Personalisierung - Mit Machine Learning das Kundenerlebnis verfeinern

Personalisierung – Mit Machine Learning das Kundenerlebnis verfeinern

08.03.2018

In der heutigen digital gesättigten Welt, ist Markenblindheit die Norm und Verbraucher werden mehr Werbung und Angeboten ausgesetzt, als sie verarbeiten können. Der Konsument erwartet daher relevante Inhalte. Marketingleiter stehen unter Druck, diese Erwartungen zu erfüllen: denn die Konkurrenz ist groß, die Kunden sind preissensitiv und ungeduldig. In der kurzen Aufmerksamkeitsspanne des Kunden stehen Vermarkter vor der großen Herausforderung , die Verbraucher mit ihren Werbebotschaften zu erreichen.

 

Das Internet wird daher mehr und mehr persönlich. Personalisierung ist für die Mehrheit der Marketer seit einigen Jahren schon ein zentrales Thema. Wir sind an einem Punkt angelangt, an dem die Personalisierung auf individueller Ebene stattfinden muss, um mit dem Publikum in Resonanz zu treten, ganz gleich, ob es sich dabei um ein individualisiertes Angebot oder eine individualisierte Werbebotschaft handelt.

 

Immer mehr Unternehmen machen daher Gebrauch von Machine Learning, um die Customer Experience zu optimieren.

 
 

Was ist Machine Learning?

 

Bei Machine Learning handelt es sich allgemein um den Erwerb von Wissen durch ein künstliches intelligentes System. Durch die Analyse von vorhandenen Daten generiert ein System selbstständig Wissen aus Erfahrung und entwickelt und optimiert sich eigenständig weiter.

 

Auch im Marketing findet Machine Learning bereits in vielen Gebieten Anwendung. Unternehmen aus allen Branchen können Machine Learning individuell für völlig unterschiedliche Zwecke einsetzen. Intelligente Algorithmen analysieren das Verhalten der Kunden und können so Angebote auf Kunden zuschneiden. Das Kundenerlebnis bestimmt die Kaufentscheidung mit und ist somit mitverantwortlich über den Erfolg und Misserfolg von Unternehmen.

 
 

Personalisierung durch Machine Learning Technologie

 

Ein manueller Ansatz für Personalisierung ist kaum machbar, da riesige Mengen an Daten in Echtzeit analysiert und bewertet werden müssen, weshalb Unternehmen zunehmend digitale Plattformen nutzen, um die Marketing Kommunikation zu personalisieren. Laut einer Studie von IDC (im Auftrag von Criteo) nutzen bereits 34% der Marketer Technologien, um Werbung und Inhalte persönlicher zu gestalten. Übliche Taktiken beinhalten Emails an Geburtstagen oder an anderen persönlichen Ereignissen, die Kommunikation von neuen Produkten basierend auf Kundenpräferenzen, die erneute Ansprache basierend auf individuellem Verhalten und Retargeting Kampagnen.

 

Insbesondere die folgenden Komponenten der Personalisierung kann Machine Learning erheblich ergänzen.

 

  • Verstehen

Bevor ein Online-Erlebnis, sei es der Besuch einer Website des Werbetreibenden oder Kontakt über einen externen Kanal, für einen Verbraucher individualisiert und personalisiert werden kann, muss der Vermarkter diesen Verbraucher verstehen: Wer ist er? Wo kommt er her? Was sind seine Vorlieben und Abneigungen? Was interessiert ihn in diesem Moment?

 

Um den Kunden genau zu verstehen, werden große Mengen an anonymisierten Daten über ihn gesammelt. Dazu zählen neben seinen bisherigen Kontaktpunkten mit der Marke bzw. dem Werbetreibenden auch der Kontext, in dem ihm die Werbung präsentiert wird. Diese Daten müssen an zentraler Stelle gespeichert und können mit weiteren Kundendatenquellen (z.B. CRM Daten) kombiniert werden.

 

Vermarkter müssen auf diese Daten in Echtzeit zugreifen und reagieren können, um den Verbraucher im richtigen Moment mit der Werbebotschaft zu erreichen. Machine Learning kann dabei helfen, die Kundendaten maßstabsgerecht zu vereinen, diese zu deuten und Rückschlüsse auf die Persona zu ziehen, z.B. ihre Interessen und Absichten. Mit diesen Insights weiß der Werbetreibende, wann ein Verbraucher für Werbung empfänglich ist und welcher Content in jeder spezifischen Phase seiner User Journey relevant ist.

 

  • Umsetzung

Nachdem der Werbetreibende eine Vorstellung darüber hat, wer seine Kunden sind und wonach sie suchen, kann er Werbebotschaften personalisiert in Form eines maßgeschneiderten relevanten Erlebnisses vermitteln.

 

Sobald der User mit einem Werbemittel oder anderem Content der Marke in Kontakt kommt, analysieren die Algorithmen alle relevanten Daten um die Kundenerfahrung zu personalisieren. Das hilft, dem User eine harmonische Customer Experience über seine gesamte User Journey hinweg zu bieten.

 

  • Lernen

Die letzte kritische Komponente der Personalisierung ist das Lernen. Nach jeder Werbekampagne muss diese auf ihren Erfolg überprüft werden. Hat die Kampagne beispielsweise einen Uplift in Bezug auf Engagement, Conversion Rate etc. bewirkt?

 

Machine Learning kann dabei helfen, zu vergleichen, wie eine Kampagne im Vergleich zu ihrer bisherigen Performance und in Bezug auf ihren gesetzten Zielen abschneidet. Die Systeme können Voraussagen treffen, was der erwartete Leistungsbereich sein sollte und Warnungen aussprechen, wenn dieser nicht erfüllt wird.

 
 

Fazit

 
Machine Learning ist bereits heutzutage in vielen Bereichen zur Norm geworden. Beispielsweise bieten Streaming-Dienste wie Netflix Nutzern eine spezialisierte Genre- und Media-Auswahl an, und Spotify erstellt für jeden Hörer individualisierte Playlisten.

 

Das erhöht den Druck auf die Vermarkter mit dieser Norm mitzuhalten. Das Publikum ist personalisierte Empfehlungen bereits gewöhnt. Die Übersättigung an digitaler Werbung hat den Konsumenten allerdings dazu gebracht, diese fast gänzlich auszublenden. Machine Learning kann dabei helfen, Werbung relevanter zu machen damit die Interessen und Bedürfnisse des Kunden ansprechen. Marketer sollten daher frühzeitig Machine Learning in ihre Personalisierungsstrategie mit einbinden.

 
 

Mehr zu dem Thema Machine Learning gibt es außerdem in unserem Blogbeitrag Was ist machine Learning und wie funktioniert es?

So bringen Werbetreibende AdTech und MarTech zusammen  

30.05.2018

  AdTech und MarTech laufen in Zukunft zusammen. Dennoch sind Lösungen, die die Daten- und Performancevorteile beider miteinander verbinden, bisher mehr Ausnahme als Regel. Und das, obwohl Kunden sowohl über Paid als auch Owned Media eine konsistente und ganzheitliche User Journey haben sollten.   Diese kann jedoch nicht entstehen, solange beide Bereiche getrennt betrachtet werden. […]

Datensicherheit im Cross-Device-Tracking

03.05.2018

Im vergangenen Jahr war bereits deutlich zu sehen, wie immer mehr Online-Marketer das Cross-Device-Tracking für ihre Werbezwecke nutzen. Das Sammeln von Nutzerinformationen im Internet bringt für Werbetreibende allerdings Vorteile und Herausforderungen gleichermaßen mit sich. Vor allem die Datensicherheit ist ein immer wieder aufkeimendes Thema. Doch wie steht es um diese eigentlich und was können Unternehmen […]

Datensicherheit im Cross-Device-Tracking

03.05.2018

Im vergangenen Jahr war bereits deutlich zu sehen, wie immer mehr Online-Marketer das Cross-Device-Tracking für ihre Werbezwecke nutzen. Das Sammeln von Nutzerinformationen im Internet bringt für Werbetreibende allerdings Vorteile und Herausforderungen gleichermaßen mit sich. Vor allem die Datensicherheit ist ein immer wieder aufkeimendes Thema. Doch wie steht es um diese eigentlich und was können Unternehmen […]