Künstliche Intelligenz (KI) ist eine der vielversprechendsten Zukunftstechnologien und findet bereits in zahlreichen Branchen intensive Anwendung – so auch im Marketing. Doch wie lässt sich KI konkret für Marketingzwecke einsetzen und welche Herausforderungen und Risiken warten dabei auf Vermarkter? Wir sprechen mit Sara Sihelnik, Country Director DACH bei Quantcast, einem Technologieunternehmen, das sich auf KI-gesteuerte Echtzeitwerbung spezialisiert hat.
Was sind die wichtigsten Anwendungen von KI im Marketing?
KI ist ein Überbegriff für einen Zweig der Computerwissenschaften, der verschiedene Teilbereiche abdeckt, z.B. allgemeine Problemlösungsansätze, Sprachverarbeitung und Robotik, und die für das Marketing interessanteste Disziplin: Maschinelles Lernen (Machine Learning/ML). ML kann im Marketing dabei helfen, die Entscheidungsfindung nicht auf Annahmen, subjektiver Wahrnehmung und gezielten Studien zu basieren, sondern auf großen Mengen von Daten oder “Big Data”. Ein Großteil der Daten, die dem Marketing heute zur Verfügung stehen, liegen nicht in einer Form vor, die vom Menschen ohne weiteres analysiert und in Entscheidungen umgesetzt werden kann. Um aus diesen Daten relevante und spezifische Information gewinnen zu können, bedarf es Mechanismen, die systematisch und objektiv Muster analysieren, Modelle bilden und daraus Entscheidungen ableiten.
Welchen Nutzen bringt hier KI?
Diese Technologie ist in vielen Aspekten des Marketing wichtig, beispielsweise in personalisierten Kaufempfehlungen im E-Commerce: auf Grundlage des Interessensprofils einzelner Kunden und unter Bezugnahme auf historische Kundenverhaltensdaten kann aus unzähligen Produkten dasjenige als Empfehlung ausgewählt werden, das für den Kunden mit größter Wahrscheinlichkeit relevant ist. Online geht das sogar noch weiter: hier lässt sich über das Browsingverhalten eines Internetnutzers mit relativ hoher Präzision erschließen, welche Inhalte oder Produkte für diesen Nutzer von Interesse sind – das macht sich das Online Targeting zunutze. Weiterhin können mithilfe von ML Trends identifiziert werden, Zielgruppenanalysen durchgeführt werden und vieles mehr. Entscheidungsfindung im Marketing, heute eine Milliardenindustrie, kann also zunehmend auf Grundlage einer soliden Datenbasis erfolgen und erfordert somit weniger Spekulation. Viele alltägliche Administrationsaufgaben können außerdem automatisiert werden, was zum einen die Fehleranfälligkeit reduziert und zum anderen Effizienzen schafft, da Marketer sich somit auf Strategie und Kreativität konzentrieren können.
KI birgt immer auch die Gefahr von datenbedingten Verzerrungen. Worauf müssen Marketing-Entscheider achten?
Unser CTO sagt gerne, dass auch die fortgeschrittenste Technologie niemals den gesunden Menschenverstand ersetzen sollte: In kritischen Fragen braucht es ein menschliches Korrektiv-Element, das prüft, ob Unstimmigkeiten vorliegen. Schließlich wird zwischen der Technologie und den Menschen, die sie einsetzen, immer eine Schnittstelle vorliegen – schon daher können sich natürlich Übersetzungsfehler zwischen Intention und Umsetzung einschleichen.
Für die KI konkret gilt, dass jede datenbasierte Entscheidung nur so gut sein kann wie der ihr zugrundeliegende Datensatz. Am wichtigsten ist, dass der Datensatz zum einen ausreichend groß und vielfältig ist, dass die verschiedenen möglichen Umstände, auf die die resultierende Entscheidung angewendet werden soll, akkurat abgebildet werden können. Ein Produktempfehlungsmechanismus in Online-Shops beispielsweise, der auf einer zu kleinen Datenmenge basiert, ist fehleranfällig und kann nicht ausreichend viele Faktoren berücksichtigen – dann wird dem 19-Jährigen durchaus mal eine Rheumadecke empfohlen, da der zugrundeliegende Datensatz die verschiedenen Altersgruppen nicht akkurat abbildet.
Zum anderen ist die Qualität der Daten wichtig – in der Online-Werbung beispielsweise können Daten, die entweder schon einige Wochen alt sind oder von Anfang an falsch erfasst worden sind, den Kampagnenerfolg nachhaltig schädigen. Zum Beispiel wenn ein Kunde aufgrund veralteter Datensätze durch Werbung an ein Angebot vor einigen Wochen erinnert wird, das er inzwischen längst wahrgenommen hat oder ein fehlerhafter Datensatz schreibt ihm das falsche Geschlecht zu und bewirbt entsprechend unpassende Produkte. Solche Fehler bedeuten nicht nur, dass die Investition ins Leere läuft, im schlimmsten Fall ist die Erfahrung für den potenziellen Kunden ärgerlich, was negative Assoziationen nach sich ziehen kann.
Wie sehen Eure Best Cases aus?
Im Programmatic Advertising gibt es in der Regel relativ konkrete, absatzorientierte Ziele, die sich mit Technologie und unserem Datenschatz gut erreichen lassen. Darüber hinaus ist allerdings bei guter Zusammenarbeit noch viel mehr möglich. Ein tieferes Eintauchen in die Daten erlaubt es dem Marketing, nicht nur konkrete Fragen zur Umsetzung zu beantworten, wie z.B. wer eine Anzeige sehen sollte, sondern auch strategische Überlegungen zu unterstützen, ob reines Performance Marketing hier der richtige Ansatz ist ob ein markenstärkendes Element fehlt, wo Potenzial zur Erschließung neuer Zielgruppen besteht und welches Messaging dort am besten ankommt.
Welche Trends lassen sich für KI im Marketing absehen?
Da der Druck, Investitionen in Marketing zu rechtfertigen, insbesondere in Zeiten finanzieller Unsicherheit besonders hoch ist, gehen wir davon aus, dass das Interesse an datenbasiertem Marketing und Automatisierung seitens der Werbetreibenden weiterhin steigen wird. Einen Einschnitt wird im Programmatic Advertising die Frage nach der Zukunft des werbefinanzierten Internets darstellen, da voraussichtlich Mitte des Jahres browserbasierte Cookies beinahe völlig verschwinden werden. Dies stellt Werbetreibende, aber auch Vermarkter vor neue Herausforderungen. Die Werbetechnologie liefert auch hier Lösungsansätze, die in anderen europäischen Märkten bereits getestet werden – bleibt nur zu hoffen, dass Deutschland schnell Anschluss findet, damit weder Werbetreibende und Internetnutzer, noch die Betreiber von Websites zu leiden haben.
