Segmentierung – Die Ebenen des KI-Kundentargeting

Segmentierung – Die Ebenen des KI-Kundentargeting

By | 2019-02-13T13:45:08+00:00 Oktober 25th, 2018|AI, Business|0 Comments

Unternehmen verfehlen wichtige Business-Chancen, indem sie statische Segmentierung verwenden. Diese sagen das Kundenverhalten nicht richtig voraus und berücksichtigen nicht den Kundenkontext. Um dem richtigen Kunden die richtige Botschaft zur richtigen Zeit zu vermitteln, müssen Unternehmen vor allem dynamische, vorausschauende Segmentierungen vornehmen. Mithilfe einer dynamischen, vorausschauenden Segmentierung werden Unternehmen in der Lage sein, ihren Kunden relevante Inhalte in Echtzeit zur Verfügung zu stellen und so für sich zu gewinnen.

Segmentierung – Eine aktuelle Studie ergab, dass der aktuelle Stand der Kundensegmentierung an vielen Fronten nicht ausreicht. Tatsächlich zeigten 98% der Befragten, dass die statische Segmentierung einen Mangel an Präzision, Unempfindlichkeit und mangelndem Nachweis verwertbarer Daten aufweist.

Die aktuelle statische Segmentierung ist nicht mehr ausreichend:

  • Sie liefert nicht genügend brauchbare Informationen
  • Segmente werden nicht aktualisiert, wenn sich das Kundenverhalten ändert
  • Die Segmente sind nicht präzise genug
  • Es gibt keine zielgerechten Nachrichten
  • Sie bedienen Kunden nicht in Echtzeit
  • Der Kundenkontext wird nicht berücksichtigt

Decondia - Daten Segmentierung und Business Automation

In der heutigen digitalen Welt haben die Kunden hohe Erwartungen an die Erlebnisse, die sie mit Marken machen. Sobald sie eine einzigartige Erfahrung machen, erwarten sie das Gleiche für alle folgenden Interaktionen. Zusätzlich müssen Marketingspezialisten ihre Strategien mit verbesserter Intimität und Relevanz durch die gesamte Interaktion verbessern. Um diese Art von Service zu bieten, verlassen sich Marketingspezialisten auf die Segmentierung, um das zu liefern, was der Kunde benötigt.

Dynamische vorausschauende Segmentierung

Künstliche Intelligenz hat die vorausschauende Segmentierung erst möglich gemacht und so viele der heutigen Marketingherausforderungen überwunden.

Die dynamische und vorausschauende Segmentierung ist eine einzigartige und etwas andere Herangehensweise, welche die Kunden präzise in Segmente aufteilt, welche dem Folgenden basieren:

  • Konkrete Maßnahmen
  • Vorausschauende Eigenschaften

Noch mehr Segmente und die damit verbundenen Eigenschaften ändern sich dynamisch in Echtzeit auf Basis neuer Daten aus der Kundeninteraktion. Die Fortschritte im Machine Learning haben eine neue Ebene der Kundeninteraktion möglich gemacht.

Für den Marketing-Bereich bedeutet dies eine riesige Verbesserung im Bezug auf Geschwindigkeit und Effizienz der Marketingmaßnahmen. Neue KI-Methoden ermöglichen es Schlüsselfaktoren aufzuzeigen, welche die prädiktiven Kundensegmente definieren.

Derzeit gibt es vier Stufen im Bereich Kunden-Targeting, von ‘keiner Segmentierung’ bis hin zu ‘fortgeschrittenen empfohlenen Systemen’.

Keine Segmentierung – Potentielle Kunden werden auf die gleiche Art anvisiert

Ein Unternehmen mit wenigen Kunden benötigt keine weitere Segmentierung. Die Anforderung wächst mit der Steigerung der Serviceleistungen des Unternehmens. Selbst im engsten Segment sind die Kunden keine homogene Gruppe und ihre Bedürfnisse können unterschiedlich sein.

Vorteile:

  • Günstig & Einfach
  • Vorerst effektiv
  • Keine Kosten für die Implementierung oder Wartung

Manuelle Segmentierung – Die intuitivste Technik, da die Segmentierung durch menschliche Analyse erfolgt

Die menschlichen Analysten betrachten intuitive Segmente wie Demografie, Geographie, Einkommen, Gesamtkauf oder andere spezifische Faktoren. Trotz aller Vorteile, die sich aus der Bildung von Kundengruppen und der manuellen Analyse ergeben, kann es zu erheblichen Herausforderungen kommen. Daten, die verarbeitet werden müssen, können verzerrt sein, die manuelle Segmentierung veraltet schnell, und die  Ressourcen sind begrenzt, etc.

Vorteile:

  • Intuitiv & Einfach
  • Bessere Effizienz
  • Transparent
  • Einfach zu verstehen

Decondia - Manuelle Markt Segmentierung

Vor allem für viele kleine Unternehmen ist die manuelle Segmentierung gerade noch ausreichend. Dazu gehören Unternehmen, die maßgeschneiderte Produkte für bestimmte demographische Segmente verkaufen, oder andere einfache Kriterien oder Zielgruppen verwenden.

Automatisierte Segmentierung – Nutzung von Machine Learning um Segment-Daten zu analysieren und versteckte Muster zu finden

Maschinelle Lernalgorithmen können das Verhalten eines Produkts oder einer Dienstleistung vorhersagen. Dieser Ansatz wird jedoch schwieriger, wenn es darum geht, ähnliche Kunden zu gruppieren. K-Mittel und hierarchische Aggregation ist der am weitesten verbreitete Algorithmus, um die Datenbank ohne menschliche Aufsicht zu bündeln. Vor allem können die Algorithmen versteckte Muster finden und Schlüsse ziehen, welche der Mensch wahrscheinlich übersehen hätte.

Vorteile:

  • Versteckte Muster aus Daten ziehen
  • Automatisiert
  • Skalierbar
  • Erhaltung der Produktivität

Große Unternehmen können die automatisierte Segmentierung nutzen, um riesige Mengen an Daten zu verarbeiten.

Empfehlungs-System – Anstatt eine begrenzte Anzahl von Segmenten aufzubauen, wird eine individuelle Darstellung jedes Kunden und Produkts entwickelt

Empfehlungsmaschinen bieten dem Kunden eine Darstellung in Form eines mehrdimensionalen Vektors. Durch dieses System ist es möglich, sowohl offizielle Daten als auch weniger offensichtliche Informationen, die sich aus dem Kaufverhalten ergeben, zu nutzen.

Vorteile:

  • Individuelle Handhabung eines jeden Kunden
  • Ständige Aktualisierung und Auswertung
  • Skalierbar

Ein großes Unternehmen mit einer datenorientierten Herangehensweise muss dieses System nutzen um die riesigen Datenmengen zu verwalten.

Zusammenfassend lässt sich sagen, dass das Empfehlungs-System flexibler und ausgefeilter ist als die anderen Segmentierungsmöglichkeiten. Aber maschinelles Lernen ist kein magischer Problemlöser, um einem Unternehmen eine “out of the box”-Lösung anzubieten, die überall funktioniert. Jedoch kann maschinelles Lernen das beste Werkzeug sein, wenn es um Komplexität, Vielfalt und Umfang der Datensätze geht.

Unser vorheriger Blogpost – KI kann die UX Ihres Unternehmens erheblich verbessern. Und so geht’s!

LEAVE A COMMENT