Künstliche Intelligenz (KI) im Lead Management: kurzfristiger Trend oder Technologie der Zukunft?

Machine Learning und KI dürften in Zukunft zu einem festen Bestandteil von Lead Management werden. Eine Uniserv-Studie zeigt, dass v. a. Marketing, Vertrieb und Kundenservice darauf setzen. Neben der Analyse des Kundenverhaltens und der Kundenloyalität sehen die Befragten dieser Studie KI insbesondere bei der Planung von Marketing-Kampagnen (84%) und im Lead Management (69%).

Was verbirgt sich hinter KI und Machine Learning?

Die gesamte Diskussion über KI in Marketing und Vertrieb eint die Vorstellung, dass sich Marketing-Software möglichst intelligent verhält und sich mit der Zeit weiterentwickelt, um immer bessere Ergebnisse zu erzielen. Obwohl breit diskutiert, ist nicht immer ganz offensichtlich, was mit KI eigentlich gemeint ist. Meist handelt es sich eher um Spielarten von Machine Learning: Dabei erstellen statistische Modelle auf Basis von Vergangenheitsdaten Prognosen für die Zukunft. Einen Schritt weiter geht Deep Learning, das menschliche Denkstrukturen imitieren und entsprechende Modelle mit statistischen sowie mathematischen Daten für punktgenaue Prognosen anreichern möchte.

Hohe Datenqualität als Voraussetzung für Machine Learning

Mit Machine Learning sollen im Lead Management geschäftsreife Kontakte intelligent ermittelt werden. Grundlage für den Input von Machine-Learning-Modellen sind strukturierte und vollständige Daten. Beispiel „Alter“: Machine-Learning-Modellen genügt das Geburtsdatum nicht; benötigt wird das Alter als Jahreszahl. Mit einer API Middleware können solche und vergleichbare Daten synchron gehalten und Datensätze vervollständigt werden. Auf dieser hochwertigen Datenbasis können Machine-Learning-Modelle ihre Prognosen erstellen.

Predictive Analytics – Blick in die Zukunft dank Machine Learning

Mit Machine Learning sollen Vertriebsprozesse automatisiert und auf einer neuen Qualitätsstufe eingesetzt werden. Die Prognosen der Machine-Learning-Modelle sind wesentlich präziser als im klassischen Lead Management, dass v. a. auf einfachen Wenn-Dann-Regeln beruht. Im Rahmen dieser Modelle werden auf das Ergebnis der Vorhersage die Einflüsse verschiedenster Faktoren abgeschätzt, etwa Käufe in der Vergangenheit, das Alter, Bewertungen oder Reklamationen. Mit all jenen Daten lassen sich hochwertige Score-Werte und bestenfalls Handlungsvorhersagen erstellen.

Die Zahl der Methoden und Modelle wächst unentwegt

Insgesamt existieren zahlreiche Machine-Learning-Methoden. Es ist es nicht unüblich, dass eine jüngere Methode mit neueren Daten bessere Prognosen liefern kann als bestehende Modelle. Daher werden die Modelle permanent weiterentwickelt, mit neuen Daten gespeist und neu gegeneinander getestet, um die Güte ihrer Vorhersagen zu steigern. Manchmal werden bestehende Modelle auch für andere Produkte überarbeitet. Nicht zuletzt kann mit Machine Learning die zunehmende Datenmenge gebändigt werden.

Machine Learning im Lead Management: Kurzfristiger Trend oder Technologie der Zukunft?

Mittlerweile widmen sich immer mehr Unternehmen dem Thema professionell. Beispielsweise Marini Systems, ein auf Vertriebstechnologien spezialisiertes Sales-Tech-Unternehmen. Mit seinen Softwareprodukten unterstützt Marini Systems ein ausgewähltes Partnernetzwerk beim Aufbau von integrierten Sales-Plattformen und bei der Steuerung von automatisierten Vertriebsprozessen über die eingesetzten Systeme hinweg. In enger Zusammenarbeit mit der Goethe-Universität Frankfurt am Main forscht das Team in den Bereichen Predictive Analytics, wobei der Fokus auf Maschine Learning und dabei auf dem Aufbau von Sales-Robots liegt.

Machine Learning im Lead Management kann von Unternehmen aller Größenordnungen eingesetzt werden. Ein-Mann-Unternehmer entledigen sich damit von der aufwendigen Kontaktanbahnung, KMU und Großunternehmen entlasten Marketing und Vertrieb. Mehr dazu beim Evalanche Gold Partner SiteBoosters! Der Beitrag ist im Original zuerst bei SiteBoosters erschienen!

Titelbild © Berya113 - Dreamstime.com