Beyond Personalization KI im Marketing: Anomalien erkennen und Daten optimal nutzen

Anbieter zum Thema

Klinkhammer Intralogistics GmbH

Arvato Systems GmbH

Marken-MEDIA Iji GmbH

Marketingkampagnen auf vielen verschiedenen Kanälen produzieren Klicks und Konversionen, aber auch Kosten. Vor allem unbearbeitete Anomalien können teuer werden, denn sie bedeuten oft Umsatzrückgang. Künstliche Intelligenz kann hier Muster aufdecken und so manches mehr.

Künstliche Intelligenz (KI) ist erst seit einigen Monaten synonym mit generativen Modellen, die Texte, Bilder, Musik und sogar Videos produzieren. Allerdings gibt es auch andere Felder, in denen man mit KI im Marketing Zeit einsparen und effektiver arbeiten kann. Jeder, der einen Shop betreibt, weiß wie viele Daten regelmäßig anfallen, die man mit viel Zeitaufwand auswerten muss. Marketingkampagnen auf vielen verschiedenen Kanälen produzieren Klicks und Konversionen aber auch Kosten. 

Auf der Seite selbst laufen stündlich die Checkoutprozesse, der Traffic steigt und flaut wieder ab, unaufhörlich rattern Skripte und protokollieren die Daten. Diese können von Analysten tagtäglich in zahlreichen Berichten und Dashboards studiert werden, immer auf der Suche nach neuen Insights. Es ist viel Fleißarbeit, die dort verrichtet wird, wenn man bedenkt, dass es leicht über 100 Dimensionen gibt, nach denen man die Daten auswerten kann und je nach Shop auch nochmal ähnlich viele Metriken. Die wichtigsten Berichte und Dashboards im Auge zu haben, kann irgendwann lästig werden und man konzentriert sich nur noch auf die wichtigsten.

Kann eine Automatisierung der Software nicht das Auf­treten von auffälligen Vorkommnissen erkennen und diese entsprechend kommunizieren? Schon lange gibt es simple Alarmfunktionen, die reagieren, wenn Schwellwerte überschritten werden, oder wenn sich eine Metrik wie z. B. der Umsatz um einen festgelegten Prozentwert verändert. Das kann allerdings auch zu Fehlalarmen führen, zum Beispiel weil der Traffic und der Umsatz am Sonntag niedrig sind, und jeden Montag wieder kräftig an Fahrt aufnehmen.

Erweiterte Analyse durch umfassende Zeitreihenmodelle

Eine gute Alarmfunktion bildet ein Modell für eine Zeitreihe. Die Software lernt die saisonalen Effekte und Schwankungsbereiche kennen und kann eindeutiger sagen, ob wirklich ein außergewöhnlicher Ausbruch oder Einbruch vorliegt – ohne dass man die Bedingungen für einen Alarm genau festlegen muss. Ein gutes Analytics-System geht aber noch weiter. Es bildet Modelle nicht nur für den Umsatz, sondern für all möglichen Zeitreihen, lernt deren Saisonalitäten und Schwankungsbereiche und kann dann feststellen, ob sich in den vielen Daten, die oftmals ungesehen bleiben, nicht auch bemerkenswerte Dinge abspielen. 

In einem Bundesland wird beispielsweise vielleicht keine Werbung mehr ausgeliefert, daher ist nur dort der Umsatz eingebrochen – doch solange man nur den Gesamtumsatz anschaut, ist die Schwankung nicht auffällig genug. Die Bounce-Rate auf Apple-Geräten ist etwa hochgegangen, weil die Landingpage nicht mehr richtig gerendert wird, oder eine von vielen Marketingkampagnen konvertiert nicht mehr, weil die Landingpage nicht mehr funktioniert, oder ein ausverkauftes Produkt beworben wird. Dies sind beispielhafte Fälle, in denen die Schwankungen einer Gesamtmetrik versteckte, wissenswerte Details, Anomalien, erst offensichtlich werden, wenn man die Metrik herunterbricht – entlang der vielen verschiedenen Dimensionen.

KI im Marketing: Analyse von Anomalien und wiederkehrenden Mustern

Sobald eine Anomalie erkannt wird, entstehen zahlreiche Fragen, die geklärt werden müssen. Allen voran die Frage: Warum ist diese Anomalie aufgetreten? In solchen Fällen kann eine Künstliche Intelligenz (KI) unterstützen, da bestimmte wiederkehrende Muster existieren. Metriken stehen in Abhängigkeit zueinander oder beeinflussen sich gegenseitig. Zum Beispiel führen mehr User zu mehr Seitenaufrufen und betrachteten Produkten, welches für eine erhöhte Anzahl von Produkten im Warenkorb und abgeschlossener Bestellungen sorgt. Derartige Muster können automatisch analysiert und verfolgt werden. In einem anderen Beispiel ist der Umsatz von Interesse, der vom durchschnittlichen Warenkorbwert, der Anzahl der Erstbestellungen und der Anzahl der Folgebestellungen beeinflusst wird. Ein Rückgang der Erstbestellungen könnte auf eine mögliche Ursache hinweisen.

Die von der KI aufgedeckte Spur liefert bereits eine Erklärung für den auffälligen Umsatzrückgang und mögliche Ursachen. Moderne Analysesysteme, die eine automatisierte Kausalanalyse ermöglichen, erleichtern die Verarbeitung großer Datenmengen, mit denen einzelne Analysten oft an ihre Grenzen stoßen.

Analyse der Trafficquellen und Kausalerklärung

Um festzustellen, warum die Anzahl der Neubesuche abnimmt, können verschiedene Trafficquellen wie Direktzugriff, Verweisquellen, organischer oder bezahlter Traffic analysiert werden. Hier endet die Datenverfolgung. Dennoch liefert die von der KI aufgedeckte Spur bereits eine Erklärung für den auffälligen Umsatzrückgang und mögliche Ursachen. Moderne Analysesys­teme, die eine automatisierte Kausalanalyse ermöglichen, erleichtern die Verarbeitung großer Datenmengen, mit denen einzelne Analysten oft an ihre Grenzen stoßen. Obwohl mög­licherweise keine weiteren Informationen aus den erfassten Daten gewonnen werden können, ist es wichtig zu beachten, dass der Analyseprozess hier noch nicht abgeschlossen ist.

KI im Marketing: Erweiterte Funktionalitäten und Automatisierung für kontextbasierte Analysen

Ein Analysesystem kann nur auf die Daten zugreifen, die ihm zugeführt werden. Eine Eventdatenbank, in der relevante Events von auffälligen Wetterereignissen über Messen, große Sport­ereignisse, Social Media Trends und Erwähnungen in Zeitungsartikeln festgehalten wird, welche dann ebenfalls für die Erklärung einer Anomalie zur Verfügung stehen, ist eine großartige Ergänzung und erlaubt es noch mehr Kontext zu liefern. Neben der kausalen Erklärung von Anomalien, lassen sich in der Analyse noch weitere Aufgaben automatisieren, z.B. die Entdeckung von Segmenten.

Usergruppen, die eine überdurchschnittliche Konversions­rate oder einen überdurchschnittlichen Warenkorbwert aufweisen, sind immer ein Indiz für, dass mehr Menschen auf eine Website gelockt werden sollen. Dank des geografischen und technischen Targetings lassen sich User gezielt von Kampagnen ansprechen und eine automatische Analyse entlang dieser Dimensionen enthüllt die wichtigsten Zielgruppen. Eine Analyse entlang der Produktkategorien und Produkte gibt auch noch einen Hinweis, welche Inhalte vielversprechend sind. Eine Fleißaufgabe, die eine KI automatisiert erledigen kann. 

Darüber hinaus lassen sich noch die Kampagnen automatisiert auswerten und die KI im Marketing kann Empfehlungen geben, welche Ausspielungszeiträume und welches Targeting optimal sind. Dies sind Themen, die jenseits von generativer KI und Personalisierung, den Arbeitsalltag des Shop-Managements und deren Analysts vereinfachen und unsere Vision der Webanalyse der Zukunft treiben. Weniger Fleißarbeit, mehr Insight.