Machine Learning und AI sorgen für 1:1-Personalisierung in Echtzeit

Personalisierung und AI
Personalisierung hat zum Ziel, dem Konsumenten an allen Kontaktpunkten ein optimales und individuelles (und nicht segmentiertes) Erlebnis mit den Produkten und Services des Unternehmens zu verschaffen.

Um eine vollständig individualisierte Ansprache skalierbar und in Echtzeit umzusetzen, bedarf es eines möglichst vollständigen Abbilds der Daten rund um die Nutzer, um Affinitäten und Kaufabsichten umfassend zu verstehen. Für die Personalisierung des Nutzererlebnisses ist vor allem die Analytik verantwortlich. Selbst bei größtem Nutzeraufkommen auf den Kontaktpunkten jeden Kunden bzw. Interessenten individuell anzusprechen, geht nicht ohne Machine Learning, AI und Realtime-Prozesse. Der Personalisierungs-Experte Smart Digital setzt hierzu verschiedene Verfahren erfolgreich ein.

Beispiel 1: Dynamic Vouchering: Kaufanreize zum richtigen Zeitpunkt - und nur, wenn für die Conversion nötig
Dynamic Vouchering verbindet Machine-Learning-Algorithmen und Realtime-Prozesse mit dem Ergebnis, dass einem Nutzer ein Gutschein mit dem richtigen Inhalt zum richtigen Zeitpunkt ausgespielt wird, und auch nur dann, wenn er ihn braucht, weil er ohne diesen Anstoß nicht kaufen würde. Der Nutzer, der auch ohne Anstoß kaufen wird, wird automatisch ermittelt und erhält keinen Voucher.

Der Händler vermeidet so, dass interessierte, aber noch nicht überzeugte Nutzer abspringen, und spart sich die teure Gutschein-Unterstützung dort, wo sie unnötig ist. Mit messbarem Ergebnis: In der Anwendung sind die Aktionen vier bis sechs Mal so effektiv wie klassisches Couponing, der ROI geht schnell in die Millionen Euro.

Beispiel 2: LSTM-Verfahren - den nächsten Schritt der User Journey vorhersehen
Während bisher zum Einsatz kommende Verfahren darauf abstellen, mit jedem Klick Affinitäten und die Kauf- oder Abschlusswahrscheinlichkeit individuell zu ermitteln und daraufhin Aktionen in Real-Time auszuspielen, gehen AI-Verfahren jetzt einen Schritt weiter. Hier wird z.B. ermittelt,
- wie lange der User noch auf der Website bleiben wird
- welche Seiten er noch besuchen wird, bevor er die Website verlässt
- wann und auf welchem (weiteren Onsite-) Touchpoint der User wieder auftauchen wird, nachdem er die Website verlassen hat
- wie viele Schritte er noch bis zur Conversion braucht und welche das sind

Smart Digital setzt hierfür seit einiger Zeit AI-Algorithmen aus der Gattung der LSTM-Netzwerke (Long Short-Term Memory) ein, die sich bisher vor allem in der Spracherkennung und der Gesundheitsforschung bewährt haben. Die Verfahren wurden nun im Marketing bei Volkswagen in verschiedenen Ländern mit bislang überzeugenden Ergebnissen getestet und werden zukünftig international eingesetzt. Managerin Ilja Saba von Volkswagen ist vom Erfolg überzeugt: "Die AI-Verfahren liefern beste Ergebnisse. Der Nutzer wird nicht länger intrusiv geführt, sondern erhält wirklich individuell die richtige Botschaft und den richtigen Content von uns."

Fazit
Echte AI-Anwendungen sind im Marketing noch recht selten anzutreffen, versprechen aber große Hebelwirkung bei der Effizienz. Für die Personalisierung von Nutzererlebnissen sind sie das perfekte Instrument.

von Gregor Wolf, Vice President, Smart Digital
Mehr Informationen unter www.smart-digital.de.