Künstliche Intelligenz für ein noch smarteres CRM
Technologien und Systeme aus dem Bereich der künstlichen Intelligenz (KI) sind längst auch im CRM angekommen und helfen Kundenbeziehungen zu optimieren. Die Fülle an Daten aus dem CRM bieten einen perfekten Nährboden für KI und damit die Grundlage für neue intelligente Tools. Und das Potenzial ist noch lange nicht ausgeschöpft. Wir unterstützen Sie mit passenden CRM-Lösungen, die dem neusten Stand der Entwicklung entsprechen. Dazu gehören Tools auf KI-Basis, die mit Hilfe von Ihren Daten und selbstlernenden Algorithmen Muster erkennen, Lösungsvorschläge geben und Vorhersagen treffen können. Diese Software Werkzeuge können für Fragestellungen in Vertrieb, Service und Marketing genutzt werden. Einmal aufgebaut sind diese „Assistenten“ unermüdliche Helfer und liefern zuverlässig wertvolle Informationen und Empfehlungen auf Fragen wie:
- Auf welche Leads sollte ich mich konzentrieren?
- Welche Angebote werden am wahrscheinlichsten zu Aufträgen?
- Was für Artikel findet der Kunde interessant?
- Welchen Kunden sollte ich als nächstes anrufen?
- An welchen Themen ist der Kunde besonders interessiert?
Diese alltäglichen Fragestellungen, werden in vielen Unternehmen oft umständlich und vergangenheitsbezogen analysiert oder einfach aus dem Bauchgefühl heraus beantwortet. Auch wenn letzteres oft richtig liegt, ist es in Kombination mit einer KI deutlich zuverlässiger. Die Intuition des Mitarbeiters ergänzt durch intelligente Tools sind gute Voraussetzungen, um korrekte Prognosen und Schlüsse für die Entscheidung zu entwickeln.
Damit Sie schneller und besser Entscheidungen treffen können, stellen wir Ihnen „künstliche Assistenten“ an die Seite.
Anwendungsbereiche
Die Einsatzgebiete unserer KI-Lösungen umfassen prinzipiell den Ausbau der Kundenbeziehung die Weiterentwicklung des Produktangebotes und den Aufbau von Märkten. Folgende könnten konkrete Anwendungsbereiche in Ihrem Unternehmen sein:
Leadgewinnung
KI hilft herauszufinden auf welche Leads es sich zu konzentrieren lohnt und assistiert mit Empfehlungen semantischen Methoden.
Auftragsvorhersage
Über das Prognosemodell werden auftragswahrscheinliche Kunden identifiziert.
Customer Lifecycle
Identifizierung von teuren Kunden. Wo wird das meiste Geld verloren gehen? Wen lohnt es zu binden?
Churn Management
Rechtzeitige Warnungen darüber erhalten, welche Kunden abwanderungsgefährdet sind.
Up & Cross Selling
Klassiker wie „andere Kunden haben gekauft“ bis hin zu Empfehlungen, was bei bestimmten Kunden gut läuft.
Product Bundles
Welche Aktionen haben sich bewährt und was ist die optimale Zusammenstellung von Aktionsprodukten?
Die Technologie dahinter
In allen Projekten werden standardisierte Softwaretools eingesetzt. Das Prinzip ist meistens gleich: Die von uns eingesetzten Systeme sind bekannte Lösungen ergänzt um eigenentwickelte Komponenten, so dass ausgehend vom Business Case eine maßgeschneiderte Lösung verwendet wird.
Folgende Grafik visualisiert einige von uns verwendete KI Tools und die verschiedenen Datenquellen, aus denen sie Informationen schöpfen und verarbeiten, sowie die dadurch möglichen Outputs.
Beispiel Abschlussprognose
Die zentrale Frage im Vertrieb des Kunden war "Welche Opportunities werden voraussichtlich zu Aufträgen?". Um diese Frage zu beantworten wurden mit viel Aufwand umfangreiche Reports erstellt. Die Basis hierfür: 50.000 Vertriebschancen, viele tausend Aktivitäten, und mindestens genau so vielen Angebote. Wir haben die Kriterien ermittelt, die relevant für Auftragsabschlüsse sind. Diese haben wir entlang von Customer Journeys betrachtet und analysiert wo tatsächlich Aufträge abgeschlossen wurden.
Aus den Erkenntnissen haben wir den Algorithmus entwickelt. Dieser wurde mehrfach angewendet und an Hand der Ergebnisse verfeinert. Wir hatten einen absoluten Volltreffer! Die Prognosen sind so eingetreten, wie die Maschine gerechnet hat. Wir konnten vorhersagen, welche Vertriebschancen zu Aufträgen werden!
Die Customer Journey direkt vor dem Abschluss ist oft entscheidend. Wie und in welcher Intensität hat der Vertriebsmitarbeiter mit dem Kunden interagiert. Und wenn wir erfolgreiche Journeys besser verstehen, dann ergibt das auch nutzbare Informationen für das Verhalten der Vertriebsmitarbeiter.
Beispiel Absatzprognose
Absätze sind oft saisonal Einflüssen ausgesetzt. Dies gilt für fast jede Branche, für Brunnenhersteller ganz besonders. Im Sommer und besonders bei über 30 Grad ist Hochkonjunktur. Diese „naturgegebenen“ Besonderheiten sind bekannt. In der Vergangenheit sind diverse Planungsverfahren etabliert und aufgebaut worden, die diese naheliegenden Einflüsse berücksichtigen. Sondersituationen wie eine globale Pandemie hingegen übersteuern jede Planung. Wir haben in unserem Modell nicht nur Saisonalität vorausgesagt, sondern auch die Pandemie-Zeiten durch geeignete Funktionen berücksichtigt.
Trends sind im Vertriebsalltag durch die Vielzahl der Einflüsse oft nicht genau zu erkennen. Mit der Datenanlyse zur Bestimmung von Trends erhält der Vertrieb und die Unternehmensstuerung wichtige Impulse für zu erwartende Umsätze oder Kapazitätsbedarfe an Menschen oder Maschinen. Diese Charts zeigen an einem Beispiel, wie ein Trend zerlegt wird in einen linearen Anstieg, der saisonalen Überlagerung. Ggf. können wie im letzten Chart aber auch Sondereffekte – z.B. ein Weihnachtsgeschäft unter besonderen Bedingungen modelliert werden und die erwarteten Zahlen für das Folgejahr „prophezeit“ und mit der Vertriebserfahrung abgeglichen werden
Beispiel Empfehlung Verkaufsartikel
Für viele Außendienste zählt auch heute noch der Auftrag beim Kundenbesuch. Da reicht nicht der Blick auf die Dispoliste der Vergangenheit. Es geht um Neuprodukte, Aktionsware aber auch um Produkte, die der Kunden nicht bestellt, die aber bei anderen vergleichbaren Kunden „gut laufen“. Dies geschickt zu analysieren und im Gespräch anzubieten ist die Kunst. Dann geht es nicht nur einfach um mehr Umsatz, mehr Menge, mehr Artikel, sondern um Wachstum – den Kunden auch erfolgreicher zu machen. Wir haben in diesem Projekt alle Klassifizierungsaspekte zu Artikel, Kunde, Auftrag analysiert und die Aufträge dazu. Aus den Mustern können wir ableiten, was der Mitarbeiter im Kundenbesuch vorschlagen sollte – das was Erfolg verspricht.
Für den Vertriebler ist es schwierig, den kompletten Auftragsbestand im Blick zu haben. Für ein KI-Modell nicht. Genau wie bei den Empfehlungen von Amazon oder Netflix kann auch der Vertriebler unterstützt werden. Was haben in meinem Kundenbestand ähnliche Kunden noch gekauft, was ich noch gar nicht bei meinem Kunden adressiert habe? Standard-Recommender können da schnell weiterhelfen, Angebotsvorschläge generieren und die Ergebnisse ins CRM als Vertriebsaktivitäten eingestellt werden.
Unsere Vorgehensweise
Zu Beginn eines Projektes konzentrieren wir uns auf drei Aspekte: Das Erstellen eines klaren Zielbildes, das Sicherstellen der Datenbasis sowie der aktuelle Status des CRM. Wir versuchen dabei mit Ihnen gemeinsam Antworten auf folgende Fragen zu finden:
1. Ziel
- Welche Fragen soll die KI beantworten?
- Wie sieht die Customer Journey aus?
- Macht eine KI Lösung in diesem Fall Sinn?
- Wen soll der KI- Assistent unterstützen?
2. Daten
- Sind genügend Daten vorhanden?
- Wie ist die Qualität der Daten?
- Welche Daten sind relevant?
- Wie werden Daten erfasst – gibt es hier Optimierungsbedarf?
3. CRM
- Ist das CRM auf dem notwendigen Stand?
- Welche KI Unterstützung bietet Ihr aktuelles CRM?
- Welche zusätzlichen KI Module machen Sinn?
Ist diese Checkliste abgearbeitet, kann es in der Regel mit der Entwicklung losgehen. Anhand eines Beispiels für die Empfehlungssystems.
Der Aufbau eines Assistenten erfordert Datenwissen und den Praktiker. Und natürlich das geeignete Tool. Mehr bedarf es nicht. Bewährt hat sich unsere 3 Stufen Vorgehensweise.
1. Datenanalyse für ein Empfehlungssystem
- Verstehen und überprüfen des Klassifizierungssystems für Kunden, Artikel und ggf. weitere Datenarten inklusive Datenqualität
- Auswirkungen der Strukturen und Mechanismen
- Sichtung im System und Bereitstellung geeigneter Datenexporte für die ausgewählten Daten
- Erarbeitung der Zielfunktion: welche Parameter sollen in Wechselwirkung optimiert werden
2. Algorithmus
- Implementierung der Zielfunktion und Überprüfung der Ergebnisse an relevanten Beispielen mit KI-Komponenten
- Iterationen zur Optimierung
3. Entwurf eines Designs zur internen Vermarktung
- Vorgehensweise zum Kennenlernen und zur Teilhabe an der Optimierung des Assistenten
- Ergebnispräsentation für den Vertrieb über die analysierten Daten sowie die geplanten Änderungen für den Verkaufsprozess integriert im CRM
Wir unterstützen Sie dabei, wie die Vorhersagen des Modells in den Arbeitsablauf der Mitarbeiter einzubinden. Üblicherweise ist der Prozess mit einer stetigen Anpassung von Aufgabe oder Modell zur Optimierung des Ablaufes verbunden.