<img height="1" width="1" style="display:none;" alt="" src="https://dc.ads.linkedin.com/collect/?pid=1007900&amp;fmt=gif">
de | en

LEAD Innovation Blog

Lesen Sie hier unsere neuesten Beiträge über Innovationsmanagement und Innovationen verschiedenster Branchen.

Datum: 02-Mai-2019

Künstliche Intelligenz: Potentiale und Einsatz im B2B-Vertrieb

 

Künstliche Intelligenz bietet vielversprechende Möglichkeiten, um die Wirksamkeit im Vertrieb zu steigern. KI Systeme übernehmen administrative und repetitive Aufgaben, statten Vertriebsmitarbeiter mit wichtigen Informationen aus und sind eine wertvolle Entscheidungsressource für die Vertriebssteuerung. Lesen Sie, wo künstliche Intelligenz im B2B-Vertrieb am häufigsten eingesetzt wird und welche Vorteile sich daraus ergeben.

 

Wettbewerbsvorteile durch Künstliche Intelligenz

Künstliche Intelligenz (KI) ist weit mehr als nur ein Hype. Der Vertrieb kann mit Advanced Analytics, Predictive Planning und Machine Learning nachhaltige Ergebnisse und Wettbewerbsvorteile erzielen. Eine Untersuchung des IT-Dienstleisters Tata Consultancy Services zeigt, dass bis 2020 vor allem IT, Kundendienst und Sales von künstlicher Intelligenz profitieren werden – insbesondere in Europa und Nordamerika.

wettbewerbsvorteile-druch-ki

Grafik: Unternehmensbereiche, die bis 2020 den größten Wettbewerbsvorteil durch KI erzielen, Tata Consultancy Services: How AI is elevating the performance of global companies

 

Paper Innovationsmarketing

 

B2B-Vertrieb steht KI mehrheitlich positiv gegenüber

Eine aktuelle Umfrage des Softwareunternehmens Qymatix Solutions GmbH widmete sich der Frage, wie Entscheidungsträger im B2B-Vertrieb den Einsatz von künstlicher Intelligenz im Sales bewerten. Die Umfrage wurde von rund 70 Geschäftsführern und Abteilungsleitern mittelständischer Unternehmen im Großhandel, Medizintechnik, Informationstechnologie, u.a. aus Deutschland, Österreich und der Schweiz bearbeitet.

Die wichtigsten Ergebnisse lassen sich wie folgt zusammenfassen:

KI-Systeme sind derzeit in Unternehmen noch nicht sehr verbreitet, obwohl das Interesse vorhanden ist. Lediglich 16 Prozent der Firmen verwenden bereits Predictive Analytics oder planen die Einführung von KI-basierten Prognosen im Vertrieb. 63 Prozent der Befragten waren an dem Thema interessiert, hatten aber noch keine Zeit, sich damit zu beschäftigen. 18 Prozent zeigten kein Interesse an KI im Vertrieb, da sie keine konkreten Anwendungsmöglichkeiten in ihrem Unternehmen sehen.

In Hinblick auf den erwarteten Nutzen sehen die Befragten den größten wirtschaftlichen Benefit in:

  • einer Steigerung der Effizienz der Vertriebsaktivitäten und Kundenentwicklung, einschließlich Cross- und Up-Selling (82 %).
  • Vertriebsplanung und -controlling (70 %)
  • Verringerung des Abwanderungsrisikos (63 %)

In den Augen der Manager ist künstliche Intelligenz allerdings nicht ohne Herausforderungen. Zu den am häufigsten genannten Hindernissen gehören:

  • Datenqualität (45 %)
  • Mangelndes Verständnis und Transparenz der KI-Berechnungen (40 %)
  • Preis (71 %)
  • Integration der KI in ERP- und CRM-Systeme (65 %)

Die grundsätzlich positive Bewertung von KI-Systemen im Vertrieb spiegeln sich auch in einer Studie des McKinsey Global Institute. Demnach gehen 88 Prozent der Befragten davon aus, dass künstliche Intelligenz ihre Arbeit innerhalb der nächsten 10 Jahre erleichtern wird und empfinden die Entwicklung als Fortschritt. Nur rund 6 Prozent befürchten, dass die Technologie ihren Job komplizierter machen wird oder komplett übernimmt. Diese Einstellung zieht sich durch alle Positionen – vom Junior bis zur Führungskraft.

 

Einsatzmöglichkeiten für KI im Vertrieb

Unternehmen, die KI sinnvoll in Vertrieb einsetzen und in Zusammenarbeit mit dem Marketing eine gemeinsame Datenbasis schaffen, profitieren von wertvollen Informationen über ihre Kunden. Da sich viele KI-Prozesse automatisieren lassen, sorgen sie nach der Startphase für eine zeitliche Entlastung im Vertriebsteam. Die gewonnene Zeit kann wiederum in die eigentliche Vertriebsarbeit fließen.

 

1. Dynamic Pricing

Dynamische Preisgestaltung orientiert sich nicht an den Kosten, sondern an der Preisakzeptanz von Kunden sowie Angebot und Nachfrage auf dem Markt.

Die flexible Anpassung von Preisen auf Basis der Marktnachfrage ist nichts Neues. Online-Player wie Amazon stellen traditionelle Händler allerdings vor neue Herausforderungen, da diese ihre Preise über Algorithmen nahezu in Echtzeit automatisch ändern können. Ein intelligenter Algorithmus legt für einzelne Kunden den Preis so fest, dass diese kaufbereit sind, gleichzeitig aber der Umsatz nicht darunter leidet. Als Datenbasis nutzt die KI-Preisoptimierung neben demografischen Merkmalen auch Ergebnisse aus der Analyse des Kundenverhaltens:  

  • Preise, die der Kunde in der Vergangenheit akzeptiert hat
  • Verhalten ähnlicher Kunden
  • Aktuelle Preisentwicklung auf dem Markt
  • Weitere Faktoren, die für erfolgreiche Abschlüsse in der Vergangenheit relevant waren

Die Vorteile von Dynamic Pricing liegen somit in der automatischen Durchführung von Preisänderungen bei Änderungen in der Marktumgebung, die Anpassung an die tatsächliche Zahlungsbereitschaft der Kunden sowie einer höheren Effizienz.

dynamic prices

Quelle: Dynamic Pricing Optimization, Firebear Studio

 

Dynamic Pricing wird derzeit vor allem im Onlinebereich eingesetzt. Da heute bereits auch zahlreiche mittlere Unternehmen über einen Online-Shop verfügen, ist diese optimierte Preisgestaltung nicht mehr nur eine Option für die großen Player. Sie kann auch von kleineren Unternehmen sinnvoll genutzt werden. Voraussetzung dafür ist allerdings eine hohe Datengenauigkeit, -verfügbarkeit und -vollständigkeit sowie die Vorbereitung des Gesamtunternehmens auf Dynamic Pricing (z.B. Anpassung von gedruckten Preislisten, Marketingmaßnahmen, etc.).

 

2. Predictive Lead Scoring

Beim Predictive Lead Scoring werden anhand von Prognose-Machine-Learning-Algorithmen bestehende Kunden analysiert, um zu ermitteln, wie wahrscheinlich es ist, dass ein Lead (= Kontakt) als Kunde gewonnen werden kann.

Mit künstlicher Intelligenz erhält der Vertrieb vertieftes Wissen über den Kunden und erhöht die Wahrscheinlichkeit eines erfolgreichen Abschlusses, da er sich auf vielversprechende Kunden konzentriert und diese zielgerichtet ansprechen kann. Die KI-Anwendung wertet aus, welches Verhalten und welche Eigenschaften einen für den Vertrieb interessanten Lead ausmachen (= Sales Qualified Lead). Auf Basis dieser Daten lassen sich dann jene Leads identifizieren, die für ein Verkaufsgespräch bereit sind und an den Vertrieb weitergeleitet werden können. Die übrigen Leads müssen vom Marketing weiterbetreut werden. Auch Daten von Dritten können in die Analyse einbezogen werden, um Vertriebsmitarbeiter mit qualifizierten, vielversprechenden Leads zu versorgen.

 

Best Practice: Lead Scoring Strategie von Harley Davidson

Ein Beispiel für eine beeindruckende Erfolgsbilanz ist Harley-Davidson in New York, wo durch den Einsatz der KI Albert eine Vervielfachung der Sales Leads um 2.930 Prozent erzielt werden konnte. Die Technologie fokussiert auf Verhaltensweisen, die dazu führen, dass potenzielle Kunden mit Harley Davidson Kontakt aufnehmen. So stellte die KI etwa fest, dass auf Anzeigen mit der Aufforderung „Buy!“ deutlich weniger Reaktionen ausgelöst wurden, als mit der Aufforderung „Call!“. Durch Austausch eines einzigen Wortes konnten die Reaktionen auf geschaltete Werbung um 447 Prozent im Erfassungszeitraum erhöht werden.

Eine weitere erfolgreiche Methode war die Bestimmung von „high-value past customers“. Die KI wählte jene Personen aus, die entweder bereits ein Harley-Davidson Produkt gekauft bzw. im Online-Einkaufswagen hinzugefügt hatten, oder unter den 25 Prozent der Website-Besucher waren, die am längsten dort verbracht haben. Diese „high-value past customer“ wurden als Grundlage herangezogen, um „lookalikes“ auszumachen, die zwar keine Harley-Davidson-Kunden waren, aber ansonsten mit vielen Kriterien der Gruppe übereinstimmten und daher auch hervorragende Leads darstellen.

Harley Davidson

Foto: Mit Online-Gewinnspielen generiert Harley Davidson Daten, die in KI-Systemen weiterverwertet werden können.

 

Predictive Lead Scoring macht die Bewertung von Verkaufschancen somit nicht nur effektiver und skalierbar, sondern auch objektiver – also unabhängig von subjektiven Faktoren. Systeme dieser Art sind in der Regel in Marketing Automation Systemen wie Hubspot bereits integriert. Ein Unternehmen ist mit diesem KI-Tool in der Lage, wenig aussichtsreiche Kontakte von vornherein auszusortieren und den Vertrieb auf diese Weise zu entlasten.

 

3. Forecasting

Produkte und Dienstleistungen verkaufen sich am besten, wenn der Bedarf besonders groß ist. Wann genau das genau der Fall ist, lässt sich mit KI aus Daten aufspüren.

Forecasting kann dabei unterstützen, potenzielle Vertriebsergebnisse basierend auf datengetriebenen Wahrscheinlichkeitsmodellen vorherzusagen. Künstliche Intelligenz und Predictive Analytics erhöhen die Qualität eines Vertriebs-Forecasts und Umsatzprognosen. Geschäftsentscheidungen können damit besser gesteuert, Ziele klarer festgelegt und Budgets sowie Ressourcen genauer bestimmt werden. Gute Forecasting-Modelle passen die Vorhersagen auch zwischenzeitlich an oder geben Frühwarnsignale, um zu starke Abweichungen von den Zielen zu vermeiden.

 

4. Cross- und Upselling

Algorithmen können die Grundlage für den Verkauf eines zusätzlichen Produkts oder einer Dienstleistung an einen bestehenden Kunden stark verbessern.

Mit Hilfe von künstlicher Intelligenz lassen sich bereits vor dem Cross Selling detaillierte Warenkorbanalysen auf Basis von CRM- und ERP-Verkaufsdaten erstellen, um die Wahrscheinlichkeit für erfolgreiche Querverkäufe zu berechnen und vorherzusagen. Sales Manager erhalten eine fundierte Entscheidungsgrundlage, wann es sich lohnt, einem Kunden ein Zusatzprodukt oder Upselling-Angebot anzubieten. KI-Plattformen wie Jetlore analysieren und interpretieren beispielsweise Hunderte von Onlineshop-Seiten, um die Präferenzen der Verbraucher kennenzulernen. Die zugrundeliegende KI erstellt anhand der Kundendaten Rankings, welche Kunden für bestimmte Produkte oder Verfahren besonderes Interesse haben könnten. Neben einer Vielzahl anderer Funktionen ermöglicht das Tool effektive Akquise und liefert Aussagen, welche Leads sich auch für künftige Projekte eignen.

 

5. Customer satisfaction

Selbstlernende KI-Systeme können auf Basis der vorhandenen Daten Kundenerfahrungen und damit Kundenzufriedenheit verbessern und mit jedem neuen Datensatz dazulernen.

KI kann auf unterschiedlichste Weise im Kundenservice eingesetzt werden. In den meisten Fällen unterstützen KI-Lösungen die Kundenbetreuer, z. B.:

  • Automatisierte Interaktion mit dem Kunden in Form von Shopping Assistenten, die dem Kunden dabei unterstützen, das gewünschte Produkt zu finden
  • Chatbots, die sich um Beschwerden von Kunden kümmern
  • Personalisierte Kundenansprache mit Hilfe von KI-Systemen
  • Erkennung von Betrug mit Hilfe von KI-Lösungen
  • Schnellere Beantwortung und Bearbeitung von Kundenanfragen durch unterstützende KI-Systeme
  • Verwaltung der Kundenerfahrungen aus einer Omnichannel-Perspektive

Laut einer Studie des Capgemini Digital Transformation Institute konnten 75 Prozent der Unternehmen, die KI und maschinelles Lernen nutzen, die Kundenzufriedenheit um mehr als 10 Prozent erhöhen. Das bedeutet im Umkehrschluss auch, dass weniger Kunden abwandern und neue Kunden gewonnen werden können. Der Einsatz von KI-Technologie im Kundendienst steigert somit auch den Absatz und Umsatz.

 

Fazit: Künstliche Intelligenz im Vertrieb

Die erfolgreiche Einführung künstlicher Intelligenz im Vertrieb wird in den kommenden Jahren einen signifikanten Wettbewerbsvorteil bringen. Mit Hilfe von KI-Algorithmen hat der Vertrieb die Möglichkeit, sein Kundenwissen zu vertiefen und die Abschlusswahrscheinlichkeit zu erhöhen, da er sich auf vielversprechende Kunden konzentriert und diese gezielt und individuell ansprechen kann. Lesen Sie zu diesem Thema auch unseren Beitrag:

Wie die Digitalisierung Geschäftsmodelle von Branchen fundamental ändert“.

New Call-to-action

Angela HENGSBERGER

Born and raised in Vienna. Since 2012 she has been in charge of Business Development at LEAD Innovation with the functions marketing, sales and communication.

Sie möchten mit uns zusammenarbeiten?

Gerne beraten wir Sie über eine mögliche Zusammenarbeit, um Ihr Innovationsmanagement zukunftssicher zu gestalten.

Contact us