Für die meisten digitalen Vermarkter wird immer deutlicher, dass maschinelles Lernen und künstliche Intelligenz nicht nur in den meisten anderen Branchen, sondern auch im digitalen Marketing eine entscheidende Rolle spielen werden. Da das digitale Marketing regelmäßig extreme Datenmengen produziert, was der wichtigste Input für KI-Algorithmen ist, wird erwartet, dass das digitale Marketing eine der Branchen sein wird, in denen die KI viele Vorteile bringt und durch die Einführung der KI am stärksten verändert wird.
Obwohl die Praktiker des digitalen Marketings sich meist über seine Bedeutung einig sind, gibt es oft weniger Informationen darüber, wie maschinelles Lernen bereits in diesem Bereich eingesetzt wird, was sind seine Hauptvorteile und was werden die wichtigsten Trends seiner zukünftigen Nutzung sein.
Wir präsentieren 6 Beispiele für den Einsatz von KI im digitalen Marketing.
Suchmaschinen
Machine Learning ist in den letzten Jahren zu einem wichtigen Bestandteil der Google-Suchmaschinenalgorithmen geworden. Im Jahr 2015 berichtete Bloomberg, dass Google den Algorithmus des maschinellen Lernens RankBrain als Teil seiner Suchmaschine Hummingbird verwendet. Laut Google-Quellen im Bloomberg-Artikel ist “RankBrain das drittwichtigste Signal, das zum Ergebnis einer Suchanfrage beiträgt”. Die anderen beiden sind Inhalte und Links, wie von Google 2016 bekannt gegeben.
Beachten Sie, dass Hummingbird viele andere Algorithmen umfasst, die sich auf andere spezifische Bereiche beziehen. Sogenannte Panda und Penguin sollen Spam bekämpfen, Pigeon adressiert die lokale Suche, während Mobile Friendly Websites belohnt, die mobilfreundlich sind.
Rankbrain Machine Learning Algorithmus wurde von Google entwickelt, um das Problem des Rankings von Websites auf bisher nicht gesehenen Abfragen zu lösen. Im Jahr 2015 stellten Abfragen, die Google normalerweise nie sieht, 15% aller Abfragen dar. 2019 stellte Gary Illyes ein weiteres wichtiges Merkmal von RankBrain klar, nämlich dass es historische Daten darüber verwendet, wie Benutzer mit Suchergebnissen interagieren, wodurch einige Spekulationen, dass die Interaktion mit Inhalten eine wichtige Rolle für Rankbrain spielt, gemildert werden.
Sprachsuche und Spracherkennung
Die Sprachsuche ermöglicht es Benutzern, mit einem Sprachbefehl zu suchen, anstatt sie einzugeben. Um dies zu erreichen, nutzt es die Spracherkennungstechnologie, um die Suchanfragen zu verstehen.
Die Sprachsuche kann für verschiedene Zwecke genutzt werden:
- abfragen von Informationen in Suchmaschinen,
- suchen von Fotos oder Audio,
- Programme starten,
- auswahl an Optionen
Die Popularität der Sprachsuche wird von drei großen Trends bestimmt:
- Verbreitung von Handys und anderen mit dem Internet verbundenen Geräten wie Amazon Alexa, Siri, Microsoft Cortana und Google Assistant
- Verbesserungen bei den Spracherkennungstechnologien aufgrund von Fortschritten beim tiefen Lernen und der Verfügbarkeit größerer Datenmengen, auf denen KI-Modelle trainiert werden
- bessere Fähigkeit der Suchmaschinen, zu verstehen, wonach wir suchen oder sogenanntes Natural Language Understanding (NLU)
Predictive analytics
Predictive Analytics ist die Verwendung von Daten, statistischen Algorithmen und maschinellen Lernens, um zukünftige Ereignisse, Ergebnisse oder Verhaltensweisen basierend auf historischen Daten vorherzusagen.
Es gibt zwei Arten von Vorhersageanalysemodellen: Klassifizierungsmodelle sagen voraus, ob etwas zu einer bestimmten Klasse gehört, z.B. ist eine bestimmte E-Mail Spam oder nicht. Regressionsmodelle prognostizieren eine Anzahl, z.B. wie hoch die erwarteten Unternehmensumsätze im nächsten Monat werden.
Predictive Analytics kann bei einer Vielzahl von Problemen eingesetzt werden, die für digitale Marketingunternehmen typisch sind.
Eine Anwendung ist das Lead-Scoring, d.h. der Prozess der Zuweisung numerischer Scores zu jedem Lead oder potenziellen Kunden entsprechend den verschiedenen Aktionen, die er im Verkaufstrichter durchführt. Durch die Verwendung von Modellen des maschinellen Lernens, die auf demographischen, verhaltensbezogenen und anderen Daten basieren, kann das Unternehmen genauer bestimmen, welche Leads für den Vertrieb oberste Priorität haben sollten.
Eine weitere wichtige Anwendung der Predictive Analytics ist das Verständnis der Ursachen der Kündigungen. Durch die Analyse historischer Daten, die mit Kunden verbunden sind, die das Unternehmen verlassen haben, kann man Attributen identifizieren, die zu einer höheren Wahrscheinlichkeit führen, dass Kunden uns verlassen, was dem Unternehmen die Möglichkeit gibt, proaktiv mit solchen Kunden in Kontakt zu treten und Abwanderungsprozesse zu verhindern.
Sentimentanalyse
Unternehmen können Social Media nutzen, um eine Fülle von Informationen über ihre Produkte und Marken zu verfolgen. Durch den Einsatz von Natural Language Processing (NLP)-Methoden können sie ableiten, welche Themen und Beschwerden in Bezug auf ihre Marken oder bestimmte Produkte und Dienstleistungen diskutiert werden.
Modelle des maschinellen Lernens eignen sich hervorragend zur Beurteilung der Sentiment von Texten und ermöglichen es, die Sentiment von Marken zu verfolgen, wie sie in Social Media oder Nachrichten diskutiert werden. So können die Unternehmen bestimmte Gesprächsthemen im negativen Fall markieren und proaktiv auf Social Media reagieren.
Visuelle Suche und Bilderkennung
Bilderkennungsprogramme haben in den letzten Jahren große Fortschritte gemacht, was auf die Anwendung von Algorithmen für tiefes Lernen, die Verwendung von Grafikprozessoren für deren Training und die Verfügbarkeit einer großen Menge an Bildern aufgrund des Anstiegs mobiler Geräte zurückzuführen ist.
Eines der Ergebnisse ist der Anstieg der visuellen Suche, bei der Bild statt Text als Suchbegriff für die Suchmaschinen verwendet wird. Pinterest Lens, einer der Marktführer in der visuellen Suche, verzeichnete im Zeitraum Februar 2017 bis Februar 2018 einen Anstieg der visuellen Suche auf seiner Plattform um 140% und erreichte im Februar 2018 600 Millionen monatliche Suchanfragen.
Google Lens, ein weiteres großes visuelles Suchprodukt, ermöglicht seinen Nutzern eine große Anzahl von Aufgaben, die sie auf ihrer Plattform ausführen können:
- Termine zum Kalender hinzufügen,
- den Weg zu finden,
- einen Anruf tätigen
- fotografieren Sie Kleidung, Möbel, Wohnkultur und andere Produkte
- Informationen über Standorte durch Fotografieren abrufen
- Pflanzen und Tiere identifizieren
Einzelhändler integrieren zunehmend visuelle Suchtechnologien in ihre Apps und Websites, um die Friktion im Prozess von der Suche bis zur Umwandlung zu reduzieren und so das Einkaufserlebnis für ihre Nutzer zu verbessern.
Chatbots
Chatbots oder virtuelle Assistenten sind die neuesten Hilfsmittel mit dem Ziel, die Interaktion zwischen Mensch und Computer einfacher und angenehmer zu gestalten. Chatbots sind Programme der künstlichen Intelligenz (hauptsächlich Natural Language Processing – NLP-Modelle), die in der Lage sind, ein Gespräch oder einen Chat mit dem Benutzer entweder auf Websites, mobilen oder Messaging-Anwendungen oder über Telefone zu führen.
Die zunehmende Nutzung von Chatbots wird zum Teil durch die Senkung der technologischen Anforderungen getrieben, da es immer einfacher wird, einen Chatbot zu erstellen und zu starten.
Unternehmen, die einen Chatbot implementieren, können zahlreiche Vorteile daraus ziehen.
Eine aktuelle Umfrage ergab, dass 83% der Käufer beim Einkaufen eine gewisse Unterstützung benötigen. Eine Chatbot-Lösung kann den Kundendienst erheblich unterstützen und verbessern, indem sie Antworten auf typische Fragen gibt, Produktseiten, Tutorials und andere umfangreiche Inhalte anbietet. Sie kann auch komplexe Aufgaben wie die Terminvergabe übernehmen oder benutzerspezifische Informationen wie den Bankkontosaldo zurückgeben.
Zusätzliche Vorteile von Chatbots:
- sie sparen Zeit
- sie sparen Kosten
- sind 24/7, 365 Tage im Jahr verfügbar.
Das maschinelle Lernen treibt eine wachsende Anzahl von wichtigen digitalen Marketingprodukten voran und wird in vielen Bereichen eingesetzt, was für digitale Vermarkter von großem Nutzen ist. Da sich die KI-Algorithmen verbessern und das digitale Marketingbereich die besten Möglichkeiten lernt, KI in ihre Arbeitsprozesse zu integrieren, wird erwartet, dass das maschinelle Lernen in den kommenden Jahren eine noch wichtigere Rolle im digitalen Marketing spielen wird.
Add a Comment