KI-Algorithmen: Wie Sie die User Journey durch Echtzeit-Personalisierung zieloptimiert steuern

Anbieter zum Thema

Computop Paygate GmbH

KNAPP AG

Marken-MEDIA Iji GmbH

Künstliche Intelligenz spielt im (Neuro-)Marketing eine immer wichtigere Rolle. Insbesondere beim Lead Nurturing können das Nutzerverhalten antizipierende, selbstlernende Algorithmen völlig neue Wirkungs- und Leistungsdimensionen erzielen.

KI-Algorithmen im Einsatz: Hochwertige Echtzeit-Personalisierungstechnologien, bei denen Machine Learning unter Anwendung von Deep-Learning-Netzwerken erfolgt, gelten als wegweisend bei der Optimierung der Customer Experience. Sie gestatten es, für jeden einzelnen Besucher der digitalen Touchpoints eines Unternehmens Produkt-Affinitäten, Kaufwahrscheinlichkeiten und Abwanderungsgefährdungen in Echtzeit zu ermitteln und darauf abgestimmte Marketingmaßnahmen unmittelbar auszuspielen.

Sie können in der Regel für jede Zielsetzung mit branchenindividuellen, auf den jeweiligen Use Case trainierten Algorithmen arbeiten, deren analytische und handlungsbezogene Leistungsstärke mit jeder Nutzeraktion (Klick, Interaktion, View etc.) zunimmt. Die Zeit und Intensität, mit der sich jeder einzelne Nutzer mit dem Content beschäftigt, spielen dabei eine wesentliche Rolle.

Neue Dimension der Customer Experience und neuer Wirkungsgrad der 1:1-Personalisierung mit KI-Algorithmen

Mit bisherigen Personalisierungsverfahren gelingt es, Interessenten bzw. Kunden im Moment ihrer Handlung optimal zu leiten. Marketer fragen sich jedoch zunehmend, welche konkrete Aktion der Nutzer als nächste durchführen und wie lange er in einer Session engagiert sein wird, um die User Journey in Bezug auf die zur Verfügung stehende Zeit und die voraussichtlich verwendeten Touchpoints optimal managen zu können.

Verfahren, die mit KI-Algorithmen der LSTM-Kategorie (Long short-term memory Networks) arbeiten, ermöglichen Unternehmen, die User Journey detailliert vorherzusagen und die Nutzer – Kunden wie Interessenten – conversionoptimiert zu steuern. LSTM-Algorithmen, die zur Gruppe der rekurrenten neuronalen Netzwerke zählen und aufgrund ihrer Komplexität für Echtzeit-Prognosen im Marketing in der Form bisher kaum genutzt wurden, kamen bislang primär in den Bereichen Schrift- und Spracherkennung zum Einsatz. Sie ermöglichen präzise Prognosen zu unmittelbar transaktionsrelevanten Einflussfaktoren wie z.B.

• wie lange der Nutzer noch auf der Website bleiben wird,

• wie lange es noch bis zu einer Conversion dauern wird,

• welche Seiten eines Webangebots der Nutzer als nächstes besuchen wird.

Mit dem Wissen um diese Faktoren können Marketer nun individuell, voll automatisiert und dynamisch die User Journey managen.

Use Case Next Best Action (NBA): The Next Big Thing

Die Hierarchie und Komplexität einer Website macht es Nutzern schwer, ihr gewünschtes Ziel leicht zu finden. Personalisierung kann dabei helfen.

Die "next best action" ist ein Angebot an den Nutzer, direkt zu einer oder mehreren Zielseiten innerhalb einer Website-Hierarchie zu navigieren, die wahrscheinlich die nächsten besten Schritte für ihn auf dem Weg zu einer effizienten Conversion sind.

Praxisbeispiel: Ein Automobilhersteller möchte den Absatz seiner Modelle steigern. Zum Zwecke der Optimierung seines Onsite-Marketing-ROI setzt er auf eine KI-basierte Vorhersage des Nutzerinteresses während der ersten Session, und keine reine Zielgruppenidentifikation. Hierfür kommen LSTM-Algorithmen im Rahmen der Echtzeit-Personalisierung zum Einsatz. Ziel ist es, mit ihrer Hilfe potenzielle Käufer an das Thema E-Mobilität heranzuführen und dadurch Zusatzverkäufe zu generieren.

Für einen Besucher der Hersteller-Website prognostiziert die im Rahmen der Echtzeit-Personalisierung zum Einsatz kommende LSTM-KI nun bereits nach dem ersten Seitenaufruf auf Basis seines Nutzungsverhaltens, für welche Inhalte er sich mit welcher Wahrscheinlichkeit interessiert.

Mit der Antizipation der nächsten Schritte und Touchpoints lässt sich jetzt eine individuelle Nutzerführung zur Kaufentscheidung mit einer hoch dynamischen und vollautomatisiert auf die individuellen Belange abgestimmten Kommunikation umsetzen. Inhalte werden dem Benutzer nur dann angeboten, wenn es wahrscheinlich ist, dass sie für ihn relevant sind und eine Conversion befördern.

Der Nutzer wird damit nicht länger intrusiv im Sales Funnel voranbewegt, sondern erhält jederzeit die relevanteste Botschaft und den richtigen Content am richtigen Touchpoint.

Das Ergebnis: Bereits während der Pilotphase konnte die Leadrate mehr als verdoppelt werden.

Fazit zu KI-Algorithmen

KI-Anwendungen mit den LSTM-Verfahren haben nicht nur eine signifikante Hebelwirkung bei der Effizienz der Conversion-Optimierung. Mit der Möglichkeit, jedem einzelnen Besucher an jedem digitalen Touchpoint exakt den Content zur Nutzerführung bereit zu stellen, der ihn in diesem Augenblick tatsächlich interessiert – und zwar bevor er den Bedarf dazu selber formulieren könnte – schafft eine völlig neue Dimension der Customer Experience und erzielt einen bisher ungekannten neuen Wirkungsgrad von 1:1- Personalisierung.

Lesen Sie auch: Kundeninteraktion: Wie wird die Zukunft nach der Coronakrise aussehen?

Über den Autor: Gregor Wolf verfügt über mehr als 20 Jahre Erfahrung im Aufbau und der Skalierung von Unternehmen in der Digitalbranche. Vor seinem Einstieg bei Smart Digital war der Daten- und Marketingexperte Geschäftsführer der Experian Deutschland GmbH, einem der international führenden Cross Channel Marketing Spezialisten. Zu den weiteren Stationen seiner beruflichen Laufbahn zählen die Global Group, die Schober Information Group GmbH sowie United Internet Dialog, in denen Wolf jeweils Geschäftsführer-Positionen innehatte.