6 zentrale Trends: So verändert Machine Learning das Marketing

Machine Learn­ing wird intel­li­gen­ten Bots, Soft­ware und Maschi­nen dazu ver­helfen, die Arbeitswelt und dabei nicht zulet­zt auch das Mar­ket­ing nach­haltig zu verän­dern. Durch diese Algo­rith­men wer­den sie selb­st­ständig ler­nen und sich verbessern. Stu­di­en zeigen, dass in der Folge bis zu 50 Prozent aller Job-Aktiv­itäten bess­er und schneller durch solche ler­nen­den Sys­teme übernom­men wer­den kön­nten. Im Mar­ket­ing bet­rifft das ins­beson­dere das Sam­meln und Ver­ar­beit­en von Daten.

Für Mar­keter bedeutet das: Sie wan­deln sich zum Kura­tor. Was heute noch mühevolle und oft­mals unkreative manuelle Arbeit ist, wird kün­ftig mehr und mehr von solchen Auto­mat­en übernom­men. Zugle­ich kön­nten sie durch die dig­i­tal­en Helfer an ihrer Seite neue Möglichkeit­en an die Hand bekommen.

Konkret sehe ich sechs wesentliche Trends beim Machine Learn­ing, die das Mar­ket­ing verän­dern werden:

Con­tent-Erstel­lung: Schon heute kön­nen wir durch Nat­ur­al Lan­guage Gen­er­a­tion (NLG) einen Daten­satz ein­fach in einen Fließ­text umwan­deln. Bei Adobe nutzen wir das zum Beispiel im Bere­ich Ana­lyt­ics: Anom­alien im Kun­den­ver­hal­ten oder andere wichtige Kenn­zahlen wer­den so nicht nur als Sta­tis­tik dargestellt, son­dern in einen Report in natür­lich­er Sprache umge­wan­delt. Noch einen Schritt weit­ergedacht, kön­nen solche Sys­teme im Mar­ket­ing selb­st­ständig Textvari­anten erstellen und automa­tisiert bes­tim­men, welch­es Word­ing am besten funktioniert.

Gen­er­a­tives Design: Nicht nur der Text, auch die Gestal­tung lässt sich über maschinelles Ler­nen wie von Geis­ter­hand verbessern. Let­ztlich wer­den diese Sys­teme gezielte Ange­bote passend zur Cus­tomer Jour­ney kreieren und laufend opti­mieren. Sie wer­den somit selb­ständig dig­i­tale Kun­den­er­leb­nisse erstellen und kön­nen in kürzester Zeit tausende oder gar Mil­lio­nen Ver­sio­nen testen. Schon heute kön­nen es Mar­keter einem Sys­tem wie Adobe Sen­sei überlassen, aus ihren Inhal­ten ein Kun­den­er­leb­nis passend zu ihren Zielvor­gaben zu erstellen.

Con­tent Tar­get­ing: Heute wer­den Anzeigen oft­mals nach ver­gle­ich­sweise prim­i­tiv­en Prinzip­i­en platziert und aus­ge­spielt. Oft sind passende Key­words der einzige Para­me­ter für die Anzeigen­platzierung. Das führt bisweilen zu bösen Überraschun­gen für wer­bende Unternehmen, wenn ihre Wer­bung neben unser­iösen oder extrem­istis­chen Inhal­ten erscheint – Stich­wort Brand Safe­ty. Eine kün­stliche Intel­li­genz inner­halb des pro­gram­ma­tis­chen Tar­get­ings kann durch eine seman­tis­che Analyse des Kon­textes sowohl das Wer­beum­feld als auch die Nutzer sehr viel tiefer­ge­hend ver­ste­hen. Das Tar­get­ing wird somit nicht nur sicher­er, son­dern auch effektiver.

Empfehlun­gen: Rel­e­vante Tipps für weit­ere Käufe oder für die Nutzung des Pro­duk­ts sind wichtiger denn je. Unternehmen wie Ama­zon, Net­flix oder Spo­ti­fy zeigen, wie entschei­dend eine rund­laufende Empfehlungs­mas­chine ist. Das his­torische Kun­den­ver­hal­ten und weit­ere Kon­textfak­toren wie Ort, Zeit­punkt oder demografis­che Infor­ma­tio­nen spie­len hier eine Rolle. In Zukun­ft wer­den viele weit­ere Organ­i­sa­tio­nen auf solche Werkzeuge zurück­greifen kön­nen, die dann dank Machine Learn­ing bess­er denn je ver­ste­hen, welche Empfehlun­gen ger­ade zu welchem Kun­den passen.

Kun­denseg­men­tierung: Unternehmen kön­nen heute bere­its ihre eige­nen Kun­den­dat­en um die Infor­ma­tio­nen ander­er Anbi­eter ergänzen. Durch Seg­men­tierungsal­go­rith­men erweit­ern sie ihr adressier­bares Pub­likum, indem sie automa­tisch Vorher­sagen für neue Kun­denseg­mente erstellen. Die Algo­rith­men nutzen dabei Looka­like Mod­el­lierun­gen, die neue Seg­mente mit den wichtig­sten Merk­malen der eige­nen Kun­den iden­ti­fizieren kön­nen. Das Unternehmen kann in der Folge seine Wer­bung auf diese vielver­sprechen­den Per­so­n­en konzentrieren.

Pre­dic­tive Ana­lyt­ics: Die aktuellen Bedürfnisse und Wün­sche der Kun­den zu ver­ste­hen, ist bei all­dem nur der Anfang. Bei Pre­dic­tive Ana­lyt­ics geht es im näch­sten Schritt darum, zukün­ftiges Ver­hal­ten vorherzusagen. Ein Beispiel: Man wird nicht mehr nur sehen, warum und wann ein Kunde das let­zte Mal mit einem Unternehmen in Kon­takt gekom­men ist, son­dern auch das näch­ste Mal abschätzen kön­nen. Auf diese Weise lassen sich Ressourcen intel­li­gen­ter zuord­nen und die Per­son­al­isierung weit­er verbessern: Der Kunde bekommt dann ide­al­er­weise bere­its die richtige Antwort, ohne überhaupt gefragt zu haben.

**Faz­it: Machine Learn­ing wird das Mar­ket­ing nach­haltig verän­dern
**Diese sechs Trends zeigen, welche Bedeu­tung das Machine Learn­ing in Zukun­ft für alle Beteiligten haben wird. Das Mar­ket­ing kann im Zuge dessen Kun­den­dat­en sin­nvoller und effizien­ter ein­set­zen. Zugle­ich kön­nte die Cus­tomer Jour­ney hochgr­a­dig per­son­al­isiert und mit hoher indi­vidu­eller Rel­e­vanz begleit­et werden.

Welche Rolle Kün­stliche Intel­li­genz für das kreative Arbeit­en ein­nimmt, erfahrt ihr hier: https://adobe.ly/2qAZfQ9