Die Zukunft des Marketings ist da: Predictive Intelligence
Veröffentlicht: 2017-06-29Vorausschauende Intelligenz mag wie ein futuristisches Werkzeug klingen, das in einen Science-Fiction-Film gehört. Aber die Marketingfachleute von heute nutzen die Technologie, um das zu liefern, was ihre Kunden wollen, bevor sie überhaupt wissen, dass sie es wollen.
Predictive-Intelligence-Tools helfen Unternehmen wie dem Möbelhändler Room & Board, ihr Endergebnis zu verbessern und Kunden effektiver zu erreichen. Sie implementierten die Marketing Cloud-Technologie von Salesforce, die Kundenverkehrsdaten und prädiktive Analysen analysierte, um Kunden in Echtzeit zusätzliche Käufe vorzuschlagen. Das Ergebnis war ein unglaublicher ROI von 2900 %.
Zugegeben, nicht viele Unternehmen werden den gleichen Erfolg haben wie Room & Board. Aber die Technologie hat sich so weit entwickelt, dass Marketer einige neue Enthüllungen nicht mehr ignorieren können – wie ein System, das Empfehlungen auf der Grundlage von Kundenverkehrsmustern bietet.
Kunden ein personalisiertes Erlebnis zu bieten, erweist sich weiterhin als positiver ROI. Wenn Sie mit dem Konzept nicht vertraut sind, sollten Sie wissen, was Predictive Intelligence ist und welche Tools verfügbar sind.
Was ist prädiktive Intelligenz?
Predictive Intelligence wird manchmal als Predictive Analytics bezeichnet und ist eine Methode zur Schaffung eines Kundenerlebnisses, das für eine bestimmte Person einzigartig ist, indem das Kundenverhalten überwacht und ein Profil seiner spezifischen Präferenzen erstellt wird. Diese Profildaten werden dann verwendet, um vorherzusagen, was Kunden als nächstes wollen.
Nehmen wir zum Beispiel an, ein Online-Käufer hat gerade einen Flachbildfernseher gekauft. Diese neuen intelligenten Tools würden den Kauf erkennen und dem Käufer in Echtzeit eine E-Mail senden, in der ein Couchtisch oder ein Fernsehtisch vorgeschlagen wird. Dadurch entfällt die Notwendigkeit, dass Menschen jeden Aspekt eines Kundenprofils manuell berücksichtigen, und das Marketing wird effizienter.
Wie es das B2B-Marketing verändert
Vermarkter bewerteten Leads früher manuell, um festzustellen, in welcher Phase der Customer Journey sich potenzielle Kunden befanden. Manuelles Lead-Scoring findet statt, wenn Marketer bestimmten Leads basierend auf ihrer Analyse eine Note oder einen numerischen Wert zuweisen. Wenn ein Vermarkter beispielsweise ein Muster bemerkt, bei dem Leads, die sich eine Produktdemo ansehen, mit einer höheren Rate konvertiert werden, erhalten Demo-Beobachter möglicherweise die Note „A“, während Leads, die sich die Demo nicht angesehen haben, möglicherweise die Note „B“ erhalten.
Umgekehrt verwendet Predictive Lead Scoring das Verhalten und die bisherige Kaufhistorie eines Interessenten, um festzustellen, wonach er sucht und ob er überhaupt kaufen möchte. Das vorausschauende Lead-Scoring verwendet Big Data, um festzustellen, welche Leads am wahrscheinlichsten konvertieren, sodass sich Verkäufer auf die Leads konzentrieren können, die dem Unternehmen den größten Mehrwert bieten.
Lattice Engines und Mintigo sind zwei Unternehmen, die Cloud-basierte B2B-Analysedienste wie Predictive Lead Scoring anbieten. Lattice Engines durchsucht soziale Netzwerke, öffentliche Datenbanken und Webseiten und kombiniert diese Informationen mit internen Kundendaten, um Unternehmen dabei zu helfen, optimale Verkaufschancen zu finden. DocuSign nutzte das vorausschauende Lead-Scoring-Unternehmen Lattice Engines, um die Leads zu finden, die am wahrscheinlichsten konvertiert werden. Das Ergebnis war eine um 38 % höhere Vorhersagbarkeit von Conversions.
Mintigo nutzt künstliche Intelligenz, um seine Predictive-Marketing-Plattform zu betreiben, indem kontinuierlich Informationen wie Einstellungstrends, verwendete Marketingkanäle und installierte Technologien gesammelt werden. Als nächstes verwenden sie diese Daten, um zu bestimmen, welche B2B-Leads den höchsten Wert haben. Dann wird es mit der internen Marketing-Automatisierungsplattform eines Unternehmens kombiniert, um zu bestimmen, worauf die Vertriebsteams ihre Ressourcen konzentrieren sollten.
Vorausschauende Intelligenz hilft Marketingfachleuten eindeutig dabei, bessere Einblicke in das Kundenverhalten zu gewinnen. Hier sind einige der Tools, die Vermarkter verwenden, um effizienter zu werden:
Maschinelles Lernen
In einer Studie von Forrester Consulting aus dem Jahr 2014 wurden 121 Teilnehmer nach ihren drei größten Herausforderungen gefragt. Unter 3 bzw. 4 aufgeführt waren die Analyse von Datenströmen aus jeder Kundeninteraktion und die Anwendung dieser Erkenntnisse zur Verbesserung des Kundenerlebnisses:
Im Zuge der Weiterentwicklung von Big Data arbeiten Marketer mit immer größeren Datenströmen, die für Menschen schwer zu verwalten sind. Machine Learning ist eine Lösung für dieses Problem. Maschinelles Lernen ist der Prozess, bei dem Systeme große Datensätze durchsuchen, um nach Mustern zu suchen und dann ihr Programm auf der Grundlage der neuen Informationen anzupassen.
Staples nutzt maschinelles Lernen, um Informationen über die Vorlieben seiner Unternehmenskäufer auf verschiedene Arten zu sammeln: mit Self-Service-Käufern über ihre Website und ihren Easy Button, wenn die Leute hineinsprechen. Beides hilft Staples, seinen Einkaufsbedarf besser vorherzusagen. Wenn Käufer im Laufe der Zeit in den Button sprechen, erkennt der Bot, was der Kunde braucht, und verbessert seine Antworten.
Künstliche Intelligenz
Eines der größten Probleme von Marketern ist, dass sie nicht immer mit Daten versorgt werden, die ihnen ein vollständiges Bild vermitteln. Künstliche Intelligenz kann neue Datenquellen im Internet finden, z. B. Nachrichtenmeldungen, Updates in sozialen Medien und Datenbanken. All diese zusätzlichen Daten helfen Vermarktern, qualitativ hochwertigere Leads zu finden und Inhalte für ihre potenziellen Kunden besser zu personalisieren.
Künstliche Intelligenz ist auch ein starkes Werkzeug für die Personalisierung. KI kann E-Mails speziell auf die Markenpräferenzen Ihrer Kunden zuschneiden, indem sie deren Einkaufsverlauf und Verbraucherprofil verwendet. Das Tool ist so leistungsfähig, dass eine Demandbase-Umfrage ergab, dass 80 % der Vermarkter glauben, dass KI die Marketingbranche innerhalb der nächsten 5 Jahre revolutionieren wird:
Obwohl Vermarkter fest an die Kraft der künstlichen Intelligenz glauben, sind sie sich noch nicht ganz sicher, wie sie sie implementieren sollen. Nur 26 % der von Demandbase befragten Vermarkter gaben an, dass sie ein sehr sicheres Verständnis von KI haben. Stellen Sie sich vor, Sie haben einen Sportwagen in Ihrer Einfahrt, verstehen aber nicht, wie man ein Fahrzeug bedient. Das ist die Phase, in der sich viele Vermarkter derzeit mit künstlicher Intelligenz befinden.
Wenn Vermarkter maschinelles Lernen, künstliche Intelligenz und andere Tools effektiv einsetzen möchten, müssen sie unbedingt wissen, welche Trends am Horizont stehen. Hier sind drei Trends, die den Wandel im B2B-Marketing vorantreiben.
Klicken Sie hier, um zu twittern
3 Predictive-Intelligence-Trends
Untersuchungen haben gezeigt, dass prädiktive Intelligenz zu einem höheren Mitarbeiterengagement und einem höheren Customer Lifetime Value führt. Eine Studie der Aberdeen Group aus dem Jahr 2016 zeigte, dass Predictive Analytics die durchschnittliche Gewinnmarge pro Kunde um fast 5 % und den Customer Lifetime Value gegenüber Nichtnutzern um 10 % steigern könnte:
Da immer mehr Unternehmen in prädiktive Intelligenz investieren, ist es wichtig zu wissen, was in den nächsten Jahren zu erwarten ist.
Der Aufstieg von Chatbots
Chatbots nutzen zunehmend maschinelles Lernen, um intelligenter zu werden und Kunden im Laufe der Zeit bessere Antworten zu geben. Kunden können Antworten auf ihre Fragen zu einem Produkt oder einer Dienstleistung erhalten, ohne eine FAQ-Seite durchsuchen oder einen zeitaufwendigen Anruf tätigen zu müssen.
Chatbots sind zu einem wichtigen Werkzeug für Unternehmen geworden, die mehr Prozesse automatisieren und die bestmögliche Benutzererfahrung bieten möchten. Allein in den ersten 6 Monaten des Jahres 2016 wurden 58 Millionen US-Dollar in Chatbots investiert. Außerdem prognostiziert Gartner, dass Kunden bis 2020 kaum noch auf einer Mensch-zu-Mensch-Ebene mit einem Unternehmen interagieren werden:
Die Technologie wird zweifellos ausgereift sein, und die von den Kunden gestellten Fragen werden wahrscheinlich zu ihrem Verbraucherprofil hinzugefügt, um sich ein besseres Bild davon zu machen, wo sie sich in der Customer Journey befinden und welche Dienstleistungen sie kaufen könnten.
Intelligente Anwendungen
Maschinelles Lernen wird nicht mehr nur ein Werkzeug sein, das sich Tech-Giganten wie Facebook leisten können. Intelligente Apps werden schneller zum Mainstream, als Sie denken. Bald werden die meisten Unternehmen Apps verwenden, die große Datenmengen schnell analysieren und ihr Programm auf der Grundlage neuer Informationen ändern. Und wenn Sie das nicht glauben, glauben Sie Folgendes: Im Jahr 2016 erfuhr TechCrunch, dass 90 % der Startups, mit denen sie sich trafen, vorhatten, maschinelles Lernen einzusetzen, um ihre Kundenerfahrung zu verbessern.
Es wird auch einen wachsenden Marktplatz für Algorithmen geben, die intelligente Apps unterstützen. Algorithmia ist ein solcher Marktplatz. Mashape ist ein weiterer Marktplatz für APIs, die Entwickler zum Erstellen intelligenter Apps verwenden. Vermarkter werden sich zunehmend auf Algorithmen verlassen, um intelligente Apps auszuführen, die ihren Kunden personalisierte Lösungen bieten.
Marktplätze sind wichtig, weil sie die Reibung im Kauf- und Verkaufsprozess verringern. Ein einfacherer Kaufprozess bedeutet eine schnellere Einführung intelligenter Apps und der APIs, die sie unterstützen.
Big Data sieht einen Anstieg der Investitionen
Eine Umfrage von DNV GL – Business Assurance ergab, dass 76 % aller Unternehmen ihre Investitionen in Big Data bis 2019 erhöhen oder aufrechterhalten wollen. Die Umfrage ergab auch, dass die Mehrheit der Unternehmen weltweit Big Data als Chance sieht. Unternehmen, die mehr in Big Data investieren, sehen eine Verbesserung der Effizienz und Entscheidungsfindung, und Unternehmen nutzen Big Data auch als Möglichkeit, wichtige Informationen über ihre Kunden zu erfassen und zu speichern:
Mit einem neuen Fokus auf maschinelles Lernen und künstliche Intelligenz müssen die Daten, die diese Prozesse antreiben, irgendwo herkommen. Big Data gibt diesen Tools die Informationen, die sie benötigen, um Marketingfachleuten ein vollständigeres Bild zu vermitteln. Ohne große Datenmengen kann Predictive Intelligence zu falschen Schlussfolgerungen führen und Marketer in die falsche Richtung weisen. Deshalb müssen Big Data neben Vorhersagewerkzeugen kultiviert werden.
Beispiele für vorausschauende Kundenintelligenz
Unternehmen tendieren zu einer stärkeren Nutzung von Predictive Analytics. Aber es ist nicht nur eine Technik für die Zukunft. Derzeit nutzen Unternehmen Vorhersagetools, um ihr Endergebnis zu verbessern und effizienter zu werden.
InsideView
InsideView ist ein Marketing- und Vertriebsunternehmen, das eine effektivere Methode benötigte, um festzustellen, welche Leads es wert sind, verfolgt zu werden. Zu dieser Zeit hatte InsideView nur zwei Vertriebsmitarbeiter, und die Bestimmung, welche Inbound-Leads die höchste Priorität hatten, war ein langwieriger 18-tägiger Prozess , eine Zahl, die das Unternehmen drastisch reduzieren wollte.
Sie wandten sich dann an die Predictive-Analytics-Lösung von SalesPredict, um intelligente Einblicke in das Lead-Scoring zu erhalten. Die Lösung nutzte Tausende von Signalen, um Erkenntnisse über die Kaufabsicht eines Leads zu gewinnen. Predictive Analytics ermöglichte es InsideView, eine Punktzahl für jeden Lead zu erstellen, der in die bestehende Marketingautomatisierung des Unternehmens integriert wurde.
Das Ergebnis? Der Lead-Qualifizierungsprozess von InsideView wurde nun auf 2 Tage verkürzt. Darüber hinaus stieg ihre Konversionsrate um 25 % und das Unternehmen verzeichnete ein Wachstum von 100 % in seiner qualifizierten Vertriebspipeline.
US-Mobilfunk
US Cellular wollte erfahren, welche Website-Optimierungen sie implementieren könnten, um den Umsatz zu steigern, und wie effektiv jede dieser Maßnahmen war. Sie beauftragten Cardinal Path mit der Durchführung einer Kaufabsichtsanalyse (einer Form von Predictive Analytics), um herauszufinden, welche Website-Aktionen am ehesten auf zukünftige Käufe schließen ließen.
Es bestand die Überzeugung, dass Interessenten, die die Funktion zum Hinzufügen zum Warenkorb oder zur Filialsuche auf der Website des Unternehmens nutzten, höherwertige Leads waren. Cardinal Path stellte fest, dass potenzielle Kunden, die die Funktionen „Jetzt chatten“ oder „Angebote“ von US Cellular nutzten, mit größerer Wahrscheinlichkeit einen zukünftigen Kauf tätigten als potenzielle Kunden, die eine Filialsuche nutzten. US Cellular nutzte diese Erkenntnisse, um sich auf qualifiziertere Leads zu konzentrieren, was zu einer Steigerung des Customer Lifetime Value um 61 % führte.
Welche Technologie werden Sie nutzen?
Vorausschauende Business-Intelligence-Technologien wie maschinelles Lernen und KI sind keine Fremdwörter mehr, die Sie ignorieren können. Sie sind hier, um zu bleiben und das digitale Marketing, wie wir es kennen, zu verändern. Beide ermöglichen es Marketingfachleuten, personalisierte Lösungen für Kunden zu entwickeln, und wenn Sie über verwandte Trends auf dem Laufenden bleiben, kann dies Ihrem Unternehmen helfen, in Zukunft effizienter zu werden.
Beginnen Sie damit, das Post-Click-Landing-Page-Erlebnis Ihrer Kunden zu personalisieren, melden Sie sich noch heute für eine Instapage Enterprise-Demo an.