Eines der wichtigsten Vertriebsinstrumente von Amazon ist der Algorithmus, der die Kaufempfehlungen generiert: „Kunden, die diesen Artikel gekauft haben, kauften auch ...“. Es gibt nichts Schöneres, als genau zum richtigen Zeitpunkt ein perfekt zugeschnittenes Angebot zu erhalten. Online, wo Menschen ständig Daten zu ihren privaten Interessen und Bedürfnissen hinterlassen, funktioniert dies sehr zuverlässig.
Doch wie wird die datenbasierte und KI-unterstützte Neukundengewinnung auch in B2B-Märkten ermöglicht?
Was ist KI-B2B?
KI-B2B ist die Anwendung von künstlicher Intelligenz (KI) im Business-to-Business (B2B)-Bereich, um Geschäftsprozesse zu optimieren, Entscheidungen zu unterstützen und Kundenbeziehungen zu verbessern. Sie kann u. a. für Automatisierung, Datenanalyse und personalisierte Marketingstrategien eingesetzt werden.
B2B-KI: Mit KI-unterstütztem Marketing zu mehr Leads
Es gibt zahlreiche Use Cases in Vertrieb und Marketing, in denen Künstliche Intelligenz als Schlüsseltechnologie dient.
Die Management- und Technologieberatung Campana und Schott und die Technische Universität Darmstadt haben den Praxisreport Künstliche Intelligenz: KI-Anwendungen in Marketing, Vertrieb und Produktmanagement herausgegeben. Darin werden Netflix, Amazon und Alibaba als Beispiele für die Nutzung KI-basierter Empfehlungssysteme genannt, die anhand von „datenbasierten Analysen […] den Kundinnen und Kunden ähnliche Produkte auf Basis bereits getätigter Käufe vorschlagen“.
An anderer Stelle heißt es im Report:
„Im Rahmen des Demand Generation Managements („Nachfrage-Generierung“) kann Künstliche Intelligenz dazu eingesetzt werden, besonders vielversprechende Interessenten („Leads“) zu registrieren und deren Kaufbereitschaft zu analysieren.“
Und doch kennen viele Beschäftigte aus dem B2B-Vertrieb das Problem: Es gelingt nicht, einen potenziell wertvollen Lead in einen Neukunden zu konvertieren, weil bei der Erstansprache auf das falsche Produktangebot gesetzt wird.
Im Bestandskundenvertrieb etabliert sich ein datengestützter Ansatz zwar branchenübergreifend zunehmend. Bei der Neukundenakquise setzen jedoch immer noch zu viele Unternehmen auf Intuition und Erfahrung. Die wichtigsten Gründe: Es fehlt an leistungsstarker und zuverlässiger Technologie zur Aufbereitung und Nutzung von Daten sowie am richtigen Mindset.
Datengestützt den Umsatz verbessern
Auf den ersten Blick scheint es doch so einfach zu sein. Schließlich macht es uns ja nicht nur die weltweit größte E-Commerce-Plattform täglich erfolgreich vor, sondern auch Streamingdienste oder Videoportale wie YouTube: Ähnlichkeiten zwischen den einzelnen Usern finden und auf Basis der Kundendaten das passendste Angebot vorschlagen – sei es ein Produkt, ein Video oder der Song, der sich nahtlos in die Playlist einfügt. Um dies zu erreichen, arbeiten im Hintergrund moderne Machine-Learning-Technologien. Je mehr Daten diese Technologien nutzen können, desto besser werden die Ergebnisse.
Doch genau hier unterscheidet sich der B2C-Markt erheblich vom B2B-Markt. Was beim Digitalmarketing gegenüber privaten Endverbrauchern vielfach schon in Perfektion funktioniert, bleibt für B2B-Unternehmen meist eine Wunschvorstellung. In der Regel mangelt es an ausreichendem Datenmaterial über die Bedürfnisse und Interessen von potenziellen Neukunden. Und: die vorhandenen Informationen werden nicht zielführend zusammengeführt.
Mit Blick auf die Bestandskunden existiert dagegen keine Datenarmut. Anbieter und Kunde pflegen bereits eine Geschäftsbeziehung, in deren Verlauf Vertriebsdaten anfallen, die gespeichert und genutzt werden dürfen, weil sie sich auf das Kundenverhältnis beziehen. Klassischerweise werden sie in Software-Systemen wie ERP oder CRM gesammelt.
Es ist also einerseits der Kunde und damit seine Bedürfnisse bekannt. Andererseits existiert ein Fundus an historischen Daten aller Bestandskunden. Werden sie geschickt verknüpft, ergibt sich aus diesen Informationen das Next Best Offer (NBO), also das erfolgversprechendste nächste Angebot und daraus ein verbesserter Umsatz.
NBO- und FBO-Szenarien
NBO-Szenarien geben Antwort auf die Frage, welches Produkt mit größter Wahrscheinlichkeit welchem Bestandskunden verkauft werden kann. Auch in B2B-Unternehmen ist dieser Ansatz zunehmend verbreitet. Was aber, wenn die Frage lautet: Was ist das First Best Offer (FBO)?
Was habe ich im Portfolio, um bei der Erstansprache eines bislang unbekannten Zielkunden die größte Chance auf einen Abschluss zu haben? Um eine datenbasierte Prognose zu ermöglichen, reichen die Informationen aus den eigenen CRM- oder ERP-Lösungen nicht aus. Stattdessen müssen weitere Daten wie zum Beispiel Umsatzentwicklungen und Tech-Stacks von Zielkunden herangezogen werden, damit FBO nicht dem Bauchgefühl überlassen werden muss und damit sehr spekulativ bleibt.
B2B-KI: Daten zusammenführen und den Umsatz steigern
Was müssen Unternehmen mit B2B-Fokus also tun, um in neuen Märkten zu wachsen und dafür entsprechend zielgerichtete Marketing- und Sales-Aktivitäten realisieren zu können?
Um potenzielle Neukunden in einem bestimmten Marktsegment aufzuspüren, werden oftmals Daten zu bestimmten Branchen, Vertriebsregionen oder Unternehmensgrößen bei Marktforschungsinstituten eingekauft. Das Problem: Meist werden sie lediglich einmalig für den Anwendungsfall eingesetzt, für den sie eingekauft wurden, und verschwinden anschließend in Datensilos und Excel-Tabellen.
Die Verknüpfung zwischen den internen Daten des eigenen Bestands und den heutzutage ebenfalls reichhaltig und digital erhältlichen Daten zu neuen Märkten findet erfahrungsgemäß noch immer viel zu selten statt. Wie werden erfolgreiche Marketing- und Sales-Maßnahmen im B2B-Umfeld möglich?
Um First-Best-Offer-Szenarien zu realisieren, müssen Unternehmen die fünf folgenden Voraussetzungen schaffen.
1. Eine zentrale Datenplattform schaffen
Hier das CRM, dort das ERP, und überall verstreute Excel-Tabellen und einzelne Marktreports. Häufig verhindern Datensilos in Unternehmen einen zentralen Zugriff auf Quellen, die für einen datengestützten Vertriebsansatz nötig wären.
Erst durch die Zusammenführung aller Datenquellen auf einer zentralen Plattform können belastbare Analyseergebnisse entstehen, die wirkungsvoll in Marketing und Vertrieb eingesetzt werden können.
Warum die Qualität deiner Daten die Qualität deines Marketings ausmacht
2. Ein holistisches Marktbild erzeugen
Damit ein ganzheitliches Bild eines Marktes entstehen kann und Unternehmen die tatsächlich wertvollsten Leads identifizieren können, genügt es nicht, Daten aus den Bestandssystemen wie ERP und CRM zu analysieren. Auch externe Daten aus einer digitalisierten Marktforschung und -analytik müssen angebunden werden können. Hierfür ist eine große Schnittstellenoffenheit der genutzten Data Analytics Engine erforderlich.
3. Künstliche Intelligenz: Die Maschine entscheidet
In vielen Vertriebsabteilungen regiert bis heute das Bauchgefühl. Sales-Experten glauben, ihre Märkte ebenso zu kennen wie die Bedürfnisse des einzelnen Kunden.
Doch die Fragen, welcher Kunde am besten zum eigenen Unternehmen passt, welcher Lead tatsächlich die größten Absatzchancen bietet und wer mittel- bis langfristig das höchste Entwicklungspotenzial hat, sind komplex. Mit schlanken Machine-Learning-Verfahren gelingt es Unternehmen, auf Basis der verfügbaren Daten First-Best-Offer-Szenarien im Neukundenvertrieb zu realisieren.
4. Management der Datenqualität automatisieren
Ob Tippfehler, Unaufmerksamkeiten, fehlende Informationen oder extern zugekaufte Marktinformationen: Inkorrekte Daten können auf diversen Wegen in die Systeme der Anwender gelangen. Moderne Analytics-Lösungen unterstützen die User deshalb auch bei der Herstellung und Aufrechterhaltung einer hohen Datenqualität.
Die Software führt den User intuitiv durch einzelne Prüfschritte und schlägt jeweils die nächstbeste Maßnahme vor. Durch die weitgehende Automatisierung können Unternehmen somit kosteneffizient eine Qualitätsverbesserung erreichen und maximal belastbare Analysen durchführen.
5. Ein neues Mindset etablieren – für den automatisierten Erfolg
Das Potenzial, datengetriebene Prozesse im Go-to-Market zu optimieren und zu automatisieren, ist groß. Als wesentlichen Enabler für nachhaltige Wachstumserfolge braucht es deshalb ein neues Mindset in den Vertriebs- und Marketingabteilungen.
Dieses sollte auf der Vernetzung von Wissen und dem Teilen von marktrelevanten Informationen basieren und den Austausch unter den wichtigsten Stakeholdern wie Vertrieb, Marketing und Business Development bei datenstrategischen Fragen dauerhaft institutionalisieren.
Der Aufbau einer neuen Kundenbeziehung ist eine Herausforderung. Die Einkäufer stehen unter Zeitdruck und müssen möglichst schnell die richtige Entscheidung treffen. Insbesondere beim Erstkontakt kann ein unpassendes Angebot die Gespräche deshalb direkt zum Scheitern bringen.
Gelingt es dagegen, die passgenaue Lösung für eine bestimmte Anforderung im genau richtigen Moment zu unterbreiten, steigen die Chancen auf Erfolg deutlich. Um FBO-Szenarien wie dieses zu realisieren, gilt es, leistungsstarke Technologien einzusetzen und ein entsprechendes Mindset zu etablieren.
FAQ
Was ist besser, B2B oder B2C?
B2B oder B2C: Beide Geschäftsmodelle haben Vorteile. B2B fokussiert auf langfristige Beziehungen und größere Verkaufsvolumen, während B2C sich durch schnelle Entscheidungen und hohe Kundenanzahl auszeichnet. Überlege, welche Strategie am besten zu deinem Produkt, Markt und Zielgruppen passt.
Welche Unternehmen profitieren von KI?
Unternehmen aus Branchen wie E-Commerce, Finanzwesen, Gesundheitswesen, Fertigung, Marketing und Logistik profitieren stark von Künstlicher Intelligenz. KI ermöglicht effizientere Prozesse, bessere Kundenerlebnisse und fundierte Entscheidungen, wodurch Wettbewerbsvorteile entstehen.
Was versteht man unter B2B?
B2B steht für "Business-to-Business" und bezeichnet Geschäftsbeziehungen zwischen Unternehmen. Hierbei geht es um Transaktionen, Kommunikation und Kooperationen, bei denen ein Unternehmen Produkte oder Dienstleistungen an ein anderes Unternehmen verkauft.
Nils Niehoerster
Nils Niehörster, Gründer und Geschäftsführer der Modelyzr GmbH, ist seit 20 Jahren in der datengestützten Analyse von Märkten im B2B-Umfeld tätig – als Marktanalyst, Data Scientist und Unternehmer. Er entwickelte die ResearchPanel©-Technologie, die eine marktübergreifende Predictive Intelligence für die IT-Industrie ermöglicht und Basis für das analytische Framework von Modelyzr ist.
