nach oben

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

Erschienen in:

Kapitel lesen Erstes Kapitel lesen

2023 | OriginalPaper | Buchkapitel

13. Künstliche Intelligenz im Marketing

Ein anwendungsorientierter Überblick

verfasst von : Jan Pieper

Erschienen in: Innovatives und digitales Marketing in der Praxis

Verlag: Springer Fachmedien Wiesbaden

Einloggen, um Zugang zu erhalten

Zusammenfassung

In einer wachsenden Zahl von Unternehmen kommen Anwendungen, die auf künstlicher Intelligenz (KI) basieren, für Marketingzwecke zum Einsatz. Um das enorme Potenzial auszuschöpfen, müssen Marketingverantwortliche die verschiedenen Anwendungsarten verstehen und wissen, wie diese sich weiterentwickeln könnten. Dieses Kapitel bietet einen anwendungsorientierten Überblick über den aktuellen Stand der KI in der Marketingpraxis. Ein Bezugsrahmen wird vorgestellt, der bei der Einschätzung hilft, welche Technologien wann sinnvoll eingesetzt werden können. Dabei werden KI-Anwendungen nach ihrem Intelligenzgrad (einfache Aufgabenautomatisierung oder fortgeschrittenes maschinelles Lernen) und ihrer Struktur (eigenständige Anwendung oder integrierte Plattformlösungen) klassifiziert. Die wichtigsten Herausforderungen und Risiken für Marketingverantwortliche bei der Nutzung von KI-Anwendungen werden analysiert.

Vorheriges Kapitel Menschen machen Fehler

Nächstes Kapitel Googles neue Ansätze aus der Privacy Sandbox für zielgruppenorientierte Werbung im Internet

Programmatische Werbung (Programmatic Advertising) bezeichnet den automatisierten und individualisierten Ein- und Verkauf sowie das Aussteuern von Werbeflächen in Echtzeit. Die Abwicklung über KI-Technologie soll Ressourcen sparen, Prozesse vereinfachen, eine flexiblere Preisgestaltung ermöglichen und die Relevanz der ausgelieferten Werbung für den Nutzer erhöhen. Derzeit wird das Prinzip des Programmatic Advertising in Deutschland hauptsächlich für Online-Werbung umgesetzt. Es ist aber auch für andere Medienkategorien (Out of Home, Bewegtbild, Radio oder TV etc.) denkbar bzw. in der Testphase (Samuel et al., 2021).

Chatbots (oder auch: Bots) als KI-Anwendungsform erlauben Unternehmen, die Kommunikation mit ihrer Kundschaft zu verbessern, zu intensivieren und vor allem zu automatisieren.

Deep Learning (deutsch: mehrschichtiges Lernen, tiefes Lernen oder tiefgehendes Lernen) bezeichnet eine Methode des maschinellen Lernens, die künstliche neuronale Netze (KNN) mit zahlreichen Zwischenschichten (englisch: hidden layers) zwischen Eingabeschicht und Ausgabeschicht einsetzt und dadurch eine umfangreiche innere Struktur herausbildet (Goodfellow et al., 2016). Deep Learning wurde bislang u. a. in den Bereichen Computer Vision, Spracherkennung, Verarbeitung natürlicher Sprache, maschinelle Übersetzung, Medikamentenentwicklung, medizinische Bildanalyse eingesetzt, wo es zu Ergebnissen geführt hat, die mit der Leistung menschlicher Experten vergleichbar sind und diese in einigen Fällen sogar übertreffen (Ciresan et al., 2012; Hu et al., 2020).

Ameen, N., Tarhini, A., Reppel, A., & Anand, A. (2021). Customer experiences in the age of artificial intelligence. Computers in Human Behavior, 114, 1–14. CrossRef

Amelia. (2021). Amelia for customer care – AI-powered support, human care. https://amelia.ai/solutions/customer-care/. Zugegriffen: 24. Dez. 2021.

Chen, J.-S., Le, T.-T., & Florence, D. (2021). Usability and responsiveness of artificial intelligence chatbot on online customer experience in e-retailing. International Journal of Retail & Distribution Management, 49(11), 1512–1531. CrossRef

Chui, M., Manyika, J., Miremadi, M., Henke, N., Chung, R., Nel, P., & Malhotra, S. (2018). Notes from the AI frontier: Applications and value of deep learning. McKinsey Global Institute Discussion Paper. https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-applications-and-value-of-deep-learning. Zugegriffen: 28. Febr. 2022.

Ciresan, D., Meier, U., &Schmidhuber, J. (2012). Multi-column deep neural networks for image classification. 2012 IEEE Conference on Computer Vision and Pattern Recognition (S. 3642–3649). https://doi.org/10.1109/cvpr.2012.6248110. Zugegriffen: 18. Jan. 2022.

Cogito (o. J.). Cogito & salesforce: A more intelligent customer experience. https://cogitocorp.com/resources/cogito-salesforce-intelligent-customer-experience/. Zugegriffen: 14. Dez. 2021.

Deloitte. (2021). Becoming an AI-fueled organization – State of AI in the enterprise (4th edn.). https://www2.deloitte.com/us/en/insights/focus/cognitive-technologies/state-of-ai-and-intelligent-automation-in-business-survey.html. Zugegriffen: 21. Jan. 2022.

Dzyabura, D., & Yoganarasimhan, H. (2018). Machine learning and marketing. In N. Mizik & D. M. Hanssens (Hrsg.), Handbook of marketing analytics (S. 255–279). Edward Elgar Publishing. CrossRef

eTail. (2020). Wayfair is using artificial iIntelligence and augmented reality to become an ecommerce challenger. https://etaileast.wbresearch.com/blog/wayfair-using-artificial-intelligence-augmented-reality-to-become-ecommerce-challenger. Zugegriffen: 27. Jan. 2022.

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.

Hu, J., Niu, H., Carrasco, J., Lennox, B., & Arvin, F. (2020). Voronoi-based multi-robot autonomous exploration in unknown environments via deep reinforcement learning. IEEE Transactions on Vehicular Technology, 69(12), 14413–14423. https://doi.org/10.1109/TVT.2020.3034800. Zugegriffen: 21. Feb. 2022.

IBM (o. J.). Behr returns for 3rd IBM watson advertising conversations campaign. https://www.ibm.com/case-studies/behr-watson-advertising. Zugegriffen: 27. Dez. 2021.

Lake, K. (2018). Stitch fix’s CEO on selling personal style to the mass market. Harvard Business Review, 96(3), 35–40.

MacKay, D. J. C. (2003). Information theory, inference, and learning algorithms. Cambridge University Press.

Medium. (2019). How netflix’s recommendation engine works. https://medium.com/@springboard_ind/how-netflixs-recommendation-engine-works-bd1ee381bf81#:~:text=Netflix's%20machine%20learning%20based%20recommendations,and%20accurate%20the%20algorithm%20is. Zugegriffen: 28. Dezember 2021.

Salesforce (o. J.). Bringen Sie Ihre Teams zusammen, damit Ihr Kunde immer im Mittelpunkt steht. https://www.salesforce.com/de/campaign/sem/salesforce-products/?d=7013y000002Z3ZuAAK&utm_source=google&utm_medium=sem&utm_campaign=de_alllobcon&utm_content=_7013y000002Z3ZuAAK&soc=Google-salesforce-products&ef_id=CjwKCAiA1JGRBhBSEiwAxXblwQZEkv9tqTgE2LQ9Ejg-ij95gF4edNwcGVIpgXqj8tG7CAXfbbsF5BoCBzQQAvD_BwE:G:s&s_kwcid=AL!7501!3!571870885634!p!!g!!salesforce%20einstein&mkwid=s&pcrid=571870885634&pkw=salesforce%20einstein&pmt=p&pdv=c&gclid=CjwKCAiA1JGRBhBSEiwAxXblwQZEkv9tqTgE2LQ9Ejg-ij95gF4edNwcGVIpgXqj8tG7CAXfbbsF5BoCBzQQAvD_BwE. Zugegriffen: 14. Januar 2022.

Samuel, A., White, G. R. T., Thomas, R., & Jones, P. (2021). Programmatic advertising: An exegesis of consumer concerns. Computers in Human Behavior, 116, 2022. https://doi.org/10.1016/j.chb.2020.106657.Zugegriffen:17.Januar CrossRef

Schanke, S., Burtch, G., & Ray, G. (2021). Estimating the Impact of “Humanizing” service chatbots. Information Systems Research, 21. https://doi.org/10.1287/isre.2021.1015. Zugegriffen: 14. Jan. 2022.

Stawski, B. (2021). Private jet charters, shared flights and empty legs: Everything you need to know about XO. https://thepointsguy.com/guide/xo-private-jets/. Zugegriffen: 1. März 2022.

Uzzi, B. (2019). How olay’s aI-powered consultation disrupts the cosmetics industry. https://www.forbes.com/sites/brianuzzi/2019/05/01/how-olays-ai-powered-consultation-disrupts-the-cosmetics-industry/. Zugegriffen: 14. Jan. 2022.

Vee24. (2021). Conversational aI-powered chatbots. https://vee24.com/conversational-ai-chatbots/. Zugegriffen: 21. Jan. 2022.

Zinkann, R., & Mahadevan, J. (2017). Zukünftige Customer Journeys und deren Implikationen für die Unternehmenspraxis. In M. Brun & M. Kirchgeorg (Hrsg.), Marketing Weiterdenken (S. 157–169). Springer.

Titel: Künstliche Intelligenz im Marketing
verfasst von: Jan Pieper
Verlag: Springer Fachmedien Wiesbaden
Buch: Innovatives und digitales Marketing in der Praxis
Print ISBN: 978-3-658-38209-4

Electronic ISBN: 978-3-658-38210-0

Copyright-Jahr: 2023
DOI: https://doi.org/10.1007/978-3-658-38210-0_13

Springer Professional

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten