzszenarien, in denen sich KI längst bewährt hat und regelmäßig Tausende Arbeitsstunden erspart.

Grafik- und Videoverarbeitung

Selbst einige Smartphone-Apps haben längst auf KI-basierende Eigenschaften. Diese nutzen sie zum Beispiel zum Freistellen von Grafiken, nachträgliches Animieren von Fotos oder zum Ersetzen von Gesichtern.

Synthetische Bilder

Synthetische Fotos oder sonstige Visuals voll automatisiert erstellen? Das ist mithilfe KI längst möglich. Abgesehen von der Entwicklung eines Logos gibt es dafür jedoch eher wenig sinnvolle Einsatzszenarien, oder?

Spracherkennung

Systeme zur Erkennung menschlicher Sprache gehören längst zu unserem Alltag. Und so nutzen wir sie, um Alexa oder Siri zu steuern. Oder um Texte zu diktieren, ohne selbst Hand anlegen zu müssen. 

Textproduktion

Für die automatisierte Produktion von Produktbeschreibungen und Meta-Descriptions werden KI-Tools längst eingesetzt. Die Ergebnisse können sich sehen lassen. Dennoch lassen sich Copywriter nicht durch derartige Werkzeuge vollends ersetzen. Insbesondere längere Texte müssen quasi immer händisch nachbearbeitet werden. Coypwriter schätzen es aber, dass die KI sie mit Formulierungsideen und Keyword-Phrasen versorgt.

Tagging

Das Verschlagworten von Texten, Bildern und Videos ist mit entsprechenden Systemen ziemlich ausgereift. Das kann überaus hilfreich sein, um große Mengen an Media Assets zu kategorisieren. Beispiel: TextRazor

Einsatz von Chatbots

Sogenannte Chatbots imitieren menschliche Intelligenz, indem sie Kundenfragen eigenständig interpretieren und beantworten. Zumindest in der Theorie. In der Praxis überzeugen sie längst nicht immer. Aber deren Entwicklung schreitet massiv voran.

Buyer Personas identifizieren

Mithilfe spezieller KI-Software lassen sich die wichtigsten Buyer Personas identifizieren. Inklusive allen wichtigen Metriken wie Umsatz, Kundenlebenszeit, Akquisekosten und so weiter. Beispiel: APG

Kaufwahrscheinlichkeit berechnen

Wie hoch ist die Wahrscheinlichkeit, dass ein bestimmter User zu einem bestimmten Zeitpunkt etwas kauft? Mit diesem Wissen lassen sich erfolgreiche Kampagnen  aufsetzen. Sowohl der Inhalt von Werbeanzeigen, Landingpages als auch der ideale Zeitpunkt für Push-Nachrichten (z. B. E-Mails). 

Preise optimieren

Die Kaufwahrscheinlichkeit hängt natürlich auch mit dem Pricing zusammen. Manche Unternehmen experimentieren deshalb bereits mit dynamischen Preisen. Entsprechende KI-Löungen helfen dabei. Beispiel: Yeldigo

Fazit

KI im Marketing hat viele Gesichter. Aber nicht alles funktioniert, wie es die Anbieter von Lösungen in ihren Hochglanzprospekten versprechen. Für einige Aufgaben sind KI und Machine Learning jedoch längst unverzichtbar. Vor allem bei der Bearbeitung von Grafiken und Videos.

Über den Autor
Über den Autor

Moin aus Hamburg! Mein Name ist Frank und ich beschäftige mich seit über 25 Jahren mit Content-Marketing, Automation, Analytics und Conversion-Optimierung.

Deine Kunden wollen partout nicht anbeißen? Gerne helfe ich Dir mit einem
kostenlosen Landingpage-Check.

Ergänzende Artikel