Mit künstlicher Intelligenz Vertriebsprozesse beschleunigen
Um nachhaltiges Wachstum zu generieren und kontinuierlich Kunden zu gewinnen, ist eine schlagkräftige Vertriebsabteilung erforderlich. Hierbei hilft künstliche Intelligenz.
Die Digitalisierung und die Austauschbarkeit von Produkten und Dienstleitungen am Markt haben dazu geführt, dass sich das Kaufverhalten grundlegend verändert hat. Mit Vergleichsportalen, Suchmaschinen und Rezensionen lassen sich schnell Qualität oder Kosten vergleichen und Anbieter wechseln. Sowohl im B2C- als auch im B2B-Bereich sind diese Änderungen deutlich geworden, womit auch die Herausforderungen für die Sales Teams steigen.
Vertriebsabteilungen setzen sich häufig aus Presales, direktem Vertrieb und Postsales zusammen. Im Presales kümmern sich die Mitarbeiter vor allem um die Leadgenerierung, während im direkten Vertrieb der Fokus auf Angeboten und Kalkulationen liegt.
Viele Firmen stellen bereits auf deutlich gestärkte Inside Sales Teams um, damit sie im globalen Markt effizienter agieren können. Doch auch gerade nach dem Verkauf beziehungsweise Kauf muss die Beziehung zwischen Unternehmen und Kunden laufend gepflegt werden, um Kunden dauerhaft zu binden sowie durch Weiterempfehlung Neukunden zu akquirieren. Ein permanenter Informationsaustausch ist aus diesem Grund wesentlich, doch bei der Fülle der täglichen Arbeiten wird dieser Austausch oft vernachlässigt.
Gerade im Vertriebsprozess bietet der Einsatz von digitalen Tools ein enormes Potential an Optimierungsmöglichkeiten. Mit sogenannten Insight Engines können Unternehmen die Bereitstellung ihrer Daten aus den unterschiedlichen Quellen ressourceneffizienter und rascher gestalten.
360-Grad-Sicht dank künstlicher Intelligenz
Insight Engines sind intelligente Suchsysteme, die Informationen aus unterschiedlichen Datenquellen (zum Beispiel Fachanwendungen, CRM und E-Mail-Systeme) abrufen, analysieren und im richtigen Kontext verknüpfen können. Sie basieren auf bekannten Suchtechnologien. Ihre Leistungsfähigkeit übertrifft jedoch durch Anwendung von Methoden der künstlichen Intelligenz (KI) jene von klassischen Suchmaschinen.
Um Anfragen von Anwendern oder Inhalte in den Dokumenten zu verstehen und die benötigten Informationen aus der Datenmenge zu extrahieren, verwenden Insight Engines Natural Language Processing (NLP) und Natural Language Question Answering (NLQA). So sind sie in der Lage, natürliche Sprache korrekt zu verstehen sowie sie linguistisch zu interpretieren, um konkrete Antworten zu liefern.
Mit Machine Learning und Deep Learning leiten sie bereits aus der Fragestellung des Anwenders viele Informationen ab. So ist es ihnen möglich, auf Fragen mit wer, wie, wo oder auch was korrekt zu antworten. Die Frage Wo wohnt der Kunde mit der Kundenummer 12345? liefert somit auch direkt die Antwort Musterstraße 1, 10115 Berlin. Die Insight Engine erkennt dabei automatisch das Fragewort und wonach konkret gesucht wird. Dadurch extrahiert sie nur jene Information, die tatsächlich angefragt wurde, anstatt einer Liste mit Dokumenten, die wieder manuell durchforstet werden muss.
Auf Basis der vorangegangenen Suchabfragen sowie der Interaktionen können Insight Engines durch Deep Learning von ihren Anwendern lernen. Die Analyse der Arbeitsweise hilft dabei, die Relevanz der einzelnen Treffer zu errechnen und relevante Treffer proaktiv zur Verfügung zu stellen. Mittels semantischer Analysen werden die Inhalte analysiert und mit weiteren Dokumenten verknüpft, deren Inhalt ihnen thematisch entspricht.
Die Ergebnisse lassen sich mit zur Verfügung gestellten Filtern zum Beispiel nach Kategorien, Personen und Jahreszahlen begrenzen. Dadurch ist es möglich, die Ergebnisse zusätzlich auf das gerade wesentliche, beispielsweise Kündigungen im Jahr 2018, einzuschränken.
Einfache Integration in die bestehende Infrastruktur
Die Implementierung der Insight Engine ist aufgrund ihres Appliance-Charakters unkompliziert und erfordert keine langwierigen Projekte. Als Datenbasis dienen sämtliche Unternehmensquellen, zum Beispiel Intranet, Cloud und Fachanwendungen.
Diese Datenquellen werden mit sogenannten Konnektoren an die Insight Engine angebunden. Nach Anbindung der Datenquellen ist die Insight Engine in der Lage, die Inhalte der Dokumente zu analysieren und für Abfragen in einem Index zur Verfügung zu stellen – ohne Kopien von ihnen anzufertigen. Erst bei einer Interaktion mit einem Ergebnis wie Öffnen oder Bearbeiten werden die Anwender zur Original-Datenquelle weitergeleitet. Bei jeder Abfrage werden die spezifischen Berechtigungen der Nutzer, die direkt bei den Datenquellen hinterlegt sind, überprüft und die Ergebnisanzeige basierend auf den Zugriffsrechten der Anwender eingeschränkt.
Auf diese Weise erhält jeder Anwender eine individuelle, auf seine Rolle und Position in Unternehmen sowie seine spezifischen Autorisierungen angepasste 360-Grad-Sicht auf den Suchbegriff wie beispielsweise einen Kunden oder einen Vertrag.
Mitarbeiter im Presales können so rasch herausfinden, wann welche Leads generiert wurden, wer die erste Kontaktperson war oder in welchem Umfang bereits eine Kommunikation stattfand. Durch die Verknüpfung mit anderen Daten aus Wettbewerbsanalysen, Vertriebsstrategien sowie Informationen von Präsentationen, Messeauftritten, Veranstaltungen und das Aufzeigen von Zusammenhängen können sich so rasch neue Ansatzpunkte ergeben.
„Die Implementierung der Insight Engine ist aufgrund ihres Appliance-Charakters unkompliziert und erfordert keine langwierigen Projekte. Als Datenbasis dienen sämtliche Unternehmensquellen.“
Daniel Fallmann, Mindbreeze
Im Direktvertrieb profitieren Anwender vor allem von den Informationen aus vorangegangenen Vertragsabschlüssen und Projekten. Diese können zur Orientierung bei der Erstellung von ähnlichen Angeboten dienen. Dank der 360-Grad-Sicht können Kunden auch nach ihrem Kauf um ein Vielfaches effizienter betreut werden. Die Mitarbeiter im Post-Sales haben auf Knopfdruck alle Informationen zum Kunden, zu den bezogenen Produkten und Dienstleitungen, Verträgen, Projekten, aber auch Beschwerden oder offene Tickets zur Hand.
Der Einsatz von Insight Einiges ist branchenunabhängig. Heute nutzen bereits Unternehmen aus der Luftfahrt, Automobilindustrie, Banken, Versicherungen oder der Medizin diese Lösungen.
Über den Autor:
Daniel Fallmann beschäftigt sich seit seiner Jugend mit den Themen künstliche Intelligenz, Machine Learning und Deep Learning. Im Jahr 2005 gründete er im Alter von 23 Jahren das Unternehmen Mindbreeze. Dieses zählt heute zu den führenden internationalen Anbietern im Bereich angewandte künstliche Intelligenz und Wissensmanagement mit tausenden Kunden weltweit.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder und entsprechen nicht unbedingt denen von ComputerWeekly.de.
