Machine Learning: Vier Anwendungen, die Ihre B2B-Vertriebsteams bereits heute nutzen.

Das Thema Machine Learning ist in aller Munde. Welche Anwendungen nutzt Ihr Vertriebsteam bereits?

Zweifellos werden in den kommenden Jahren die Fortschritte in den Bereichen Machine Learning, Künstliche Intelligenz und Digitalisierung viele der zeitaufwändigen Aufgaben im B2B-Vertrieb ersetzen. Wahrscheinlich nutzt Ihr Vertriebsteam bereits maschinelles Lernen.

Künstliche Intelligenz (KI) im Vertrieb bedeutet nicht, dass sich Terminator um eine Stelle im Vertrieb bewirbt. Nein, es bedeutet vor allem maschinelles Lernen. Machine Learning (ML) ist ein Teil dessen, was die Forscher „weak“ oder „schwache“ künstliche Intelligenz nennen. Weder „schwach“ noch „weak“ klingt nach einem Kampfroboter. Weak KI verwendet eine Software, um spezifische Probleme schneller zu lösen als Menschen.

Wenn Ihr Vertriebsteam im B2B-Bereich arbeitet, verwendet es höchstwahrscheinlich bereits eine oder mehrere Softwarelösungen im Rahmen des maschinellen Lernens. Bald werden viele weitere allgegenwärtig sein. Warum? Weil das maschinelle Lernen spielt eine zentrale Rolle, um Vertriebsteams effizienter zu machen.

Mit ML Software können Vertriebsmitarbeiter den Weg zu einem Kunden schneller finden, billigere Flugtickets kaufen, ein technisches Handbuch übersetzen, eingehende Leads und Projekte nach Potential priorisieren und die Abwanderung von Kunden vorhersagen.

Sind Sie mit diesen maschinellen Lernanwendungen vertraut? Vermutlich schon mehr als Sie denken. Lassen Sie uns dies genauer betrachten.

Reisen Ihre Key Account Manager zu Kunden? Dann nutzen sie höchstwahrscheinlich maschinelles Lernen.

Intelligente Fahrassistenzsysteme nutzen das maschinelle Lernen zur Optimierung von Routen und Fahrzeiten. Die meisten Smartphone-Besitzer verwenden Navigations-Apps. Dabei ist Google Maps die am meisten bevorzugte App, so eine aktuelle Umfrage. Diese maschinell lernfähige Anwendung hat einen Anteil von zwei Dritteln am amerikanischen Markt.

Um seine Algorithmen für das maschinelle Lernen zu nutzen, setzt Google Maps in erster Linie auf die Smartphones der Nutzer. Vertriebsmitarbeiter (oder andere Nutzer) stellen Google Maps Informationen über Standort, Reiseroute und Reisegeschwindigkeit zur Verfügung.

Ich möchte mein B2B-Vertriebsteam mit maschinellem Lernen effizienter machen.

Alle Informationen, die die Nutzer an Google Maps weitergeben, helfen der Software, den Verkehr und mögliche Staus einzuschätzen. Darüber hinaus hilft es dabei, genaue Vorhersagen auf der Grundlage historischer Daten zu treffen. Google entwickelt einige hochmoderne maschinelle Lernmodelle, die andere Unternehmen anwenden können, wie zum Beispiel die „Random Forest- Methode“.

Google entwickelt einige hochmoderne maschinelle Lernmodelle, die andere Unternehmen anwenden können, wie zum Beispiel die „Random Forest- Methode“.

Nach dem Erwerb des Navigationsunternehmens Waze im Jahr 2013 begann Google Maps mit der Diversifizierung seiner Datenquellen. Es ermöglicht nun Benutzern, Unfälle, Engpässe und Verkehr während der Fahrt zu melden. Außerdem arbeitet das Unternehmen mit den lokalen Stadtbehörden zusammen, um Unfalldaten, Bau-Updates und Straßensperrungen zu erstellen.

Quo Vadis, Vertrieb?

Arbeitet Ihr Team im internationalen Vertrieb? Dann nutzen Sie maschinelle Lernanwendungen für die Preisgestaltung von Flügen.

Fliegen Ihre Key Account Manager hin und wieder zu ihren Kunden statt zu fahren? Dann nutzen sie – oder die Plattformen und Unternehmen, bei denen sie Flugtickets kaufen – Machine Learning für die Preisgestaltung. Bitte denken Sie jetzt nicht, dass Roboter versuchen, Sie abzuzocken. Nein, Fluggesellschaften nutzen diese Technologie, um den Wert, den sie aus ihren Assets ziehen können, zu steigern.

Fluggesellschaften verwenden komplexe Richtlinien, um Preise festzulegen. Die Luftfahrtindustrie hat sich zu einem der anspruchsvollsten Anwender von dynamischen Preisstrategien mit maschinellem Lernen entwickelt, um den Umsatz in einem sehr wettbewerbsintensiven Markt zu maximieren.

Studien und Anwendungen des maschinellen Lernens in der Luftfahrtindustrie gibt es schon seit der Dotcom-Blase. Eine bekannte Forschung auf diesem Gebiet ist „To Buy or Not To Buy: Gewinnung von Flugpreisdaten zur Minimierung des Ticketkaufpreises“. In dieser Arbeit wurde die Entwicklung der Flugpreise nach Flugnummer und Reiseverlauf ausführlich beobachtet.
Eine neuere Studie vergleicht zwei maschinelle Lernmethoden für die Preisanalyse mit mehreren Attributen: Sitzklassen, Vertriebskanäle, Saisonalität, Verfügbarkeit von Plätzen, etc.

Die Random Forest-Methode (EN: „Random Forest“ – eine Lernmethode zur Klassifizierung einer Vielzahl von Entscheidungsbäumen) prognostizierte in 95,2 % der Fälle die Preisentwicklung korrekt. Im Gegensatz dazu erreichte die Methode der linearen Regression nur 69 %.

Ist Ihr Vertriebsteam mit mehreren Sprachen konfrontiert? Dann stehen die Chancen gut, dass maschinelles Lernen bei der Übersetzung geholfen hat.

Auch dieser Blog wird teilweise mit Hilfe von maschineller Lernsoftware übersetzt (wer hätte das gedacht, oder?). Wenn Ihr Unternehmen in einem Vertriebsbereich arbeitet, der es erfordert, mit Kunden in anderen Sprachen zu kommunizieren, kann es gut sein, dass es auch maschinelles Lernen verwendet.

Ja, maschinelles Lernen wird auch für Übersetzungen eingesetzt. Computer können schnell Wörter und Muster der Ursprungs- und der Zielsprache lernen. Sie werden mit fortschreitender Zeit besser, obwohl sie viele idiomatische Ausdrücke – also Redewendungen – und Grammatikausnahmen noch nicht richtig verstehen und übersetzen können.

Zwei kürzlich veröffentlichte Forschungsarbeiten beschäftigen sich mit dem Einsatz unbeaufsichtigter maschineller Lernmethoden für Übersetzungen. Diese beiden unabhängigen Studien haben ähnliche Methoden verwendet. In beiden Arbeiten wurden Wörterbücher ohne menschliches Einmischen erstellt, indem sie Wörter mit gleicher Bedeutung in verschiedenen Sprachen wie „Schuh“ oder „Stein“ verwendeten. Dieser Trick ermöglichte es der KI-Lösung, Cluster und Beziehungen zwischen Wörtern zu finden.

Parlez-vous künstliche Intelligenz?

Predictive Sales Software mit Random Forest zur Prognostizierung, welcher Kunde kurz davorsteht, abzuwandern.

In der Bemühung, mehr zu verkaufen, vergessen viele Unternehmen zu reagieren, sobald ein Kunde den Handel eingestellt hat, um ihn zu halten. Die Bestimmung von Kundenbindungsstrategien auf der Grundlage von prädiktiven Analysen ist wesentlich effizienter und erfolgreicher als ohne.

Mit einer Kombination aus multilinearen Regressionen und Random-Forest-Algorithmen kann Qymatix Churn Software, die Wahrscheinlichkeit für jeden Ihrer Kunden bestimmen mit der er wieder kauft oder eben nicht wieder kauft. Kurz gesagt, es wird das Abwanderungsrisiko berechnet. Der Algorithmus funktioniert in 70 bis 90 % der Fälle korrekt und kann helfen, Ihre Kundenabwanderung zu halbieren.

Der Algorithmus funktioniert in 70 bis 90 % der Fälle korrekt und kann helfen, Ihre Kundenabwanderung zu halbieren.

B2B-Unternehmen nutzen diese maschinelle Lernanwendung, um Hart- und Weichabwanderungen unter Hunderten von Kunden und Produkten zu finden und zu verhindern.

Wir wenden die gleiche Predictive-Analytics-Methode (mit proprietären Anpassungen) auf die Preisanalyse und das Lead Scoring an. Für Cross-Selling Analysen werden vergleichbare, nicht überwachte maschinelle Lernmethoden verwendet.

BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE

Machine Learning: Vier Anwendungen, die Ihre B2B-Vertriebsteams bereits heute nutzen – Fazit.

Lassen Sie sich nicht von den Ansprüchen der künstlichen Intelligenz verwirren. KI-Forscher klassifizieren maschinelles Lernen als eine schwache KI-Anwendung. Es gibt klare Beispiele aus der Praxis für maschinelles Lernen, die Ihre Vertriebsmitarbeiter heute vielleicht nutzen.

Ob sie mit dem Auto oder dem Flugzeug zu den Kunden reisen, sie nutzen wahrscheinlich das maschinelle Lernen. Diese Algorithmen machen die Unterstützung zu einem effektiveren Entscheidungsprozess.

Maschinelles Lernen erzeugt Wissen auf der Grundlage von Daten. Im Falle von Textübersetzungen verwendet es Wörterbücher und frühere Übersetzungen. Im Falle der Vertriebsanalyse verwendet es die letzten Verkaufstransaktionen.

Gibt es eine andere Anwendung des maschinellen Lernens, die Sie heute im B2B-Vertrieb einsetzen? Bitte kommentieren Sie es hier.

Haben Sie weitere Fragen zum Thema Machine Learning? Wir helfen gerne weiter!

Ich muss heute damit beginnen!