Sitemap

Eine Einführung in die künstliche Intelligenz im Marketing

Marketing mit künstlicher Intelligenz.Klingt schick.

Und das ist das Problem.

Der Begriff wird von Marketing-Gurus in Marketing-Tool-Werbetexten herumgeworfen und von den Medien hochgespielt.

Eine konkrete Definition ist jedoch schwer fassbar.

Für viele ist KI ein Rätsel, das von Schlagworten umgeben ist.

Aber die Ironie ist, dass, so sehr der Hype übertrieben hat, was KI in den nächsten Jahren leisten könnte, die Realität, wie KI bereits heute im Marketing eingesetzt wird, oft unterschätzt wird.

  • Facebook verwendet die Gesichtserkennung, um zu empfehlen, wen auf Fotos zu markieren ist.
  • Google verwendet Deep Learning, um Suchergebnisse zu ordnen.
  • Netflix verwendet maschinelles Lernen, um Empfehlungen zu personalisieren.
  • Amazon verwendet Natural Language Processing für Alexa.
  • Die Washington Post verwendet die Generierung natürlicher Sprache, um datengesteuerte Artikel zu schreiben.

Ihr Leben ist bereits maschinenunterstützt, und Ihr Marketing kann es auch sein.

Was ist künstliche Intelligenz?

Künstliche Intelligenz lässt sich am besten als Oberbegriff verstehen.

Es wird verwendet, um eine Reihe einzigartiger, aber verwandter Technologien zu beschreiben, die menschliche Fähigkeiten simulieren können.

Es ist keine einzelne magische Technologie, die alles kann.

Sondern eine Reihe einzelner Tools mit echten Fähigkeiten, die sich aber in unterschiedlichen Entwicklungsstadien befinden.

Von diesen verschiedenen Untergruppen der KI gibt es einige, die derzeit besonders für das Marketing geeignet sind.

  • Computer Vision, die KI das Sehen ermöglicht.Dies führt zu Objekterkennung, Gesichtserkennung und visuellem Zuhören in sozialen Medien.
  • Verarbeitung natürlicher Sprache (NLP), die es der KI ermöglicht, zu hören und zu sprechen – was uns Chatbots, semantische Analysen, Inhaltsgenerierung und Sprachsuchfunktionen bietet.
  • Maschinelles Lernen ermöglicht es der KI, mit Daten zu lernen, wie die Leistung bei einer bestimmten Aufgabe im Laufe der Zeit schrittweise verbessert werden kann, ohne dass explizit programmiert wird, was zu tun ist.Dadurch erhalten wir Inhaltsempfehlungen, Lookalike Audiences, programmatische Werbung und Lead-Scoring.

Die durch maschinelles Lernen bereitgestellte Fähigkeit zur Selbstverbesserung ist die wichtigste Teilmenge der KI für Vermarkter.

Automatisierung ist nicht gleich maschinelles Lernen

Vielleicht denken Sie, dass Sie diese ganze KI-Marketing-Sache abgedeckt haben, weil Sie ein teures Marketing-Automatisierungstool haben.

Lassen Sie uns eines klarstellen:

Automatisierung ist kein maschinelles Lernen.

Automatisierung ist eine Reihe von Anweisungen, die einer Maschine mitteilen, was zu tun ist, um ein bestimmtes Ergebnis zu erzielen.

Sie müssen noch Marketinglogik entwerfen und eingeben.

Durch maschinelles Lernen kann es sich aus Erfahrung verbessern, sodass die Maschine lernt, was zu tun ist, um das gewünschte Ergebnis zu erzielen.

Die Maschine beschränkt sich nicht auf die reine Ausführung, sie kümmert sich auch um die Optimierung.

Im Kern repliziert die Automatisierung, was Sie jetzt tun.Das spart Zeit, hat aber nur geringe direkte Auswirkungen auf die KPIs.

Andererseits spart Ihnen maschinelles Lernen nicht nur Zeit, sondern verbessert auch aktuelle Taktiken, um KPIs kontinuierlich zu steigern.

Warum nutzen wir diese Technologie nicht?

Werfen wir einen Blick auf die vier wichtigsten Gründe, warum Marketer zögern, KI-Anwendungen einzuführen, und wie man sie überwindet.

Grund 1: Mangel an technischen Fähigkeiten

Obwohl viele Vermarkter das Gefühl haben, dass ihnen die technischen Fähigkeiten fehlen, um KI einzuführen.

Dies muss nicht der Fall sein.

Die Realität ist, dass Sie bereits alles wissen, was Sie brauchen, um loszulegen.

Es gibt einen Unterschied zwischen der Forschung zum maschinellen Lernen, bei der es darum geht, bessere Algorithmen zu entwickeln, und die das Vorrecht von Datenwissenschaftlern ist, und dem angewandten maschinellen Lernen, bei dem Algorithmen zur Lösung von Geschäftsproblemen verwendet werden, was genau das ist, was Marketingfachleute tun müssen.

Denken Sie so darüber nach:

Möglicherweise verstehen Sie die Wissenschaft hinter der Funktionsweise einer Mikrowelle nicht vollständig.Aber das hindert Sie nicht daran, es zum Kochen zu verwenden.

  • Unternehmen ohne Data Scientists können immer noch die besten Daten (beste Zutaten) auswählen.
  • Setzen Sie diese Informationen in Open-Source-Algorithmen (die Appliance) ein.
  • Um Modelle (die Rezepte) zu erstellen.
  • Das produziert Vorhersagen – a.k.a., erlässt Marketingtaktiken (das Gericht).
  • Deren Qualität können wir durch Testen (Verkostung) beurteilen.

Und wenn das Gericht nicht schmeckt, können Sie das Rezept ändern, einen Herd kaufen oder Zutaten von besserer Qualität erhalten.

Sie werden kein besserer Koch, wenn Sie mehr über die Wissenschaft hinter der Funktionsweise einer Mikrowelle erfahren.

Sie werden kein besserer Vermarkter, indem Sie die Feinheiten der Datenwissenschaft erforschen.

Der beste Weg, Kochen zu lernen, ist, einfach anzufangen.

Der beste Weg für Marketingspezialisten, unser Größenproblem zu lösen, besteht darin, einen beliebigen Anwendungsfall von KI einzuführen.

Grund 2: Angst um unsere Jobs

Einige Teams wollen keine KI-Initiativen starten, da sie befürchten, dass dies die nächste industrielle Revolution auslösen und sie arbeitslos sein werden – das ruft natürlich viel Widerstand hervor.

Sofern Sie nicht planen, in den nächsten 5 Jahren in den Ruhestand zu gehen, wird künstliche Intelligenz Ihre Karriere im Marketing erheblich beeinflussen.Aber das bedeutet nicht, dass Sie durch einen Marketing-Roboter ersetzt werden.

Ihre Arbeit wird sich von der Ausführung sich wiederholender Aufgaben zur KI beibringen, diese Aufgaben für Sie zu erledigen.

So können Sie Ihre Zeit wieder in Kreativität und Strategie investieren.

Aber was beinhaltet eigentlich das Lehren einer KI?

Weil es sehr technisch klingt.

Die häufigste Trainingsmethode für Anwendungsfälle im Marketing ist überwachtes Lernen.

Dies beinhaltet zwei Phasen.

Der erste ist der anfängliche Lehrprozess.

Angenommen, Sie haben 1 Million Kundenbewertungen.

Kein Mensch könnte sie alle lesen, also sollten Sie maschinelles Lernen verwenden, um die Stimmung zu verstehen und die Bewertung als positiv, neutral oder negativ zu klassifizieren.

Um dies zu erreichen, nehmen Sie eine Stichprobe dieser Bewertungen und kennzeichnen Sie jede mit einer Ihrer drei Klassifizierungen.

Geben Sie diese Trainingsdaten dann in Ihren maschinellen Lernalgorithmus ein.

Je mehr Daten es hat, desto besser kann es Muster erkennen und mit der Zeit desto zuverlässiger kann es die Stimmung von Bewertungen selbst einordnen.

Um seine Fähigkeiten zu testen, anstatt es mit beschrifteten Daten zu füttern, geben Sie die Rohdaten ein und bewerten Sie die Qualität der Ergebnisse.

Wenn Sie den anfänglichen Lernprozess gut durchgeführt haben, kann er häufig bereits einen großen Teil der Daten richtig klassifizieren.

Und Sie können zur zweiten Phase übergehen; den laufenden Lehrprozess.

Wo Sie regelmäßig alle Fehler neu kennzeichnen würden, um dem Algorithmus beizubringen, was er falsch gemacht hat, damit er sich kontinuierlich verbessern kann.

Möglicherweise haben Sie bereits Algorithmen unterrichtet, ohne es zu wissen.

Wer hat ein bildbasiertes Google-Captcha ausgefüllt, eine E-Mail als kein Spam markiert oder in einem Facebook-Post Fake-News markiert?

Durch jede dieser Aktionen haben Sie die manuelle Überprüfung bewiesen, Labels hinzugefügt und die Algorithmen gelehrt.

Stellen Sie sich die Einführung eines maschinellen Lernalgorithmus wie die Einstellung eines neuen Junior-Vermarkters vor.

Der Tag, an dem Sie an Bord gehen, ist der schlechteste Tag, den es jemals geben wird.

Es wird die Arbeit erledigen, aber es wird Fehler machen, also müssen Sie die Ergebnisse überwachen und bei Bedarf korrigieren.

Je länger es funktioniert, desto besser wird es und desto mehr Zeit müssen Sie in die Skalierung anderer Marketingkanäle investieren.

Aber im Gegensatz zu Menschen erledigen Maschinen gerne für immer die gleiche, sehr enge Arbeit – sei es das Klassifizieren von Bewertungen, das Anpassen von Anzeigengeboten, das Posten in sozialen Medien oder das Prognostizieren von Wachstum.

Sie geben die Kontrolle über das Marketing nicht an eine Maschine ab.

Sie bringen ihnen bei, wie sie die benötigten Informationen sammeln oder wie sie ein bestimmtes Element Ihrer Marketingstrategie ausführen.

Und KI bietet eine ganz neue Skalierungsebene.

1 Million Bewertungen zu klassifizieren ist kein Problem für einen maschinellen Lernalgorithmus.

Darüber hinaus können aufgrund dieser Größenordnung Erkenntnisse gewonnen werden, die sonst nicht verfügbar wären.

Entscheidend für den Erfolg ist, was Sie mit diesen Erkenntnissen tun.

Auf diese strategischen Fragen sollten Marketer ihre Zeit verwenden.

Grund 3: Investition von Ressourcen und Budget

Führungskräfte sind oft besorgt über den Implementierungsaufwand und die Kosten für KI-Anwendungen.

Der beste Ausgangspunkt ist also nicht, nach mehr Budget und Ressourcen zu fragen, sondern sich selbst zu fragen, ob Sie das, wofür Sie bereits bezahlen, voll ausschöpfen?

Berücksichtigen Sie die KI-Fähigkeiten Ihres aktuellen Marketing-Toolsets.

Plattformen zur Marketingautomatisierung wie HubSpot, CRMs wie SalesForce und Werbetools wie Google Ads und Facebook Ads haben alle KI in ihre Systeme integriert.

Wenn Sie Kunde einer dieser Lösungen sind, können ihre Support-Teams eine wertvolle Ressource sein, um mit der KI-Implementierung Ihres Unternehmens zu beginnen, da Sie von ihren Erkenntnissen und Erfahrungen lernen können.

Es ist eine großartige Möglichkeit, mit dem Aufbau Ihrer Teamkompetenz in KI-Anwendungen für geringe bis keine zusätzlichen Kosten zu beginnen.

Und was ist mit den KI-Fähigkeiten Ihres aktuellen Tech-Stacks?

KI-Technologien sind nicht kanalbasiert, sondern anwendungsfallbasiert.

Wenn Sie also eine Empfehlungsmaschine auf Ihrer Website haben, warum verwenden Sie nicht diesen maschinellen Lernalgorithmus, um die Personalisierung Ihrer E-Mail-Newsletter, Push-Benachrichtigungen oder Chatbot-Inhalte zu verbessern?

Sie können diese vorhandenen Technologien als Proof of Concept mit geringen Investitionen verwenden.

Wenn Sie also zusätzliche Ressourcen und Budgets anfordern, sind Ihre Führungskräfte bereits voll an Bord.

Wenn Sie nach einem neuen Tool suchen, hüten Sie sich vor Schlagworten.

Viele KI-Lösungen sind eigentlich gar nicht so intelligent.Auch wenn in der Produktbeschreibung die Worte „KI“ oder „Machine Learning“ stehen.

Einige Tools verwenden diese Begriffe schamlos, um alltägliche Automatisierungs- oder Targeting-Funktionen zu beschreiben.

Jetzt, da Sie ein tieferes Verständnis dafür haben, was KI wirklich ist, testen Sie diese Verkäufer auf Herz und Nieren.

Wenn der Anbieter die Funktionsweise der KI nicht im Detail erklären kann, kaufen Sie sie nicht.Wenn es zu gut erscheint, um wahr zu sein, kaufen Sie es nicht.

Weil es leider keine Marketing-KI-Plattform gibt, die alles ordentlich in einem einzigen monatlichen Abonnement bündelt.

Das liegt daran, dass KI in ihren Fähigkeiten begrenzt ist und speziell entwickelt werden muss, um ein genau definiertes Problem zu lösen.

Aus diesem Grund müssen Sie zuerst den richtigen Anwendungsfall auswählen, da wahrscheinlich jeder Anwendungsfall sein eigenes Tool benötigt.

Aber was Sie tun können, ist, Ihre eigene künstliche Intelligenz aufzubauen.

KI-Technologie wird erschwinglicher und zugänglicher, weil Unternehmen wie Google, Amazon, IBM und SalesForce ihre Algorithmen der Welt anbieten.

Einige Dienste von Drittanbietern sind Open Source, andere kostenpflichtig – aber alle bieten ein Sprungbrett, von dem aus Sie Ihre eigene Lösung anpassen können.

Vor allem, wenn sie Zugriff auf zusätzliche Datensätze bieten, um sie auf Ihre eigenen Daten von Erstanbietern zu legen und Ihre KI-Anwendung leistungsfähiger zu machen.

Grund 4: Qualität der Datenquellen

Die allerbesten KI-Tools und Talente der Welt werden keine Ergebnisse liefern, wenn Ihnen die wichtigste Komponente für maschinelles Lernen fehlt – hochwertige Daten zur Information des Lernalgorithmus.

Die Datenqualität ist wahrscheinlich die größte Herausforderung, der Sie bei der Implementierung von KI gegenüberstehen werden.

Wie eMarketer feststellt, sind Daten oft alt oder in Silos oder wir haben überhaupt nicht genug.

Und wir widmen keine Ressourcen, um dies zu beheben.

Das Problem ist, dass das Einspeisen schlechter Daten in einen guten maschinellen Lernalgorithmus nicht die richtigen Antworten liefert.

Ohne dieses Verständnis, dass Daten von entscheidender Bedeutung sind, werden Sie wahrscheinlich die KI für die schlechten Ergebnisse verantwortlich machen.

Es gibt Dinge, die wir Vermarkter tun sollten, um verwertbare Daten zu erhalten.

  • Wann haben Sie das letzte Mal ein Google Analytics-Audit durchgeführt?
  • Haben Sie strukturiertes Markup und Inhalts-Tagging implementiert?
  • Verwenden Sie Remarketing-Skripte, um mehr Benutzerdaten zu sammeln?
  • Unterstützen Sie die Erfassung von Daten, die zur Identifizierung von Benutzern über Geräte und Kanäle hinweg verwendet werden können, wie z. B. E-Mail-Adressen?
  • Haben Sie Ihre Marketing-Tools in Ihre Data Management Platform (DMP) integriert?

Sie müssen sich jetzt auf diese Bereiche konzentrieren, denn gutes KI-Marketing hängt davon ab, dass umsetzbare Daten strukturiert, durch eine gemeinsame Kennung integriert, reichlich vorhanden und (am wichtigsten) genau sind.

In die Zukunft schauen

Künstliche Intelligenz verändert das Verbraucherverhalten.

Verbraucher werden jeden Tag mit zu vielen Informationen konfrontiert.

Sie wollen keine Zeit damit verbringen, alle Optionen zu prüfen.Also delegieren sie.

Denken Sie darüber nach, was bereits von KI gesteuert wird.

  • Soziale Algorithmen beeinflussen, mit welchen Marken wir interagieren.
  • Digitale Karten bestimmen, welche Routen wir nehmen, oder schlagen Orte in der Nähe vor, die wir besuchen können.
  • Empfehlungsmaschinen prägen das Bewusstsein und beeinflussen den Kauf.
  • Eine KI kann sogar bestimmen, wen Sie heiraten.Basierend auf Ihrem Wischen nach links und rechts wählt der Algorithmus in Ihrer Dating-App Ihre Übereinstimmung aus.

Algorithmen werden durch Geräte wie digitale persönliche Assistenten zu den neuen Gatekeepern.

Und die Zukunft Ihres Unternehmens hängt von Ihrer Fähigkeit ab, die KIs zu beeinflussen, die den Menschen die Empfehlungen geben, wenn nicht sogar die ganze Entscheidung.

Denk darüber nach.Wenn ein Kunde sein Google Home oder Alexa auffordert, „mir Kekse zu bestellen“, entscheidet die KI über die Marke.

Sie müssen verstehen, wie diese Entscheidung getroffen wird.Behandeln Sie Algorithmen wie ein neues Publikum.Verstehe ihre Bedürfnisse.

Starten Sie die Vermarktung an Maschinen mit Maschinen.

Mehr Ressourcen:


Bildnachweis

Ausgewählte und In-Post-Bilder: Erstellt vom Autor, April 2020
Alle Screenshots vom Autor, April 2020