Maschinelles Lernen und Marketingautomatisierung – Wird ML Ihr Unternehmen verändern?

Marketing-Automatisierung ist eine unbestreitbare Zeitersparnis.

Denn wenn man etwas automatisieren kann, warum dann manuell?

Aber was wäre, wenn ich Ihnen sagen würde, dass Sie vielleicht bald nicht einmal mehr Dinge automatisieren müssen … da Ihr Computer das für Sie erledigt?

Ich sage natürlich nicht, dass Sie überhaupt keine Marketingarbeit leisten müssen. Mit zunehmender Weiterentwicklung von Dingen wie künstlicher Intelligenz und maschinellem Lernen werden jedoch auch die Fähigkeiten von Computern, die Ihr Arbeitsleben weniger ermüdend machen.

Die Wahrheit ist, dass die Verbindung von maschinellem Lernen und Marketingautomatisierung nur die nächste Marketingrevolution sein kann.

Aber bevor wir ins Detail gehen, schauen wir uns an, was KI und maschinelles Lernen eigentlich sind.

Was ist KI und maschinelles Lernen – ein kurzer Überblick

Wenn Sie in Ihrem Leben mindestens einen Sci-Fi-Film gesehen haben, bin ich mir sicher, dass Sie mit dem Begriff Künstliche Intelligenz (KI) vertraut sind.

Technisch gesehen ist es die Wissenschaft, intelligente Maschinen und Computerprogramme herzustellen. Und intelligente Maschinen sind genau das, was sich die meisten Menschen vorstellen, wenn sie an KI denken.

Das hat mit der Art und Weise zu tun, wie KI in Hollywood-Blockbustern dargestellt wird.

Aber während die meisten Leinwanddarstellungen von künstlich intelligenten Maschinen von weniger als optimistisch bis hin zu geradezu dystopisch reichen, hat KI in Wirklichkeit eine viel positivere Seite.

Die wesentlichen Vorteile von KI? Es hilft bei der Bewältigung sich wiederholender Aufgaben. Außerdem reduziert es menschliche Fehler und hilft uns, bessere (und schnellere) Entscheidungen zu treffen.

Aber woher weiß die KI, was die richtige Entscheidung ist?

Hier kommt maschinelles Lernen ins Spiel.

Maschinelles Lernen ist ein Zweig der KI, der sich auf die Erstellung von Algorithmen konzentriert, um Maschinen beim Lernen zu unterstützen.

Kurz gesagt, es zielt darauf ab, Computern dabei zu helfen, Daten zu verwenden, um ihre Genauigkeit zu verbessern und die Art und Weise zu imitieren, wie Menschen lernen.

Das Schöne am maschinellen Lernen (ML) ist, dass es Computern ermöglicht, zu lernen, ohne aktiv dafür programmiert zu werden. Das bedeutet, dass sie vergangene Daten verwenden können, um Prozesse zu verbessern, neue (bessere) Daten zu sammeln, Prozesse noch weiter zu verbessern, mehr Daten zu sammeln … Sie wissen, wohin das führt, oder?

Es gibt einen Grund, warum Bill Gates maschinelles Lernen als einen der wichtigsten Durchbrüche bezeichnete:

„Wenn Sie einen Durchbruch in der künstlichen Intelligenz erfinden, damit Maschinen lernen können, ist das 10 Microsofts wert.“

Es ist auch keine Überraschung, dass KI bereits unzählige Branchen revolutioniert – Marketing eingeschlossen.

Wie profitiert also das maschinelle Lernen von der Marketingautomatisierung?

Lassen Sie uns direkt hineinspringen!

Wie maschinelles Lernen und Marketingautomatisierung zusammenarbeiten

Marketing-Automatisierung ist ein leistungsstarkes Tool für sich.

Mit der richtigen Strategie, Verhaltens-E-Mails, Lead-Scoring oder Benutzersegmentierung können Sie enorme Einsparungen erzielen, Ihren Umsatz steigern und zur Verbesserung der Kundenbindung beitragen.

Dank automatisierter Workflows und Regeln kann Ihr Team selbst die komplexesten Aufgaben automatisieren und die eingesparte Zeit für andere Geschäftsaktivitäten aufwenden.

Bei der traditionellen Marketingautomatisierung sind Sie für die gesamte Einrichtung, Analyse und Bastelei verantwortlich.

Hier kommt maschinelles Lernen ins Spiel:

Algorithmen für maschinelles Lernen nehmen die Daten, die Sie bei der Automatisierung Ihres Marketings sammeln, und verwenden sie, um Ihre Prozesse weiter zu optimieren.

Hier sind ein paar Beispiele dafür, womit einige maschinelle Lernalgorithmen Ihnen helfen können:

Nutzen Sie vorausschauendes Lead-Scoring

Lead-Scoring ist der Prozess des „Rankings“ Ihrer Leads, um festzustellen, welche von ihnen am wahrscheinlichsten zu Kunden werden.

Indem Sie ihnen Punkte für die von ihnen ausgeführten Aktionen zuweisen, können Sie „kalt“ von „warm“ trennen. Auf diese Weise können Sie sehen, wie wahrscheinlich es ist, dass dieser Lead konvertiert wird, und seinen Wert einschätzen.

Dies wiederum ermöglicht es Ihnen, Ihre Leads besser zu segmentieren und ihnen verschiedene E-Mail-Kampagnen zu senden, die für die Phase der Käuferreise geeignet sind, in der sie sich befinden.

Das Problem ist, dass Sie beim traditionellen Lead-Scoring für die Entwicklung des gesamten Scoring-Frameworks selbst verantwortlich sind. Infolgedessen besteht die Gefahr, dass Sie einige Leads verpassen, weil sie falsch bewertet werden.

Außerdem kann der gesamte Prozess ziemlich zeitaufwändig sein – und es ist keine Set-and-Forget-Sache. Um das Lead-Scoring zu berechnen, müssen Sie:

1. Entwickeln Sie eine Käuferpersönlichkeit
2. Segmentieren Sie Ihre Leads
3. Untersuchen Sie das Online-Verhalten Ihrer Leads
4. Ordnen und priorisieren Sie die Aktionen Ihrer Leads
5. Score-Werte festlegen
6. Setzen Sie die richtigen Bedingungen in Ihren Arbeitsabläufen
7. Regelmäßig auswerten und anpassen

Predictive Lead Scoring ermöglicht es Ihnen, Algorithmen zu verwenden, um Leads basierend auf früheren Daten zu bewerten und zu qualifizieren. Während Sie noch ein Framework für Ihr Lead-Scoring-System erstellen müssen, müssen Sie das System nicht ständig selbst anpassen.

Stattdessen verwendet die Automatisierung Vorhersagemodelle, um frühere Leads zu analysieren und nach Mustern zu suchen. Dann werden diese Daten verwendet, um zu versuchen, zukünftiges Verhalten vorherzusagen. Es kann dann sein eigenes ideales Kundenprofil erstellen, das Ihnen hilft, Leads genauer zu bewerten.

Das Schöne am Predictive Lead Scoring ist, dass es Ihnen den Löwenanteil der Arbeit abnimmt.

Maschinelles Lernen in Ihrer Marketingautomatisierung kann Ihnen auch helfen, Muster zu identifizieren, die Sie höchstwahrscheinlich übersehen hätten, und Ihnen dabei helfen, Leads viel genauer zu bewerten und zu qualifizieren.

Gewinnen Sie bessere Einblicke in Ihre Kunden

Einer der Schlüssel zum Erzielen großartiger Ergebnisse der Marketingautomatisierung ist das Verständnis Ihrer Zielgruppe. Dennoch machen die meisten Unternehmen den klassischen Fehler, ihre Interessenten in nicht mehr als zwei Gruppen zu unterteilen:

• Kunden
• Nicht-Kunden

Manche gehen noch einen Schritt weiter und verstehen den Unterschied zwischen „warmen“ und „kalten“ Leads. Aber selbst dann sieht ihr Publikum in etwa so aus:

• Kunden
• Interessenten
• Unbeteiligtes Publikum

Das obige ist ein anständiger erster Schritt. Schließlich ist die Segmentierung Ihres Publikums der Schlüssel zur Verbesserung des Engagements und zur Steigerung Ihres Marketing-ROI.

Aber das ist noch nicht genug.

Sicher, es ist schwierig, die richtigen Segmente zu erstellen.

Hier kann Ihnen die Mischung aus maschinellem Lernen und Marketingautomatisierung helfen.

Durch die Verwendung von Algorithmen zur Analyse des Verhaltens Ihres Publikums kann ML Dinge sehen, die für das menschliche Auge leicht zu übersehen sind.

Infolgedessen hilft es Ihnen, viel genauere Segmente zu erstellen, wodurch unnötiges Rätselraten entfällt. Und eine bessere Segmentierung bedeutet bessere Marketingergebnisse. Dies wird umso wichtiger, je länger Ihre Liste wird.

Schließlich ist das Letzte, was Sie wollen, eine ungezielte Sendung an Tausende von Menschen zu senden:

Verbessern Sie Ihr Personalisierungsspiel

Personalisierung ist der Schlüssel zu hoher Kundenbindung und -loyalität.

Aber schlechte Personalisierungsbemühungen können viel mehr Schaden anrichten als gar keine Personalisierung. Tatsächlich hören 63 % der Verbraucher auf, bei Marken zu kaufen, die schlechte Personalisierungstaktiken verfolgen.

Der Schlüssel zur richtigen Personalisierung?

Verstehen Sie nicht nur, wer Ihre Kunden sind, sondern auch, wie sie handeln.

Wie hilft Ihnen also maschinelles Lernen, bei der Personalisierung effizienter zu werden?

Erfüllen Sie sequentielle Vorhersagen .

Traditionell basiert die meiste Personalisierung der Marketingautomatisierung auf den demografischen oder Einkaufsdaten des Benutzers.

Um potenzielle Käufer zu finden, nehmen Vermarkter Alter, Geschlecht, Bildung oder Kaufhistorie und suchen nach gemeinsamen Merkmalen mit früheren Kunden. Anschließend verwenden sie diese Daten, um Produkte zu empfehlen, von denen sie glauben, dass diese Personen sie wahrscheinlich kaufen werden.

Das Problem bei diesem Ansatz besteht darin, dass nicht alle gemeinsamen Merkmale bei der Vorhersage zukünftiger Käufe gleichermaßen effektiv sind.

Schließlich sind wir alle einzigartige Menschen.

Auch wenn wir also einen ähnlichen Hintergrund haben, können wir dennoch anders handeln. Und es sind die Aktionen Ihrer Leads, auf die sich die sequentielle Vorhersage konzentriert.

Kurz gesagt, ein Marketing-Automatisierungstool mit sequentieller Vorhersage untersucht die Abfolgen von Aktionen, die Ihr Publikum zum Kauf Ihres Produkts veranlassen.

Eine Beispielsequenz könnte etwa so aussehen:

1. Besuchen Sie Ihre Website
2. Scrollen Sie auf der Homepage nach unten und sehen Sie sich die beworbenen Produkte an
3. Gehen Sie zu einer Produkt-X-Kategorie
4. Durchsuchen Sie die neuesten Ergänzungen
5. Öffnen Sie drei Registerkarten mit Favoriten
6. Überprüfen Sie jeden von ihnen sorgfältig
7. Wählen Sie ein Produkt aus
8. Scrollen Sie zurück zur Produktkategorie
9. Sortieren Sie die Kategorie nach Preis
10. Vergleichen Sie das ausgewählte Produkt mit ähnlichen
11. Wähle einen Gewinner
12. Einen Kauf tätigen

Dies ist natürlich nur eine beispielhafte Sequenz. Wenn Ihre Website Tausende von Besuchern hat, müssen Sie Tausende von Sequenzen analysieren.

Manuell wäre das unmöglich.

Maschinelles Lernen kann diese Sequenzen für Sie analysieren und versuchen, Muster herauszufinden, die zu einem Kauf führen. Es sucht dann nach Abonnenten, die höchstwahrscheinlich der gleichen Reihenfolge folgen, und zeigt potenzielle Kunden effektiv an.

Steigern Sie den Umsatz mit besseren Produktempfehlungen

In Fortsetzung der Personalisierung ist einer der Bereiche, in denen maschinelles Lernen besonders effektiv ist, die Produktempfehlung.

Und wenn Sie im E-Commerce tätig sind, sind sie oft das Wichtigste, worauf Sie Ihre Personalisierungsbemühungen konzentrieren sollten. Wieso den?

Denken Sie an einen Giganten wie Amazon. Ihr Empfehlungssystem wird allgemein als eines der fortschrittlichsten und effektivsten angesehen.

Eine Studie von McKinsey & Company zeigt, dass bis zu 35 % der Verkäufe von Amazon auf Empfehlungen zurückzuführen sind. Das ist mehr als 1 von 3 Verkäufen in einem Multi-Milliarden-Geschäft!

Laut einem anderen Bericht von Accenture kaufen bis zu 91 % der Verbraucher eher bei Marken ein, die relevante Empfehlungen erkennen, sich merken und bereitstellen.

Ganz zu schweigen davon, dass es ein todsicherer Weg ist, Ihre Konversionsrate zu steigern, wenn Sie Käufern die Möglichkeit bieten, ein anderes Produkt zu kaufen, an dem sie interessiert sind.

Natürlich brauchen Sie nicht die neuesten maschinellen Lernalgorithmen, um mit der Empfehlung von Produkten zu beginnen. Aber je genauer die Empfehlungen sind, desto höher ist die Chance auf einen Verkauf.

Das bedeutet, dass maschinelles Lernen Ihnen nicht nur dabei helfen kann, Ihre Produktempfehlungen zu automatisieren – es kann sie effektiver machen und Ihre Konversionsrate steigern.

Und wie Sie gleich am Netflix-Beispiel sehen werden, sind Einzelhandelsunternehmen nicht die einzigen, die von automatisierten, ML-gestützten Empfehlungen profitieren können.

Erstellen Sie dynamische Websites und Verkaufstrichter

Mit den meisten Tools zur Marketingautomatisierung können Sie das Verhalten Ihres Publikums auf Ihrer Website verfolgen.

Mit einigen Tools können Sie Regeln erstellen, die bestimmte Website-Elemente basierend auf dem Verhalten oder der Lead-Bewertung des Abonnenten ändern.

Sie müssen immer noch die ganze Arbeit erledigen, um die Regeln zu erstellen und die Website zu bearbeiten. Außerdem sind die Änderungen, die Sie auf diese Weise automatisieren dürfen, normalerweise relativ geringfügig.

Aber was wäre, wenn Sie maschinelles Lernen und Marketingautomatisierung verwenden könnten, um den gesamten Inhalt einer Website, die Ihre Benutzer sehen, zu personalisieren … in Echtzeit?

Bald wird maschinelles Lernen es uns ermöglichen, dynamische Website-Seiten speziell für einen bestimmten Besucher zu erstellen.

Denken Sie an unterschiedliche Inhalte, Nachrichten, Tonfall und sogar die Farben – alles angepasst, um das bestmögliche Benutzererlebnis zu schaffen. Und natürlich, um Ihre Konversionsrate in die Höhe zu treiben.

Als SaaS-Unternehmen könnten Sie beispielsweise jeden Verkaufstrichterschritt basierend auf der Benutzersegmentierung oder dem Benutzerverhalten anpassen.

Das Schöne an dieser Lösung?

Je mehr Menschen Ihre Website besuchen, desto mehr Daten erhalten Ihre maschinellen Lernalgorithmen.

Dies wiederum würde es diesen Algorithmen ermöglichen, noch bessere Inhalte zu erstellen, wodurch Ihre Website ihre Besucher noch effektiver konvertieren könnte.

A/B-Test schneller (und bessere Ergebnisse erzielen)

Ihre Konkurrenten schlafen nie.

Um Ihr Geschäft auszubauen, müssen Sie Ihr Marketing ständig verbessern.

Sie müssen Wege finden, sich abzuheben, die Aufmerksamkeit Ihres Publikums auf sich zu ziehen und mehr davon in Kunden umzuwandeln.

Der Schlüssel dazu?

A/B-Testen Sie Ihre Marketingkampagnen.

A/B-Tests sind die beliebteste Methode zur Optimierung Ihrer Marketingbemühungen. Es ist auch das einfachste da draußen. Nehmen Sie einfach zwei verschiedene Motive und testen Sie sie gegeneinander und vergleichen Sie die Ergebnisse über einen bestimmten Zeitraum.

Wenn eine Variante ein Gewinner ist, muss die andere natürlich ein Verlierer sein (duh..). Dies bedeutet, dass Sie für einige Zeit einen Teil Ihres Datenverkehrs an eine Variante senden, die Ihnen Geld kostet. Oder das ist zumindest eine schlechtere Leistung als der Gewinner.

Infolgedessen entspricht die Gesamtauszahlung der durchschnittlichen Auszahlung aller Varianten im Test, vorausgesetzt, Sie führen sie für die gleiche Zeitdauer aus. Und wenn man bedenkt, dass ein typischer A/B-Test Tausende von Impressionen benötigt, summieren sich die Verluste durch leistungsschwächere Varianten schnell.

Dieses Problem bei A/B-Tests wird Reue genannt.

Aber genau hier können Ihnen auf maschinellem Lernen basierende Multi-Armed-Bandit-Algorithmen (MAB) helfen.

Was ist ein MAB?

Stellen Sie sich vor, Sie gehen in ein Casino in Las Vegas mit dem Ziel, Ihre Auszahlungen an Spielautomaten zu maximieren.

Es gibt zwei Möglichkeiten, wie Sie vorgehen können.

Zunächst könnten Sie alle Spielautomaten in einem Casino testen, die Daten sammeln und denjenigen finden, der Ihre Auszahlung maximiert. Dies würde Ihnen langfristig die genauesten Daten liefern, aber es würde Sie auch das meiste Geld kosten. So funktioniert ein Standard-A/B-Test.

Die Alternative besteht darin, sich auf ein paar Spielautomaten zu konzentrieren, die gleich zu Beginn Potenzial zeigen. Bewerten Sie dann Ihre Gewinne und maximieren Sie Ihre Investition dort, wo der ROI am besten ist. Das passiert beim Multi-Armed-Bandit-Test (MAB).

Im Gegensatz zu einem typischen A/B-Test kann maschinelles Lernen in MAB fehlgeschlagene Tests selbst erkennen und bewerten. Außerdem geht es viel schneller, als Sie oder Ihre Teammitglieder es können.

Es wird dann damit beginnen, den Datenverkehr, den diese Tests erhalten, einzudämmen und das Bedauern (und Ihre Verluste) zu minimieren.

Dies wiederum führt zu höheren durchschnittlichen Auszahlungen aus dem Test. Es ermöglicht Ihnen auch, die Gewinner kurzfristig schneller zu finden.

Der einzige Nachteil ist, dass ein MAB-Test Gelegenheiten verpassen kann, die langfristig eine bessere Auszahlung bieten könnten.

Aber je intelligenter maschinelle Lernalgorithmen werden, desto besser können sie das Ergebnis des Tests vorhersagen.

Einige Agenturen berichten, dass MAB-Tests, die auf maschinellem Lernen basieren, eine minimale Steigerung der Konversionsrate um 30 % brachten.

Legen Sie effektivere Preise für Ihre Produkte fest

Schließlich kann maschinelles Lernen Ihrem Unternehmen helfen, eine flexiblere Preisstrategie zu entwickeln und umzusetzen.

Durch die Implementierung dynamischer Preise können Sie besser auf die Marktnachfrage, sich ändernde Angebote oder einfach auf Ihre Verkaufsziele reagieren.

Da der Preis für zwei Drittel Ihrer Kunden immer noch der dominierende Faktor im Kundenentscheidungsprozess ist, verschafft Ihnen die dynamische Preisgestaltung einen Wettbewerbsvorteil.

Natürlich profitiert nicht jede Art von Unternehmen von dynamischer Preisgestaltung. Erstens benötigen Sie Referenzpunkte und eine Fülle von Daten, um maschinelles Lernen und dynamische Preisgestaltung zu nutzen.

Sie müssen auch einen Kundenstamm haben, der bereit ist, schwankende Preise zu zahlen.

Wenn die Preise für Ihr Produkt oder Ihre Dienstleistung statisch sind, könnte eine dynamische Änderung Ihre Kunden abschrecken. Sie würden sich betrogen fühlen. Dies wiederum könnte Ihrer Marke schaden und dazu führen, dass Ihre Kunden Ihnen weniger vertrauen.

Dynamische Preisgestaltung ist natürlich kein neues Konzept. Es gibt sie schon seit einiger Zeit, vor allem in der Reise- (Hotels, Flugtickets) und Werbebranche (Google- oder Facebook-Werbung).

Da der Wettbewerb im E-Commerce jedoch zunimmt, wird die Suche nach Möglichkeiten zur Automatisierung des Preismanagements zumindest in einigen Branchen zu einem Schlüsselelement Ihrer gesamten Marketingstrategie.

Sparen Sie Zeit durch die Automatisierung der Inhaltserstellung

Im Jahr 2021 erlebten wir den Aufstieg von KI-gestützten Tools zur Erstellung von Inhalten, die auf APIs wie OpenAI basieren. OpenAI verwendet die beliebte GPT-3-Technologie und kann auf jede Aufgabe oder jeden Prozess angewendet werden, bei dem es darum geht, natürliche Sprache oder Code zu verstehen oder zu generieren.

GPT-3 selbst steht für Generative Pre-trained Transformer 3 (GPT-3) und ist ein autoregressives Sprachmodell, das maschinelles Lernen verwendet, um menschenähnlichen Text zu erzeugen. Es durchforstet das gesamte World Wide Web, extrahiert Texte und andere Inhalte und lernt dank ML, die natürliche menschliche Sprache selbst zu schreiben und zu sprechen.

Marketing-Automatisierungsplattformen wie Encharge haben die GPT-3-Technologie implementiert, damit Vermarkter mithilfe von KI automatisch wirkungsvolle Betreffzeilen und E-Mail-Inhalte erstellen können. Der kostenlose KI-Betreffzeilengenerator kann Dutzende einzigartiger Betreffzeilen basierend auf einem Thema und Ton ausgeben.

Case Studies: Machine Learning und Marketing Automation in der Praxis

Werfen wir nun einen kurzen Blick auf zwei große Unternehmen, die stark von der Kombination von Marketingautomatisierung und maschinellem Lernen profitiert haben.

Lyft

Das Team der Mitfahrgelegenheits-App baute eine Marketing-Automatisierungsplattform mit dem Ziel auf, die Kosten- und Volumeneffizienz ihrer Kampagnen zur Nutzerakquise zu verbessern.

Ihre Idee war es, Automatisierung und maschinelles Lernen zu nutzen, um Routineentscheidungen zu automatisieren, effizient zu skalieren und ein datengesteuertes Lernsystem aufzubauen.

Auf diese Weise konnten ihre Teammitglieder alltägliche Aufgaben fallen lassen und sich auf wirkungsvolle Experimente und Innovationen konzentrieren.

Während die Plattform, die sie bauten, viele bewegliche Teile hatte, waren die wichtigsten:

Lifetime Value (LTV)-Prognose

Diese Komponente nutzte maschinelles Lernen, um die Effizienz verschiedener Erfassungskanäle zu messen.

Es prognostizierte ihren LTV und verwendete diese Daten, um das richtige Budget zu bestimmen, das dem jeweiligen Kanal, von dem sie kommen, zugewiesen werden sollte.

Interessanterweise konnten sie, bevor sie den LTV für einen neuen Kanal bestimmen konnten, maschinelle Lernalgorithmen dazu bringen, ihn aus historischen Daten vorherzusagen.

Budgetzuweisung

Die zweite Komponente war für das Sammeln von Marketingleistungsdaten in Verbindung mit LTV-Prognosen verantwortlich.

Anschließend wurden mithilfe von Thompson Sampling die optimalen Kosten für jeden Kanal ermittelt. Sobald die Daten fertig waren, wurde die Zuordnung jeder Kampagne an den jeweiligen Kanalbieter gesendet.

Natürlich gab es noch ein paar weitere Teile der Plattform. Der langfristige Erfolg der Marketingautomatisierung von Lyft hängt immer noch vom menschlichen Feedback ab.

Aber, wie das Team zugibt, hatten ihre Vermarkter mehr Zeit, um an neuen Anzeigenformaten zu arbeiten, Botschaften zu erstellen oder Hypothesen für langfristige Ziele zu bilden, ohne Gebote aktualisieren oder Budgets manuell zuweisen zu müssen.

Und das sind alles Dinge, die derzeit weder Marketing-Automatisierung noch maschinelles Lernen für uns tun können.

Netflix

Wie viel ist Ihnen Ihre Marketing-Automatisierungsstrategie wert?

Und wie sehr würden Sie Ihrer Meinung nach davon profitieren, maschinelles Lernen darin zu integrieren?

Wie sich herausstellt, schätzt Netflix, dass ihre Marketing-Automatisierungs-Engine für maschinelles Lernen sie rettet …

Eine Milliarde Dollar. Jedes verdammte Jahr!

Und das Beste ist, es ist nur ein Element ihrer Marketing-Automatisierungsstrategie – Netflix Recommendation Engine – das ihnen all das Geld spart.

Was macht es so mächtig?

Wie sich herausstellt, werden 80 % der auf Netflix gestreamten Inhalte nach ihrem Empfehlungssystem ausgewählt.

Was macht ihr Empfehlungssystem so effektiv?

Obwohl wir Sie nicht mit den technischen Details langweilen wollen, ist die Hauptidee hinter dem System, dem Publikum die am besten geeigneten Titel anzubieten, die es vielleicht interessieren könnte.

Das klingt nach einer guten Idee, oder?

Wenn Sie darüber nachdenken, ist es das, was jedes Empfehlungssystem tun sollte!

Also, wo ist hier die 1-Milliarde-Dollar-Komponente?

Wie sich herausstellt, kommt es bei Netflix auf das Artwork an. Sie sehen, das Unternehmen hört nicht damit auf, nur den besten Titel zu finden, den der Benutzer vielleicht sehen möchte. Ihre Algorithmen analysieren ihren Showverlauf und finden das beste Bild, das den Benutzer für die Show interessieren könnte.

Denken Sie an einen Film wie Good Will Hunting. Klassisch, oder? Wenn der Benutzer beispielsweise auf romantische Filme steht, sieht er ein Beitragsbild mit Matt Damon und Minnie Driver.

Auf der anderen Seite wird ein Fan von Komödien Robin Williams sehen.

Das Gleiche gilt auch für Fans bestimmter Schauspieler. Schauen wir uns Pulp Fiction an. Fans von Uma Thurman werden Kunstwerke von Pulp Fiction sehen, die sich um die Hauptdarstellerin des Films drehen.

Wenn der Algorithmus gleichzeitig herausfindet, dass der Benutzer ein Fan von John Travolta ist, sieht er stattdessen das Kunstwerk mit ihm.

Interessanterweise gibt das Unternehmen zu, den MAB-Ansatz zu verwenden, um Reue bei seinen A/B-Tests zu vermeiden, bei dem der Algorithmus daran arbeitet, das optimale Artwork herauszufinden, während der Test läuft.

Schließlich müssen sie ähnliche Tests für über 180 Millionen Benutzer durchführen. Und wenn man bedenkt, dass sie alle unterschiedliche Vorlieben haben, bedeutet dies, Millionen verschiedener Tests durchzuführen!

Natürlich könnte man sagen, dass alles automatisiert ist. Trotzdem muss jemand den Algorithmus erfinden und weiter polieren. Damit kommen wir zum nächsten Punkt in unserem Artikel.

Wie viel Marketingautomatisierung ist automatisiert?

Obwohl die Marketingautomatisierung Ihrem Team einen großen Teil der Arbeit abnimmt (und enorme Vorteile bietet), ist sie nicht so einfach, wie es sich anhört. Die drei Hauptprobleme sind:

1. Sie müssen noch alles einrichten.
2. Sie (oder jemand aus Ihrem Team) sind weiterhin dafür verantwortlich, das Setup zu überprüfen und anzupassen, um die besten Ergebnisse zu erzielen.
3. Auch wenn Ihre Marketingautomatisierung maschinelle Lernalgorithmen verwendet, müssen Sie den Lernprozess dennoch überwachen.

Das erste Problem bedeutet, dass die Marketingautomatisierung in Wirklichkeit nur das automatisieren kann, was Sie oder jemand in Ihrem Team ihr sagt.

Dies bedeutet, dass seine Effizienz nur so gut ist wie Ihr Setup. Wenn es Ihnen nicht gelingt, die richtige Marketing-Automatisierungsstrategie zu entwickeln, werden Ihnen selbst die besten Tools nicht dabei helfen, Ihr Unternehmen voranzubringen.

Dann ist es unwahrscheinlich, dass Sie beim ersten Mal alles richtig machen, es sei denn, Ihr Setup ist super einfach. Und selbst wenn, gibt es fast immer Raum für Verbesserungen.

Denken Sie zum Beispiel an Ihre E-Mail-Marketing-Automatisierung. Damit es funktioniert, müssen Sie Folgendes vorbereiten:

• E-Mail-Opt-ins
• Ein Bleimagnet
• E-Mail-Sequenzen
• Ein Automatisierungsworkflow

Allein das oben genannte ist eine Menge Arbeit.

Und je mehr Sie automatisieren, desto mehr können Sie testen. Dies fügt Ihrer Arbeitsbelastung noch mehr Aufgaben hinzu.

Im obigen Beispiel könnten Sie jedes Element mehrmals mit mehreren Variationen testen. Denken Sie an verschiedene Opt-Ins, CTAs, Schaltflächen, Lead-Magnete, E-Mails … Und während Sie all diese Dinge testen, müssen Sie all diese Testdaten überprüfen. Ändern Sie die Creatives, bearbeiten Sie die Workflows oder passen Sie Lead-Score-Benchmarks an. Aber da kommen wir zu #3.

Mit dem richtigen Algorithmus kann die Automatisierung aus vergangenen Daten lernen. Wir haben bereits prädiktive Algorithmen oder selbstregulierende MAB-Tests erwähnt, die einen Teil der Arbeit automatisieren könnten, die Sie in Nr. 2 erledigen müssen.

Natürlich konnte es die Creatives nicht für Sie ändern. Aber wie bereits erwähnt, können bestimmte Marketing-Automatisierungslösungen die Arbeitsabläufe selbst anpassen. Wenn es um einfache Automatisierung geht, kann maschinelles Lernen bereits fast alles automatisieren!

Ein gutes Beispiel dafür ist ein Chatbot. Während Sie noch die Ersteinrichtung erstellen müssen, können einige Chatbots bereits lernen und ganze Sequenzen aufbauen, die auf ihren vergangenen Gesprächen mit Menschen basieren. Auf diese Weise können sie sich selbst anpassen und das Erlebnis, das sie Ihrem Publikum bieten, verbessern. Wenn Sie darüber nachdenken, ist es keine Überraschung, dass der Markt für dieses (relativ neue) Tool bis 2025 auf 1,3 Milliarden US-Dollar geschätzt wird.

Natürlich müssen auch maschinelle Lernalgorithmen überwacht werden, insbesondere wenn Sie über ein einfaches, vorhersehbares 1-1-Gespräch hinausgehen.

Während beispielsweise sowohl Lyft als auch Netflix mit ihrer KI-gestützten Marketingautomatisierung große Erfolge erzielten, war keine der beiden Automatisierungen vollständig automatisiert.

Im Fall von Lyft erforderte die Einrichtung neben dem Aufbau und der Verwaltung der Plattform immer noch menschliches Feedback. Ohne sie riskierte das Unternehmen das sogenannte Garbage-in-Garbage-out-Problem. Wenn die zum Trainieren des Modells verwendeten Daten von schlechter Qualität wären, würden die von der Automatisierung bereitgestellten Ergebnisse dem Unternehmen nicht zugute kommen.

Das bedeutet, dass Computer Ihr Marketing zwar mehr als je zuvor automatisieren können, Sie die Marketingautomatisierung jedoch nicht als eine Sache der Selbstbedienung betrachten können. Zumindest nicht, wenn Sie erstaunliche Marketingergebnisse erzielen möchten.

Aber wir sind uns sicher, dass sich die Arbeit, die Sie in das maschinelle Lernen und die Marketingautomatisierung investieren, zehnmal oder mehr auszahlen kann. Und wie Sie gleich sehen werden, sind sich immer mehr Unternehmen bewusst, wie mächtig diese Ehe sein kann.

Ist maschinelles Lernen die Zukunft der Marketingautomatisierung?

Wenn Sie an all das denken, wozu maschinelles Lernen in der Lage ist, scheint klar, dass die einzig vernünftige Antwort auf die obige Frage ein klares „Ja, ist es!“ ist.

Aber da muss ich widersprechen. Das liegt jedoch nicht daran, dass ich glaube, dass maschinelles Lernen nicht die Zukunft der Marketingautomatisierung ist.

Vielmehr denke ich, dass ML bereits ein untrennbarer Bestandteil der Marketing Automation ist. Das „Wettrüsten“ ist bereits im Gange.

Unternehmen wissen, wie wertvoll die von ihnen gesammelten Daten sind – und dass sie Algorithmen verwenden könnten, damit ihre Marketing-Automatisierungssoftware aus diesen Daten lernt.

Laut einer Umfrage von Martech.org führen Marketing-Automatisierungs- und E-Mail-Verteilungstools die Liste der Marketing-Tools an, die Unternehmen im Jahr 2020 ersetzen.

Der Hauptgrund? Mehr als die Hälfte der Unternehmen nannte bessere Funktionen als Hauptgrund für ihre Entscheidung, das Schiff zu verlassen und sich nach einem anderen Anbieter umzusehen. Das sind 19 Prozentpunkte mehr als noch zwei Jahre zuvor!

Der Markt sieht die Chance – und reagiert schnell darauf. Laut einem MarTech 5000-Bericht sind Daten mit erstaunlichen 25,5 % die am schnellsten wachsende Kategorie von SaaS-Lösungen.

Natürlich steckt maschinelles Lernen in der Marketingautomatisierung noch in den Kinderschuhen. Wie die Landschaft in ein paar Jahren aussehen wird, ist schwer vorherzusagen. Und wie jede Technologie bringt sie gewisse Risiken und Einschränkungen mit sich, die Sie beachten müssen.

Risiken und Herausforderungen beim Lernen von Marketingautomatisierungsdaten

Beim maschinellen Lernen dreht sich alles um Daten. Je mehr Daten Sie sammeln, desto effizienter kann Ihre ML-basierte Marketingautomatisierung werden.

Infolgedessen hängen viele Risiken in gewisser Weise mit den von Ihnen erfassten Daten zusammen. Zu den häufigsten gehören:

• Sammeln von Daten schlechter Qualität. Wir haben dieses Thema bereits zuvor angesprochen. Wenn die von Ihnen gesammelten Daten Ihr Publikum nicht gut repräsentieren, können Sie sie nicht wirklich zum Trainieren Ihrer maschinellen Lernalgorithmen verwenden.
• Regulatorische Änderungen. Abhängig von den Märkten, in denen Sie tätig sind, regeln unterschiedliche Gesetze, was Sie mit Ihren Daten tun können und was nicht. Stellen Sie sicher, dass Sie verstehen, was erlaubt ist (und was nicht).
• Übertragung der Verarbeitung Ihrer Daten auf nicht konforme Drittanbieter. Daten sind von unschätzbarem Wert – sowohl für Sie als auch für die Personen, die sie mit Ihnen teilen (Ihr Publikum). Wählen Sie bei der Auswahl von Tools für den Umgang mit den Daten Ihrer Kunden immer hochwertige Marketing-Automation-Anbieter aus, die datenschutz- und handhabungskonform sind.

Andere Risiken beziehen sich auf die Art und Weise, wie Sie über die Integration von maschinellem Lernen und maschineller Automatisierung in Ihr Unternehmen nachdenken:

• Der Mangel an Strategie. Wenn Sie nicht wissen, warum (und wie) Sie maschinelles Lernen und Automatisierung in Ihrem Unternehmen nutzen möchten, werden Sie damit wahrscheinlich keinen Erfolg haben.
• Erwarten Sie, dass maschinelles Lernen die ganze Arbeit für Sie erledigt. Wie bereits erwähnt, kann maschinelles Lernen einen Löwenanteil der Arbeit für Sie erledigen. Aber Sie brauchen immer noch jemanden, der den Algorithmus überwacht.
• Algorithmen als unfehlbar behandeln. Selbstlernende Algorithmen sind eine tolle Sache. Sie sparen Ihnen Zeit und liefern Ihnen Einblicke, die Sie vielleicht selbst nie bemerkt hätten. Das bedeutet jedoch nicht, dass sie nicht fehlschlagen oder Ihnen fehlerhafte Ergebnisse liefern können.

Das letzte, aber in manchen Fällen größte Risiko besteht darin, in die Falle zu tappen, Ihr Publikum als bloße Datenstücke zu behandeln.

Sicher, Sie möchten mit Ihren Marketingbemühungen einen hohen ROI erzielen. Aber entmenschlichen Sie Ihr Publikum nicht.

Denken Sie immer daran, dass hinter jedem Datenelement ein Mensch steht. Auf diesen Menschen sollten Sie sich bei der Umsetzung Ihrer Marketingstrategie konzentrieren.

Während wir Sie also von ganzem Herzen dazu ermutigen, zu prüfen, wie das Duo aus maschinellem Lernen und Marketingautomatisierung Ihrem Unternehmen zugute kommen kann, vergessen Sie nicht, Ihrem Publikum den Respekt zu zollen, den es verdient.

Wenn Sie den Bedarf an Daten beim maschinellen Lernen mit der Achtung der Privatsphäre Ihres Publikums in Einklang bringen können, sind Sie auf dem besten Weg, fantastische Geschäftsergebnisse zu erzielen.

Fazit. Die Zeit zum Handeln ist jetzt

Trotz ihrer „Mainstream-Präsenz“ gibt es immer noch viele Mythen rund um künstliche Intelligenz und maschinelles Lernen.

Einige glauben, dass KI und Marketingautomatisierung den Menschen ersetzen werden. Andere haben sogar Angst, dass die Technologie uns bald alle töten wird.

Das mag stimmen, wenn Wissenschaftler, die daran arbeiten, nicht aufpassen. Aber bis jetzt töten KI und maschinelles Lernen nur die Unternehmen, die sich nicht anpassen.

Sie werden jedoch nicht durch KI und maschinelles Lernen selbst ausgelöscht. Vielmehr von denjenigen, die fortschrittliche Marketing-Automatisierungslösungen in ihr Unternehmen implementieren. Dazu gehört eine auf maschinellem Lernen basierende Marketingautomatisierung.

Natürlich ersetzt uns auch die beste Marketing-Automation bei weitem nicht vollständig in unserer täglichen Arbeit. Es besteht jedoch kein Zweifel, dass maschinelles Lernen die Art und Weise, wie wir mit unseren Daten umgehen und Erkenntnisse daraus gewinnen, erheblich verbessern kann.

Das ist so lange, wie Sie alle Grundlagen an Ort und Stelle haben.

Der erste Schritt?

Finden Sie heraus, wie Marketing-Automatisierung und ein Tool wie Encharge Ihrem Unternehmen helfen können. Lassen Sie uns Ihnen helfen, die richtige Strategie für Ihre Bedürfnisse auszuwählen. Vereinbaren Sie einen kurzen Anruf mit einem unserer Experten und lassen Sie uns über Ihr Unternehmen sprechen.