Künstliche Intelligenz

Mit KI Prozesse optimieren

Künstliche Intelligenz und Automatisierung

Die Tech­nolo­gie hat Men­schen in manchen Bere­ichen bere­its über­holt. Ein Begriff taucht in diesem Zusam­men­hang immer wieder auf: Die Kün­stliche Intel­li­genz (KI), die bere­its von vie­len Unternehmen genutzt wird. Kün­stliche Intel­li­genz hat in den ver­gan­genen Jahren eine enorme Entwick­lung durch­lebt. In den Führungse­ta­gen ist KI das große Zukun­ft­s­the­ma, denn diese hat das Poten­zial, die Gesellschaft und Wirtschaft grundle­gend zu verändern.

KI bietet Unternehmen eine großar­tige Chance, das eigene Geschäft zu opti­mieren und ganze Branchen neu zu ord­nen. Die wichtig­ste Frage hier­bei lautet: Welche Voraus­set­zun­gen muss KI erfüllen, um einen Mehrw­ert für Unternehmen zu schaf­fen? Intel­li­gente Algo­rith­men allein reichen dafür nicht aus. Vor allem muss KI in einem men­schlichen Bezugsrah­men ste­hen, um Entschei­dun­gen im Unternehmen auf einem viel höheren Niveau als bis­lang vorzu­bere­it­en, zu prüfen und umzuset­zen.
Was ist KI und wie verän­dert KI das Arbeit­en? Dieser Artikel liefert eine ganzheitliche Ein­führung in dieses Thema.

Was ist Künstliche Intelligenz?

In der Infor­matik bezieht sich der Begriff Kün­stliche Intel­li­genz auf jede men­schenähn­liche Intel­li­genz, die von einem Com­put­er, einem Robot­er oder ein­er anderen Mas­chine gezeigt wird. Im all­ge­meinen Sprachge­brauch bezieht sich KI auf die Fähigkeit eines Com­put­ers oder ein­er Mas­chine, die Fähigkeit­en des men­schlichen Geistes zu imi­tieren — aus Beispie­len und Erfahrun­gen zu ler­nen, Objek­te zu erken­nen, Sprache zu ver­ste­hen und darauf zu reagieren, Entschei­dun­gen zu tre­f­fen, Prob­leme zu lösen und andere Fähigkeit­en zu kom­binieren, um Funk­tio­nen auszuführen, die ein Men­sch aus­führen kön­nte. Daher gilt KI als dig­i­tale Sim­u­la­tion des men­schlichen Denkprozess­es. Darunter fall­en Machine Learn­ing, Nat­ur­al Lan­guage und Deep Learn­ing. KI ist heute Teil unseres täglichen Lebens gewor­den. Der Entwick­lungss­chub in der KI wird durch die plöt­zliche Ver­füg­barkeit großer Daten­men­gen und die entsprechende Entwick­lung und bre­ite Ver­füg­barkeit von Com­put­er­sys­te­men ermöglicht, die all diese Dat­en schneller und genauer ver­ar­beit­en kön­nen als Menschen.

In Verbindung mit der Daten­er­fas­sung und Daten­spe­icherung und den Analy­se­funk­tio­nen ein­er effek­tiv­en CRM-Lösung kann KI erstaunliche Ergeb­nisse erzie­len. Eine KI-Soft­ware lernt nicht auf die gle­iche Weise wie men­schliche Gehirne, son­dern ist auf das Machine Learn­ing angewiesen, das aus ver­schiede­nen Algo­rith­men beste­ht. Dabei laufen aber alle Ansätze im All­ge­meinen darauf hin­aus, wie ein Com­put­er pro­gram­miert zu wer­den, um ein Muster zu erken­nen und Schlussfol­gerun­gen zu extrapolieren. Grund­sät­zlich gilt dabei: Je mehr Dat­en zur Ver­fü­gung ste­hen, desto schneller kann eine KI lernen.

Was ist der Unterschied von Machine Learning und Deep Learning?

KI-Sys­teme kön­nen alles umfassen, von einem Experten­sys­tem, ein­er Prob­lem­lö­sungsan­wen­dung, die Entschei­dun­gen auf der Grund­lage kom­plex­er Regeln trifft, bis hin zu etwas wie dem Äquiv­a­lent der die Intel­li­genz, den freien Willen und die Emo­tio­nen eines Men­schen nachbildet.

 

Machine Learn­ing

Machine Learn­ing ist eine Teil­menge der KI-Anwen­dung. Mit Hil­fe des Machine Learn­ing wer­den IT-Sys­teme in die Lage ver­set­zt, auf Basis vorhan­den­er Datenbestände und Algo­rith­men Muster und Geset­zmäßigkeit­en zu erken­nen und Lösun­gen zu entwick­eln. Dabei wird kün­stlich­es Wis­sen aus Erfahrun­gen gener­iert. Dadurch lassen sich die aus den Dat­en gewonnenen Erken­nt­nisse ver­all­ge­mein­ern und wer­den fol­glich für neue Prob­lem­lö­sun­gen oder für die Analyse von bish­er unbekan­nten Dat­en ver­wen­det. Anwen­dun­gen des maschinellen Ler­nens basieren auf einem neu­ronalen Net­zw­erk, das ein Net­zw­erk aus algo­rith­mis­chen Berech­nun­gen ist. Dieses ver­sucht die Wahrnehmung und den Denkprozess des men­schlichen Gehirns nachzuah­men. In sein­er grundle­gend­sten Form beste­ht ein neu­ronales Net­zw­erk aus fol­gen­den Bestandteilen:

  • Ein­er Eingabeebene, auf der Dat­en in das Net­zw­erk gelangen,
  • min­destens aus ein­er ver­steck­ten Ebene, auf der Algo­rith­men für maschinelles Ler­nen die Eingaben ver­ar­beit­en und Gewichte, Verz­er­run­gen und Schwellen­werte auf die Eingaben anwenden,
  • eine Aus­gabeschicht, auf der ver­schiedene Schlussfol­gerun­gen entste­hen, in die das Net­zw­erk ein unter­schiedlich­es Maß an Ver­trauen hat.

 

Mod­elle für maschinelles Ler­nen, die keine Deep Learn­ing-Mod­elle sind, basieren auf kün­stlichen neu­ronalen Net­zw­erken mit nur ein­er ver­bor­ge­nen Schicht. Diese Mod­elle wer­den mit gela­bel­ten Dat­en gespeist wie beispiel­sweise mit Dat­en, die mit Tags verse­hen sind, die ihre Merk­male auf eine Weise iden­ti­fizieren, die dem Mod­ell hil­ft, die Dat­en zu erken­nen und zu ver­ste­hen. Diese sind zu überwachtem Ler­nen fähig wie zum Beispiel die regelmäßige Anpas­sung der Algo­rith­men im Modell.

 

Anwen­dungs­beispiele für das Machine Learning

Machine Learn­ing hat ein sehr großes Spek­trum an Anwen­dungsmöglichkeit­en. Im Inter­ne­tum­feld wird Machine Learn­ing für fol­gende Bere­iche eingesetzt:

  • Selb­st­ständi­ges Erken­nen von Spam-Mails
  • Entwick­lung geeigneter Spam-Filter
  • Sprach- und Tex­terken­nung für dig­i­tale Assistenten
  • Bes­tim­mung der Rel­e­vanz von Web­sites für Suchbegriffe
  • Erken­nung und Unter­schei­dung der Inter­ne­tak­tiv­ität von natür­lichen Per­so­n­en und Bots
  • Bild- und Gesichtserkennung
  • Automa­tis­che Empfehlungsdienste

 

Deep Learn­ing

Deep Learn­ing basiert auf tiefen neu­ronalen Net­zen. Die neu­ronalen Net­ze umfassen mehrere ver­bor­gene Schicht­en, von denen jede die Schlussfol­gerun­gen der vorheri­gen Schicht weit­er ver­fein­ert. Diese Bewe­gung von Berech­nun­gen durch die ver­steck­ten Schicht­en zur Aus­gabeschicht wird Vor­wärt­sprop­a­ga­tion genan­nt. Ein ander­er Prozess, Back­prop­a­ga­tion genan­nt, iden­ti­fiziert Fehler in Berech­nun­gen, weist Gewichte zu und schiebt diese zurück in die vorheri­gen Schicht­en, um das Mod­ell zu ver­fein­ern oder zu trainieren.

Während einige Deep Learn­ing-Mod­elle mit beschrifteten Dat­en arbeit­en, kön­nen viele auch mit unbeschrifteten Dat­en arbeit­en. Deep Learn­ing-Mod­elle sind auch in der Lage, unüberwacht zu ler­nen, sodass Merk­male und Muster in Dat­en mit einem Min­i­mum an men­schlich­er Überwachung erkan­nt werden.

Wie verändert Künstliche Intelligenz das Arbeiten?

Auf viele Men­schen mag es sich befremdlich anmuten, dass Maschi­nen immer mehr die men­schliche Intel­li­genz zu erset­zen scheinen. Im All­t­ag ist die KI jedoch schon längst etabliert und wird, je nach Ein­satzbere­ich, weit­ge­hend akzep­tiert. Denn in Zeit­en von Big Data und KI beste­ht die Auf­gabe von Unternehmen nicht mehr darin, aus­re­ichend Dat­en über den Kun­den zu sam­meln. Vielmehr müssen Unternehmen die Dat­en effizient auswerten und konkrete Hand­lungsempfehlun­gen aus diesen ableit­en können.

Die Google Such­mas­chine zählt zu den weltweit bekan­ntesten KI-Erfind­un­gen. Diese Tech­nolo­gie durch­sucht unzäh­lige Quellen und zeigt dem User die passenden Suchergeb­nisse inner­halb weniger Sekun­den an. Ziel der KI ist es dabei, den User zu unter­stützen und diesen nicht zu erset­zen. Beson­ders im dig­i­tal­en Mar­ket­ing erweist sich die Tech­nolo­gie bis­lang als unter­stützen­des Instrument.

Im Zuge der Cus­tomer Jour­ney bewegt sich die Mehrheit der Kun­den ent­lang etlich­er dig­i­taler Touch­points. Unternehmen wer­den deshalb zunehmend aufge­fordert, den Kun­den eine opti­male Nutzer­erfahrung zu bieten. Diese soll vor allem schneller, per­sön­lich­er und dig­i­taler sein als zuvor. Daher ist es umso wichtiger für Unternehmen konkrete Erken­nt­nisse und Maß­nah­men aus den gesam­melten Dat­en der Nutzer ableit­en zu kön­nen. Die Kün­stliche Intel­li­genz verän­dert bere­its jet­zt das Mar­ket­ing. Mar­ketingauf­gaben wer­den durch KI opti­miert und beschle­u­nigt. Aber KI unter­stützt auch dabei Con­ver­sions zu steigern.

Verbesserte Per­son­al­isierung

Tra­di­tionelle Mar­ket­ing-Meth­o­d­en wie Medi­en­wer­bung und Direk­twer­bung sind nicht mehr so effek­tiv gegen­wär­tig. Ein­er der Gründe dafür ist, dass die Ver­brauch­er von heute erwarten, dass Marken ihre Botschaften auf ihren Stan­dort, ihre demografis­chen Dat­en oder ihre Inter­essen abstim­men. Viele Kun­den wer­den sich daher nicht mehr auf nicht-per­son­al­isiertes Mar­ket­ing ein­lassen oder diese Botschaften sog­ar ignorieren.

KI ermöglicht es Unternehmen, ihre Kom­mu­nika­tion auf indi­vidu­eller Ebene zu per­son­al­isieren, anstatt sich auf die gener­ische Ziel­gruppe zu fokussieren. Diese Tech­nolo­gie funk­tion­iert durch die Vorher­sage des Kun­den­ver­hal­tens auf der Grund­lage von Erken­nt­nis­sen aus früheren Inter­ak­tio­nen mit der Marke. Das bedeutet, dass Unternehmen Inhalte und Mar­ket­ingkom­mu­nika­tion, die den Lead am ehesten in einen Verkauf umwan­deln, zum best­möglichen Zeit­punkt senden kön­nen, um Con­ver­sions zu fördern.

Die Antwort, um sowohl die Per­son­al­isierung zu verbessern als auch mehr und bessere Inhalte zu pro­duzieren, liegt in der KI. Durch die Analyse von Kun­den­dat­en ermöglichen Algo­rith­men des Machine Learn­ings ein hyper­per­son­al­isiertes Kun­den­er­leb­nis anzubieten.

Dynamis­che Preisgestaltung

KI kann auch für die dynamis­che Preis­gestal­tung einge­set­zt wer­den, um den Preis von Pro­duk­ten dynamisch in Abhängigkeit von Nach­frage, Ver­füg­barkeit, Kun­den­pro­filen und anderen Fak­toren festzule­gen, um sowohl den Umsatz als auch den Gewinn zu maximieren.

Chat­bots für den Kundenservice

Einige Unternehmen nutzen Chat­bots, um häu­fige Kun­de­nan­fra­gen zu bear­beit­en und sofor­tige Antworten zu jed­er Tages- und Nachtzeit zu liefern. Chat­bots kön­nen so pro­gram­miert wer­den, dass vorgegebene Antworten auf häu­fig gestellte Fra­gen geliefert wer­den kön­nen und das Gespräch an einen men­schlichen Agen­ten weit­ergeleit­et wird, wenn die Frage zu kom­plex ist. Das bedeutet, dass die Zeit für den Kun­denser­vice reduziert wer­den kann und die Arbeits­be­las­tung gesenkt wird, sodass die Mitar­beit­er sich um Gespräche küm­mern kön­nen, die eine per­sön­lichere Antwort erfordern. KI-Sprachver­ar­beitungsal­go­rith­men sind in den let­zten Jahren unglaublich fortschrit­tlich gewor­den und machen es möglich, dass Maschi­nen men­schliche Agen­ten im Kun­denser­vice und Ver­trieb imi­tieren können.

Such­maschi­nen-Opti­mierung

Die Suchal­go­rith­men verbessern sich ständig in allen Bere­ichen, von der Pro­duk­t­suche in kleinen Daten­banken auf E‑Com­merce-Seit­en bis hin zu Such­maschi­nen wie Google, die täglich von Mil­lio­nen von Men­schen genutzt werden.

Die Inte­gra­tion von KI in die Suche kann Rechtschreibfehler erken­nen und alter­na­tive Such­be­griffe vorschla­gen. Daher kann das bish­erige Surf- oder Einkaufsver­hal­ten der User bee­in­flusst wer­den. Auch die Sprach­suche wird mit der wach­senden Anzahl von KI-ges­teuerten Geräten und Assis­ten­ten immer alltäglich­er. Darüber hin­aus nimmt die Sprach­suche mit dem Wach­s­tum der mobilen Inter­net­nutzung und der Smart Home-Laut­sprech­er ständig zu, und es wird erwartet, dass dies auch weit­er­hin der Fall sein wird. KI ist notwendig, um kom­plexe Muster in der Sprache zu inter­pretieren und die Bedeu­tung von gesproch­enen Suchan­fra­gen zu erken­nen, die sich stark von der tra­di­tionellen getippten Suche unter­schei­den. Unternehmen kön­nen auch KI nutzen, um Inhalte für die Sprach­suche zu opti­mieren und so die SEO und den Web­site-Traf­fic zu verbessern.

PPC-Anzeigen-Opti­mierung

A/B‑Tests wer­den tra­di­tionell zur Opti­mierung von Mar­ket­ing­botschaften und Dis­play-Anzeigen ver­wen­det. Dieser Prozess umfasst eine unendliche Anzahl von Vari­ablen, die aus­pro­biert wer­den müssen, und nimmt daher viel Zeit und Ressourcen in Anspruch. Daher soll­ten KI-Algo­rith­men ver­wen­det wer­den, um kon­tinuier­lich und automa­tisch in Abhängigkeit von Con­ver­sions und Inter­ak­tio­nen Opti­mierun­gen vorzunehmen. Die KI-Anzeigenop­ti­mierung ist auch in sozialen Net­zw­erken im Ein­satz. Algo­rith­men analysieren die Accounts, denen ein bes­timmter Nutzer fol­gt und zeigen die Anzeigen, die für diesen Nutzer am ehesten rel­e­vant sind. Dies bietet ein besseres Erleb­nis für den Nutzer und einen besseren Return on Invest­ment (ROI) für den Werbetreibenden.

Con­tent Erstel­lung und Promotion

Con­tent Mar­ket­ing bietet einen beein­druck­enden ROI. Aber es kann auch ressourcenin­ten­siv sein. KI kann dabei helfen, Con­tent-Mar­ket­ing auf ver­schiedene Weise zu beschle­u­ni­gen und zu opti­mieren. Außer­dem kann eine KI-gestützte Soft­ware automa­tisch die Kanäle mit den höch­sten Erfol­gschan­cen in Echtzeit find­en, die auf jed­er Inter­ak­tion mit der Marke basieren.

Mar­ket­ing Automation

Mit KI-gestützter Mar­ket­ing-Automa­tisierung sind die Per­son­al­isierung von Kun­den­er­leb­nis­sen, die Reak­tion auf Kun­den­in­ter­ak­tio­nen und die Kon­tak­tauf­nahme mit Leads zum opti­malen Zeit­punkt über die Kanäle mit der höch­sten Erfol­gswahrschein­lichkeit möglich. KI kann genutzt wer­den, um nicht nur zu entschei­den, welche Inhalte erstellt wer­den sollen, son­dern auch wann, wie und wo sie veröf­fentlicht und verteilt wer­den sollen. Der gesamte Prozess kann mit einem einzi­gen Klick automa­tisiert wer­den. Indem wieder­holen­den Auf­gaben an eine Mar­ket­ing-Soft­ware übergeben wer­den, kön­nen Unternehmen die Pro­duk­tiv­ität steigern und sich auf die strate­gis­che Mar­ket­ing­pla­nung, das per­sön­liche Gespräch mit Kun­den und andere Bere­iche konzentrieren.

Ver­ar­beitung von Big Data

Mit Hil­fe von KI kön­nen Fehler auf­grund von dop­pel­ten oder ver­al­teten Dat­en reduziert wer­den. Die Soft­ware kann mehrere Daten­banken analysieren und zusam­men­führen und so Infor­ma­tio­nen aus vie­len ver­schiede­nen Quellen kom­binieren, ohne dass es zu dop­pel­ten Dat­en kommt. Die meis­ten Unternehmen sam­meln bere­its eine große Menge an wertvollen Dat­en, aber die Mehrheit scheit­ert an der Nutzung der gesam­melten Dat­en. Viele Unternehmen sind oft­mals von der Menge der Daten­sätze über­wältigt. Hier­bei bietet KI einen großen Vorteil für die Ver­ar­beitung und das Ver­ständ­nis von Daten.

Kün­stliche Intel­li­genz ist her­vor­ra­gend in der Lage, große Daten­sätze zu ver­ar­beit­en und Trends und Muster in Dat­en zu erken­nen. Daher kann diese einge­set­zt wer­den, um wertvolle Ein­blicke aus Dat­en zu gewin­nen und diese Infor­ma­tio­nen auf eine Art und Weise bere­itzustellen, die für Mitar­beit­er auf allen Ebe­nen des Mar­ket­ings und des weit­eren Man­age­ment­teams leicht zu ver­ste­hen und zu nutzen ist.

Kun­den­ver­hal­ten ver­ste­hen und vorhersagen

KI kann kun­den­zen­tri­erten Organ­i­sa­tio­nen helfen, Per­son­al­isierun­gen vorzunehmen, bessere Kun­de­nentschei­dun­gen und verbesserte Vorher­sage­mod­elle zu erre­ichen. Auf ein­er hohen Ebene kann die KI-Per­son­al­isierung über die gesamte Cus­tomer Jour­ney und prädik­tive Mod­el­lierung bieten, um bessere Ergeb­nisse bei jed­er Kun­den­in­ter­ak­tion zu erzie­len. Weit­ere KI-Funk­tio­nen sind:

  • Ein Cus­tomer Deci­sion Hub, der Empfehlun­gen in Echtzeit automa­tisieren kann, um das Kun­den­er­leb­nis mit Hil­fe von KI zu verbessern,
  • Nat­ur­al Lan­guage Pro­cess­ing, um die Stim­mung und Absicht­en von Kun­den-E-Mails und Sprachan­rufen zu ermitteln,
  • Ein Self-Ser­vice Advi­sor, der sog­ar den Browserver­lauf des Kun­den scan­nen kann, um ver­schiedene Optio­nen zu präsentieren.
 

KI ermöglicht es Muster aus der Kom­plex­ität men­schlich­er Absicht­en zu ziehen und die vielfälti­gen Treiber zu bes­tim­men, die zu Entschei­dun­gen beitra­gen kön­nen. Dies kann bei ver­schiede­nen Pro­duk­ten oder Dien­stleis­tun­gen, zu ver­schiede­nen Zeit­en im Jahr, in ver­schiede­nen Regio­nen und bei ver­schiede­nen demografis­chen Merk­malen vari­ieren. Deshalb kann KI, weil es in der Lage ist, Muster in Dat­en zu erken­nen, schon oft voraus­sagen, was ein Kunde tun wird, bevor dieser sich über­haupt entsch­ieden hat. Die KI-Soft­ware nutzt Dat­en und sta­tis­tis­che Mod­elle, um zukün­ftiges Ver­hal­ten auf der Grund­lage von ver­gan­genem Ver­hal­ten und Eigen­schaften vorherzusagen. Daher kön­nen Unternehmen geziel­tere Mar­ket­ing­botschaften schick­en und diesen durch einen einzi­gar­ti­gen Kauftrichter führen, der so kon­stru­iert ist, dass der Umsatz opti­miert wird.

Bessere Busi­ness Intelligence

Das maschinelle Ler­nen hat die prädik­tive Analyse automa­tisiert und ermöglicht es, dass Mod­elle viel früher in Pro­duk­tion gehen kön­nen als herkömm­liche Busi­ness Intel­li­gence Mod­elle. Wenn neue Dat­en ein­ge­le­sen wer­den, “ler­nen” die Mod­elle und passen sich an. Diese kon­tinuier­liche Feed­back-Schleife ermöglicht eine höhere Leis­tung in einem viel kürz­eren Zeitraum mit ein­er viel besseren Genauigkeit, sodass KI mit den beab­sichtigten Geschäft­sergeb­nis­sen kor­re­liert. Die Tra­di­tionelle Busi­ness Intel­li­gence hat auch ihre Vorzüge. Aber in ein­er Umge­bung, in der zunehmender Wet­tbe­werb, Schnel­ligkeit und die Notwendigkeit von Genauigkeit gefordert sind, ist diese Prax­is auch in ihrer Fähigkeit eingeschränkt. Noch wichtiger ist es, dass Unternehmen dazu neigen wichtige Erken­nt­nisse zu ver­passen, die unter einem KI-Frame­work offen­sichtlich gewe­sen wären.

Bessere User Experience

Für Unternehmen ist es immer eine Her­aus­forderung, den Wun­sch nach hohen Umsätzen und Kon­ver­sion­srat­en mit benutzer­fre­undlichen Web­sites und Apps in Ein­klang zu brin­gen. Daher bietet die Konzen­tra­tion auf die UX Vorteile für bei­de Seit­en. Denn wenn Kun­den eine bessere Erfahrung mit der Front-Fac­ing-Tech­nolo­gie machen, ist die Wahrschein­lichkeit größer, dass diese weit­ere Inter­ak­tio­nen mit der Marke wünschen.

KI kann ver­wen­det wer­den, um die UX auf der Grund­lage von Benutzer­in­ter­ak­tio­nen automa­tisch und in Echtzeit anzu­passen. Dies ist nicht nur effizien­ter als tra­di­tionelle Test- und Opti­mierungszyklen, son­dern bedeutet auch, dass die UX an die Bedürfnisse jedes Einzel­nen angepasst wer­den kann.

Was ist Salesforce Einstein AI?

Wenn es um fortschrit­tliche KI geht, ist Sales­force Ein­stein AI die weltweit umfassend­ste KI für CRM. Diese Tech­nolo­gie ist eine KI-basierte Erweiterung beste­hen­der CRM-Funk­tio­nen und stellt Funk­tio­nen zur Ver­ar­beitung von Nat­ur­al Lan­guage Pro­cess­ing (NLP) und Machine Learn­ing zur Ver­fü­gung. Anhand von Ver­hal­tens­analy­sen und Kauf­prog­nosen kann Sales­force Ein­stein Prog­nosen erstellen und dem Unternehmen Hand­lungsempfehlun­gen für zukün­ftige Maß­nah­men bieten. Diese Analyse erken­nt Verkauf­schan­cen und Opti­mierungspoten­ziale in jedem Geschäfts­bere­ich, die vor allem gewinnbrin­gend genutzt wer­den kön­nen. Sales­force Ein­stein kann mit allen Sales­force Cloud-Lösun­gen genutzt wer­den, sodass jed­er Bere­ich auf die zukün­fti­gen Bedürfnisse der Kun­den zugeschnit­ten wer­den können.

Die Funk­tio­nen von Sales­force Ein­stein AI lassen sich in vier Haup­tkat­e­gorien unterteilen:

  • Machine Learn­ing
  • Nat­ur­al Lan­guage Processing
  • Com­put­er Vision
  • Auto­mat­ic Speech Recognition

Salesforce und Künstliche Intelligenz im Marketing

Sales­force und KI im Mar­ket­ing unter­stützen vor allem dabei vorauss­chauende Cus­tomer Jour­neys zu gestal­ten. Außer­dem wer­den Con­ver­sion Rates erhöht, indem durch Engage­ment Scor­ing und prädik­tive Empfehlun­gen vorherge­sagt wird, welche Kun­den sich eher oder weniger wahrschein­lich mit der E‑Mail oder dem Newslet­ter eines Unternehmens beschäfti­gen wer­den. Darüber hin­aus kön­nen Nachricht­en zur recht­en Zeit versendet wer­den und automa­tis­che Cross- & Up-Sell Empfehlun­gen für passende Pro­duk­te, Inhalte und Ange­bote gener­iert werden.

Salesforce und Künstliche Intelligenz im Vertrieb

Inner­halb des Ver­triebs kön­nen Gewin­nrat­en erhöht wer­den, indem anhand von Prog­nosen sowie Lead-Scor­ing und Oppor­tu­ni­ty-Scor­ing eine Vorher­sage gestal­tet wird, ob ein Kunde mit größer­er oder gerin­ger­er Wahrschein­lichkeit ein Pro­dukt kaufen wird. Dadurch kön­nen erfol­gver­sprechende Leads und Oppor­tu­ni­ties automa­tisch pri­or­isiert wer­den. Des Weit­eren kön­nen Ver­trieb­sak­tiv­itäten erfasst und bew­ertet wer­den. Die KI kann zudem Kun­den­dat­en und Aktiv­itäten pro­tokol­lieren und emp­fiehlt den Unternehmen die näch­st­besten Fol­low-Up Aktio­nen oder gener­iert E‑Mail-Antworten.

Salesforce und Künstliche Intelligenz im Service

Im Ver­trieb kann durch KI ein proak­tiv­er Kun­denser­vice gewährleis­tet wer­den. Dabei wer­den Ser­vice- und Sup­por­t­an­fra­gen automa­tisch klas­si­fiziert und weit­ergeleit­et. Die Klas­si­fizierung und Weit­er­leitung ist vor allem für Unternehmen essen­ziell, um die Kun­den­bindung zu erhöhen. Daneben unter­stützen Self-Ser­vice-Com­mu­ni­ties und automa­tisierte Assis­ten­ten wie Live Chat-Bots und Sprachas­sis­ten­ten den Vertrieb.

Mit Hil­fe von Sales­force Ein­stein Search kön­nen Suchan­fra­gen opti­miert wer­den. Dadurch ergeben sich neue Wege für User mit weitaus weniger Klicks zum gewün­scht­en Ergeb­nis zu gelan­gen. Ein­stein Search kann in die Bere­iche Per­son­al, Nat­ur­al und Action­able unterteilt werden:

Per­son­al

Jed­er User hat seine eige­nen Präferen­zen in ein­er Sales­force Org. Vor allem entste­ht diese Präferenz dadurch, dass sich User für unter­schiedliche The­men inter­essieren. Anhand von Ein­stein Search kön­nen Präferen­zen des jew­eili­gen Users erkan­nt wer­den und Suchergeb­nisse vor­ab entsprechend auf­bere­it­et wer­den. Dadurch kann Ein­stein Search dem User die für ihn rel­e­van­testen Ergeb­nisse anzeigen. Jedes Suchergeb­nis wird darauf zugeschnit­ten, was dem jew­eili­gen Unternehmen wichtig ist und wie User als Einzelper­son arbeiten.

Nat­ur­al

Dieses Fea­ture ermöglicht es natür­liche Sprache in der Such­leiste zu ver­wen­den. Dabei wird die eingegebene Syn­tax erkan­nt, aus dem die entsprechende Suchan­frage gener­iert wer­den kann. Einzel­nen Bestandteile eines Satzes wer­den auf diese Weise erkan­nt, zu ein­er SOQL-Query ver­ar­beit­et und let­z­tendlich ausgeführt.

Action­able

Ein­stein Search ermöglicht es, direkt aus der Suche her­aus erste Aktio­nen durchzuführen. Suchen Unternehmen beispiel­sweise nach einem bes­timmten Account und möcht­en diesen als neuen Kon­takt hinzufü­gen, so ist dieser Vor­gang direkt aus der Suche her­aus möglich. Dieses Fea­ture spart nicht nur Klicks, son­dern die gewonnene Zeit kann in andere Bere­iche investiert werden.

Welche Vorteile hat Salesforce Einstein?

Viele Jahre lang nutzten Unternehmen Berichte und Dash­boards, um ihre Dat­en schnell zu unter­suchen, die Leis­tung wahrzunehmen und Ergeb­nisse zu kom­mu­nizieren. Aber mit der Zeit ist es zu ein­er großen Her­aus­forderung gewor­den, Dat­en manuell zu erforschen. Hier­bei greift Sales­force Ein­stein, bei der alle Infor­ma­tio­nen an einem Ort gesam­melt wer­den, um die wichtig­sten Fra­gen der Geschäft­san­wen­der zu beantworten.

Mit Hil­fe von Sales­force Ein­stein Ana­lyt­ics kön­nen Unternehmen durch die intu­itive Funk­tion­al­ität der Plat­tform wertvolle Ein­blicke erhal­ten. Mit einem Klick auf die visuelle Ober­fläche kön­nen Unternehmen ihre Ser­vice-Mitar­beit­er, Ana­lysten, Mar­ket­ingspezial­is­ten und Ver­trieb­smi­tar­beit­er unter­stützen, ohne math­e­ma­tis­che Mod­elle erstellen oder Algo­rith­men schreiben zu müssen. Daher gibt eine Rei­he von Grün­den, warum Unternehmen Sales­force Ein­stein einsetzen:

  • Gener­ierung ein­er opti­malen Cus­tomer Expe­ri­ence durch hochgr­a­di­ge Zielgruppensegmentierungen
  • Iden­ti­fizierung von mar­ket­ing-spez­i­fis­chen Ver­hal­tens­dat­en durch Lead Scoring
  • Automa­tisierung des CRM-Sys­tems
  • Erfas­sung von Kun­den­pro­filen und Ver­hal­tens­dat­en in Echtzeit
  • Erstel­lung von dynamis­chen Cus­tomer Journeys
  • Gestal­tung von intel­li­gen­ten Inter­ak­tio­nen zwis­chen Unternehmen und Kun­den anhand von Machine Learn­ing, Deep Learn­ing, Pre­dic­tive Ana­lyt­ics und Nat­ur­al Lan­guage Processing

Auf diese Weise kön­nen wichtige Ein­blicke in ein Unternehmen gewon­nen wer­den, Prozesse automa­tisiert wer­den und Zeit einges­part werden.

Fazit

Die Kün­stliche Intel­li­genz befind­et sich als eine der wichtig­sten Zukun­ft­stech­nolo­gien in nahezu jed­er Strate­gie eines Unternehmens wieder. Vor allem im Laufe der kom­menden Jahre kann die Entwick­lung von KI zur Automa­tisierung von Prozessen und somit zur unmit­tel­baren Pro­duk­tiv­ität­sop­ti­mierung erhe­blich beitragen.

Soziale Umbrüche, ras­ante tech­nol­o­gis­che Fortschritte, bahn­brechende Inno­va­tio­nen sowie ein aus wirtschaftlich­er Sicht tat­säch­lich­er Bedarf sor­gen dafür, dass KI nicht mehr nur auf Forschungsla­bore beschränkt ist. KI gilt viel mehr als tech­nol­o­gis­ch­er Treiber für die Zukun­ft und ist daher mit­tler­weile an vorder­ster Front der Weit­er­en­twick­lung von Unternehmen und ganzen Branchen angelangt.

 

Fazit

Kontakt

Sie möchten mehr über Künstliche Intelligenz erfahren? 

Nehmen Sie mit uns Kon­takt auf:

Wie können wir Sie unterstützen?

Ich ste­he Ihnen jed­erzeit als Ansprech­part­ner zur Verfügung.

Bernd Bittner - Sales Director Salesforce CRM Services - comselect

Bernd Bit­tner, Sales Direc­tor CRM Ser­vices
Tele­fon: 0621 / 76133 500
Email: info@comselect.de

Y

Y

Z

Z

CRM Pioneer - 20 Jahre comselect

Als zertifizierter Salesforce Partner in Deutschland verfolgen wir ein Ziel: Sie erfolgreicher zu machen!

Wissen

CRM Einführung richtig angehen - Scheitern vermeiden. Erfahren Sie alles rund um CRM und Salesforce in unseren Wissensbeiträgen.

Im Fokus

  • Blog
  • Artikel
  • Whitepaper
  • Mediathek

Wissenswertes

Ihr Erfolg ist unser Branchen Know-How

Wir kennen und verstehen Geschäftsprozesse. Von der Neukundengewinnung bis zur effektiven Vertriebssteuerung. Aus der Erfahrung von über 1000 CRM Projekten haben wir Branchen-Templates erstellt, welche Ihnen erlauben innerhalb weniger Tage mit ausgewählten Prozessen „live“ zu gehen.

Herstellende Industrie

Bau- & Zulieferindustrie

  • Baucore Cloud

Stadtwerke & Energieversorger

  • Energy & Utility Cloud

Salesforce Multi-Cloud Expertise seit 2002

Salesforce ist eine CRM-Lösung für das Management von Kundenbeziehungen. Alle Abteilungen, einschließlich Marketing, Vertrieb, Kundenservice sowie Online- und stationärer Handel arbeiten auf einer gemeinsamen CRM-Plattform. So haben alle dieselbe Sicht auf ihre Kunden und können für das perfekte Kundenerlebnis sorgen.

CRM für den Service

Sie wollen die Lösungen live sehen? Nutzen Sie unser kostensfreies Beratungsangebot.

CRM für das Marketing

Lösungen für Ihre Daten

Daten- / Datensicherheit

 
3rd Party Apps
  • Conga
  • Tourenplaner
  • Docusign

Salesforce CRM Beratungs-Expertise seit 2002

Über 400 mittelständische Hersteller vertrauen unserem Know-how und den Salesforce Clouds.

Salesforce Service & Support

Diese Website benutzt Cookies, welche für die Funktion und Darstellung notwendig sind. Wenn Sie diese Website weiter nutzten, gehen wir von Ihrem Einverständnis aus.