In the Code – Dank KI zum besseren Kundenverständnis

Stellen Sie sich vor, Sie könnten als Verkaufsleiter oder Geschäftsführer vorhersagen, wann Ihre Kunden bestimmte Dienstleistungen oder Services für die Führung ihres Geschäfts bestellen. Sie wären viel präziser und schneller als die Konkurrenz. Ressourcenplanung wäre mit einem verlässlichen Blick in die Zukunft einfacher und gezielter als heute.
 

Spezifische Themen, wie z.B.

• Verfeinerung der bestehenden Segmentierung
• Planung und Durchführung der Kampagnen für spezifische Kundensegmente
• Vorbereitung und Einsatzplanung der eigenen Ressourcen

könnten besser angesprochen werden und im Voraus optimiert werden.

Das beschriebene Projekt zeigte bereits in einem frühen Stadium, wie effektiv eine Kombination aus CRM, BigData und KI sein kann.

Unternehmen müssen ihre Angebote und Prozesse laufend personalisieren und optimieren, um eine starke Beziehung zu ihren Kunden aufzubauen und zu erhalten. Diese Personalisierung der Angebote wird durch CRM-Systeme (Customer Relationship  Management) unterstützt, die das gesamte Unternehmenswissen über seine Kunden enthalten.

Mit dem Aufkommen der künstlichen Intelligenz können diese grossen Datenmengen, die in firmeninternen Systemen (z. B. CRM, ERP) gespeichert und mit öffentlich verfügbaren Daten (z. B. Wettervorhersagen usw.) angereichert werden, von einem Unternehmen für eine kundenorientierte Strategie verwendet werden. Doch aufgepasst, gleichzeitig müssen Sie sicherstellen, dass Ihre Kundenbeziehung dauerhaft ist und die Kunden Sie weiterhin mit ihren Daten betrauen. Sie müssen glaubwürdig und transparent sicherstellen, dass das Cyberrisiko minimal ist und Sie die Vorschriften einhalten (z. B.: DSGVO /  GDPR).

Big Data Analysen und künstliche Intelligenz werden bereits erfolgreich eingesetzt, z. B. bei der Verfeinerung von Kundensegmenten, der Vorhersage der Bedürfnisse dieser Kundengruppen, Findung des optimalen Kaufzeitpunkts bis hin zur Planung des Kundendienstpersonals. Allein diese vier Beispiele zeigen die wirtschaftliche Relevanz der korrekten Anwendung von KI und anderen Technologien.

Eine genaue Analyse der Kundenbedürfnisse als Ausgangspunkt ist wichtig und einfach zu veranschaulichen. Nehmen wir an, Sie sind ein Einzelhändler in einem vielleicht stagnierenden Markt. Wenn Sie Ihr Angebot zur richtigen Zeit platzieren können, sind Sie erfolgreicher. Die präzise Vorhersage des Zeitpunkts des Kaufentscheides Ihrer Kunden ist ein grosser Wettbewerbsvorteil. Sie können dadurch z.B: Ihren Marktanteil vergrössern.

Beim erwähnten Projekt hat ELCA historische ERP-Transaktionen und öffentlich verfügbare Daten analysiert, um das nächste Einkaufsfenster für bestimmte Produkte für jeden Kunden zu bestimmen. Da der Einzelhändler die Erlaubnis der Kunden zur Nutzung der Daten hatte und auch ein funktionierendes Verteilungssystem verfügbar war, haben wir modernste Technologien und Algorithmen dafür angewendet.

Das Anliegen wurde mit einer Klassifizierungs- anstatt eines Regressionsproblem-Ansatzes angegangen. Für unseren Kunden war nicht die Höhe (Kosten, Menge) der nächsten Bestellung primär wichtig, sondern die nächstmögliche Bestellzeit, damit man den Kunden zum richtigen Zeitpunkt kontaktiert, um ihn bei der Kaufentscheidung zu unterstützen. Das Modell musste somit Kunden in verschiedene Klassen einteilen. Eine solche Klassifizierung kann zum Beispiel so aussehen:

• 0: Kunden die in den nächsten x Tagen einen Einkauf tätigen
• 1: Kunden die erst nach x Tagen einkaufen werden, aber innerhalb eines Jahres.
• 2: Kunden die innerhalb von einem Jahr keinen Einkauf tätigen

Anschliessend wurden die verschiedenen Datensätze zusammengeführt, um nützliche Informationen für das nötige Machine Learning-Modell zu erstellen. Diese Kombination aus Kunden-, Kontakt- und  Produktmodell-Daten bildet einen ersten Satz von Features, die als kontobezogene Features definiert sind.

Jede Zeile in den endgültigen Daten zum maschinellen Lernen besteht aus drei Arten von Funktionen: den kontobezogenen, den aktuellen Monat betreffenden Merkmalen und den Merkmalen der vorherigen Bestellung. Funktionen, die sich auf den aktuellen Monat beziehen, werden hauptsächlich aus den externen Daten gebildet, um die Schwankungen von Preis und Wettertemperatur über die Zeit hinweg zu verbinden. Schliesslich werden einige Merkmale der vorherigen Bestellung verwendet, wie z. B. "War es eine grosse oder eine kleine Bestellung?" oder "Wann ist dieser Ablauf im Vergleich zur vorigen aufgetreten?".

Das Ergebnis war eine extensive Liste von 122 Funktionen. Diese Funktionen basieren auf den Geschäftskenntnissen von CRM, aber auch auf Analysen von Customer Journeys. Eine Kundenreise ist ein Diagramm, in dem alle Bestellungen eines bestimmten Kunden sowie die Wetter- und Preisinformationen im Laufe der Zeit sichtbar sind. Kundenreisen wurden als Ausgangspunkt verwendet, um die Muster der Kundenbestellungen, den Einfluss externer Daten und das allgemeine Verhalten der Kunden zu verstehen. Weitere Funktionen wurden auch nach einer Erprobungs- und Fehlerphase beim Erstellen und Testen von Maschinenlernmodellen erstellt.

Um die Qualität der Ergebnisse zu vergleichen wurden verschiedene Machine Learning Modelle eingesetzt:

• Linear models (linear regression)
• Tree models (extra tree and decision tree)
• Ensemble models (random forest, extra trees, and bagging regressor)
• Neighbors models (neighbors regressor) Neural networks / long short-term memory networks

Nicht zu übersehen ist jedoch, dass nur wenige Austausche zwischen Experten und Daten-wissenschaftlern zu einem genauen Modell führten und Fehlinterpretationen vermieden werden konnten.

Das Beispiel zeigt, dass die Datenqualität, Prozesseffizienz und Systeme einer Organisationseinheit bestimmen, welcher Ansatz am sinnvollsten ist. Häufig lösen bereits bekannte Massnahmen und Tools wie ein effektives Vertriebssystem (CRM) oder die geschickte Verwendung verfügbarer Daten (z. B. Big Data) die wichtigsten Probleme.

Wenn Sie jedoch von der zuverlässigsten Vorhersage profitieren oder neue Geschäftsbereiche entdecken möchten, müssen Sie die künstliche Intelligenz (KI) einsetzen. Dabei muss man sich auch bewusst sein, dass die Anforderungen an die Organisation komplexer sind. Das obige Beispiel zeigt, dass neue Technologien wie KI die Toolbox eines Vermarkters ergänzen und sinnvoll ergänzen. Dies ändert nichts an der Tatsache, dass nach wie vor die Basis für eine erfolgreiche Geschäftsbeziehung das Vertrauen des Kunden ist. Um dieses Vertrauen nicht zu gefährden, müssen Datenschutz und Cyber-Sicherheit Priorität haben und entsprechend kommuniziert werden.