Hyperautomatisierung ist die konsequente Weiterentwicklung der laufenden Prozessautomatisierungsinitiativen vieler Unternehmen. Aus teil- oder vollautomatisierten Prozessen werden – unterstützt durch künstliche Intelligenz – sich selbst optimierende Abläufe oder wichtige digitale Ratgeber für Prozessverantwortliche. Hyperautomation steht damit für die nächste Evolutionsstufe bei der Automatisierung von Geschäftsprozessen, den nächsten Schritt bei der Digitalisierung von Unternehmen. Durch Hyperautomatisierung möchten Unternehmen nachhaltiges Wachstum gewährleisten, ihre Effizienz steigern, die Folgen des Fachkräftemangels mildern, ein attraktiverer Arbeitgeber sein und sich Wettbewerbsvorteile verschaffen. Nur: Der Weg dorthin ist alles andere als trivial. Ein strukturiertes Vorgehen und eine sorgfältige Auswahl der relevanten Prozesse sind für den Erfolg einer Hyperautomationsstrategie unverzichtbar.

KI als zentraler Bestandteil

Eine tragende Rolle als Enabler für Hyperautomatisierung kommt der künstlichen Intelligenz (KI) zu. Mit KI lassen sich heute bereits Aufgaben automatisieren, bei denen dies vor einigen Jahren noch undenkbar gewesen wäre. So ist es beispielweise möglich, Unterschriften einer Person vollautomatisch abzugleichen, was es erlaubt, diese Person mit hoher Wahrscheinlichkeit zu authentifizieren. Solche und ähnliche neue KI-Services ermöglichen es, unterschiedlichste repetitive Tätigkeiten auf allen Unternehmensebenen zu automatisieren. In der Vergangenheit wurde KI so unter anderem bei der Auswahl von Bewerbern und Bewerberinnen eingesetzt. Wenngleich gerade hier Vorsicht geboten ist. So hatte eine KI-Lösung zur Bewerbervorauswahl aufgrund von „Noise“ in den Trainingsdaten das weibliche Geschlecht diskriminiert. Im Sinne einer ethischen KI ist es darum wichtig, die Ergebnisse zu monitoren und das KI-Modell bei systematischen Irrtümern anzupassen.

Chatbots liefern ein weiters Beispiel für KI-gestützte Automatisierung. Nicht selten sind sie heute bereits gut trainiert. So dass es einem mitunter schwerfällt, zu identifizieren, ob es sich bei dem Partner im digitalen Chat um eine echte Person oder doch um einen Robot handelt. Das Prinzip von Hyperautomatisierung ist, dass sie diese technischen Features in einen Businesskontext rückt. So gelingt es ihr, im Rahmen von kundenzentrierten Prozessen Mehrwerte zu schaffen – für interne und externe Kunden eines Unternehmens. Weitere Dynamik erfährt das Thema durch den mittlerweile etablierten Ansatz, über Low- bzw. No-Code-Plattformen die Hürde für die Automatisierung deutlich zu senken.

Der grundsätzliche Business Case

Der Business Case hinter der Automatisierung eines Geschäftsprozesses ist relativ einfach zu berechnen. Das Investment in den Geschäftsprozess muss durch die Einsparungen, die dadurch über die Zeit entstehen, gedeckt sein. Deswegen empfiehlt es sich meist, Prozesse mit hohem Durchsatz zu priorisieren. Dies können beispielsweise Kontoeröffnungen in der Finanzindustrie, Kundenanfragen im Servicebereich oder Prozesse in Feldern wie Datenstrukturierung und Governance sein. Mitunter können geeignete Softwarelösungen – unter Einsatz von Self-Services mit KI-basiertem Dokumenten-, E-Mail-, Telefonie- und Chat-Routing – einen fast vollständig hyperautomatisierten Geschäftszweig schaffen, zum Beispiel indem basierend auf Prozessdurchsätzen automatisch Werbung geschaltet wird oder Cloud-Ressourcen hinzugebucht oder verringert werden. Nicht zuletzt in Branchen wie Finanzdienstleistung, Hotellerie und Tourismus sowie im öffentlichen Sektor ist das Nutzenpotenzial grundsätzlich groß, da Entscheidungen hier nach klaren Regeln und Mustern getroffen werden.

Hyperautomatisierung in der Praxis

Das Nutzenversprechen von Hyperautomatisierung ist in vielen Fällen hoch, aber der Weg zu einer erfolgreichen Einführung ist alles andere als trivial. Marketingtexte der beteiligten Akteure preisen Hyperautomatisierung gern als direkt verfügbares Allheilmittel für ineffiziente Prozesse und gegen die Überlastung der Mitarbeiter und Mitarbeiterinnen an. In der Praxis wird jedoch schnell klar, dass Unternehmen, die keine digitale DNA mitbringen, vor einer enormen Transformationsaufgabe stünden, bis sie Hyperautomatisierung flächendeckend und wirtschaftlich einsetzen könnten. Oft bietet es sich an, zunächst nur bestimmte Prozesse mit überschaubarem Aufwand weiterzuentwickeln. Wer ein Hyperautomationsprojekt zum Erfolg führen will, sollte es also sorgfältig auswählen und bei der Umsetzung klar strukturiert vorgehen. Sonst ist die Gefahr zu scheitern erheblich.

So konstatiert etwa eine Studie von McKinsey (Driving impact at scale from automation and AI | McKinsey Digital | McKinsey & Company), dass die Verantwortlichen in mehr als der Hälfte ihrer Automatisierungsprojekte mit deren Resultaten nicht zufrieden sind. Dies hat schon damit zu tun, dass die Projekte deutlich länger dauern als zu Beginn geplant. Dafür gibt es Gründe: Entweder priorisiert die Hyperautomationsstrategie die falschen Geschäftsprozesse, oder die Anforderungen der Fachbereiche haben nicht den Detailgrad, der nötig wäre, um Automatisierungsprojekte anzustoßen. Zudem verlangt Hyperautomatisierung von der Organisation die Bereitschaft, Unternehmensprozesse komplett umzubauen. Auch muss die Datenbasis eines Unternehmens über den Reifegrad verfügen, der für eine auf KI-Analysen gestützte Hyperautomatisierung unabdingbar ist. Herkömmliche Reportingstandards sind da unzureichend.

Das Beispiel Callcenter-Prozess

Eine gute Hyperautomationsstrategie beginnt also damit, zu priorisieren, welche Prozesse relevant sind. In der Regel empfiehlt es sich, zunächst den Backbone des Geschäftsmodells zu bauen. Denn Automatisierung ist dann besonders lohnend, wenn sie Funktionalitäten adressiert, die in zahlreichen Prozessen des Unternehmens wiederverwendet werden. So entsteht der erforderliche Impact auf die Projektziele. Wählen wir Callcenter-Prozesse als Beispiel, wären in deren Umfeld, im Bereich der Telefonie, vor allem das Telefonrouting (IVR) und die stabile Anbindung an den Telefonprovider mögliche Einsatzfelder. Erst im nächsten Schritt wird die Hyperautomationsstrategie dann Services betrachten, die einen höheren Grad an Komplexität aufweisen, stärker fachspezifisch sind und einen signifikanten Impact auf die Projektziele haben.

Um im Callcenter-Beispiel zu bleiben: Hier wäre ein lohnendes nächstes Projekt etwa die KI-gestützte, automatische und eindeutige Identifikation eines Kunden oder einer Kundin bereits anhand der Stimme. Diese automatische Stimmerkennung ermöglicht es, im Folgenden noch weitere Services zu implementieren: beispielsweise die Visualisierung der Kontakthistorie und die KI-gestützte Bestimmung der Next Best Action (NBA). Das Resultat dieser Automatisierung: Die Callcenter-Agenten und -Agentinnen könnten ihre First Resolution Rate steigern. Hyperautomation in diesem Zusammenhang wäre dann die komplette Vermeidung des Anrufs durch proaktives Anbieten von Self-Services mithilfe von Mustererkennung oder eben eine komplett automatisierte Next Best Action mit entsprechendem Abschluss.

Anforderungen an die digitale Reife

Nicht nur eine falsche Priorisierung kann sich als Show-Stopper bei der Hyperautomatisierung von Geschäftsprozessen erweisen, sondern auch die Unkenntnis über die digitalen Reifegrade von Prozessen und Anforderungen. So ist es wichtig, im Detail zu beschreiben, welche Schritte die automatisierte Software bzw. der Roboter sequenziell, parallel oder rekursiv abarbeiten muss. Zur digitalen Reife sind noch etliche weitere Fragen zu stellen: Welche Umsysteme sind an den Prozessen beteiligt, und was ist die Aufgabe der Systeme in den Prozessabschnitten? In welchem Teil des Produktlebenszyklus befindet sich das System, und wird es zukünftig eventuell abgelöst? Welchen Einfluss haben fachliche und technische Anpassungen auf Vorgänger- und Folgeprozesse? Gegebenenfalls ist auch noch wichtig, welche regulatorischen Anforderungen an einen Prozess bestehen.

Der Neukundenprozess beim Krankenversicherer

Ein Beispiel aus dem Bereich Krankenversicherung: Wenn es um den Wechsel von Kunden und Kundinnen aus einer gesetzlichen Krankenversicherung in eine private geht, könnte die operative Einheit des privaten Versicherers Automatisierungsanforderungen wie etwa diese formulieren: „Wir möchten unsere Zielkunden in kürzester Zeit über eine KI-gestützte, vollautomatische Prüfung anlegen können und die Versicherungskarten an die geeigneten Versandadressen bereitstellen.“

Die Erfahrung zeigt: Nach den Rückfragen zur Definition eines Zielkunden oder einer Zielkunden und den Anforderungen an die Modifizierbarkeit der technischen Beschreibung von Kunde oder Kundin ist bereits wenigstens eine weitere Abteilung des Krankenversicherers involviert – beispielsweise der Vertrieb. Der Vertrieb beschreibt die Neukunden aus fachlicher Sicht, etwa indem er festlegt, über welche Merkmale Zielkunden und -kundinnen idealtypisch verfügen und welche Schwankungsbreiten es gibt. Unser Beispiel zeigt, wie wichtig es für Hyperautomationsprojekte ist, auf ein ganzheitliches Wissen über den Prozess zurückzugreifen. Dies bedeutet: Der zu automatisierende Prozess und die darin verarbeiteten Business-Objekte müssen hervorragend dokumentiert sein.

Minimal Viable Product und Business Case

Eine andere Hürde für die Hyperautomatisierung kann sein, dass es im Unternehmen an der Bereitschaft zum Reengineering von Geschäftsprozessen mangelt. Bleiben wir beim Beispiel der privaten Krankenversicherung. Für die vollautomatische Ausgestaltung des Prozesses sind unter anderem Anpassungen im Vertrieb erforderlich, im Risikomanagement, in der zentralen Datenverwaltung sowie eventuell Neuschnitte in der Organisation. All diese Bereiche müssen sich bereiterklären, ihre – mitunter hohen und detaillierten – Anforderungen an die Projekt- und Unternehmensziele anzupassen. Dem Ansatz des Minimal Viable Product (MVP) entsprechend ist es sinnvoll, zunächst nur die unbedingt nötigen funktionalen Anforderungen umzusetzen. Hier hat es sich bewährt, die Wichtigkeit von Anforderungen anhand eines Business Cases für die technische Umsetzung zu bewerten. Gut zu automatisieren, heißt weniger zu tun – und das Richtige.

Machine Learning und Deep Learning

Bei unserem Beispiel der Auswahl der gewünschten Kunden und Kundinnen eröffnet die KI-gestützte Hyperautomatisierung noch eine weitere Möglichkeit, diese Kunden zu identifizieren. Wenn Unternehmen KI in Form von Machine Learning oder sogar Deep Learning einsetzen, können sie ihre Systeme dadurch zu einer automatisierten Klassifizierung befähigen. Das maschinelle Lernen (ML) würde in unserem Beispiel auf den Bestandsdaten der Krankenversicherung aufbauen. Auf Basis der Daten über bereits gewonnene und abgelehnte Kunden und Kundinnen lassen sich ML-Modelle trainieren, die zukünftig zu jedem Fall eine positive oder negative Empfehlung zur Geschäftsbeziehung geben können. Wie bereits erwähnt, ist es allerdings essenziell, dass die Bestandsdaten, die dem Training des ML-Modells dienen, nicht nur die Vergangenheit widerspiegeln, sondern auch zur zukünftigen Unternehmensstrategie passen.

Will man beispielsweise bei der KI-gestützten Vorauswahl von Bewerbern und Bewerberinnen im Human Resources-Bereich Verzerrungen vermeiden, die sich durch Bestandsdaten ergeben können – etwa in Gestalt von Vorurteilen –, ließe sich auch Deep Learning anwenden. Denn Deep Learning (DL) arbeitet mit neuronalen Netzen. Dadurch können Business-Anwender und -Anwenderinnen komplexe Entscheidungskriterien über mehrere Stufen implementieren, die in der Lage sind, auch zukünftige Produktspezifikationen zu bedienen. Die Voraussetzung für einen DL-Ansatz ist allerdings, dass die Business-Anforderungen bereits eine hohe Reife aufweisen und schon ein tiefes Prozessverständnis über die Regeln und die Produktspezifikationen im Geschäftsmodell existiert.

Fazit

Auf dem Weg zur Hyperautomatisierung ist es entscheidend, dass Unternehmen die richtigen Dinge mit der richtigen Priorität angehen und klein anfangen. Es ist wichtig, zunächst die Reifegrade von Business-Anforderungen, Daten, IT-Architektur und Organisation zu bestimmen, um festlegen zu können, bei welchen Prozessen eine Hyperautomatisierung bereits möglich, sinnvoll und erfolgversprechend ist. In den meisten Fällen und Branchen wird die Transformation zum hyperautomatisierten Unternehmen nur Schritt für Schritt erfolgen. Denn letztlich ist Hyperautomatisierung nicht bloß ein Werkzeug, sondern eine strategische Vision von der Zukunft des Unternehmens. Sie ist die nächste Stufe in der fortschreitenden digitalen Evolution von Unternehmen.

Der Beitrag wurde ursprünglich hier veröffentlicht …

Der Wechsel zu einer neuen Analyselösung bedeutet, dass ein klassisches „Fortsetzen“ einer ähnlich gestalteten Analyse meist nicht möglich ist. Denn die Systeme funktionieren unterschiedlich, meist ändert sich die komplette Struktur der erfassten Daten. Das heißt, für eine erfolgreiche Migration benötigen Sie zunächst einmal die richtige Analyselösung. Um mit den aktuellen Datenschutzanforderungen Schritt zu halten, sollten Sie auf einen Anbieter achten, für den Datenschutz an erster Stelle steht. Dieser sollte dieselbe Definition verwenden und zum Beispiel Cookie-IDs und IP-Adressen als personenbezogene Daten einschließen. Zudem sollte er die privaten Daten der europäischen Nutzer in Europa speichern und nur dort verwenden.

Um die neue Lösung schnell zu implementieren, ohne die Daten Ihrer User zu gefährden, müssen Sie einem bewährten Prozess folgen. Diese vier Schritte können dabei helfen:

1. Datenmodellierung, Tagging und Dokumentation

Auf Basis der ermittelten Geschäftsanforderungen sowie der bereits vorhandenen Berichte, Website-Strukturen, Datenströme und Event-Definitionen sollten Sie das Datenmodell festlegen, das sich für Ihr Unternehmen am besten eignet. Je flexibler, umso besser können Sie die notwendigen Anpassungen vornehmen, wenn sich Ihre Bedürfnisse und Anforderungen im Laufe der Zeit weiterentwickeln. Beziehen Sie sowohl Technikexperten als auch Geschäftspartner in Ihre Analysegespräche ein, dann erhalten Sie einen ganzheitlichen Überblick darüber, wonach Sie suchen und wie Analysen und Erkenntnisse in Ihrer gesamten Firma genutzt werden.

Erstellen Sie auf der Grundlage des Datenmodells, für das Sie sich entschieden haben, einen Tagging-Plan. So erkennen Sie alle Elemente, die Sie zum Erreichen Ihrer Messgrößen benötigen. Um schnell loslegen zu können, können Sie eine schrittweise Implementierung in Betracht ziehen. Ereignisse wie Seitenaufrufe und Klicks können in wenigen Stunden implementiert werden und Ergebnisse liefern. Technisch und konzeptionell komplexere Tags können hingegen erst im Laufe der Zeit hinzukommen, wenn Ihre Analyseanforderungen anspruchsvoller werden. Mit diesem Ansatz erzielen Sie sofort einen Nutzen und im Laufe der Zeit können Sie auf dieser Grundlage aufbauen.

Sobald Sie Ihr Datenmodell eingerichtet haben, stellen Sie sicher, dass Ihre Dokumentation benutzerfreundliche Beschreibungen der einzelnen Metriken enthält. In diesen soll stehen, welche Informationen ein bestimmter Datensatz enthält. Oft wird übersehen, dass nicht nur spezialisierte Analysten mit einer Analyselösung arbeiten, sondern Mitarbeiter aus verschiedenen Abteilungen wie Marketing und Vertrieb, und die Geschäftsführung: Sie brauchen eine stärkere Einordnung der Daten in den Kontext mit weiteren Erklärungen, um diese effektiv interpretieren zu können.

2. Implementierung

Zu den wichtigsten Komponenten Ihrer Implementierung zählt die Verbindung Ihrer bisherigen Ressourcen (wie Metriken und Taxonomien) mit Ihrem neuen System. Dies ermöglicht einen nahtlosen Übergang für Ihre Endbenutzer, indem sie das neue System auf demselben Niveau bewegt, wie das alte. Um dies zu erreichen, sollten Sie ein paar Dinge beachten:

• Der gleichzeitige Austausch aller Tools kann zu Verwirrung in den Teams führen und die Kontinuität der Berichterstattung beeinträchtigen. Falls Sie bereits Business-Intelligence-Tools verwenden, können Sie sich für eine Analyselösung entscheiden, die sich in diese Plattformen integrieren lässt. Eine Integration dieser Art ermöglicht einen schnelleren Beginn der Arbeit, indem Sie Daten aus dem neuen System in bestehende Berichte, Dashboards und Visualisierungen einspeisen, die den Anforderungen Ihrer Teams entsprechen.

• Unabhängig von den von Ihnen verwendeten Business-Intelligence-Tools sollten Sie auch alle Reports berücksichtigen, die in Ihrem bisherigen Analysetool enthalten sind und ersetzt werden müssen. Wenn Sie sich für ein neues Tool mit leistungsstarken, sofort einsetzbaren Berichts- und Datenvisualisierungsfunktionen entscheiden, können Sie direkt loslegen, ohne kostbare Zeit mit dem Aufbau und der Anpassung neuer Schnittstellen zu vergeuden.

Falls Ihr neuer Analytics-Anbieter über einen Onboarding- oder Implementierungs-Support verfügt, ist das in dieser Phase von unschätzbarem Wert für Sie: So ist spezifisches Fachwissen verfügbar, wenn es nötig ist und die Implementierung entspricht den gesetzlichen Vorschriften. So können oft langwierige Korrekturen vermieden werden und die Dauer der Migration und des Onboardings drastisch verkürzt werden – was eigene Ressourcen bindet, die sonst für die Optimierung der Unternehmensziele verwendet werden könnten.

3. Qualitätssicherung und Prüfungen

Nach der Implementierung sollten Sie eine Reihe von Tests durchführen. So stellen Sie sicher, dass die Tags korrekt implementiert sind und Ihr Datenmodell so funktioniert, wie konzeptioniert. Oft ist das die Phase in der Konzeptfehler auftauchen, da man bestimmte Anforderungen übersehen hat und man bestimmte Analysen nicht abbilden kann können.

Bei den meisten Implementierungsprojekten gibt es eine Überschneidungsphase, in der Sie Zugriff auf die Analysen sowohl Ihrer alten als auch Ihrer neuen Lösung haben. Nutzen Sie diese Zeitspanne, um identische Datensätze in beiden Lösungen zu testen. So verstehen Sie, wie sie sich vergleichen lassen und ob die Ergebnisse korrekt sind. Auftretende Probleme lassen sich anschließend beheben.

Je nachdem, zwischen welchen Systemen Sie wechseln, kann es zu Diskrepanzen zwischen Ihren Datensätzen kommen. Ihr neuer Anbieter sollte jedoch in der Lage sein, Ihnen zu vermitteln, wie diese aussehen könnten.

4. Schulung und Onboarding

Da alle Beschäftigten – von Webanalysten und Produktmanagern bis hin zu Marketingteams, Vertriebsmitarbeitern und Unternehmensleitern – das digitale Analysetool nutzen, zählen Schulungen zum Pflichtprogramm. Jeder, der die Plattform nutzt, sollte verstehen, wie sie funktioniert. Alle sollten Zugang zu den Informationen haben, damit sie Entscheidungen treffen können.

An dieser Stelle kommt auch Ihre Dokumentation ins Spiel. Wenn Sie Ihre Definitionen in ein zentral verwaltetes Datenmodell einbetten, erleichtern Sie Ihrem Team den Verständnisprozess, und zwar in einer sinnvollen Sprache.

Sobald die digitale Analyse erst einmal eingerichtet ist, gehört sie zum Tagesgeschäft. Sie entwickeln spezifischen Berichte, Dashboards und Visualisierungen, die den Anforderungen Ihrer Geschäftsanwender entsprechen. Ihr Analytik-Anbieter, sowie alle externen Experten oder Berater, die Sie beschäftigen, sollte Ihnen dabei helfen können, über neue Entwicklungen und Möglichkeiten auf dem Laufenden zu bleiben. Das stellt sicher, dass Sie weiterhin das Beste aus Ihren Daten herausholen und gleichzeitig die gesetzlichen Anforderungen erfüllen.

Der Beitrag wurde ursprünglich hier veröffentlicht …

Zofia Woźniak, Business Solution Manager bei Comarch, hat 3 Tipps, wie KI dabei helfen kann, Cyber-Attacken auf Treueprogramme zu verhindern.

KI hilft, Cyber-Attacken auf Treueprogramme zu verhindern

Unentdeckte Angriffe auf Kundenbindungsprogramme können die Schadenshöhe für Unternehmen in die Milliarden treiben, so die Loyalty Security Association. Ganz zu schweigen vom Imageschaden, wenn Bonusprogramme eingeschränkt oder gar eingefroren werden oder Kundendaten verloren gehen. Zofia Woźniak, Business Solution Manager mit Schwerpunkt auf Loyalty-Programme bei Comarch, hat deshalb drei Tipps zusammengefasst, die aus ihrer Erfahrung mit Kundenbindungsprogrammen großer, teilweise weltweit agierender Einzelhändler stammen. Die Tipps helfen, Cyber-Attacken zu verhindern.

Tipp 1: Testen Sie die Logiken der Prozesse im Kundenbindungsprogramm gründlich.

Nur so können Sie im Vorfeld ausschließen, dass Kunden legal von Fehlern profitieren und womöglich Kriminelle angelockt sind. Rechnen Sie aber damit, dass Sie nicht alle Eventualitäten mit Tests erfassen können. Kunden sind sehr verschieden und Kriminelle sehr findig. Bei Änderungen der Logiken sollten Sie genau beobachten, wie sich diese auf das Verhalten der Kunden auswirken.

Führen Sie starre Regeln ein, wenn Sie sich sicher sind, dass sich bestimmte Prozesse oder Muster praktisch nie verändern. Etwa, dass nicht alle Prämienpunkte auf einmal eingelöst werden können oder nur ein definierter Punktestand verwendet werden kann. Es kann aber auch die Zahl der zu erreichenden Bonuspunkte oder die Zahl der Einkäufe, bei denen sich Punkte erzielen lassen, pro Tag begrenzt werden. Hier kann eine Auswertung mit Hilfe Künstlicher Intelligenz schnelle Hinweise über die normalen Verhaltensmuster der Programmteilnehmer geben, so dass die Regeln dementsprechend eingerichtet werden können und möglichst lange Bestand haben. Umgekehrt ist damit die Basis für KI geschaffen, ein ungewöhnliches Verhalten zu erkennen und entsprechend Alarm zu schlagen, siehe Tipp 3.

Tipp 2: Behandeln Sie Ihre Kundendaten wie einen wertvollen Schatz – der Vergleich passt wirklich.

Schützen und sichern Sie die Ihnen anvertrauten Informationen des Kunden gegen Diebstahl und unberechtigten Zugriff. Denn wenn Kunden das Vertrauen in die Sicherheit ihrer Daten – und damit in Ihr Unternehmen – verlieren, sind sie (wahrscheinlich) nicht mehr bereit, so viel über sich zu verraten. Ihr Schatz ist dann weniger wert oder wird schlimmstenfalls sogar wertlos. Auch hier kann die KI helfen, Cyber-Attacken zu verhindern.

Bonus-Tipp: Helfen Sie den Kunden, ihre eigenen Daten zu schützen; bieten Sie am besten Zwei-Faktor-Authentifizierung auch zum Einloggen in das Loyalty-Programm an.

Erzwingen Sie starke Passwörter und wägen Sie genau zwischen Komfort und Sicherheit ab. Denken Sie daran, dass der sichere und vertrauensvolle Umgang mit Kundendaten auch auf das Image Ihres Unternehmens einzahlt.

Tipp 3: Prävention ist besser als Reaktion

Mit Business-Intelligence-Methoden können Sie all Ihre gesammelten Kunden- und Transaktionsdaten zur Auswertung nutzen. Darauf basierende Analysen helfen, den Kunden relevante Angebote zu machen, Kundenbindungsprogramme zum Erzielen neuer Umsätze zu nutzen und eventuell sogar neue Geschäftsmodelle zu entwickeln. Dafür müssen die Kunden jedoch bereit sein, viel über sich und ihre Vorlieben preiszugeben.

Verhindern Sie deshalb aktiv, dass Betrüger Ihr Treueprogramm ausnutzen. Gerade hier gilt es, Cyber-Attacken zu verhindern. Setzen Sie auf neueste Technologien, um den Cyberkriminellen einen Schritt voraus zu sein. Machine Learning hilft dabei, ungewöhnliche Verhaltensmuster sehr schnell zu erkennen. Konfigurierbare Aktionen reagieren dann automatisch auf verdächtiges Verhalten, beispielsweise, indem sie zweifelhafte Transaktionen verhindern, den zugehörigen Account sperren oder die Transaktion zur manuellen Überprüfung schicken. Eine umfassende Beobachtung aller mit dem Kundenbindungsprogramm verbundener Daten und Aktivitäten verschafft darüber hinaus einen Vorsprung gegenüber Kriminellen. Dafür können beispielsweise Logdateien des Systems und übergreifende Statistiken und Meta-Daten ausgewertet werden oder die Datenübergabe an Schnittstellen zu anderen Programmteilen gefiltert werden – ganz nach dem Motto: „be proactive not reactive“.

Wenn Sie diese drei Tipps beherzigen, können Sie die größten Achillesfersen gut schützen und die Angriffsfläche Ihres Loyalty-Programms reduzieren. So verhindern Sie Cyber-Attacken!

Der Beitrag wurde ursprünglich hier veröffentlicht …

Unternehmenssoftware, egal ob CRM-System oder ERP-Lösung, ist der Schlüssel zum Digitalisierungserfolg. Bei der Auswahl kann ein Lastenheft helfen die individuellen Anforderungen und Prozesse verständlich zu machen. Die Experten vom Team der DIGITAL-WEBER haben die wichtigsten 5 Punkte zusammengestellt, auf die Unternehmen bei der Erstellung von Pflicht- beziehungsweise Lastenheften achten sollten.

Checkliste Lastenheft: Diese 5 wichtigen Punkte sollten Auftraggeber berücksichtigen!

Auftraggeber und Auftragnehmer können das von beiden Seiten: Ein Lastenheft! Ein Lastenheft beschreibt nehmen den Rahmenbedingungen für die Software-Einführung auch die Anforderungen an das neue System. Dabei ist es nicht entscheidet ob dies in Form, eines Word-Dokuments oder Excel-Sheets erfolgt, der Inhalt und die passenden Formulierung entscheidet.

Doch wie sollte eine solche Beschreibung aussehen und wie erstellt man ein Lastenheft? Dieser Beitrag vom Center Of Excellence „Digitale Geschäftsprozesse“ der Digital-Weber liefert die 5 wichtigsten Punkte!

Punkt 1: Vor dem Lastenheft bereits ein Evaluierungs-Projekt starten

Bevor ein ERP-Projekt starten, sollten Unternehmen folgendes bedenken:

Die Auswahl eines ERP-Software-Produkts sollten sie als ein eigenständiges Projekt sehen. Die Einführung des gewählten Produkt dann als ein weiteres Projekt.

Matthias Weber, Digitalisierungs-Experte vom Team der DIGITAL-WEBER

Deshalb sollten sie bereits für die Auswahl der Software eine Projektmanagement-Methode nutzen, um erfolgreich die Software auszuwählen. Im Rahmen eines solchen Projekt erreichen Sie

• Klarheit über die Ziele,
• Übersicht über die verfügbaren Mittel und
• eine zeitliche Vorstellung.

Nach Start der Auswahl können Sie dann an folgenden Punkten arbeiten:

• Budgetvorstellung für das ERP-Projekt
• Zeitvorgaben für das künftige ERP-Projekt

Apropos Zeit, wussten Sie eigentlich: Für einen im Mittelstand üblichen ERP-Auswahlprozess für ein neues Software-Produkt ist mit mindestens drei Monaten zu rechnen. Gilt es aber, die Entscheidung für eine Unternehmensgruppe mit unterschiedlichen Geschäftsfeldern, Intercompany-Prozessen oder aber internationalen Anforderungen zu treffen, kann die notwendige Zeitachse für eine professionelle ERP-Auswahl auch schnell auf sechs Monate anwachsen. Die generellen Prozessabläufe und Organisationsstrukturen des jeweiligen Unternehmens sollten vor dem Start eines ERP-Auswahlverfahren also unbedingt bekannt sein.

Punkt 2: Geschäftsprozesse in den Fokus stellen

Bei der Formulierung der Anforderungen wird sich häufig auf Funktionen des neuen Software-Produkts konzentriert. Viel wichtiger ist aber die Beschreibung des Geschäftsprozess.

Die erfolgreichsten Projekte sind erfahrungsgemäß immer die, bei denen sich Interessent und Anbieter gemeinsam an einen Tisch sitzen und offen über die individuellen Anforderungen reden. Dabei sollten die Geschäftsprozesse ganz klar im Vordergrund stehen, und nicht die Funktionen & Features, denn die ergeben sich automatisch aus den Prozessen heraus. Dieser Prozess beschreibt das Ziel bzw. Ergebnis. Häufig bieten neue Softwares einen anderen Weg an, mit ein wenig Offenheit kann so der Prozess nicht nur digital sondern auch allgemein schneller laufen.

Wichtig im Anbieter-Entscheidungsprozess sind die weichen Faktoren, die häufig kein ERP-Pflichtenheft beschreibt: Die Chemie zwischen Betreuer und Kunde muss stimmen. Eine solche Partnerschaft hält gut zehn bis fünfzehn Jahre. Sind die Ziele klar abgesteckt, fällt es auch deutlich leichter, die fachlichen Anforderungen an die neue Unternehmenssoftware festzulegen.

Punkt 3: Projektziele priorisieren

Häufig lesen wir vom Auftraggeber eine lange Liste an Zielen. Doch bei der Aufnahme ins Lastenheft sollten sie die einzelnen Ziele, Funktionen und Anforderungen nicht nur gut beschreiben sondern auch direkt auf ihre Relevanz zur Erreichung der Projektziele überprüft und kategorisiert werden. Eine Empfehlung hier: Am besten unterscheiden Sie die Punkte zwischen „kritisch“ und „nice to have“.

Damit aber nicht genug: Bedenken sie bei jedem einzelnen Punkt auch, ob und inwieweit dieser Einfluss auf die Kostenschätzungen haben kann. Viele Standardfunktionen werden von den meisten Anbietern erfüllt. Dies ist aber im Vorfeld nicht immer klar, daher sollten alle Punkte zur vertraglichen Sicherheit immer im Lastenheft aufgeführt sein. Wichtig ist an dieser Stelle, dass im Dialog mit dem Anbieter auf Basis der Funktionalität der Software und Priorität evaluiert werden kann ob für diesen Punkten irgend welche Mehrkosten entstehen.

Punkt 4: Inhalte kurz, knapp und zielorientiert

Wir sehen es immer wieder: Ein Lastenheft von mehreren hundert Seiten mit bis zu einigen tausend Fragen ist heutzutage leider eher die Regel als die Ausnahme.

Woher kommt das? Dies zeugt vor allem von einem: Von der Unsicherheit der Anfragenden. Zur Sicherheit soll alles drin sein und auch ausführlich beschrieben. Nach der Devise: Viel hilft viel! Aber die traurige Bilanz ist: Kein noch so großer Fragenkatalog können sicherstellen, dass die Anwender die Software intuitiv bedienen können. Nur in ganz seltenen Fällen können die im Stenogramm-Stil abgefragte Systemeigenschaften belegen, dass das anfragende Unternehmen eine benötigte Systemfunktion im Vorfeld wirklich so detailliert beschrieben hat, dass das einführende Unternehmen vertraglich auch eindeutig verpflichtet ist. Unser Tipp: Halten Sie die Inhalte kurz und knapp, dafür aber präzise und zielorientiert formulieren!

Und wenn es darum geht die Bedienbarkeit zu prüfen: Lassen Sie sich eine Demo-Account geben. Cloud-ERP wie myfactory oder lexbizz lässt sich eigentlich ohne großen Aufwand schnell in einer Demo-Umgebung bereitstellen.

Punkt 5: Unternehmenssoftware ist ein Dauer-Projekt

„Features für irgendwann in 2 Jahren“ bringen Unternehmen jetzt nicht weiter. Wir leben heute in einer VUCA-Welt, in der wir manchmal nicht wissen was morgen passiert. Beim Kauf einer Unternehmenssoftware versuchen wir aber genau das zu erraten.

Natürlich legt man sich mit der Software auf eine längere Zeit fest, aber dies an den heute verfügbaren Funktionen des Produkts fest zu machen ist unnötig. Blicken Sie auf den Software-Lieferant selbst. Stellen sich die Frage ob dieser Lieferant künftig auf neue Herausforderungen schnell eine Lösung liefern kann. Dies kann er beispielsweise nur wenn er entsprechende Man-Power in der Entwicklung und finanzielle Ressourcen auf dem Konto hat.

Verabschieden Sie sich in dieser immer digital werdenden Welt von einer einmaligen Software-Einführung und gleichbleibenden Nutzung. Erkennen Sie die Software-Einführung als Start in eine permanente Transformation mit der sie ihr Unternehmen immer besser machen können. Achten Sie daher auf die Kompetenzen ihres Auftragnehmers. Und stellen Sie sich die Frage: Kann mich der auch mit weiteren digitalen Services betreuen und mein digitales Wachstum fördern.

Exkurs: Inhalte eines Lastenheftes

Es gibt keine Standardform des Lastenhefts, aber klassische Inhalte eines Lastenheftes sind:

Ausgangssituation

Beschreiben sie im Dokument die Ist-Situation ihres Unternehmens. Machen sie mit Beispielen an dieser Stelle deutlich, warum überhaupt eine neue Software benötigt wird. Beschreiben sie, welche Herausforderungen sie angehen wollen?
 

Ziel des Projekts

Definieren Sie genau, was Sie mit der neuen Software erreichen wollen. Machen sie nicht nur Beispiele sondern beschreiben sie die Ziel-Prozesse, die erreicht werden sollen. Achten sie darauf, qualifizierbare und quantifizierbare Ziele zu setzen. Ein Beispiel könnten sein: Steigerung der Prozess-Geschwindigkeit um 30 Prozent.
 

Geschäftsprozesse

Beschreiben sie, welche Geschäftsprozesse mit dieser Software abgebildet werden sollen und was das Ziel des Geschäftsprozesses ist. Am besten eigenen sich beispielsweise Schaubilder nach BPMN um die gesamte Prozess-Kette transparent zu machen.
 

Liefer- und Leistungsumfang

Halten sie so genau fest was der Auftraggeber liefern muss und welche Aufgaben sie selbst übernehmen wollen. Der Leistungsumfang mit dem Auftraggeber gibt immer Zündstoff während des Projektes, wenn beide Parteien jeweils von der anderen die Leistung erwarten. Versuchen sie auch für den Auftragnehmer hier Abnahmekriterien zu definieren, mit dem ein bisherige Umfang der Lieferung qualifiziert und quantifiziert werden kann. Das gibt Klarheit wer, was liefert.
 

Phasen & Meilensteine des Projekts

Abhängig mit welchem Modell sie einführen wollen, beispielsweise Scrum oder Wasserfall sollten sie bereits zu Anfang die groben Phasen, Meilensteine oder Teilziele des Projekts definieren. So wissen Auftragnehmer und Auftraggeber von Anfang an, wann etwas geliefert wird.
 

Fragen

Konnte gewisse Punkte noch nicht geklärt oder festgelegt werden? Dafür gibt es diesen Teil des Lastenheftes. Schreiben Sie alle offenen Fragen auf. Am besten merken Sie an dieser Stelle auch an, wer sich um die Beantwortung der Fragen kümmert und welches Zeitfenster es dafür gibt.
 

Abnahme-Prozess

Auch wenn bereits viele Indikatoren im Dokument vorliegen, was geliefert werden muss. Im Abnahme-Prozess beschreiben sie am besten nochmals explizit wann sie eine Phase oder Meilenstein als abgeschlossen erachten und wann das Ende des Projekts erreicht ist.

Mit diesen Überpunkten lassen sich schon mal Lastenhefte erstellen, die dem späteren Auftraggeber helfen einen Überblick zu geben.

Lastenhefte in der BWL-Theorie

Wussten Sie eigentlich? Es gibt sogar eine DIN-Norm, die den Begriff Lastenheft definiert. Genauer gesagt definiert den Begriff die DIN 69901-5:2009-1 „Projektmanagement – Projektmanagementsysteme – Teil 5.

Das Lastenheft nach der Projektmanagement-Methode PMBOK(R) beschreibt das Statement Of Work (SOW) etwas enger. Das SOW ist dort als Beschreibung der zu erbringenden Dienstleistungen oder Werke definiert. Dies umfasst lediglich die Spezifikation des Produkts oder der Dienstleistung.

Praxis-Wissen: Schnittstellen-Thematik im Lastenheft

Nur zu oft konzentriert de Ersteller eines Lastenheftes auf die Wünsche und Details, die die neue Software betreffen. Vergessen wird aber das Thema der Schnittstellen. Da ein Lastenheft aber alle Rahmenbedingungen eines Projekts beschreiben soll, müssen sie bei der Erstellung des Dokuments auch über andere bestehenden Systeme nachdenken, die nicht ersetzt werden sollen.

Bei der Erstellung sollten also im Bezug auf Schnittstellen folgende Details erklärt werden:

1. Grobe Systembeschreibung des Fremdsystems, das angebunden werden soll
2. Im Idealfall: Überblick über das Gesamtsystem erstellen
3. Beschreibung der Gesamtprozess, die in das Fremdsystem greifen
4. Information über die Schnittstellen des Fremdsystems
5. konkrete Anwendungsfälle als User Story oder Use Case beschreiben, am besten mit praktischen Beispiel
6. Beschreibung der Daten, die ausgetauscht oder über die Schnittstelle erzeugt werden müssen

Kann man Lastenhefte auch für Marketing-Projekte verwenden?

Nicht nur die Anforderungen an neue Unternehmenssoftware kann mit einem Lastenheft beschrieben werden. Auch in Marketing-Projekte kann mit einem Lastenheft beispielsweise die neue Website beschrieben werden.

Dieser Absatz beschäftigt sich, wie man ein Lastenheft für Websiten erstellt.

Inhalte eines Lastenheftes für eine Website

Im Grunde bleiben die meisten Punkte ähnlich, nachfolgend geben wir aber nochmals eine komplette Struktur als Vorschlag:

Business Case

Gerade beim Website-Relaunch sollte man sich die Frage stellen: Warum es eine Überarbeitung der Website? Dieser Punkt ist wichtig um die Mehrwerte des Projekts und der neuen Seite herauszuarbeiten – ein Relauch ohne Grund ist einfach nur teuer.

Ist-Zustand

Beschreiben sie mit Screenshots den aktuellen Stand der Website und dokumentieren sie, warum diese Seite überhaupt existiert. So ermitteln sie den Mehrwert der Seite für den Besucher.

Soll-Zustand

Beschreiben sie mit Zeichnungen und Skizzen wie die neue Seite aussehen soll. Achten sie dabei auf User Experience und SEO. Beachten Sie die Grundregel: Jede Seite braucht einen Mehrwert für den Besucher!

Lieferumfang

Beschreiben sie hier, was sie vom Auftraggeber erwarten und welche Teile sie selbst übernehmen. Geben sie vor, wann sie mit der neuen Website online gehen möchten

Besonderheiten, Allgemeine Hinweise & Technik

Jede Website muss, damit sie im digitalen Marketing das Ziel erreicht, individuell und perfekt sein. Geben sie im Lastenheft dem Auftraggeber mit, was das Highlight sein soll und welches Ziel ggf. einzelne Bereiche oder Features verfolgen. Ein Beispiel: Ein besonderer Call-To-Action-Button auf ein Whitepaper, damit so Leads via Website generiert werden.

Weitere Beiträge zum Thema Lastenheft

Der Beitrag wurde ursprünglich hier veröffentlicht …

Es gibt viele Unternehmen im Handel und produzierenden Gewerbe, die einen umfangreichen Bestand an Produkten haben, ihre Produktmerkmale häufig ändern und ein erfolgreiches Onlinegeschäft führen. Bei der einfachen Abbildung komplexer Produktdaten sowie deren Zusammenstellung und Pflege unterstützen moderne und flexible Product-Information-Management(PIM)-Systeme. So lassen sich beispielsweise Attribute definieren, um Produkte für die Vermarktung möglichst präzise darzustellen.

Ab wann benötigen Unternehmen ein Product-Information-Management-System?

Basisdaten aus dem PIM liefern beispielsweise Informationen zu Produktnummern, technischen Daten, Formen oder Größen, wohingegen kaufmännische Daten Preise, Preisgruppen sowie Gültigkeiten betreffen und Marketingdaten Medien, Texte und Layout-Vorlagen enthalten.

Effizientes Arbeiten dank moderner Lösungen

Grundsätzlich basieren die Vorteile bei der Verwendung eines PIM-Systems darauf, dass die Produktdaten, sobald sie einmal elektronisch im Gesamtsystem vorhanden sind, ohne Medienbruch weiterverarbeitet werden können.

Zudem lassen sich bei diesem System XML-basierte kanalspezifische Im- und Exporte definieren, die eine hohe Kompatibilität und Konnektivität ermöglichen. Im- und Exporte basieren dabei auf Taskflows, die um projektspezifische Logiken und Transformationen erweitert werden können. Über eine generische Schnittstelle integrieren Unternehmen auch beliebige DAM-Systeme.

Der Beitrag wurde ursprünglich hier veröffentlicht …

Ein Kunde, eine Datenwelt, ein Ziel!

Wie Sie mit einer Data Management-Plattform (DMP) unternehmensinterne Datensilos aufbrechen und Daten für eine individuelle und erfolgreiche Echtzeit- Kundenansprache nutzbar machen können

Stellen Sie sich vor, Sie haben den Job eines Lageristen bei einem großen Versandhaus angetreten. Die erste Lieferung kommt. Sie nehmen diese an und fahren sie in die linke hintere Ecke Ihres Lagers. Am nächsten Tag kommt die nächste und sie fahren diese Sachen in die rechte Ecke. Die nächste Lieferung packen Sie oben drauf und die übernächste davor, dann daneben, dann kommt die nächste und die nächste und die nächste. Es geht immer so weiter, bis Ihr Lager voll ist. Nun bekommen Sie eine Liste mit den ganzen Bestellungen. Nur leider wissen Sie nicht mehr, was sie wo hin verräumt haben und leider kommen Sie an Ihre Sachen auch nicht mehr heran.

Unvorstellbar? So geht es manchem Marketingverantwortlichen mit den Daten über aktuelle und potenzielle Kunden seines Unternehmens. Wie in einem Lager die Waren, werden in jedem Unternehmen Unmengen an Daten gesammelt: Bei jedem Kundenkontakt werden Informationen eingeholt, ob online oder persönlich, bei Webseiten-Besuchen und Online-Käufen, am Point of Sale, bei Außendienstkontakten, in Beratungsgesprächen oder bei Service-Anfragen. Hinzu kommt, dass Marketingverantwortliche häufig Daten von Zweit- oder Drittanbietern, zum Beispiel bei Geschäftspartnern oder bei professionellen Datenhändlern, hinzukaufen, wenn wichtige komplementäre Informationen zum Kunden fehlen.

Kehrtwende: Nur strukturierte Daten sind wertvoll

All diese Daten sind nun in verschiedenen Abteilungen im Unternehmen verstreut. Wie in einem riesigen unübersichtlichen Lagerhaus türmen sie sich in den virtuellen und physischen Ordnern und Ablagesystemen. Den Überblick über diese vielen Datensilos zu behalten, die Datenflut gar manuell zu strukturieren und zu verarbeiten, wird praktisch unmöglich. Wurde jahrelang gebetsmühlenartig zum Datensammeln aufgerufen – „Je mehr Daten ein Unternehmen hat, desto genauer kennt es seine Kunden“ – wird heutzutage zum Kehraus geblasen. Mittlerweile wissen Marketingverantwortliche: Es kommt nicht nur auf die Menge der Daten an, die sie sammeln, sondern vor allem darauf, wie sie mit den Informationen umgehen, wie sie sie speichern, strukturieren und analysieren. Data Management heißt das neue Zauberwort und Data Management Plattformen (DMP) bieten die Möglichkeit, Ordnung in die chaotische Lagerhaltung zu bekommen und die Daten in Echtzeit an den richtigen Abnehmer zu liefern.

Bei der Datenverwaltung steht der Kunde im Mittelpunkt

Die bislang gängige Art, Kunden-Informationen in einzelnen Datensilos abzulegen und zu verwalten, zum Beispiel getrennt nach digitalen und Offline-Daten, nach Akquise und Postsales, nach Offsite-, Onsite-, Offline- und CRM-Daten, etc. wird durch einen ganzheitlichen Ansatz abgelöst, in dessen Mittelpunkt der Kunde und die Kundeninteraktion steht. Die Daten werden dabei nicht mehr getrennt voneinander betrachtet, sondern in einer DMP zusammengeführt, basierend auf einer anonymen Nutzer-ID. Bei der DMP handelt es sich somit um eine Art „Super-Datenbank“, die unterschiedliche Datenquellen und Arten von Informationen – First-, Second- und Third-Party-Daten – zusammenführt und für Echtzeit-Kundeninteraktionen zur Verfügung stellt. Was aber versteht man unter First-, Second- und Third-Party-Daten?

Werden Sie zum Daten-Experten für diese drei Arten von Daten:

First-Party-Daten

Als First-Party-Daten bezeichnet man jene Daten, die Unternehmen auf der eigenen Website sammeln, beispielsweise über Kontakt- oder Suchformulare, Webanalyse oder Testing, sowie Offline-Daten, wie zum Beispiel aus dem CRM-System oder aus den Rückmeldungen zu einem Gewinnspiel. Auch wenn diese Informationen von grundlegender Bedeutung sind, ergeben sie alleine noch kein vollständiges Bild eines Verbrauchers: Dieses gelingt erst, wenn die Informationen mit Second und Third-Party-Daten verknüpft werden.

Second-Party-Daten

Bei Second-Party-Daten handelt es sich um First-Party-Daten von Dritten, zum Beispiel von Geschäfts- oder Marketingpartnern. Beispielsweise werden durch Media-Agenturen Daten im Rahmen von Kampagnenauslieferungen erhoben, die anschließend als Second Party-Daten bereitgestellt werden können. Es handelt sich vor allem um Informationen über Interessengebiete sowie andere, nicht-personenbezogene Segmentierungs-Daten (Altersgruppe, Geschlecht, Herkunft, Kaufinteressen). Da Unternehmen, je nach Branche und Produktangebot, ganz unterschiedliche Kundendaten sammeln, ergänzen sich First- und Second-Party-Daten oft gut und sorgen für ein vollständigeres Kundenbild.

Third-Party-Daten

Bei Third-Party-Daten handelt es sich um Daten, die von professionellen Datenhändlern zugekauft oder angemietet werden. In der Regel werden diese Daten über sogenannte Third Party Cookies über eine Vielzahl von Webangeboten erhoben und ausgewertet.

Eine Kombination aus all diesen drei Datentypen ermöglicht eine verbesserte Sicht auf die Kundeninteressen und damit eine Möglichkeit zur Optimierung der Kundenansprache.

Segmentierung: Kunden kontextbezogen ansprechen

Dabei ist die DMP gleichzeitig Brücke zwischen diesen drei Datenarten und Kommandozentrale für den Marketer. Die DMP erfasst nicht nur Daten zu Kunden und Kundeninteraktionen, sondern hilft auch dabei, die Kundendaten zu segmentieren und für das Aussteuern von Inhalten und Werbung gezielt nutzbar zu machen. Und zwar sowohl in der Akquise als auch auf der Website, in Apps, im Call-Center oder für gezielte E-Mailings. So kann ein Online-Händler mit den richtigen Inhalten die Relevanz seiner Produktempfehlungen individuell für jeden Besucher verbessern und seine Konversionsraten deutlich steigern. Dafür muss er aber wissen, was der Besucher erwartet, was ihn interessiert, und vor allem: er muss all diese Informationen beisammen haben.

Künstliche Intelligenz senkt Marketing-Budgets bei gleichbleibendem Erfolg

Immer mehr Anbieter bauen künstliche Intelligenz (KI) in ihre DMP ein. Dies ermöglicht eine intelligentere Nutzung der Daten und automatisiert Analysen und Berechnungen. Ein Beispiel dafür ist die Kalkulation von Kauf- beziehungsweise Konversionswahrscheinlichkeiten: Hierbei werden diese Wahrscheinlichkeiten auf Basis der Analyse des bisherigen Verhaltens eines Nutzers und der Einordnung dieses Verhaltens mit dem aller Nutzer vorhergesagt. Diese Daten helfen nicht nur bei der Segmentanalyse, sondern auch bei der Reduzierung von Marketing-Budgets, zum Beispiel beim Retargeting: Nutzer, deren Kaufwahrscheinlichkeit über oder unter bestimmten Schwellenwerten liegt, werden vom Retargeting ausgenommen. Das eingesparte Budget kann nun für andere Maßnahmen verwendet werden.

Die Studie eines Online-Shops ergab, dass über 80 Prozent der Warenkorbabbrecher auf seiner Website, für die eine sehr hohe Kaufwahrscheinlichkeit vorlag, danach ohne Retargeting-Maßnahme die ausgewählten Produkte gekauft haben. Dadurch konnten 30 Prozent der Marketingausgaben für das Retargeting ohne nennenswerte Umsatzeinbußen eingespart werden.

Überblick: So unterstützt DMP das Marketing

• Kunden bei der Kaufentscheidung mit den richtigen Informationen zum richtigen Zeitpunkt zu unterstützen
• Kunden entsprechend ihren Bedürfnissen zu beraten
• Die Akquise-Kosten für Neukunden zu senken, indem man Werbung gezielter aussteuert und Streuverluste verringert.
• Upsell-Potenziale zu nutzen für gezielte Produktempfehlungen zum richtigen Zeitpunkt, auch bei längerfristigen Kundenbeziehungen
• Service-Kosten zu senken, indem Chat-Fenster zum Beispiel nur bestimmten Kundenprofilen angeboten werden
• Bestimmte, nicht interessierte Kunden von Promotions- und Mailing-Aktionen auszunehmen
• Individuell bei Warenkorbabbrechern nachzufassen
• VIP-Kunden mit vereinfachten Zahlungsmöglichkeiten zu locken
• Kunden, die im Begriff sind, die Website zu verlassen, spezielle Angebote zu machen
• Langfristigen Kunden-Churn durch Segment-Analyse und rechtzeitige Ansprache zu vermeiden

Botschaften individualisieren

Wie das Ganze funktioniert? Je mehr Informationen dem Marketingverantwortlichen über die Interessen seiner User vorliegen, je genauer und umfangreicher die User-Profile in der DMP sind, und je spezifischer die Segmentierung, umso besser können Kampagnen und Werbebotschaften individualisiert werden. Ein Schlüssel für effektives und erfolgreiches Marketing, denn die Konversionsraten individualisierter Werbebotschaften sind deutlich höher als die allgemeiner, ungezielter Botschaften.

Wissen transferieren

Auch können Marketingverantwortliche zufällige Erfolge wiederholbar machen, indem sie auf die User-Profile in der DMP zurückgreifen. Reagiert zum Beispiel eine Bestandskundengruppe mit einem besonderen Attribut positiv auf eine Werbekampagne, kann dieselbe Maßnahme auch an Neukunden mit demselben Merkmal ausgespielt werden. Vermutlich werden diese auch positiv reagieren. Dieses Vorgehen bietet sich für alle Ebenen an, vom Newsletter oder der Mailing-Aktion bis hin zur personalisierten Beratung des Kunden im Ladengeschäft.

In Echtzeit reagieren

Besonders interessant sind individualisierte Online-Angebote, die in Echtzeit ausgestreut werden: So ist es möglich, über die Navigationsdaten in der DMP jene Nutzer zu identifizieren, die sich immer wieder bestimmte Produktgruppen angesehen haben, ohne dabei etwas zu kaufen. Diese potenziellen Kunden können mithilfe eines individuellen Angebots – zum Beispiel einem Preisnachlass auf das Produkt, an dem sie Interesse gezeigt haben – unter Umständen doch noch zum Kauf bewogen werden.

Nach dem Kauf weiteragieren

Ein Kunde, der sich z.B. ein neues Schlafzimmer kauft, hat vermutlich Interesse an weiteren Möbeln, hier gilt es auf Basis der bisherigen Käufer und der gekauften Gegenstände, Vorschläge zu entwickeln und zu testen, die einen automatisierten Dialog mit dem Kunden ermöglichen. Je nach Größe, Preis, Stil der gekauften Möbel kann auf Basis von Lookalike-Analysen ein Profil erstellt werden, welche anderen Anschaffungen für den Käufer noch von Interesse sein könnten. Hier gilt es, Hypothesen zu bilden und entsprechende Kommunikationsmaßnahmen und Kanäle zu testen, um einen möglichst nachhaltigen Dialog mit dem Kunden zu erzeugen.

Fazit

Über eine DMP können Marketingverantwortliche eigene Kundendaten und Daten von Drittanbietern bestmöglich organisieren und segmentieren. Sie können situationsbezogene Angebote ausstreuen, Botschaften kommunizieren, Wissen transferieren, Warenkorbabbrecher ansprechen und Echtzeitanalysen durchführen. Sie verfeinern ihre Akquise- und Kundenbindungsstrategien, senken ihre Ausgaben durch ein genaueres Targeting und steigern die Chancen für einen erfolgreichen Kaufabschluss und eine positive Customer Experience.

Der Beitrag wurde ursprünglich hier veröffentlicht …