Die Künstliche Intelligenz (KI) verändert die Art und Weise, wie wir Ad Operations betreiben. Laut Salesforce glauben 60% der Marketingleiter, dass KI ihnen helfen kann, effektivere programmatische Kampagnen durchzuführen.
Accenture prognostiziert, dass in der Informations- und Kommunikationsbranche die KI-Fähigkeiten tatsächlich mit bestehenden Systemen “verschmelzen” können, um bis 2035 eine Bruttowertschöpfung von 4,7 Billionen US-Dollar zu generieren. Wenn wir über Künstliche Intelligenz für die Werbebranche sprechen, denken wir darüber nach, unser Anzeigeninventar gezielt einzusetzen, berücksichtigen dabei aber oft nicht die Anzeigenverkäufe.
Der Bericht “State of the Connected Customer” von Salesforce zeigt, dass 7 von 10 Geschäftskunden von Verkäufern erwarten, dass sie ihr Engagement an ihre Bedürfnisse anpassen. Laut einer Umfrage von eMarketer hat sich jedoch gezeigt, dass:
- 47% der Werbetreibenden derzeit Künstliche Intelligenz für die Zielgruppenansprache nutzen.
- Nur 39% nutzen KI für die Optimierung der Medienausgaben und personalisierte Angebote.
- Jeder dritte Werbetreibende gibt an, keine Pläne zu haben, Künstliche Intelligenz zum Erstellen von Angeboten zu nutzen.
Der Einsatz von KI für den Anzeigenverkauf kann Publishern, Vermarktern und Agenturen mit detaillierten Einblicken in Umsatz und Leistungen helfen. Machine Learning Algorithmen können große Datenmengen aus primären oder Quellen Dritter verwenden, um das Verhalten ihrer Kunden zu untersuchen und deren Bedürfnissen immer einen Schritt voraus zu sein.
Wie kann Ad Operations Künstliche Intelligenz für den Anzeigenverkauf optimal nutzen? Wir haben sechs Wege identifiziert, wie Künstliche Intelligenz den Anzeigenverkaufsprozess für Medienunternehmen beeinflusst hat:
1. Kaufverhalten von Werbetreibenden und Agenturen
Es wurde berichtet, dass eine Reihe von Unternehmen ihre KI-Kapazitäten bündeln, um ihren Verkaufsprozess zu rationalisieren. “Hot” Leads werden von “cold” Leads getrennt, um die Anzahl von Leads deutlich zu reduzieren und die Produktivität im Vertrieb zu verbessern.
Salesforce Einstein umfasst eine Reihe von fortschrittlichen KI-Funktionen, die den Kunden die folgenden Möglichkeit bieten:
- Das Treffen besserer Vorhersagen
- Bereitstellung personalisierter Kundenerlebnisse
- Automatisierung sich wiederholender und zeitraubender Prozesse
2. Frühzeitige Warnhinweise reduzieren Kundenabwanderung
Laut Accenture überwachen Unternehmen Vorfälle, verfolgen die Performance und zeichnen die Ergebnisse auf, um eine Transparenz in Echtzeit zu gewährleisten, potenzielle Probleme zu melden und alternative Lösungen vorzuschlagen.
Da Werbepakete personalisiert und maßgeschneidert sind, können wir oft nicht erkennen, wo wir in unserem neuesten Media-Angebot begonnen haben, Kunden zu verlieren, die mit ihrem Return on Investment (ROI) unzufrieden waren.
ADvendio hat kürzlich an der Dreamforce To You von Salesforce in Santiago teilgenommen, wo wir aus erster Hand die neuen Kapazitäten von Einstein kennengelernt haben. Unter anderem erfuhren wir, wie stark Einzelhändler KI bereits nutzen, um Abwanderung vorherzusagen, indem sie Warenkörbe und das CRM-Verhalten ihrer Kunden analysieren. Marketingspezialisten können diese Informationen nutzen, um ihre Reichweite und ihr Leistungsversprechen für Kunden zu verbessern, die möglicherweise erwägen, das Unternehmen zu verlassen.
3. Steigerung der Produktivität des Ad Ops Bereichs von Medienunternehmen
Viele befürchten, dass Künstliche Intelligenz dazu führt, dass Menschen ihren Arbeitsplatz verlieren. Tatsächlich kann sie aber ihre Leistung steigern, indem sie sie bei kritischen Aufgaben und Entscheidungen unterstützt. Ad Operations können durch den Gebrauch von KI zeitaufwändige Aktivitäten mit geringer Wertschöpfung delegieren, um sich auf ihre wichtigsten Aufgaben zu konzentrieren.
Mit Machine Learning Algorithmen lernen Computer exponentiell aus ihren verfügbaren Daten. Dies hilft Unternehmen, die zuvor unorganisierten Informationen von externen Unternehmen zu entdecken, zu strukturieren und weiterzugeben. Werbetreibende können so ihren Kurs auf der Grundlage der Kampagnenleistung anpassen und sicherstellen, dass sie mit Datenschutzbestimmungen wie der GDPR übereinstimmt.
Dies reduziert auch die Ausfallzeiten bei logistischem Aufwand und akribischer Recherche mit Hilfe von Ad Exchanges und Serverpartnern, die bereits jetzt die Kapazitäten der KI optimal nutzen. Beispiele sind unter anderem:
- AppNexus, das 2017 eine programmierbare nachfrageorientierte Plattform (DSP) auf den Markt brachte, um Machine Learning zu nutzen und Händler bei der Verwaltung und Kalibrierung von Strategien zu unterstützen.
- Rubicon Project, setzt Machine Learning ein, um die riesigen Mengen an umfangreichen Daten zu verwalten, die Leistung von Werbekampagnen vorherzusagen und die Performance von Werbetreibenden in Abhängigkeit von verschiedenen Variablen zu bewerten, um die richtigen Erwartungen an Preis und Ertrag zu stellen.
4. Bereitstellung von Werkzeugen zur Preisoptimierung mit Big Data
Mit Ad Exchanges und dynamischer Preisgestaltung beteiligen sich Publisher und Werbetreibende an einem Auktionen zu bestmöglichen Konditionen. Verlage können erhebliche Rabatte oder Provisionen anbieten, abhängig von der Größe des Kaufs, den Werbeaktionen und der Beziehung, die sie zum Kunden haben.
Allerdings ist es laut Harvard Business Review schwierig zu wissen, welchen Rabatt man – wenn überhaupt – gewähren soll.
Mit Hilfe von KI Algorithmen können Verlagen vorhersagen, was ein idealer Preisnachlass für einen bestimmtes Angebot sein könnte. Sie können sicherstellen, dass sie einen Deal gewinnen können, indem sie die Besonderheiten früherer Auktionen analysieren, die sie gewonnen oder verloren haben.
5. Kunden verbessern Upselling und Cross-Selling
Durch die Verwendung der bisher für die Kundenbeziehungen genutzten Tools zur Vorhersage kombiniert mit Ressourcen von Drittanbietern, kann Künstliche Intelligenz den Medienunternehmen helfen, festzustellen, welcher Werbetreibende oder welche Agentur eine bessere Chance hat, ihre Investition zu steigern.
Außendienstmitarbeiter müssen sich tief in die Denkweise ihrer Kunden einarbeiten und ihre Erwartungen, Motivationen und Problemstellungen besser verstehen als sie. Big Data Analytics verbindet zu diesem Zweck zuvor nicht miteinander verbundene Informationen.
Der Einsatz von KI kann dazu beitragen, genauere Dashboards zu erstellen, um zu verstehen und zu erfahren, welche Kanäle, Nachrichten oder Inhalte am besten bei Kunden ankommen, und die Interaktion der Publisher mit ihnen über Touchpoints zu analysieren. So kann beispielsweise Salesforce Einstein die Ursache für unerwartete Geschäftsergebnisse aufdecken, indem es dabei hilft, vorhandene Daten im CRM oder in Drittsystemen zu durchsuchen.
6. Bedeutende Medienkunden mit Lead-Scoring
Bei der Vielzahl von potenziellen Kunden im In- und Outbound-Bereich ist die Suche nach qualifizierten Leads wie der Versuch eine Nadel im Heuhaufen zu finden. Wenn Publisher über eine so umfangreiche Vertriebspipeline verfügen, muss diese bereinigt und nach Prioritäten geordnet werden.
Die Qualifizierung von Leads und deren Bewertung wäre eine lästige Aufgabe, wenn es keine Werkzeuge gäbe, die bei der Entscheidungsfindung helfen könnten. Künstliche Intelligenz kann Unternehmen bei der Aufbereitung historischer Informationen und der Social Media Performance helfen, die dazu beitragen, die Leads in der Pipeline zu klassifizieren.
Künstliche Intelligenz für Ad Operations: Was kommt als nächstes?
Technologien mit Künstlicher Intelligenz werden immer besser verfügbar. Die Medienindustrie muss jedoch noch eine Reihe von Schritten gehen, um diese Technologien vollständig zu integrieren und sie voll und ganz in die digitale Transformation einzubeziehen.
Ein Bericht von Lotame fragte, warum US-Verlage und Vermarkter von Marken Zuschauerzahlen verwenden, wobei die folgenden Ergebnisse hervorgehoben wurden:
- 60% der Menschen halten es für wichtig, Inhalte oder Botschaften relevanter zu gestalten.
- Nur 53% nutzen es, um mehr Werbeinventar zu verkaufen.
- 42% nutzen es, um neue Geschäfte oder RFPs zu gewinnen.
Die Möglichkeiten der digitalen Transformation stehen erst am Anfang. Es ist noch ein langer Weg, um Künstliche Intelligenz und Machine Learning mit Big Data in vollem Umfang zu nutzen. Medienunternehmen müssen die Möglichkeiten nutzen und in die Ausbildung von Werbefachleuten investieren, um ihr Potenzial zu steigern und ihre Verkaufs- und Umsatzstrategie zu verbessern.