Für Top Customer Experience muss man die Kunden kennen – AI hilft dabei

Ist Produktqualität bald egal? Das sicher nicht. Doch es wird immer wichtiger, welche Erlebnisse und Erfahrungen Kunden während der gesamten Customer Journey machen, und zwar ab dem ersten Mal, wo ihnen die Marke beziehungsweise das Produkt unter die Augen kommt, über den ganzen Lifecycle, bis hin zum (erhofften) Anschlusskauf.

Denn eine aktuelle global durchgeführte Marktstudie besagt, dass 34 Prozent der Kunden, die schlechte Erfahrungen mit einer Marke machen, nie wieder zurückkommen. Dafür würden aber etwa 40 Prozent für eine bessere Customer Experience bis zu 20 Prozent mehr bezahlen. Es ist wohl klar, welches Potential hier liegt – für starkes Wachstum oder für das geschäftliche Mega-Desaster, je nachdem.

Um Kunden zu gewinnen, sie dann möglichst langfristig zu halten und zu echten Premiumkunden zu machen, müssen Unternehmen deutlich mehr von ihnen wissen als Rechnungsadresse und bisherige Käufe. Ob B2C oder B2B, eine quasi prophetische und zugleich tiefenpsychologische Kenntnis des Kunden und natürlich auch der gesamten Kundenbeziehung ist die Grundvoraussetzung für erfolgreiches Marketing. Und mitentscheidend ist dabei, dass diese Kenntnisse bei allen Stellen im Unternehmen in Echtzeit zur Verfügung stehen, wenn ein Kundenkontakt stattfindet. Denn das Erlebnis, dass man in einem Kontakt wirklich erkannt wird, mit Bedürfnissen, Wünschen und Problemen, ist unschlagbar. Im zwischenmenschlichen Kontakt kann es Verliebtheit auslösen, im Kundenkontakt … nun ja, beinahe so etwas.

Daten sind für Customer Experience, was Kerzenlicht für ein Date ist

Plüschaugen sind jetzt nicht das Verführungs-Instrument für einen gelungenen Kundenkontakt – aber die professionelle Nutzung von Marketingdaten, die mit AI erst richtig wirkungsvoll werden, hat ein hohes Potential, Beziehungen herzustellen und zu vertiefen. AI und die Rechenpower der Cloud sind deswegen erforderlich, weil anders alleine schon die schiere Masse von Daten nicht in den Griff zu kriegen wäre, die aus unterschiedlichsten Quellen laufend Auskunft über die Situation der Kunden erteilen. Und das betrifft nicht nur die Marketingabteilung, sondern ebenso das Bestellwesen, den Vertrieb inklusive der Logistik, den Service und so weiter.

Für ein solches Datenmanagement ist eine technologisch hochentwickelte Plattform erforderlich, die sowohl alle Compliance-Regeln einhält als auch bei jedem Kundenkontakt in Echtzeit alle Daten zur Verfügung stellt, die für ein herausragendes Kundenerlebnis nötig sind. Zuvor aber müssen diese Daten gesammelt werden. Es ist allerdings sinnlos, wenn die dann irgendwo im Back-Office verrotten. Sie müssen intelligent genutzt werden. Die Daten gehören also auf eine zentrale Customer-Intelligence-Plattform. Oracle bietet zum Beispiel eine Plattform, um über solche und weitere Daten von Drittanbietern einen besseren Service zu liefern und damit das Vertrauen in ein Unternehmen zu steigern.

Best-Practice-Beispiel: Daimler Predictive Analytics

Im Bereich der Kaufvorhersagen ist das Best-Practice-Beispiel von Daimler weit über die Automobilbranche hinaus nachahmenswert. «Als wir uns zum ersten Mal für Innovationen im Bereich Analytics entschieden haben, wollten wir damit die zukünftigen Käufer von Einstiegsmodellen der A-Klasse vorhersagen», sagt Daniel Pape, Senior-Projektmanager bei Daimler. «Wir wussten, dass wir künstliche Intelligenz nutzen mussten, um einen echten Wert aus unseren Daten zu schöpfen.» Der Einstieg in das Projekt lief über eine Kombination von Daten einerseits des Customer-Relationship-Managements von den Niederlassungen, andererseits aus dem Kampagnenmanagement.

Das Analyseteam bohrte so tief in den Daten und untersuchte die Kunden aus diesem Datensatz so gründlich, dass einige davon identifiziert werden konnten, die schon zwei Mercedes der S-Klasse besassen und den Kauf eines weiteren  Fahrzeuges in Betracht zogen. Das geschah mit rund 100’000 Berliner Kundendaten. Eine erste Analyserunde dampfte diese Zahl auf 5’000 potenzielle Käufer eines A-Klasse-Mercedes ein. In sechs Wochen fanden sich so Dutzende potenzieller Kunden, die am ehesten ein A-Klasse-Fahrzeug kaufen würden.

Das Daimler-Team fing mit dem Deep-Mining der Daten an und setzte dann Business Intelligence (BI) und AI ein. Mit den Funktionalitäten ging man zurück zur BI, um die Modelle zu hinterfragen. Über eine offene Lösung liessen sich die Ergebnisse dann leicht visualisieren. Mit dieser Kombination konnte das Team einen quasi zusammengesetzten Kunden skizzieren, der S-Klasse-Besitzer war und einen A-Klasse-Mercedes kaufen könnte.

AI durchdringt Customer Experience im ganzen Prozess

Das nächste grosse Ding für das Unternehmen ist die Anwendung kontinuierlicher Intelligenz in seinen Prozessen. Konkret heisst das, dass Daimler eine Feedbackschleife der AI samt ihrer Beziehung zu Kundenentscheidungen erhält, sodass der Algorithmus aus sich selbst heraus lernen kann.

Die Frage ist ja nicht nur für Autohersteller interessant: Wann und unter welchen Umständen ist ein Kunde bereit, mein Produkt X erneut zu kaufen – oder als Up- oder Cross-Selling zu einem anderen Produkt oder Service? Klar ist, wer hier auch nur halbwegs zuverlässige Antworten im Köcher hat, kann die Zielgenauigkeit seiner Marketingmassnahmen erheblich steigern.

Die Herausforderung ist aber nicht trivial: Wenn Unternehmen scheitern, liegt das in erster Linie daran, dass sie nicht langfristig genug denken beziehungsweise gedacht haben, erklärte Rob Tarkoff, Executive Vice President Oracle Customer Experience Cloud & Oracle Data Cloud, kürzlich in einem Interview. «Viele haben kurzfristig vielleicht ein CRM-System eingeführt, ein Quick Fix für ein akutes Problem, dann haben sie das aber nicht mit den Back-Office-Lösungen verbunden. Oder sie haben E-Mail-Marketing eingeführt, ohne dies mit ihrer AdTech-Lösung zu verbinden. Unternehmen, die längerfristig denken, denken eher End-to-End. Dabei blieb eines trotz aller Technologie-Trends immer gleich: Das Bedürfnis, Informationen sicher speichern zu können, effizient zu verwalten und über Generationen darauf zu vertrauen. Daten stehen auch heute noch im Mittelpunkt – ganz besonders in der Experience Economy – und sind die Grundlage für Artificial Intelligence.»

Kundensignale, auch wirklich nützliche, auf die ein Unternehmen bauen kann, gibt es ausreichend. Konsumenten nutzen Apps, Internetseiten, klicken auf Anzeigen, rufen Callcenter an, nehmen an Umfragen teil, laden ein Whitepaper herunter… Das Ganze ergibt so etwas wie eine digitale Körpersprache, die viel über einen Menschen aussagen kann. Das alles wird in so genannten Graphs abgebildet, die der AI als Grundlage für weitere Schritte wie zum Beispiel Kaufempfehlungen dienen.

Das gilt es zu nutzen – um bestehenden oder potenziellen Kunden so jene Top Customer Experience zu ermöglichen, die morgen entscheidend sein wird.