Erfahren Sie sieben praktische Anwendungsfälle, wo künstliche Intelligenz den Vertrieb schon heute unterstützt.

Immer mehr Unternehmen nutzen Künstliche Intelligenz (KI), um Prozesse im Vertrieb zu verschlanken und unliebsame Aufgaben an Algorithmen abzugeben. KI ist also eine Assistenz für den Vertrieb, ohne dabei die MitarbeiterInnen obsolet zu machen.

Der Einsatz von Künstlicher Intelligenz (KI) verändert die Arbeitsweise im Vertrieb radikal. Gemeint sind vor allem Vertriebsprozesse, die unter dem Einfluss von KI-Tools stehen und MitarbeiterInnen im Vertrieb die Arbeit erleichtern, Abläufe optimieren und Aufgaben abnehmen, die vielleicht nicht so gerne erledigt werden.


Ein Beispiel: Mittels Tools für Predictive Analytics ist es möglich, große Datenmengen aus unterschiedlichen Quellen zu analysieren. Damit sparen sich Vertriebler das Erstellen zeitaufwändiger Vorhersagen und Prognosen, die mit Hilfe von KI um einiges genauer ausfallen.

Vorteile von KI im Vertrieb sind schon seit Jahren bekannt

Allgemein gesagt, bringt der Einsatz von KI im Vertrieb den Vorteil mit sich, dass durch Prognosen und Wahrscheinlichkeiten valide, skalierbare und automatisierte Handlungsempfehlungen für die Vertriebsprozesse entlang der gesamten Customer Journey abgeleitet werden können.

Schon 2016 stellten drei Autoren der Unternehmens- und Strategieberatung McKinsey in einem Artikel für die Harvard Business Review fest: Unternehmen, die KI im Vertrieb als Pioniere im Einsatz hatten, konnten dadurch eine Steigerung der Leads und der Terminvereinbarungen um über 50 Prozent feststellen. Die Kostensenkungen beliefen sich auf 40 bis 60 Prozent.

Die Autoren betonen außerdem den Mehrwert von KI im Vertrieb. MitarbeiterInnen können mehr Zeit mit dem Abschluss von Geschäften verbringen, wodurch die Attraktivität von KI noch größer wird. KI-Systeme übernehmen deshalb auch administrative und repetitive Aufgaben, sodass die Vertriebsmitarbeiter und Mitarbeiterinnen sich rein auf verkaufsrelevante Tätigkeiten konzentrieren können.

Praktische Anwendungsfälle von KI im Vertrieb

Um nicht an allgemeinen Aussagen zu Vorteilen von KI im Vertrieb haften zu bleiben, sehen wir uns praktische Szenarien an, in denen der Vertrieb vom Einsatz von KI profitieren kann:

1) Flexible Preisanpassung (Dynamic Pricing)

Beim Dynamic Pricing geht es darum zu analysieren, welche Preise Kunden akzeptieren und bei welchen sie eher Bauchschmerzen bekommen. Angebot und Nachfrage bestimmten dieses Szenario.

Um Preise mit Hilfe von KI zu optimieren, beziehungsweise anzupassen, braucht es eine Datenbasis mit bestimmten Merkmalen von Kunden, wie etwa das historische Kaufverhalten. Daraus lässt sich ableiten, welche Preise Kunden in der Vergangenheit akzeptiert haben.

2) Lead-Qualifizierung (Predictive Lead Scoring)

Mit Predictive Lead Scoring werden bestehende Kundendaten anhand verschiedener Kriterien qualifiziert und bewertet. KI erleichtert dabei das Auswerten durch Automatisierung. Lead Scoring bedeutet zu beurteilen, wie kaufbereit ein Lead ist und wann er dem Vertrieb als solcher übergeben werden kann.

Beim Predictive Lead Scoring kommen Algorithmen zum Einsatz, die für jede Kundenanfrage eine statistische Kaufwahrscheinlichkeit berechnen. Der Vorteil: VertriebsmitarbeiterInnen können relativ einfach erkennen, wie kaufbereit ein bestimmter Lead ist, was sich wiederum positiv auf die Vertriebsstrategie auswirkt.

3) Vorhersagen und Prognosen (Predictive Analytics)

Bei Predictive Analytics werden historische Kundendaten genutzt, um zukünftige Ereignisse vorherzusagen. Dabei analysiert die KI große Datenmengen aus der Vergangenheit und bezieht eine Reihe weiterer Faktoren ein, um Vorhersagen über Entwicklungen in der Zukunft treffen zu können.

Es geht um Fragen wie: Wie werden sich Kunden höchstwahrscheinlich zukünftig verhalten? Zum Beispiel welche Produkte sie mit großer Wahrscheinlichkeit kaufen werden und welche eher nicht. Im Blogartikel „Korrelation ist nicht gleich Kausalität” klären wir den Unterschied zwischen den beiden Begrifflichkeiten.

Dies ist notwendig, weil sich viele Unternehmen und gerade der Vertrieb nur allzu gerne an Kausalitäten, also den Zusammenhang von Ursache und Wirkung, klammern. Entsprechend dieser Denkhaltung wollen sie ein bestimmtes Kundenverhalten erklären, weil dies vermeintlich mehr Sicherheit beim Treffen von Entscheidungen bietet. Predictive Analytics aber ist eine Methode, die bestimmte Wahrscheinlichkeiten prognostiziert, anhand derer der Vertrieb besser beurteilen kann, welche Entscheidung wohl angebracht ist. Eine Gewähr dafür, dass sich diese Entscheidung hinterher als die richtige herausstellt, kann auch diese Methode nicht geben.

4) Cross- und Up-Selling

Beim Cross-Selling versuchen Unternehmen ihre Kunden dazu zu bringen, zusätzlich zu den gekauften Produkten oder Dienstleistungen weitere zu kaufen. Diese Produkte oder Dienstleistungen ergänzen sich in der Regel – und liefern den Kunden damit einen Grund, beide Artikel zu kaufen.

Beim Up-Selling versucht man Kunden dazu zu bringen, ein Kauf-Upgrade vorzunehmen oder Zusatzoptionen für ein gekauftes Produkt oder die Dienstleistung zu erwerben. Das beworbene Produkt beziehungsweise die beworbene Dienstleistung besteht in der Regel aus einem teureren Produkt oder Zusatzoptionen, die den Bestellwert steigern.

Auch bei diesem Vertriebsszenario spielt KI die Rolle der Assistentin, indem sie eine Warenkorbanalyse auf Basis von vorhandenen ERP- und CRM-Verkaufsdaten liefert. Damit lassen sich mögliche zusätzliche Verkaufspotenziale identifizieren, mit dem der Umsatz gesteigert und gleichzeitig die Vertriebsressourcen effizient eingesetzt werden können. Nämlich bei den Kunden, bei denen es sich lohnt, noch einmal anzuklopfen.

5) Kundenzufriedenheit

Wenn der Vertrieb aus Kundendaten herauslesen kann, mit welcher Art von Kunden er es zu tun hat, wie sich Kunden in der Vergangenheit verhalten haben, was sie gekauft und welche Preise sie bezahlt haben, dann schafft diese Datenbasis das Fundament für eine gute Kundenbeziehung. Mit anderen Worten: Der Vertrieb „kennt” die Kunden, oder vielmehr ihre Bedürfnisse. Und das ist wichtig, um ihnen die passenden Angebote unterbreiten zu können. Zum Beispiel in Form von Cross- und Upselling-Maßnahmen oder Preisnachlässen etc.

6) Abwanderungsrisiko (Churn Prediction)

B2C-Kunden kennen das von Verträgen mit Telekommunikationsdienstleistern: Zu Beginn wird man mit allerlei Rabatten und Boni umworben, und ist man dann endlich Kunde, hört man vom Anbieter in der Regel jahrelang nichts mehr. Oder vielmehr nur dann, wenn es ums Verkaufen eines hochpreisigeren Vertrags geht. In der Zwischenzeit ändern sich aber meist die Konditionen und es gibt für Kunden oft preiswertere Alternativen. Diese werden selbstverständlich verschwiegen, auch wenn der alte Vertrag vielleicht weniger Leistung zu höherem Entgelt bietet.

Dieses Szenario birgt das Risiko, dass Kunden abwandern und den Dienstleister wechseln. Auch dieses Abwanderungsrisiko lässt sich mit KI-Unterstützung prognostizieren. Die KI weist den Vertrieb darauf hin, welche Kunden zukünftig mit welcher Wahrscheinlichkeit dem Unternehmen den Rücken kehren werden. Eine entsprechende Software zu Churn Prediction warnt mit passenden Informationen und gibt konkrete Empfehlungen zur Erkennung und Vermeidung von Kundenverlusten.

7) Customer Lifetime Value

Der Customer Lifetime Value (CLV) gehört zu den mächtigsten Kennzahlen im Vertrieb und gilt als Schlüssel für ein erfolgreiches Customer-Relationship-Management (CRM). Mit dem CLV erkennen Unternehmen, bei welchen Kunden sich Investitionen lohnen und können so das Vertriebsbudget effizient einsetzen. Der Customer Lifetime Value ist damit eine 360°-Sicht auf die komplette Customer Journey.

Betriebswirtschaftlich ausgedrückt ist der CLV die Summe aus den Erlösen eines Kunden, vermindert um bestimmte Kosten, wie etwa die für die Gewinnung und Bindung des Kunden — über die Dauer der gesamten Kundenbeziehung hinweg. Das KI-Verfahren Predictive Modelling ermöglicht dabei quasi einen Blick in die Glaskugel. Predictive Modelling verwendet nämlich Daten, statistische Algorithmen sowie Techniken maschinellen Lernens, um die Wahrscheinlichkeit zukünftiger Ergebnisse basierend auf historischen Daten zu identifizieren.

Aber auch hier — wir erinnern uns — geht es nicht um einen kausalen Zusammenhang (insofern ist der Begriff Glaskugel nur eine Metapher für einen Blick in eine wahrscheinliche Zukunft), sondern um den Eintritt einer größtmöglichen Wahrscheinlichkeit.

 
BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE
 

Ersetzt KI den Menschen im Vertrieb?

Angesichts dieser zahlreichen Einsatzmöglichkeiten von KI im Vertrieb ist die Frage nach der zukünftigen Rolle von VertriebsmitarbeiterInnen berechtigt. Steuert ein Heer an Vertrieblern bald in die Arbeitslosigkeit, weil Algorithmen ihren Job übernehmen? Die — für die Zielgruppe möglicherweise etwas unbefriedigende — Antwort ist: Es kommt darauf an.

Es kommt darauf an, welche konkreten Aufgaben und Tätigkeiten Vertriebler in der Praxis haben. Sich permanent wiederholende Routineaufgaben zum Beispiel können durch KI komplett ersetzt werden. In einem Blogbeitrag hat sich Qymatix-CEO Lucas Pedretti ausführlich mit der Ersetzbarkeit von Vertriebsaufgaben auseinandergesetzt.

Die folgende Sichtweise vertritt Michael Becker, Leiter der Akademie Druck+Medien des VDM Nord-West, in einem Online-Beitrag für print.de:
„Der aktuelle Stand der Technik und optimistische Prognosen lassen nicht erwarten, dass der Vertriebler ersetzt werden wird. Kreativität, Empathie und Sympathie, Charisma, Humor und kommunikative Fähigkeiten können aktuell selbst von fortschrittlichen KI-Tools nur begrenzt nachgebildet und schon gar nicht adäquat ersetzt werden!“

 

FANGEN SIE HEUTE MIT KI IM VERTRIEB AN!