Künstliche Intelligenz: Der Motor und Booster für Digitale Kundenerlebnisse

Autoren: Florian Stahl, Annika Hauser

---

Wie können Unternehmen künstliche Intelligenz einsetzen, um ein hervorragendes Kundenerlebnis zu schaffen?

Heutzutage reicht es Konsumenten nicht, wenn ein Produkt oder eine Dienstleistung einfach nur die Grundfunktionalität erfüllt, wie z.B. beim Kauf eines Autos von A nach B zu fahren (Homburg, Jozić, and Kuehnl 2017). In praktisch jeder Branche werden Produkteigenschaften immer schneller von anderen Marken kopiert, was es für Unternehmen zunehmend schwieriger macht, sich allein durch ihre Produkte zu differenzieren. Es liegt auf der Hand, dass Unternehmen Wettbewerbsvorteile an einer anderen Stelle suchen müssen – und hier kommt C/DXE ins Spiel (Bleier, Harmeling, and Palmatier 2019). Denken Sie zum Beispiel Tesla: Durch künstliche Intelligenz (KI) werden alle Vorgänge in Tesla-Autos überwacht und dadurch ist Tesla in der Lage, technische Probleme vorherzusagen noch bevor der Kunde überhaupt weiß, dass etwas nicht stimmt. Folglich kann dem Kunden beim Auftreten des tatsächlichen Fehlers sofort der notwendige Service und somit auch ein hervorragendes Kundenerlebnis geboten werden (Lobzhanidze). 

Die Grundlagen der Customer Experience

Das Konzept der Customer Experience ist im ständigen Wandel

Aufgrund der fortschreitenden digitalen Transformation kann man einen großen Wandel in Bezug auf das Customer Experience-Konzept beobachten. Früher wurden Kunden als passive, auf die Angebote von Unternehmen reagierende Wesen betrachtet. Jedoch heute, in Zeiten von KI, dem Internet der Dinge und smarten Geräten, interagieren Kunden mit solchen Geräten, was ganz neue Customer Experience-Überlegungen mit sich bringt (Hoffman and Novak 2018). Der digitale Fortschritt ermöglicht es Unternehmen zudem, an praktisch allen Touchpoints mit ihren Kunden Erlebnisse zu schaffen. Coca-Cola beispielsweise nutzt in China KI, um Interaktivität in den Kauf von Getränken aus Automaten zu bringen: Wenn Kunden eine Cola kaufen, erhalten sie eine Nachricht auf ihrem Smartphone, die eine Erinnerung an das Recycling der Flasche enthält. Recycelte Flaschen führen dann zu Gutschriften, die mit Freunden geteilt oder für neue Einkäufe ausgegeben werden können (Zaki 2019). (siehe auch: Wie chinesische Unternehmen C/DXE implementieren).

Um besser zu verstehen, wie verschiedene KI-Tools hervorragende Kundenerlebnisse liefern können, sollte man die zugrunde liegenden Kundenbedürfnisse kennen; ob diese Bedürfnisse befriedigt werden oder nicht, bestimmt, ob der Kunde ein Erlebnis als positiv oder negativ bewertet.

Vier Faktoren machen exzellente Kundenerlebnisse aus

Personalisierte Kundenerlebnisse

Da sich die Angebote verschiedener Unternehmen immer weniger voneinander unterscheiden, wünschen sich Kunden zunehmend solche Produkte, Dienstleistungen und Erlebnisse, die zu ihrer Persönlichkeit passen (Bolton et al. 2018) (Chung, Wedel, and Rust 2016).

Bedeutungsvolle Interaktionen

Angetrieben durch den technologischen Fortschritt, suchen Kunden nach Erfahrungen, die ihr Bedürfnis nach bedeutungsvollen Interaktionen befriedigen. Wie bereits erwähnt, sind Kunden in einer Welt, in der sie durch Technologie mit Firmen, Produkten und anderen Kunden verbunden sind, nicht länger stille Beobachter – stattdessen können und wollen sie mit anderen Akteuren interagieren und aktiv am Wertschöpfungsprozess teilnehmen (Bolton et al. 2018).

Dringlichkeit

Ein weiteres Kundenbedürfnis ist das Bedürfnis nach Geschwindigkeit. Heutzutage ist es für Kunden einfach, Produkte und Dienstleistungen – aber auch Informationen über Produkte und Dienstleistungen – schnell über verschiedene Kanäle zu erhalten. Durch diese Entwicklung sind die Kundenerwartungen gestiegen, sodass wann immer Kunden eine Frage haben, sie eine sofortige Antwort erwarten (Parise, Guinan, and Kafka 2016).

Vermeidung von Entscheidungsreue

Kunden werden heutzutage mit endlosen, oft überwältigenden Informationsströmen konfrontiert. Dies kann zu ernsthaftem Stress führen, da Kunden versuchen, die bestmögliche Kaufentscheidung zu treffen und oft befürchten, dass man eine bessere Wahl hätte treffen können. Eine solche Entscheidungsreue senkt das allgemeine Wohlbefinden der Kunden und führt zu einem negativen Kundenerlebnis (Kumar et al. 2019).

Zusammenführung der Faktoren

Die vorgestellten erlebnisorientierten Bedürfnisse bestimmen zusammen die Qualität eines Kundenerlebnisses. Das bedeutet, dass das beste Kundenerlebnis nur erreicht werden kann, wenn alle vier Bedürfnisse erfüllt sind. Natürlich beeinflussen sich diese Faktoren auch gegenseitig. So ist zum Beispiel bei einem personalisierten Erlebnis die Wahrscheinlichkeit der Entscheidungsreue geringer, da das Erlebnis auf die Wünsche des Kunden zugeschnitten ist. Es ist hilfreich, dies im Hinterkopf zu behalten, wenn man entscheidet, welche Kundenbedürfnisse man ansprechen möchte.

KI-Tools für die Schaffung exzellenter Kundenerlebnisse

Um zu verstehen, wie KI für überlegene Kundenerlebnisse genutzt werden kann, müssen Marketing- und Vertriebsmanager zunächst zwischen verschiedenen KI-Tools unterscheiden können. Doch was ist KI eigentlich? Der Begriff künstliche Intelligenz bezieht sich auf Maschinen, Systeme, Algorithmen oder Programme, die in der Lage sind, intellektuelle Aufgaben auszuführen, die sonst von Menschen erledigt werden würden (Davenport et al. 2020). Maschinelles Lernen, die Verarbeitung natürlicher Sprache und neuronale Netzwerke sind einige Schlüsseltechnologien, die es der KI ermöglichen, diese intellektuellen Aufgaben auszuführen und Daten zu sammeln und zu analysieren, um aus den Erkenntnissen zu lernen (Davenport 2018). Diese Erkenntnisse erlauben eine kontinuierliche und flexible Anpassung der KI (Davenport et al. 2020).

Im Marketingkontext ermöglicht KI Unternehmen, verschiedene Marketingprobleme zu lösen, indem sie Vorhersagen auf der Basis historischer Kundendaten trifft. Dabei hat sich gezeigt, dass KI bei der Erstellung von Vorhersagen schneller und genauer ist als Menschen (Overgoor et al. 2019).

Empfehlungssysteme

Wie Empfehlungssysteme funktionieren

Unternehmen setzen KI ein, um Produkte oder Dienstleistungen zu personalisieren – zum Beispiel durch Empfehlungssysteme, wie sie Amazon oder Netflix einsetzen. Solche Systeme geben Kunden Empfehlungen, die auf ihrem persönlichen Verhalten basieren. Die KI-Anwendung basiert dabei auf maschinellen Lernalgorithmen, die in Kundendaten Muster erkennen (Davenport and Ronanki 2018). Empfehlungssysteme haben das Potenzial, die Bedürfnisse nach Personalisierung, Wohlbefinden (Vermeidung von Entscheidungsreue) und ­– bis zu einem gewissen Grad – nach Interaktion zu erfüllen.

 Wie Empfehlungssysteme die Customer Experience beeinflussen

• Personalisierte Kundenerlebnisse: Es ist ziemlich klar, wie Empfehlungssysteme das Bedürfnis nach Personalisierung erfüllen; die maschinellen Lernalgorithmen, die Empfehlungssysteme antreiben, lernen die Präferenzen der Kunden und empfehlen so Produkte, die am besten zu jedem einzelnen Kunden passen. 

• Vermeidung von Entscheidungsreue: Empfehlungssysteme adressieren auch das Bedürfnis der Kunden nach erhöhtem Wohlbefinden durch die Vermeidung von Entscheidungsreue. Wenn Kunden mit vielen Wahlmöglichkeiten konfrontiert werden, befürchten sie, ihre Entscheidung später zu bereuen. Dies kann Kunden sogar dazu zwingen, den Entscheidungsprozess abzubrechen. Hier kommen Empfehlungssysteme ins Spiel und schränken die Auswahl für den Kunden ein. So können Kunden alle Informationen verarbeiten und eine Entscheidung mit größerer Zuversicht und weniger Angst treffen (Kumar et al. 2019).

• Bedeutungsvolle Interaktionen: Wenn die Empfehlungen so gestaltet sind, dass der Kunde das Gefühl hat, dass sie von einem anderen Kunden stammen (z.B. bei Empfehlung von Produkten, die von anderen Menschen mit ähnlichen Präferenzen gekauft wurden), können Empfehlungssysteme dem Kunden ein Gefühl der Interaktion vermitteln. Obwohl keine "echte" Interaktion stattfindet, schätzen Kunden unbewusst diese Semi-Interaktion mit anderen Kunden (Gai and Klesse 2019).

Wenn ein Unternehmen Empfehlungssysteme einsetzt, um die Kundenbedürfnisse nach Personalisierung, Interaktion und Vermeidung von Entscheidungsreue zu befriedigen, kann so ein überlegenes Kundenerlebnis entstehen. Zum einen haben Kunden in diesem Fall das Gefühl, dass das Unternehmen sie kennt, versteht und sich um sie kümmert, und zum anderen haben Kunden einen viel entspannteren Auswahlprozess (Dzyabura and Hauser 2019). (siehe auch: Customer Experience Excellence durch datenbasierte Empathie implementieren und skalieren). 

 Beispiele für Best-in-Class Empfehlungssysteme

Es gibt viele Unternehmen, die erfolgreich Empfehlungssysteme einsetzen, um auf ihre Kunden einzugehen. Zum Beispiel Netflix und Amazon machen Filmempfehlungen basierend auf dem bisherigen Verhalten der Kunden (Ansari, Li, and Zhang 2018). 

Ein weiteres Beispiel für den hervorragenden Einsatz von Empfehlungssystemen ist Stitch Fix. Ein Stitch Fix-Kunde erhält monatlich Lieferungen mit Kleidungsstücken oder Accessoires, die seinem persönlichen Modegeschmack entsprechen. Dabei ist der Kunde nicht direkt in den Auswahlprozess involviert. Stattdessen bestimmt Stitch Fix den richtigen Produktmix, indem es KI einsetzt, um die Social-Media-Daten des Kunden, Daten über vergangene Einkäufe usw. zu analysieren und daraus präzise Empfehlungen abzuleiten (WIRED). 

Smart Agents

Wie Smart Agents funktionieren

KI kann auch in Form von (sprachgesteuerten) Smart Agents eingesetzt werden. Diese KI-gesteuerten Geräte können über das Internet mit Kunden oder mit anderen smarten Geräten interagieren und autonome Entscheidungen treffen, um sich an den gegebenen Kontext anzupassen (Schweitzer et al. 2019). Wie Empfehlungssysteme basieren Smart Agents auf Mustererkennung durch maschinelle Lernalgorithmen. Darüber hinaus nutzen sie Technologien zur Verarbeitung natürlicher Sprache, um mit Kunden über Sprache oder Text zu interagieren (Davenport and Ronanki 2018).

 Wie Smart Agents die Customer Experience beeinflussen

(Sprachgesteuerte) Smart Agents sind in der Lage, überragende Kundenerlebnisse zu schaffen, indem sie alle vier der vorgestellten erlebnisorientierten Kundenbedürfnisse erfüllen. 

• Personalisierte Kundenerlebnisse: Hinsichtlich der Personalisierung weisen Smart Agents ein enormes Potenzial auf, denn sie können sich an das Verhalten und die Gewohnheiten der Kunden so anpassen, dass eine starke Bindung zwischen dem Gerät und dem Kunden entsteht. 

• Bedeutungsvolle Interaktionen: (Sprachgesteuerte) Smart Agents sind ein sehr mächtiges Werkzeug, wenn es darum geht, das Bedürfnis nach Interaktion zu erfüllen. Stellen Sie sich z.B. die verbale Interaktion eines Kunden mit Amazons Alexa vor. Aus Kundensicht verhält sich Alexa während der Interaktion – bis zu einem gewissen Grad – wie ein Mensch. Dies macht die Interaktion angenehm und ermöglicht Interaktionskomponenten bei vielen alltäglichen Routinen, wie z.B. beim Musik hören, indem der Kunde Alexa bittet, eine Wiedergabeliste abzuspielen (Verhoef et al. 2017).

• Dringlichkeit: Auch dieses Bedürfnis können Smart Agents effektiv adressieren. Da sie von KI unterstützt werden, können Smart Agents in Echtzeit und von jedem Ort oder zu jeder Tageszeit auf Kundenanfragen reagieren (Chouk and Mani 2019).

• Vermeidung von Entscheidungsreue: Dieses Bedürfnis kann durch (sprachgesteuerte) Smart Agents analog zu Empfehlungssystemen adressiert werden. Da sich Smart Agents an die Vorlieben und das Verhalten der Kunden anpassen, können sie ihnen auf Wunsch maßgeschneiderte Empfehlungen geben, was aufgrund des oft bestehenden Vertrauensverhältnisses zwischen Kunde und Smart Agent das Risiko von Fehlentscheidungen verringert (Kumar et al. 2019). 

Indem sie die beschriebenen Kundenbedürfnisse erfüllen, können Smart Agents nicht nur eine starke Bindung zum Kunden aufbauen, die zu einer vertrauensvollen Beziehung führen kann, sondern auch verschiedene Alltagsaufgaben durch bedeutungsvolle, menschenähnliche Interaktionen angenehmer gestalten. Somit tragen Smart Agents zu einem besseren Kundenerlebnis bei (Kumar et al. 2019).

Amazon als Best-in-Class Beispiel

Ein sehr bekannter sprachgesteuerter Smart Agent ist Amazons Alexa, die in der Lage ist, verschiedene Aufgaben auf verbale Anfrage des Nutzers auszuführen (Hoffman and Novak 2018). Zum Beispiel können Kunden mit Alexa Beleuchtung, Thermostate und somit ihr gesamtes Zuhause steuern. Dabei verarbeitet Alexa natürliche Sprache, lernt durch ihre KI-Fähigkeiten aus den Interaktionen und passt sich den Bedürfnissen des Kunden an. Das Kundenerlebnis dehnt sich allmählich auf weitere Bereiche des Kundenlebens aus, je breiter der Anwendungsbereich von Alexa wird (Forbes).

Chatbots

Wie Chatbots funktionieren

Um das Serviceerlebnis der Kunden zu verbessern, nutzen viele Unternehmen KI in Form von Chatbots. Chatbots imitieren menschliche Unterhaltungen, um mit Kunden zu interagieren. Dabei kann die Konversation über einen textbasierten Chat oder über ein verbales Telefonat erfolgen (Luo et al. 2019). Technisch gesehen funktionieren Chatbots vergleichbar mit (sprachgesteuerten) Smart Agents. Allerdings ist der Einsatz von Chatbots in der Regel auf Website-Besuche und Service-Anrufe beschränkt (Davenport and Ronanki 2018).

Wie Chatbots die Customer Experience beeinflussen

Wie (sprachgesteuerte) Smart Agents können Chatbots alle vier Kundenbedürfnisse erfüllen. 

• Personalisierte Kundenerlebnisse: Die KI, die Chatbots antreibt, ist in der Lage, sich vollständig an die Bedürfnisse der Kunden anzupassen, wenn diese während eines Website-Besuchs oder eines Service-Anrufs mit dem Chatbot interagieren (Komiak and Benbasat 2006). 

• Bedeutungsvolle Interaktionen: Chatbots sind auch in der Lage, das Bedürfnis nach Interaktion zu erfüllen, da sie solchen Aktivitäten wie Online-Shopping eine menschenähnliche Interaktionskomponente hinzufügen, wenn sie dem Kunden Unterstützung bieten. 

• Dringlichkeit: Hier sind Chatbots besonders effektiv: Die KI, die Chatbots antreibt, ist ständig verfügbar und ermöglicht es, Kunden mit sofortigen personalisierten Antworten oder Lösungen zu bedienen (Tan, Wang, and Tan 2019).

• Vermeidung von Entscheidungsreue: Chatbots können wie (sprachgesteuerte) Smart Agents helfen Entscheidungsreue zu vermeiden, indem sie Kunden auf Anfrage passende Produkt- oder Serviceempfehlungen geben, die auf den Kundenpräferenzen basieren (Kumar et al. 2019).

Zusammenfassend lässt sich sagen, dass Chatbots das Kundenerlebnis verbessern, indem sie personalisierte, sofortige Unterstützung bieten und verschiedenen Aktivitäten eine Erlebniskomponente hinzufügen. Auf diese Weise navigieren sie Kunden auf angenehme Weise durch (potenziell überwältigende) Situationen (Luo et al. 2019).

Der Starbucks-Barista liefert hervorragende Customer Experience

Starbucks bietet seinen Kunden Unterstützung durch den "Starbucks Barista", einen KI-gesteuerten Chatbot, der natürliche Sprachverarbeitung nutzt, um mit Kunden zu interagieren. Bei jedem Einkauf eines Kunden sammelt der Chatbot Daten und lernt daraus, um sich an das Verhalten des Kunden anzupassen. Schon auf dem Weg in den Laden kann der Kunde dem "Starbucks Barista" sagen, dass er einen Kaffee haben möchte. Der Chatbot stellt dann Folgefragen, gibt personalisierte Empfehlungen usw. So haben die Kunden ein unterhaltsames Erlebnis, guten Service und können ihr Getränk gleich abholen, wenn sie den Starbucks-Shop erreichen (Geekwire).

Analyse textueller und kontextueller Daten

Wie wertet man textuelle und kontextuelle Daten aus?

Speziell für Marketingzwecke kann KI in Form von überwachten maschinellen Lernverfahren zur Analyse von Text- und anderen Kontextdaten eingesetzt werden; diese Verfahren sind in der Lage, relevante elektronische Mundpropaganda in sozialen Medien zu erkennen. Solche Algorithmen des maschinellen Lernens werden auf Daten trainiert, die zuvor als relevant und reaktionswürdig klassifiziert wurden. Sie lernen dann vorherzusagen, ob große Mengen nicht-klassifizierter Daten eine Reaktion seitens des Unternehmens verdienen. Diese Techniken erfassen den Kontext, in dem ein Social-Media-Post oder -Kommentar verfasst wurde, und wie relevant der Inhalt für das Unternehmen ist. Auf diese Weise können Unternehmen relevante Kommentare oder Beiträge identifizieren und so sinnvolle Interaktionen mit Kunden schaffen (Vermeer et al. 2019).  (Siehe auch: Eine Einladung zum Tanz: Die optimale Customer Experience im Kundenservice).

Wie die Analyse textueller und kontextueller Daten die Customer Experience beeinflusst

Die beschriebenen maschinellen Lerntechniken können das Bedürfnis der Kunden nach Interaktion und Geschwindigkeit befriedigen. Angetrieben durch den aktuellen Social-Media-Hype haben viele Kunden das Bedürfnis, ihre Meinung mit Unternehmen über Social-Media-Kanäle zu teilen – sowohl über private Chats als auch öffentlich sichtbar über Kommentare oder Posts (Yadav and Pavlou 2020). 

• Bedeutungsvolle Interaktionen: Die vorgestellten maschinellen Lernverfahren können Unternehmen dabei helfen zu erkennen, auf welche Posts sie reagieren sollten, um sinnvolle Interaktionen mit ihren Kunden zu schaffen. 

• Dringlichkeit: Die KI-gestützte Erkennung von reaktionswürdigen Social-Media-Beiträgen ermöglicht es Unternehmen schnell eine Antwort zu geben (Vermeer et al. 2019).

Kunden fühlen sich dadurch wertgeschätzt, weil das jeweilige Unternehmen ihre "Stimme" hört und eine sofortige, öffentliche Antwort gibt. Das führt zu einem deutlich besseren Kundenerlebnis.

Wie Wendy’s die Vorteile textueller und kontextueller Datenanalyse nutzte

Im Jahr 2017 demonstrierte die Fastfood-Kette Wendy's eindrucksvoll, welche Macht eine Antwort auf einen scheinbar unbedeutenden Tweet (Twitter-Post) haben kann: Ein Kunde wandte sich in einem Tweet an Wendy's und fragte, wie viele Retweets er bräuchte, um kostenlos Nuggets zu bekommen. Ohne Text- und Kontextanalyse würde ein solcher Tweet einfach in der Flut der Tweets untergehen. Wendy's twitterte zurück und teilte dem Kunden mit, dass er kostenlose Nuggets erhalten würde, wenn er 18 Millionen Retweets erreicht. Auch wenn der Kunde keine 18 Millionen Retweets erreichte, wurde sein Tweet dennoch zum am häufigsten retweeteten Tweet aller Zeiten. Wendy's bekam eine Menge Publicity und der Kunde und viele andere Kunden, die der Herausforderung folgten, bekamen ein tolles Kundenerlebnis (Oberlo).

Fazit

Vergleich verschiedener Tools

Vergleich der verschiedenen KI-Tools und ihr Impact auf die Dimensionen der Customer Experience

Aus der vorangegangenen Darstellung verschiedener KI-Anwendungen wird deutlich, dass (sprachgesteuerte) Smart Agents und Chatbots die leistungsfähigsten Werkzeuge sind, um Kundenerlebnisse in Bezug auf alle betrachteten erlebnisorientierten Bedürfnisse zu verbessern. Dabei ist anzumerken, dass (sprachgesteuerte) Smart Agents eine bessere Fähigkeit besitzen, starke Kundenbindungen aufzubauen, Chatbot-Lösungen hingegen bereits auf einem viel niedrigeren Komplexitätsniveau eingesetzt werden können. 

Im E-Commerce-Kontext sind Empfehlungssysteme besonders leistungsfähig, da sie Aktivitäten wie Online-Shopping von einem Kopfzerbrechen in ein unterhaltsames Erlebnis verwandeln. Das Design des Empfehlungssystems und die Qualität der Empfehlungen sind dabei entscheidend, um das Vertrauen der Kunden zu gewinnen. 

Techniken des maschinellen Lernens zur Erkennung von reaktionswürdiger Mundpropaganda mögen im Vergleich zu den anderen vorgestellten KI-Tools weniger geeignet erscheinen, um ein hervorragendes Kundenerlebnis zu schaffen. Man muss jedoch bedenken, dass diese Techniken vergleichsweise einfach zu implementieren sind und einen großen Mehrwert bieten, wenn es darum geht, eine angenehme Kommunikation zwischen einem Unternehmen und seinen Kunden zu ermöglichen.

Einige Worte zur Implementierung

Generell erfordert die Entwicklung von KI-Anwendungen viel Know-how. Unabhängig von der Branche oder Unternehmensgröße sollten sich Manager, die überlegene Kundenerlebnisse schaffen wollen, daher überlegen 

1) welche Kundenbedürfnisse sie während der Customer Journey befriedigen wollen, und 

2) welche Möglichkeiten es gibt, KI-Anwendungen zu entwickeln oder zu kaufen, die diese Bedürfnisse erfüllen.

Trotz der Möglichkeit, Komplettlösungen von auf KI spezialisierten Anbietern zu kaufen, sollten sich Unternehmen auf erhebliche Schwierigkeiten bei der Implementierung von KI-Anwendungen einstellen (siehe auch: Die Transformation zu einer CDXE-Kultur).