Die sechs Phasen des kundenzentrierten Marketings

Ein Beitrag von Dr. Dennis Proppe, Co-Founder & CAIO CrossEngage

Die „Wunderwaffe AI“

Kundenzentrierung ist das aktuelle Mantra des Bestandskundenmarketings. Dieses Ziel zu erreichen erfordert massive Anstrengungen für Unternehmen, insbesondere im B2C-Bereich und bei Unternehmen mit großem Kundenstamm. Dort sind meist hunderttausende bis viele Millionen Kunden vorhanden, mit denen ertragsoptimal und individuell kommuniziert werden soll. Dies lässt sich nicht mit manuellen Prozessen erledigen. Die meisten Unternehmen setzen hier auf Marketing-Automation-Tools, die dann mit sehr, sehr vielen komplexen Regeln gesteuert werden. Diese Regeln werden üblicherweise manuell erstellt, oft als Konsequenz von manuellen BI-Analysen.

Auf Dauer funktioniert dies nur bedingt: Ein normales Handelsunternehmen hat hunderte von Touchpoints mit seinen Kunden, auf vielen Kanälen in den unterschiedlichsten Situationen. Hinzu kommt eine sehr starke Konkurrenz durch Plattformen wie Amazon, Zalando oder Otto, die über massive Daten verfügen und somit sehr individuell auf die Kunden in ihren spezifischen Situationen eingehen können. In einem solchen Umfeld sind einmal erstellte, starre Regeln wie „Wenn der Kunde seinen Warenkorb nicht abschließt, warte zwölf Stunden und sende dann ein Retargeting mit einem 10-Euro-Gutschein“ nicht mehr ausreichend, um im Wettbewerb zu bestehen.

In diesem Moment tritt dann oft die „Wunderwaffe AI“ auf die Bühne. Getrieben durch Anbieter, aber auch durch eigenes „Glauben wollen“, werden die der AI zugrunde liegenden Machine-Learning-Techniken dann oft als Heilsbringer gesehen, der eine schnelle und erfolgreiche Transformation zur vollautomatisierten Kundenzentrierung garantiert.
In der vom Autor seit über zehn Jahren erlebten Realität wird in diesem Moment tatsächlich eher ein langwieriger und aufwändiger Transformationsprozess ausgelöst, der ein hohes Risiko des Scheiterns birgt, aber auch einen positiv disruptiven Einfluss auf das durchführende Unternehmen haben kann. Im Folgenden beschreiben wir die typischen sechs Phasen eines solchen Prozesses und ihre Kerneigenschaften. Der Autor hat ca. 100 solcher Transformationen Bei CrossEngage (ursprünglich Gpredictive) begleitet und schöpft daher hierfür aus reichhaltiger praktischer (teilweise schmerzhafter) Erfahrung.

Phase 1: Der Aha-Moment

Diese Phase kennzeichnet die erste Berührung mit künstlicher Intelligenz und Machine-Learning-Methoden im Bereich des Bestandskundenmarketings. Firmen in dieser Phase sind oft überwältigt von den Möglichkeiten und Aufwänden des modernen Bestandskundenmarketings. In dieser Phase werden Kampagnen oft von Hand zusammengestellt und viele manuelle Analysen durchgeführt. Es herrscht das Gefühl vor, dass man nicht alles im Griff hat und sehr weit von einem stimmigen, individuellen Marketing-Programm entfernt ist. In dieser Situation ist das Auftauchen von möglichen Lösungen, die aus automatischen Analysen selbständig individuelle Entscheidungsregeln erstellen, oft der Aha-Moment, in dem die Unternehmensführung die Einführung von AI als eine mögliche Lösung für das Komplexitätsproblem erkennt.

Phase 2: Fear of missing out

Diese Phase wird oft getrieben durch einen gefühlten Druck von außen von Marktbegleitern, Lösungsanbietern, Medien und Ratgebern. Sehr oft wird künstliche Intelligenz als die Lösung vieler Probleme im operativen Bestandskundenmarketing angepriesen. Ebenso wird die Adaption durch andere Unternehmen hier als sehr weit vorangeschritten wahrgenommen. Auf der Geschäftsführungsebene entsteht ein starkes Gefühl von Zeitdruck sowie der Eindruck von künstlicher Intelligenz als eine Wunderwaffe. Daraus resultiert ein großer Zugzwang zur Einführung von AI.

Phase 3: Grundberührung

Als Folge werden erste Anstrengungen oft ohne klare Strategie unternommen. Es schlägt die große Stunde der Proof-of-Concepts. Diese setzen typische, allgemeine Machine-Learning-Use-Cases um, bei denen die Implementierung einfach und schnell geht. Leider gibt es in dieser Phase oft keine tatsächliche Auseinandersetzung mit den tatsächlichen Geschäftszielen und dem Hebel, den die eingesetzte Methode auf dieses Ziel hat. Das Ergebnis sind stark überzogene Erwartungen, die dann nach der ersten Projektphase enttäuscht werden. Dieses harte Aufschlagen auf dem Boden der Realität hat dann einen firmeninternen AI-Winter zur Folge, so dass viele Unternehmen auf dieser Stufe genervt und desillusioniert aussteigen.

Phase 4: Licht am Ende des Tunnels

Unternehmen, die trotz erster negativer Erfahrungen weitermachen, kommen irgendwann an den Punkt, das erste Mal sehen zu können, wie ein wirklich kundenzentriertes Marketing massiven ROI erzielen kann. Oft ist es das erste Feedback aus kleineren Testkampagnen. Dieses Gefühl stellt sich oft erst neun bis zwölf Monate nach Start des Projektes ein, wenn die gröbsten Datenthemen gelöst sind und durch viel interne Kommunikation und Auseinandersetzung mit dem Thema eine echte Strategie entstanden ist und es ein Framework gibt, an dem man Erfolge belastbar messen kann. In dieser Phase liegen zwar noch keine belastbaren ROI-Ergebnisse vor, aber Unternehmen, die soweit kommen, geben in der Regel nicht mehr auf.

Phase 5: Das erste richtig, richtig gute Ergebnis

Irgendwann passiert es: Nach einigen Testkampagnen mit verschiedensten Use Cases gibt es eine Aktion, ein Machine-Learning-Modell, welches heraussticht. Dies kann die effizientere Behandlung von Kunden sein, die inaktiv zu werden drohen, oder das treffsichere Aufspüren von Erstkäufern, die ein hohes zukünftiges Potential besitzen. Die Ergebnisse sind verblüffend, teilweise fast schon unglaubwürdig gut. In diesem Moment erkennt die ganze Organisation das Potential der gesamten Initiative und ein sehr, sehr starker Pull von verschiedenen Seiten setzt ein. Nun möchte jeder von dieser neuen Möglichkeit profitieren. Im schlechten Fall versucht man dann, sofort allen Anfragen gerecht zu werden. Daraus resultieren Fehler, die wiederum zu schlechten Ergebnisse führen können. Diese Phase birgt also noch einmal das Risiko eines Rückschlags.

Phase 6: Automatisiert und dauerhaft richtig gute Ergebnisse erzeugen

Im besten Fall schreitet das Unternehmen jetzt also wieder planvoll, geduldig und mit einer klaren Strategie voran. Es werden nach und nach die beherrschten Use-Cases ausgerollt und Experimente werden von laufenden Optimierungen getrennt. Mit dem klaren Fokus auf automatisierte Prozesse werden schrittweise einzelne Bausteine des Kundenlebenszyklus optimiert. In der finalen Ausbaustufe kann so ein System viele kleine alltägliche Entscheidungen für Kundenkommunikation und Incentive-Steuerung pro Tag treffen und mit jeder Entscheidung einen inkrementellen ROI erzeugen. Durch die schiere Masse der Entscheidungen, die durch die Automatisierung möglich sind, summieren sich diese Optimierungen massiv auf.

Nun mag man als Leser denken: „Das ist ja alles schön und gut, aber was kann ich daraus lernen?“

Generell hat man als Unternehmen die Chance, durch das Erkennen von positiven und negativen Mustern in Prozessen, Dinge vorweg zu nehmen und damit proaktiv zu entschärfen. Insgesamt sollte man auf dem Weg zur Kundenzentrierung vor allem versuchen, die Höhe der Ausschläge zu verringern. Anstatt stets im Projektteam zwischen himmelhoch jauchzend und zu Tode betrübt zu pendeln, sollte von Phase 1 an ein rigoroses Erwartungshaltungsmanagement etabliert werden. Allen Beteiligten sollte klar sein, dass es positive und negative Phasen geben wird. Ebenso sollte klar sein, dass ein solches Unterfangen viel Zeit, Geld und interne Ressourcen brauchen wird. Die Transformation zu einem tatsächlich kundengetriebenen Unternehmen ist keine spontane Revolution, sondern eine langfristig geplante und mit kühlem Kopf durchgeführte Evolution. Um diesen langen Atem entwickeln zu können, ist es von Anfang an sehr wichtig, alle Effekte sauber zu messen und immer wieder den Status quo sauber gegen die neuen Ideen und Verfahren zu testen. Nur so können auf dem Weg Schritt für Schritt Entscheidungen automatisiert werden. Die besten Erfolge erzielen hier Organisationen, die konstant testen und konsequent Kontrollgruppen einsetzen und immer wieder den Status quo hinterfragen. Alleiniger Treiber der Agenda sollte das Unternehmen selbst sein: Gerade in der zweiten Phase darf man sich nicht von Anbietern oder dem Herdentrieb leiten lassen. Die Umwälzung zur Kundenzentrierung ist kein Sprint, sondern ein Langstreckenlauf, sodass nicht immer der gewinnt, der am Anfang am schnellsten losläuft, sondern der, der am Ende auch tatsächlich ankommt.    

Über den Autor: Dr. Dennis Proppe ist der Chief AI Officer von CrossEngage und für die Produktentwicklung und die Umsetzung der Vision verantwortlich. Er verfügt über 15 Jahre Erfahrung im Bereich Machine Learning und baut seit zehn Jahren AI- und Engineering-Teams auf. Dennis hat in Marketing und Statistik an der Universität Kiel promoviert.