print logo

KI im CRM: Ändert sich alles?

Künstliche Intelligenz im CRM hilft dabei riesige Datenbestände zu bändigen und jedem Kunden das richtige Angebot zur richtigen Zeit zu machen.
Laurenz Wuttke | 07.08.2020
© Laurenz Wuttke
 

Gutes Customer Relationship Management (CRM) wird zunehmend für viele Unternehmen zu einer Herausforderung, denn Kundendatenbanken und Datenbestände sind groß und unübersichtlich. Die Beziehungen zu den Kunden zeichnen sich durch eine steigende Komplexität aus. Dabei befinden sich alle für die Optimierung des CRM erforderlichen Informationen direkt in der Kundendatenbank des Unternehmens. Doch viele CRM-Manager nutzen diese nicht und verschicken weiterhin allen Kunden ein Standard-Angebot.

Das nervt Kunden, führt zu Abwanderungen und verringert die Umsätze. Der Einsatz künstlicher Intelligenz (KI) bietet den Unternehmen mit ihren vielfachen Kundenbeziehungen immense Chancen für die Verbesserung des CRM. KI ist das benötigte Werkzeug, um mit den riesigen Datenbeständen effizient umzugehen und aus ihnen für die Verbesserung des CRM die richtigen Schlüsse zu ziehen.

CRM mit künstlicher Intelligenz optimieren

Künstliche Intelligenz verändert das CRM wesentlich. Unternehmen gehen individuell und personalisiert auf ihre Kunden ein und bauen so eine stärkere Bindung auf, als Unternehmen, die auf diese Strategie verzichten. Die KI hilft dabei, mit großen Datenmengen souverän umzugehen und jedem Kunden die passende Lösung anzubieten abseits von wenig effektiven Standardangeboten.

Für die KI bieten sich unzählige Punkte, wo sie mit der Analyse ansetzen kann. Kunden hinterlassen heute bei jeder Interaktion mit den Unternehmen verschiedene Daten. Der Einsatz von KI wie maschinelles Lernen ist ideal im Umfeld von Big Data, für die Optimierung von Prozessen im CRM und für die Erlangung eines tiefgreifenden Verständnisses des Kundenverhaltens und der Kundenwünsche.

Einer der entscheidenden Vorteile besteht in der Personalisierung der Maßnahmen im Marketing. Jeder Kunde erhält Angebote, die zum ihm passen und seinen aktuellen Bedürfnissen entsprechen und das zum richtigen Zeitpunkt über den geeigneten Kanal. Besitzt ein Unternehmen tausende Kunden, ist eine manuelle Umsetzung der Maßnahmen nicht mehr möglich. Hier kommt die KI ins Spiel.

Google hat in einer selbst durchgeführten Studie zeigen können, dass Experten für Marketing und CRM im Vergleich zu anderen Marketern in KI und Maschinenlernen doppelt so oft investieren. Das unterstreicht den Stellenwert, den künstliche Intelligenz in diesem Bereich einnimmt.

 

Das sind fünf der wichtigen Einsatzgebiete für KI im CRM

Wir geben hier einen Überblick über praktische Einsatzgebiete für KI im CRM moderner Unternehmen. Ähnliche Ansätze wie die beschriebenen verfolgen Unternehmen heute im Mittelstand ebenso selbstverständlich wie Konzerne.

 

1. Automatisierung der CRM-Prozesse

Viele Abläufe im CRM eignen sich für die Automatisierung. Mitarbeiter können viele Aufgaben abgeben und sich intensiver um Fragestellungen wie strategische Ausrichtungen kümmern, für die sie Zeitressourcen gewinnen. Voraussetzung dafür ist, dass die KI die Entscheidungsgrundlage im CRM liefert.

Google und das MIT haben ermittelt, dass 73 Prozent der Marketer, die in Maschinenlernen investiert haben, mehr als 10 Prozent ihrer Zeit auf strategische Fragen verlagern konnten. Die KI erlaubt es den Managern, ihre Zeit für wichtigere Aufgaben einzusetzen, denn strategische Entscheidungen haben langfristigen Einfluss auf die Umsatzgenerierung.

Die Erhöhung des Automatisierungsgrads bedeutet eine deutliche Effizienzsteigerung und die Fehlerquote sinkt im Kundenbeziehungsmanagement. Automatisierung macht das CRM also günstiger und es erhöht gleichzeitig die Qualität des Managements. Das ist ein wichtiges Argument für die Einführung von KI.

Maschinenlernen bietet die Möglichkeit, automatisch Muster in den verfügbaren Daten zu erkennen und daraus kundenindividuelle Strategien zu entwickeln. Das minimiert die Zahl manueller Eingriffe und senkt den Anteil menschlicher Arbeit.

Automatisierungen helfen bei der Analyse und unterstützen auch beim Sammeln und Zusammenführen der Daten. Letzteres ist heute nicht mehr so einfach wie früher, da die Zahl der Touchpoints zunimmt und die Marketer es mit immer mehr Datenquellen zu tun haben. Gleichzeitig steigen die rechtlichen Anforderungen an die ordnungsgemäße Datensammlung. Dank Automatisierung fällt es leichter, korrekte und tragfähige Lösungen umzusetzen.

 

2. Personalisierung der kompletten Customer Journey

Personalisierung bedeutet, dass die Unternehmen ihren Kunden Informationen zur Verfügung stellen, die deren Nutzungsverhalten, Interessen und Bedürfnissen entsprechen. Dazu setzen Marketer Maschinenlernen ein, um das historische Verhalten der Kunden zu analysieren und die entsprechenden Vorlieben und Präferenzen daraus zu ermitteln.

Manuell ist diese Herangehensweise nicht realistisch, zu groß sind die Datenmengen, die bei hunderten oder tausenden von Kunden und einer Vielzahl von zu berücksichtigenden Produkten anfallen. Menschen kommen hier an ihre Grenzen, KI ist für die Bewältigung von Big Data hingegen prädestiniert.

Das Ergebnis sind personalisierte Content- und Produktempfehlungen. Der Marketer verschickt keine Standardangebote, er trifft das Kundeninteresse präzise. Die hohe Relevanz der Angebote führt automatisch zu höheren Umsätzen und einem effektiveren Einsatz der Mittel.

Typisch ist neben dem personalisierten Produktempfehlungen der Einsatz von Chatbots, um in die individuelle und automatisierte Kundenberatung einzutreten. Der Chatbot ergreift bei Bedarf die Initiative und spricht den Kunden an und steht für dessen Anfragen rund um die Uhr zur Verfügung. Der Support skaliert mit der Größe des Kundenstamms.

 

3. Kundenbindung steigern

Die eingehende Datenanalyse führt zu einem besseren Verständnis des Kunden und schafft die Voraussetzung für die Erhöhung der Kundenbindung. Hierfür spielen die Vorhersageanalysen eine entscheidende Rolle. Das Unternehmen erkennt Bedürfnisse der Kunden frühzeitig und macht die richtigen Angebote zum idealen Zeitpunkt. Häufig kann das Unternehmen auf seine Kunden zugehen, noch bevor bei diesen eine Verhaltensänderung einsetzt.

Das hat einen starken Effekt auf die Kundenbindung, der Kunde fühlt sich verstanden und erkennt das Engagement des Unternehmens. Verbesserungen bringt KI auch für das Churn Management mit. Kundenbindungsmaßnahmen wie Angebote oder Vergünstigungen erfolgen rechtzeitig, um Abwanderungen zu vermeiden.

 

4. Kundenverhalten verstehen

Wer heute sein CRM erfolgreich betreibt, nimmt die datengetriebene Kundensegmentierung vor. Die Analyse berücksichtig alle vorhandenen Kundendaten wie die Demografie oder den Standort und alle anderen Daten, die das Kaufverhalten beschreiben. Das Stichwort ist hier die besonders mächtige Clusteranalyse.

Maschinelles Lernen erkennt Mustern in den Kundendaten und findet einzelne Kundensegmente, die sich untereinander deutlich unterscheiden, aber innerhalb eine sehr hohe Ähnlichkeit aufweisen. Diese registrieren subtilste Zusammenhänge, die dem menschlichen Betrachter verborgen bleiben. Damit lassen sich feinste Segmentierungen präzise ermitteln und die Marketingmaßnahmen daran ausrichten.

 

5. Steigerung von Kundenwert/CLV

Customer Lifetime Value Prognosen ist eine wichtige Aufgabe im CRM, die durch KI deutlich genauer wird, als durch klassische Methoden, die oft rein auf Annahmen basieren. Der CLV beantwortet, ob es sich um einen wiederkehrenden Kunden mit hoher Profitabilität wandelt oder um einen Gelegenheitskäufer, mit dem das Unternehmen geringe Umsätze erzielt. Dank der Analyse des Kundenverhaltens mittels künstlicher Intelligenz erhält der Marketer diese wichtigen Einblicke in den Kundenstamm.

Die präzise Bestimmung des Kundenwerts spielt für den Geschäftserfolg eine wichtige Rolle. Je mehr Daten zur Verfügung stehen und je gründlicher deren Analyse ausfällt, desto aussagekräftiger ist der ermittelte Kundenwert. Ein personalisiertes Kundenmanagement steigert den Customer Lifetime Value (CLV) und ermöglicht es, das Budget effizient auf die einzelnen Maßnahmen zugeschnitten für jeden Kunden zu verteilen.

Statt Geld mit der Gießkanne zu verteilen, ermittelt die KI den Kundenwert im Analysezeitraum präzise und sagt den zu erwartenden Kundenwert voraus.

 

Fazit

Mit KI erhalten die Unternehmen ein mächtiges Werkzeug für die Optimierung von Prozessen im CRM. Sobald der Kundenstamm eine gewisse Größe erreicht, sind individuelle Angebote mit einer manuellen oder rein durch den menschlichen Marketingmanager verantworteten Herangehensweise nicht mehr realisierbar.

KI ist damit eine Notwendigkeit und Chance zugleich. Alle Unternehmen gerade im Mittelstand sind dazu aufgefordert, sich dieser Herausforderung anzunehmen und KI im CRM einzuführen. KI erschließt neue Umsatzpotentiale, erhöht die Kundenbindung und senkt durch Prozessoptimierungen die Kosten. Die Einführung von solch datengetriebenen CRM Strategien ist eine der wichtigsten und größten Veränderungen im Bereich CRM, die wir bisher gesehen haben.