Ein angenehmes, serviceorientiertes Kundenerlebnis ist heutzutage Kern jeder Marketingstrategie. Wem es gelingt, Menschen präzise anzusprechen und gezielt auf ihre individuellen Wünsche einzugehen, stellt eine positive Customer-Experience sicher. Von der Produktentwicklung bis zur Kommunikation im After-Sale gilt es, stimmig zu kommunizieren und dabei idealerweise das Wissen über Kunden und ihr Verhalten gezielt zu nutzen. Dabei führt über kurz oder lang kein Weg an KI-Technologien vorbei. So optimieren Marken und Unternehmen beispielsweise mithilfe KI-basierter Virtual Assistants und Chatbots die Customer-Experience, indem sie die Kommunikationsbedürfnisse der Verbraucher in Echtzeit adressieren.

Vor diesem Hintergrund erscheint eines wenig überraschend: Zwei von drei deutschen Unternehmen arbeiten bereits mit Chatbots und Voice-Assistants. Die digitalen Kundenberater holen potenzielle Käufer dort ab, wo die sich aufhalten – auf der Homepage oder in sozialen Netzwerken. Sie sprechen die Kunden so an, wie es ein guter Berater oder Verkäufer tun würde, und verbessern damit die Customer-Experience. Für das Marketing sind Chatbots sehr lukrativ, ermöglichen sie doch Marken und Unternehmen, in großem Umfang mit dem Kunden in eine One-to-One-Kommunikation zu treten. So weit, so bekannt.

Bisher handelt es sich bei den meisten Anwendungen jedoch um simple Wenn-A-dann-B-Entscheidungsbäume. User klicken sich durch vorformulierte Quick Replys. Mit KI hat das in den wenigsten Fällen zu tun. Und es fühlt sich auch für die Kunden nicht danach an. Auch im Jahr 2022 sehen wir gerade bei Chatbots noch immer viele Pilot- oder Stand-alone-Projekte – ohne Verzahnung mit Business-Intelligence-Tools, die in der Lage wären, über den Dialog zwischen Mensch und Maschine gewonnenen Daten weiter zu verwerten.

Die nächste Iteration sollte folgerichtig die Datenerfassung und -nutzung fokussieren. Die von Chatbots erhobenen Daten sind unbedingt klug zu nutzen, um Unternehmen einen Wettbewerbsvorteil zu verschaffen. Dafür setzen KI-gestützte Bots auf Analytics-Ansätze und Machine-Learning. Denn um eine Customer-Experience erfolgreich zu gestalten, braucht es eine ganzheitliche KI-Strategie. Dabei geht es einerseits darum, den Kunden durch die gesamte Customer-Journey zu begleiten. Kunden sind schließlich bequem und anspruchsvoll – sie erwarten, stets persönlich angesprochen zu werden. Beides lässt sich durch künstliche Intelligenz in exponentiellem Umfang realisieren. Andererseits gilt es, die gewonnen Daten in möglichst vielen Bereichen des Unternehmens gezielt zu verarbeiten. Bereits genutzte Anwendungen aus der Marktforschung profitieren davon und helfen dabei, die wertvollen Einblicke nutzbar zu machen. Diese wiederum können in einem weiteren Schritt in die Strategien der Unternehmen einfließen.

Doch wie genau funktioniert das nun? Ein sinnvolles KI-Konzept definiert immer Kernpunkte sowie Abhängigkeiten und fixiert KPI sowie Geschäftsziele. Und das geschieht jeweils am konkreten Anwendungsfall. Beispielhaft ist bei einem geplanten Einsatz von KI-gestützten Bots Folgendes zu klären: Sind die zu erwartenden Fragen der Nutzer komplexer Natur oder eher standardisierbar? Was geschieht mit Fragen, die der Chatbot nicht beantworten kann, und wie läuft dann beispielsweise die Übergabe an einen Callcenter-Agenten ab? Sind Schnittstellen zu Drittsystemen notwendig? Geht es um eine Voice- oder Text-basierte Lösung und braucht man eine Spracherkennung?

Sind alle Fragen rund um den Anwendungsfall geklärt und dieser priorisiert, kommen Technologien ins Spiel, die die User-Experience künftig und nachhaltig prägen und die Customer-Experience optimieren. Diese Ansätze der KI lassen sich in verschiedenen Anwendungsfällen verwenden, unterscheiden sich jedoch wie nachfolgend skizziert voneinander:

1. Neuronale Netzwerke sind vom menschlichen Gehirn inspirierte Modellierungsansätze, die es ermöglichen, komplexe Zusammenhänge in Daten zu erkennen. Sie erlauben eine ganze Breite an Anwendungsfällen, von Bilderkennung über Sprachanalyse bis zur Analyse von Zeitreihen. So kann man sie zur Durchführung von vorausschauenden, zielgerichteten Marketingkampagnen einsetzen. Dadurch lassen sich etwa Verkäufe algorithmisch vorhersagen.
2. Automatisiertes Machine-Learning (ML) vereinfacht und beschleunigt den Machine-Learning-Workflow und befähigt Anwender, ohne spezifisches ML-Know-how oder -Programmierkenntnisse KI-Analysen zu erstellen. So sind einfache erste Tests möglich, um herauszufinden, welche der vielen Daten sich gewinnbringend analysieren lassen. Sobald Menschen oder andere umgebungsbedingte Faktoren mit Technologie interagieren, entsteht eine Masse und Vielfalt an solchen Daten.
3. Natural-Language-Processing befasst sich mit dem Verstehen und Generieren menschlicher Sprache und dient damit als „Kommunikationsbrücke“ zwischen Menschen und Computern. Das ermöglicht es, zum Beispiel das Sentiment oder den Inhalt einer Nachricht automatisch zu klassifizieren und so gezielt einem internen Prozess zuzuordnen. Außerdem gibt es die Option, personalisierte Texte automatisiert zu schreiben.
4. Computer-Vision verleiht Computern die Fähigkeit, zu sehen und den Inhalt von digitalen Bildern wie Fotos, Videos und anderen visuellen Eingaben zu verstehen. Aus den auf den Bildern erkannten Objekten lassen sich wiederum Empfehlungen aussprechen oder passende Handlungsanweisungen ableiten.
5. Emotion-KI verhilft den seelenlosen Maschinen, Emotionen anhand von Text, Audio und Video zu analysieren und die kognitiven und emotionalen Kanäle der menschlichen Kommunikation zu interpretieren.

Die genannten und ergänzenden KI-Ansätze werden Unternehmen in den nächsten Jahren auf Trab halten. Doch das Engagement zahlt sich langfristig aus: Neue KI-Tools modellieren die Marketingeffektivität, indem sie Daten aus sozialen Netzwerken und Suchergebnissen erfassen und algorithmische Prognosen zur Verkaufsleistung erstellen. Gleichzeitig spart die mit KI verbundene Automatisierungen bei der Content-Erstellung Zeit und Geld. Letztlich eröffnet die Fähigkeit, wachsende Mengen an strukturierten und unstrukturierten Daten zu kombinieren, völlig neue Einblicke und sinnvolle, personalisierte Kundenerlebnisse.

Es gilt: Wer die Customer-Experience optimiert, macht das Rennen. Aktuelle Untersuchungen zeigen: Konsumenten entscheiden nicht länger nur nach Preis, sondern bleiben langfristig lieber dort, wo ihnen die Marke und das Unternehmen eine überzeugende User-Experience bieten. Es lohnt sich also, den Brückenschlag zwischen KI und Customer-Experience anzugehen.