3 Anwendungsfälle von AI im analytischen CRM

Im Zuge der rapiden Weiterentwicklung künstlicher Intelligenz gibt es auch zahlreiche Einsatzbereiche von AI im analytischen CRM.

Künstliche Intelligenz (KI) als Jurist, oder gar als Arzt? Was klingt wie eine futuristische Dystopie - oder Utopie, je nachdem, wen man fragt - wird bereits heute in der Praxis erprobt. Dabei ersetzt die künstliche Intelligenz jedoch nicht die menschlichen Mitarbeiter, sondern soll sie lediglich unterstützen und entlasten. In anderen Bereich kann KI eigenverantwortlicher Arbeiten; so beispielsweise im analytischen CRM.

Inhaltsverzeichnis

• AI & Big Data
• Analytisches CRM
• 1. Segmentierungen & Prognosen
• 2. AI im Data Warehouse
• 3. Automatisierte Berichterstellung

Artificial Intelligence & Big Data gehen Hand in Hand

In manchen Einsatzbereichen ist KI besonders "selbstständig". So etwa in der gezielten Auswertung großer Mengen von Daten. Tools, die auf künstlicher Intelligenz basieren, können binnen kürzester Zeit große Mengen von Daten unter die Lupe nehmen und Zusammenhänge und Muster darin erkennen. Für menschliche Mitarbeiter wäre dies im Zeitalter von Big Data oft nicht nur mit einem erheblichen Zeitaufwand verbunden, sondern schlichtweg unrealistisch.

Siehe auch: Das Potenzial künstlicher Intelligenz im CRM.

Ein Blick auf das analytische CRM

Dementsprechend nahe liegt auch der Einsatz von KI im Business-Intelligence-Bereich, oder, im Fall des Customer Relationship Managements, im analytischen CRM. Das ist eben jene Ebene des Kundenbeziehungsmanagements, die sich mit der Auswertung von Kundendaten sowie Daten aus und über die eigenen CRM-Prozesse befasst.

Bestandteile des analytischen CRM

Wesentliche Bestandteile sind das Data Mining, Data-Warehouse, OLAP und Reporting. In welchen Bereichen sich smarte Algorithmen dort aktuell einsetzen lassen, um aussagekräftige Berichte zu unterstützen oder belastbare Daten für Metriken und KPIs zu liefern, haben wir hier exemplarisch zusammengefasst:

1. Data Mining ermöglicht Segmentierungen

Das Data Mining ist im Grunde genommen eine Schnittstelle zwischen Statistik und Informatik, die es zulässt, dass in großen Datenmengen neue Insights gewonnen werden können. Hierbei kann es sich beispielsweise um Trends handeln (1). Aber auch um zusammenhänge und Verbindungen, die anderenfalls unentdeckt bleiben würden. So kann KI-gestütztes Data Mining beispielsweise bei der Markt- oder Zielgruppensegmentierung zum Einsatz kommen.

... und Prognosen

Übrigens: Mit Dana Mining lassen sich nicht nur gezielte Segmentierungen vornehmen. Der gleiche Ansatz kann auch angewandt werden, um historische Daten auszuwerten und so beispielsweise Vertriebsprognosen aufzustellen (1).

2. AI im Data Warehouse

Ein Data Warehouse ist, wie der Name bereits vermuten lässt, ein zentrales Datenlager. Das Data Warehouse führt Daten aus unterschiedlichen Quellen in sich zusammen und dient somit als zentrale Datenbank für Analysezwecke. Innerhalb des Datenlagers lässt sich KI beispielsweise nutzen, um Such- bzw. Analyseanfragen von Userinnen und Usern besser zu verstehen. Konkret kann dabei das sogenannte Natural Language Processing (NLP) zum Einsatz kommen.

Natural Language Processing (NLP)

Hierbei handelt es sich um das natürliche Sprachverständnis einer künstlichen Intelligenz. Also um ihre Fähigkeit, menschliche Sprache zu verarbeiten, dabei die Absicht der Person zu verstehen und mit einem entsprechenden Output zu reagieren. Eine derartige Anwendung von AI im Kontext von Data Warehouses würde Analysten anderenfalls teils komplexe Abfragen erleichtern (2) und so dafür sorgen, dass benötigte Informationen schneller zur Verfügung stehen.

3. Automatisierte Erstellung von Reports

Schließlich ermöglichen es einige Anbieter von CRM-Systemen mittlerweile auch, Berichte quasi "auf Knopfdruck" zu generieren. Wenngleich dies bereits etwas länger möglich ist, kann KI auch immer besser auf konkrete, ausgeschriebene Befehle reagieren. Im einem Freitextfeld kann vom jeweiligen Anwender eingegeben werden, welche Art Bericht aktuell gefordert ist und welche Informationen er umfassen soll.

Auf Grundlage dessen kann die Software dann eigenständig eine Report-Vorlage erstellen (3). So steht schon einmal das Grundgerüst für den Report, welcher sich dann - beispielsweise in einer dedizierten Maske - weiter für den jeweiligen Zweck optimieren lässt.

Weiterführende Informationen zur Rolle von CRM-Systemen bei der Erstellung von berichten finden Sie zudem im Artikel "CRM-Software als Reporting-Tool: 11 mögliche Einsatzbereiche".

Quellen

1. "Was hat KI im Kundenmanagement zu suchen?", gedys-intraware.de, abgerufen: 30.01.2023.
2. Lisa Morgan, "NLP und KI treiben automatisiertes Data Warehouse voran", computerweekly.com, 21.11.2022.
3. "Create reports using AI (BETA)", knowledge.hubspot.com, 04.12.2023.