Praxisleitfaden für Künstliche Intelligenz in Marketing und Vertrieb (eBook)

Beispiele, Konzepte und Anwendungsfälle

Laurenz Wuttke (Autor)

eBook Download: PDF

2021 | 1. Aufl. 2021
XXII, 220 Seiten
Springer Fachmedien Wiesbaden (Verlag)
978-3-658-35626-2 (ISBN)

Infos

Dieser Praxisleitfaden des Daten-Experten Laurenz Wuttke zeigt, was der Einsatz von Künstlicher Intelligenz in Marketing und Vertrieb leisten kann. Systematisch und verständlich führt der Autor seine Leser durch die Zukunftswelt, in der Daten den Unternehmenserfolg bestimmen. Diese Welt ist digital, sie nennt sich Data Science. Sie besteht aus einem Code, dessen Anwendung eine individualisierte Kundenkommunikation und eine fortlaufende Skalierbarkeit ermöglicht. 

Schritt für Schritt erfahren Sie in diesem Buch, wie sich mit Künstlicher Intelligenz die Customer Journey beeinflussen, die Kundenkommunikation personalisieren lässt. Sie erfahren ebenso, wie Sie die Kosten senken, den Einsatz des Marketingbudgets optimieren und Umsätze um ein Vielfaches steigern können. Die Grundlage für diese fortschrittliche Kultur in Unternehmen bieten Daten und deren Entwicklung hin zu selbstlernenden Systemen.

Laurenz Wuttke teilt erstmals mit diesem Buch sein Know-how für KI-Anwendungen mit Unternehmen, Managern und Projektverantwortlichen. Er erläutert anhand von beeindruckenden Beispielen, wie die digitale Systeme funktionieren und bietet eine Roadmap vom Proof of Concept zum Regelbetrieb. 

Aus dem Inhalt

• Wie Künstliche Intelligenz unsere Kommunikation verändert
• Das Problem des klassischen Marketings und die Chance der Künstlichen Intelligenz
• So entsteht ein skalierbares Konzept für Personalisierung
• Künstliche Intelligenz in der Organisation verankern
• Viele Anwendungsfälle u.a. Next Best Offer, Kundensegmentierung, Churn Prediction oder Uplift Modeling 
• Zahlreiche Praxisbeispiele von führenden E-Commerce-Playern, Handel und Versicherungen bis zum mittelständischen Unternehmen 
• Herausforderungen und Grenzen von KI in Marketing und Vertrieb

Laurenz Wuttke ist Wirtschaftsinformatiker, Unternehmer, Dozent und Gründer der datasolut GmbH aus Köln. Er begleitet seine Kunden bei der Einführung und Anwendung von Methoden der Künstlichen Intelligenz im Marketing und Vertrieb - von der Entwicklung der KI-Strategie, über die Bestimmung der passenden Anwendungsfälle und Infrastruktur bis zur konkreten Programmierung. Dadurch sind seine Mandanten in der Lage, dem richtigen Kunden zur richtigen Zeit das richtige Angebot zu machen und so ihren Umsatz zu steigern. Sie entwickeln zudem ein besseres Verständnis für Ihre Kunden, können die Geschäftsbeziehung zu ihnen erfolgreicher ausbauen und länger halten.

Inhalt

Vorwort: Die Macht der Daten und der Künstlichen Intelligenz 5
Literatur 9
Inhaltsverzeichnis 10
Über den Autor 12
Abbildungsverzeichnis 13
Tabellenverzeichnis 19
1: Einführung: Künstliche Intelligenz verändert unsere Kommunikation 21
1.1 Unternehmen brauchen KI, um die Digitalisierung zu beherrschen 22
1.2 Der Weg zur Künstlichen Intelligenz in Unternehmen 29
1.3 Warum KI in die Kundenkommunikation gehört 32
1.4 Wie Amazon, Zalando und McDonalds die Welt durch ihre KI verändern 35
1.4.1 McDonald’s 36
1.4.2 Netflix 38
1.4.3 ABOUT YOU 39
Literatur 40
2: In digitaler Kommunikation mit dem Kunden 43
2.1 Die moderne Customer Journey und die Daten 44
2.2 Das Problem des klassischen Marketings und die Chance der Künstlichen Intelligenz 57
2.3 So entsteht ein skalierbares Konzept für Personalisierung 66
2.4 Das moderne Kontrollzentrum für Kundenkommunikation 70
Literatur 73
3: Künstliche Intelligenz verstehen und in der Organisation verankern 75
3.1 Wie Maschinen lernen: Einordnung von Künstlicher Intelligenz, Machine Learning und Deep Learning 75
3.1.1 Was ist Machine Learning? 77
3.1.2 Was ist Deep Learning? 79
3.1.3 Arten von Machine Learning 80
3.1.4 Von der Idee zur Machine-Learning-Software 90
3.1.5 Der Unterschied zwischen maschinellem Lernen und Softwareentwicklung 97
3.1.6 Herausforderungen von maschinellem Lernen und Data Science 100
3.2 KI-Plattformen und Architektur 105
3.2.1 Was ist eine Data-Science-Plattform? 105
3.2.2 Machine Learning Feature Store 110
3.3 Das richtige Team – Jobprofile für KI-Projekte 114
3.3.1 Data Engineer 114
3.3.2 Data Scientist 116
3.3.3 Machine Learning Engineer 117
3.3.4 DevOps Engineer 118
3.3.5 Domänenexperte 120
3.3.6 Chief Analytics Officer 120
3.4 KI in der Organisation verankern 121
3.4.1 Die Kultur und Organisation für erfolgreiche KI-Projekte in Unternehmen 121
3.4.2 KI in der Organisation konkret verankern 123
3.4.3 Center of Excellence 125
Literatur 127
4: Anwendungsfälle und Praxisbeispiele von Künstlicher Intelligenz im Marketing und Vertrieb 129
4.1 Der Kundenlebenszyklus 129
4.2 Transaktionale vs. vertragsbasierte Geschäftsmodelle 134
4.3 Kundensegmentierung – Kunden verstehen 136
4.3.1 Vorgehen bei einer clusterbasierten Kundensegmentierung 137
4.3.2 Datenaufbereitung für eine Kundensegmentierung 139
4.3.3 Tipps für die Umsetzung von clusterbasierten Kundensegmentierungen 141
4.3.4 Wann wird eine Kundensegmentierung eingesetzt? 144
4.4 Customer Lifetime Value vorhersagen 145
4.4.1 Moderne Customer-Lifetime-Value-Ansätze auf Basis von Künstlicher Intelligenz 146
4.4.2 Mögliche Ansätze zur Vorhersage des Customer Lifetime Value 149
4.4.3 Vorgehen und Prozess 153
4.4.4 Anwendungsfälle für den Customer Lifetime Value 156
4.5 Empfehlungssysteme 163
4.5.1 Arten von Empfehlungssystemen 165
4.5.2 Vorgehen und Prozess 173
4.5.3 Einsatzmöglichkeiten von Empfehlungssystemen 174
4.5.4 Herausforderungen bei der Entwicklung von Empfehlungssystemen 179
4.6 Affinitätsmodelle und Next Best Action zur Steuerung der Kundenkommunikation 181
4.6.1 Vorteile eines KI-basierten Kommunikationsansatzes 184
4.6.2 Entwicklung von Affinitätsmodellen 186
4.6.3 Anwendungsfälle für Affinitätsmodelle 190
4.7 Churn Prediction zur Vorhersage von Kündigungswahrscheinlichkeiten 196
4.7.1 Wie funktioniert Churn Modeling? 198
4.7.2 Die benötigten Daten für ein Churn Modeling 202
4.7.3 Herausforderungen beim Churn Modeling 205
4.8 Uplift Modeling zur Optimierung von Marketingmaßnahmen 206
4.8.1 Wie funktioniert Uplift Modeling? 207
4.8.2 Einsatzmöglichkeiten von Uplift Modeling im Marketing 209
4.8.3 Vorgehen und Kampagnendesign für Uplift Modeling 211
4.8.4 Herausforderungen bei der Umsetzung von Uplift Modeling in der Praxis 214
Literatur 215
5: Vom Proof of Concept zum Regelbetrieb 218
5.1 Strukturen und Kultur für den Erfolg von KI im Unternehmen 219
5.2 Vom Experiment zum Regelprozess 224
5.3 Make or Buy? Hilfestellung für KI-Projektverantwortliche im Marketing und Vertrieb 230
5.4 Herausforderungen und Grenzen von KI im Marketing und Vertrieb 234
6: Ausblick 237
Erratum zu: Praxisleitfaden für Künstliche Intelligenz in Marketing und Vertrieb 241
L. Wuttke, Praxisleitfaden für Künstliche Intelligenz in Marketing und Vertrieb, https://doi.org/10.1007/978-3-658-35626-2_7 241

Produkt-Details

• Erscheint lt. Verlag: 27.11.2021
• Zusatzinfo: XXII, 220 S. 82 Abb.
• Sprache: deutsch
• Themenwelt: Wirtschaft ► Betriebswirtschaft / Management ► Marketing / Vertrieb
• Schlagworte: Churn Prediction und Churn Prevention • Customer Journey und Touchpoints • Customer Lifetime Value CLV • Empfehlungssysteme • Handel und Künstliche Intelligenz • KI im Marketing • Kundenanalyse mit Einsatz der KI • Kundendatenmanagement • Künstliche Intelligenz im E-Commerce • Künstliche Intelligenz in der Versicherung • Machine Learning im Marketing • marketing ROI • Next Best Action für Kunden • Next Best Offer mit KI • Optimales Marketingbudget bestimmen • Vom Daten-Silo zum Daten-Lake
• ISBN-10: 3-658-35626-X / 365835626X
• ISBN-13: 978-3-658-35626-2 / 9783658356262