Fünf Beispiele für künstliche Intelligenz in Marketing und Werbung

Dieser Artikel von Applaunch (andoho GmbH i. Gr.) soll die große Schnittmenge von künstlicher Intelligenz (KI) und Marketing aufzeigen.

In den Interviews mit Forschern und Führungskräften, die das Unternehmen in den letzten drei Jahren durchführte, waren nur wenige Anwendungen für künstliche Intelligenz mehr verbreitet als Marketing und Werbung. Bei Gesprächen mit Führungskräften und Forschern aus Unternehmen wie Facebook, Baidu, IBM oder AT & T war das Marketing ein Dauerbrenner für KI-Anwendungen. Eine vollständige Liste der derzeit praktikablen KI-Marketing-Anwendungen wäre viel breiter, das Unternehmen möchte sich aber auf die beliebtesten Anwendungen im Marketing zu konzentrieren.

1.) Suche

Wer im Jahr 2005 einen E-Commerce-Shop durchsuchte, um ein Produkt zu finden, hatte wenig Glück, das gewünschte Ergebnis auf Anhieb zu finden, es sei denn, er wüsste wie das Produkt genau heißt. Die heutige Suche ist viel intelligenter und hilft nicht nur bei der Suche nach Informationen über Google, sondern auch bei der Suche nach den richtigen Produkten auf Webshops wie Amazon oder Target.com oder nach den richtigen Filmen auf Netflix u.ä.

Die Verbesserung für E-Commerce und Marketing hat sich aufgrund der gleichen zugrunde liegenden Faktoren verbessert, die die Suche insgesamt besser machten: Technologien wie Elasticsearch sind mittlerweile verbreitet und ermöglichen es kleinen E-Commerce-Stores, mehr zu suchen als nur Keywords zu vergleichen. Data-as-a-Service-Unternehmen, wie beispielsweise Indix und ähnliche Unternehmen, machen es einfacher als je zuvor, aus Suchdaten anderer größerer Quellen zu schöpfen und die eigene Online-Produktsuche zu füttern, ohne eigene Suchmodelle von Grund auf neu trainieren zu müssen. Andere Verbesserungen, zum Beispiel Software zur Erkennung häufiger Rechtschreibfehler, ist heute auch verbreitet und kann in Bezug auf Rechtschreibfehler je nach nach Kontext kalibriert werden. Beispiel: Season Cikets können als Dauerkarten verstanden werden, während Cikets allein schwieriger ohne den Kontext schwieriger zu interpretieren ist. Google hat gute Arbeit geleistet, indem es einige ihrer eigenen Suchverbesserungen und Entwicklungen in ihren »Inside Search«-Schriften vereinfacht und erklärt hat.

In Zukunft können Verbraucher erwarten, dass mehr und mehr E-Commerce-Websites in die Fußstapfen von Google und anderen treten, wenn sie Autosuggest, vorgeschlagene Korrekturen, erweiterte Suchoptionen und andere derartige Verbesserungen implementieren.

2) Empfehlungs-Engine

Empfehlungs-Engines werden von Kunden geschätzt. Amazons Buch- oder Produktempfehlungen sind hier hervorzuheben, Spotify kennt den Musikgeschmack de Nutzers besonders gut. Diese Art von Entdeckerhilfe unter den Millionen von verfügbaren Möglichkeiten macht sie für Unternehmen mit riesigen Beständen (sowohl digital als auch physisch) unverzichtbar.

Heutige ausgefeilte Online-Empfehlungen gehen weit über eine einfache, vom Menschen festgelegte Reihe von Richtlinien oder sogar eine einfache Reihe historischer Bewertungen anderer Benutzer hinaus. Eine Empfehlungsmaschine oder auch ein Empfehlungssystem kann aus einer Vielzahl nuancierter Daten wie Verhaltensweisen, Aktionen usw. Rückschlüsse ziehen. Netflix berücksichtigt nicht nur, welche Filme eine Person angeschaut hat oder welche Bewertungen sie diesen Filmen geben – sie analysieren auch, welche Filme mehrfach angeschaut, zurückgespult, schnell weitergeleitet usw. werden. Diese unzähligen Verhaltensweisen, korreliert und bewertet über Millionen anderer Benutzer, helfen, die besten Empfehlungen herauszubekommen.

3) Programmatische Werbung

Einfach ausgedrückt ist programmatische Werbung der automatisierte Prozess von Ein- und Verkauf von Werbeflächen. Dieser Prozess nutzt Technologien künstlicher Intelligenz und Echtzeitgebote für mobile, Display-, Video- und soziale Kanäle – sogar im Fernsehen.

KI-Technologien verfügen über Algorithmen, die das Verhalten eines Besuchers analysieren und Echtzeit-Kampagnenoptimierungen für ein Publikum mit höherer Konvertierungswahrscheinlichkeit ermöglichen.
Programmatischer Medienkauf umfasst den Einsatz von DSPs, SSPs und DMPs. DSPs (Demand Side Platforms), die den Kauf von Anzeigeninventar auf dem offenen Markt erleichtern, bieten die Möglichkeit, Ihre Zielgruppe aufgrund der Integration von DMPs (Datenverwaltungsplattformen) zu erreichen. DMPs sammeln und analysieren eine erhebliche Menge an Cookie-Daten, um es dem Vermarkter dann zu ermöglichen, fundiertere Entscheidungen darüber zu treffen, wer seine Zielgruppe sein könnte.

Das klassische Beispiel für programmatische Werbung ist die SEM-Werbung auf Kanälen wie Google (AdWords), Facebook und Twitter. Plattformen wie Google und Facebook haben den Standard für effiziente und effektive Werbung gesetzt – und es kann davon ausgegangen werden, dass diese Systeme immer benutzerfreundlicher werden, damit nicht-technische Vermarkter Kampagnen online starten, ausführen und messen können.

4) Marketingprognosen

Eine der einfachsten Marketinganwendungen für Business Intelligence-Daten besteht in der Fähigkeit, Vorhersagen zu unterstützen, die durch Entwicklungen in der KI wesentlich verbessert werden. Unternehmen wie Rapidminer, Birst, Sisense und andere zielen darauf ab, Industriestandards für Business Intelligence und Vorhersagen zu werden. Aufgrund des (in der Regel) hohen Volumens und der quantifizierbaren Natur von Marketingdaten (Klicks, Views, Time-on-Page, Käufe, E-Mail-Antworten, …) können Modelle oft viel schneller auf Marketingdaten trainiert werden als auf anderen Informationen als HR-Daten, Bestandsdaten, etc.

Die Möglichkeit, den Erfolg einer E-Mail-Kampagne oder einer Marketingmaßnahme vorherzusagen, kann Unternehmen helfen, ihre Marketingbemühungen kontinuierlich zu verbessern. Von den mehr als 2000 Marketing-Technologie-Unternehmen auf dem Markt (Stand 1/2018) beschäftigt sich ein Großteil mit Datenmanagement und Analyse. Wir können in Zukunft mehr von diesen Unternehmen erwarten und damit auch ausgefeiltere Marketingmaßnahmen von großen und kleinen Unternehmen, wenn diese Technologien sich verbessern und mehr »Mainstream« werden.

5) Sprache / Texterkennung (Conversational Commerce)

Noch vor drei bis vier Jahren hätte man behauptet, dass Chatbots und Spracherkennung zwar eine interessante Anwendung für künstliche Intelligenz darstellten, sich aber im Marketing oder in der Werbung noch immer nicht durchgesetzt hätten. Ab dem Jahr 2016 hat sich eine Welle von Srach- und Chat-Interfaces in die Marketingwelten Einzug gefunden und einige von ihnen waren vielversprechend. Hier sind ein paar Beispiele:

• Amazon Echo – Echo war ein bemerkenswerter Erfolg für das Internet der Dinge, vor allem für die Anwendung, Einkäufe einfach per Sprache mit der Maschine zu tätigen.
• Facebook Messenger – Mit dem Facebook Messenger können Nutzer die Online-Offline-Strategie für chatbasierte Einkäufe modellieren. Blumen können beispielsweise über den Chat bestellt werden.
• Baidus Duer – Baidus neuer Chatbot-Assistent ist in der Lage, Produkte innerhalb seiner Oberfläche zu bestellen.
• Andere – Google und (angeblich) Apple arbeiten an Echo-Wettbewerbern, und der Wettbewerb darüber, welche Marke zum Mittelpunkt des Smart Home wird, sollte sich als aufregend erweisen.

Während Chatbots und die Verarbeitung natürlicher Sprache noch nicht in die Marketingabteilungen der meisten kleinen Unternehmen Amerikas Einzug gehalten haben, machen die Anwendungen der größten Tech-Unternehmen von sich Reden und verdeutlichen, dass es einen größeren Trend für KI-Anwendungen gibt.

KI in Marketing und Werbung – Neue Möglichkeiten

Zwar gibt es Hunderte von potenziellen Anwendungen künstlicher Intelligenz in Marketing und Werbung, die folgende kurze Liste zeigt nur einige der Möglichkeiten auf, die das Unternehmen für aufregend und in der kommenden halben Dekade für durchführbar hält:

• Bilderkennung / Machine Vision: In naher Zukunft könnten Verbraucher im Web oder auf dem Handy Produkte oder ähnliche Produkte mit Bildern suchen, zum Beispiel mit dem Foto eines Schuhs, den Sie kaufen möchten. Einige Unternehmen wie CamFind experimentieren bereits in diesem Bereich.
• Kundensegmentierung: Unternehmen wie AgilOne ermöglichen Vermarktern, die Kommunikation per E-Mail und über die Website zu optimieren sowie kontinuierlich vom Nutzerverhalten zu lernen (eConsultancy).
• Content-Generierung: Bereits heute, so die Information des Unternehmens, wird ein großer Teil der Sport- und Finanzartikel von Maschinen geschrieben wird, nicht von Menschen. Hier wird noch mehr erwartet. Unternehmen wie Automated Insights und Narrative Science sollen Wege gefunden haben, bestimmte Informationen (dir Ressorts Sport und Finanzen sind mit Zeit- und nummerischen Daten übervoll) in menschenlesbare Artikel zu verwandeln, die manchmal nicht von denen zu unterscheiden sein sollen, die von Menschen geschrieben wurden. Zukünftig könnten Unternehmen Produktbeschreibungen und ganze produktbezogene Artikel verwenden, die vollständig maschinengeneriert auf Informationen über die betreffenden Produkte basieren.
• Die Personalisierung von Inhalten soll ebenfalls ein wichtiger Zukunftstrend sein. Als Begründung wird angegeben, dass Adobe und andere Unternehmen bereits mit diesem Feature konkurrieren.

Glossar der marketingbezogenen Künstlichen Intelligenz Begriffe

• Supply-Side-Plattform (SSP): Eine Software, mit der Werbung automatisiert verkauft wird. SSPs werden am häufigsten von Online-Publishern verwendet, um Display-, Video- und Mobil-Anzeigen zu verkaufen.
• Demand-Side-Plattform (DSP): Ein System, das es Käufern digitaler Werbeplätze ermöglicht, mehrere Ad-Exchange- und Datenaustauschkonten über eine Schnittstelle zu verwalten.
• Empfehlungs-Engine: Eine Empfehlungs-Engine ist ein Feature (kein Produkt), mit dem Elemente gefiltert werden, indem vorhergesagt wird, wie ein Benutzer sie bewerten könnte. Es löst das Problem, die vorhandenen Benutzer mit den richtigen Artikeln des massiven Bestands von Produkten oder Inhalten bekanntzumachen.
• Echtzeitgebote (Real-Time Biding, RTB): Bezieht sich auf den Kauf und Verkauf von Online-Anzeigenimpressionen durch Echtzeitauktionen, die in der Zeit stattfinden, die eine Webseite zum Laden benötigt. Diese Auktionen werden oft durch Anzeigenbörsen oder angebotsseitige Plattformen erleichtert

[via Open-PR]