Social Media ist ein sich schnell verändernder digitaler Marketingkanal. Doch in den vergangenen zehn Jahren blieben die Prinzipien für (Abverkaufs-)erfolge, wie zielgerichtete Inhalte für ausgewählte Zielgruppen, relativ gleich. Doch der Einfluss von KI-Systemen nimmt zu.
Social Media Marketing mithilfe von Künstlicher Intelligenz erfordert spezifische Fähigkeiten und Kenntnisse.
Jezper | Fotolia
Das Prinzip des guten Ersteindrucks wird dabei nicht ausgehebelt. Nach wie vor gilt, dass Anzeigen klar verständlich, im richtigen Format und mit einem klaren Mehrwert für die Rezipienten aufgebaut sein sollten. Die Art, wie solche Anzeigen erstellt werden hat sich aber verändert. Texte werden zum Beispiel immer häufiger von KI-Bots wie Chat GPT erzeugt. Bildmaterial kann über Text-to-Picture-KI-Tools, beispielsweise Midjourney, generiert werden. Dadurch wird weniger Design und Copywriting benötigt, gleichzeitig müssen die KI-Tools jedoch korrekt versorgt werden.
Schon jetzt tauchen diese Skills (KI-Prompting) immer häufiger in Stellenausschreibungen auf und in Zukunft werden erfolgreiche Kampagnen stark davon abhängen, wie gut die KI geführt wird, wenn Inhalte erstellt werden.
Granularität ist kein Allheilmittel
Das Prinzip, Inhalte an spezifisch ausgewählte Zielgruppen zu verbreiten, wird jedoch massiv beeinflusst. Insbesondere im B2B-Bereich ist es ein großer Vorteil, dass werbetreibende Unternehmen die Zielgruppen über Faktoren wie
- Branche,
- Jobbezeichnung,
- Kenntnisse,
- Karrierelevel
und viele weitere Optionen sehr genau auf potenzielle B2B-Kontakte zuschneiden konnten.
Allerdings bringt diese Granularität auch Nachteile mit sich. Zum einen benötigt es Wissen, um all die Optionen und Kombinationsmöglichkeiten effizient einsetzen zu können. Zum anderen bieten diese Daten noch immer keine Informationen darüber, ob die potenzielle Zielgruppe gerade auf der Suche nach einer Dienstleistung oder einem Produkt ist. Gerade in den B2B-typischen langen Verkaufszyklen sollte davon ausgegangen werden, dass nur etwa fünf Prozent der erreichten Personen aktuell eine Kaufintention haben.
KI findet Zielgruppen
Genau dieses Problem wird mit KI-generierten Zielgruppen gelöst. Linkedin hat beispielsweise im September 2023 ihre "Predictive Audiences" vorgestellt. Dabei versorgen werbende Unternehmen die KI mit einem Beispiel einer Personengruppe, die bereits die gewünschte Interaktion durchgeführt hat. Auf Basis dieser Quelle gleicht die KI dann mit der Linkedin-Datenbank ab, welche Personen mit hoher Wahrscheinlichkeit eben diese Interaktion durchführen werden. Es werden also mit höherer Wahrscheinlichkeit die genannten fünf Prozent der Personen erreicht, die aktiv auf der Suche sind. Damit steigen die Chancen einer erfolgreichen Leadsuche und die Kosten je Lead sinken merklich.
Ganz ohne Herausforderung ist aber auch diese Methode nicht. Ohne eine geeignete Beispielquelle lassen sich die Predictive Audiences nicht einsetzen. Oft steht diese noch nicht zur Verfügung. Dann müssen zunächst Kontakte über die klassischen Optionen gewonnen werden, die dann später als Basis genutzt werden können, um die KI zu verbessern.
KI-Systeme sind noch nicht so weit, dass sie mit einer simplen Frage als Input komplette Kampagnen erzeugen können, die erfolgreich Leads generieren. Bis es so weit sein wird, müssen werbetreibende Unternehmen geschickt klassische Methoden und KI-Tools verbinden und verstehen, welche Daten KI-Systeme benötigen, damit Marketer den gewünschten Output erhalten.