Ermöglichung der kundenorientierten Segmentierung durch KI für B2B-Unternehmen: Eine Roadmap

In North Carolina ansässig, ist Ingersoll Rand (IR ) eines der weltweit führenden Konglomerate. Das Unternehmen verfügt über mehrere Geschäftsbereiche, darunter komprimierte Luftsysteme, HVAC-Lösungen und hochentwickelte technologische Produkte, die verschiedenen Branchen wie wissenschaftliche Labore und Frachttransportunternehmen dienen. Es ist in über 175 Ländern präsent und operiert hauptsächlich im B2B-Segment.

Es ist leicht vorstellbar, wie komplex es sein kann, all ihre Kunden zufriedenzustellen, weshalb Ingersoll Rand auf KI zurückgriff, um sie besser zu verstehen.

Indem sie KI nutzten, um ihre umfangreiche und sehr vielfältige Kundenbasis zu segmentieren, konnte das Unternehmen maßgeschneiderte Kampagnen erstellen, die in KPIs wie Öffnungsrate, Klickraten und Konversionen viel besser abschnitten. Einige dieser Kampagnen wurden nach geografischen Gesichtspunkten segmentiert, während andere nach Art oder Größe des Unternehmens segmentiert wurden und wieder andere eine Kombination aus all diesen Faktoren. Dies half den Führungskräften des Unternehmens zu verstehen, dass sie einige einzigartige Segmente hatten, die sie zuvor nicht entwickelt hatten. Tatsächlich hätten sie ohne KI möglicherweise nicht bemerkt, dass diese Segmente existierten.

Der Erfolg von Ingersoll Rand zeigt, dass alle Geschäftsführer etwas verstehen müssen. Die heutige Landschaft ist hyperwettbewerbsorientiert, daher ist es entscheidend, die Kunden zu verstehen. Kunden, die sich nicht anerkannt fühlen oder deren Bedürfnisse durch das Produkt oder die Dienstleistung nicht erfüllt werden, können leicht zu einem Angebot eines rivalisierenden Unternehmens wechseln.

Um Ihre Chancen zu verbessern, die Erwartungen Ihrer Kunden angemessen zu verstehen, müssen Sie sie in die richtigen Segmente einteilen, da Sie nur so sicherstellen können, dass Sie ihre gemeinsamen Merkmale, Verhaltensweisen und Vorlieben kennen. Basierend auf diesen Segmenten können Sie maßgeschneiderte Marketingkampagnen und personalisierte Produktangebote erstellen, die Ihre Konversionsraten erheblich steigern.

Durch die Übernahme von Technologien wie künstlicher Intelligenz (KI) und maschinellem Lernen (ML) können Unternehmen ihre Bemühungen um die Kundensegmentierung verbessern. Allerdings müssen diese wie alle technologischen Innovationen strategisch umgesetzt werden.

Hier ist eine Anleitung, die Ihnen hilft, dies zu erreichen.

Warum Kundensegmentierung wichtig ist und wie KI helfen kann?

Grundsätzlich kann KI uns helfen, indem sie unsere Vorurteile und herkömmlichen Methoden der Kundensegmentierung überwindet. Da ihr Segmentierungsprozess nur durch Daten gesteuert wird, können wir dann Informationen über Kundensegmente erlernen, die wir nicht in Betracht gezogen haben, und dies enthüllt einzigartige Informationen über unsere Kunden.

Um dies weiter zu erläutern, betrachten wir das folgende Beispiel.

Ein Unternehmen, das sich auf landwirtschaftliche Ausrüstung und Zubehör spezialisiert hat, will sein Produktangebot erweitern. Das Unternehmen führt eine Segmentierung durch, um sicherzustellen, dass die neuen Produkte relevant sind.

In der Vergangenheit verließ sich das Unternehmen auf einen herkömmlichen Ansatz der Segmentierung, bei dem Kunden nach geografischer Lage eingeteilt wurden, basierend auf der zugrunde liegenden Annahme, dass Landwirte aus der gleichen Region ähnliche Bedürfnisse hätten. Zum Beispiel würden sie einen Traktor bewerben, der auf die vermuteten Gemeinsamkeiten zwischen den Farmen im amerikanischen Mittelwesten ausgerichtet war, wie Wetterbedingungen.

Jedoch stellte das Unternehmen nach der Implementierung von KI fest, dass die geografische Segmentierung nicht der richtige Ansatz war. Durch die Erfassung umfangreicher Daten (einschließlich Kaufhistorie, Farmgröße, Anbauarten, Bewässerungsmethoden, Technologieeinsatz, Automatisierungsgrad und mehr) und die Analyse durch KI-Algorithmen erkannte das Unternehmen, dass die Farmgröße einer der kritischsten Faktoren ist, die die Kaufentscheidung eines Landwirts beeinflussen. Es mag offensichtlich erscheinen: Landwirte mit größeren Farmen haben unterschiedliche Bedürfnisse als die mit kleineren Grundstücken. Dennoch waren die Führungskräfte des landwirtschaftlichen Ausrüstungsherstellers noch immer auf die geografische Segmentierung fixiert und hätten möglicherweise nie diesen Prozess geändert, obwohl er nicht die besten Ergebnisse brachte.

Nachdem wir dies gesagt haben, wie können wir diesen Prozess durchführen?

Unterschiedliche Ansätze der Kundensegmentierung

Um zu bestimmen, welches Modell für Ihren Ansatz der Kundensegmentierung anzuwenden ist, müssen Sie folgendes berücksichtigen:

• Welche Daten habe ich zur Verfügung? Mit anderen Worten, was weiß ich?

• Was sind die Ziele meines Unternehmens?

• Was weiß ich über meine Kunden?

Basierend darauf können Sie entweder ein unüberwachtes Modell, ein überwachtes Modell oder den gemischten Ansatz anwenden.

• Unüberwacht (K-Means-Clustering, DBSCAN, GMM): Dieses Modell basiert nicht auf vordefinierten Labels und Trainingsdaten, sondern berechnet die optimalen Segmente von Grund auf. Sie können die unüberwachten Algorithmen anwenden:

  • Wenn Sie keine bestimmten Segmente im Sinn haben, insbesondere wenn Sie die KI-Segmentierung zum ersten Mal anwenden und keine vorher trainierten Datensätze haben

  • Wenn Sie ein dynamisches Unternehmen mit einer sich schnell ändernden Kundenbasis haben und neue Segmente identifizieren möchten

• Überwachtes maschinelles Lernen (Regressionsmodell, Entscheidungsbaum, Random Forest): Wir können diesen Ansatz anwenden, wenn wir ein gelabeltes Trainingsdataset haben, z. B. von vorheriger Segmentierung oder Domänenwissen. Das überwachte ML-Modell kann dann auf neue Kunden oder Kunden angewendet werden, für die die Segmentierung nicht klar ist

Der gemischte Ansatz kombiniert die Verwendung von unüberwachtem Lernen, um Segmente zu identifizieren, und dann die Anwendung dieser Segmente als Labels, um ein überwachtes Modell zu trainieren. Dieses trainierte Modell kann dann verwendet werden, um neue Kunden zu klassifizieren oder ein Segment für Kunden zu erstellen, von denen wir nicht alle Daten haben.

Bitte seien Sie vorsichtig, wenn Sie den gemischten Ansatz ohne Zufallsstichprobe anwenden. Wenn Sie nur die Kunden auswählen, für die Sie vollständige Daten haben, wählen Sie wahrscheinlich Ihre loyalsten Kunden aus, was möglicherweise nicht eine faire Repräsentation der gesamten Gruppe ist. Dies führt zu einer voreingenommenen Auswahl, und diese Voreingenommenheit wird nur an die KI weitergegeben.

Herausforderungen und häufige Fehler

KI ist nicht ohne Herausforderungen. Aus meiner Erfahrung sind dies einige der Hindernisse, auf die Sie wahrscheinlich stoßen werden, wenn Sie lernen, die Grundlagen zu meistern.

• Klare Segmentierung: Viele Unternehmen sind sich nicht im Klaren darüber, warum sie segmentieren. Ohne diesen Zweck ist es für einen von KI gesteuerten Prozess schwierig, effektiv zu sein. In diesen Fällen kann ein herkömmlicher Ansatz, der von Menschen durchgeführt wird, besser funktionieren, insbesondere wenn Sie hauptsächlich qualitative Daten haben. Das Gleiche gilt, wenn Sie nur eine kleine Anzahl von Kunden haben.

• Datenqualität: Die Qualität der Ergebnisse, die durch KI erzielt werden, ist nur so gut wie die Qualität der Daten, die Sie dem System zuführen. Daher ist Ihre Segmentierung nicht genau, wenn Ihre Daten nicht genau sind.

• Ethische Überlegungen: Stellen Sie sicher, dass Sie keine sensiblen Daten und Kriterien in das Modell einbeziehen. Dies ist ein Fehler, den viele Unternehmen gemacht haben, und es hat ihnen sowohl Geld als auch ihren Ruf gekostet. Zum Beispiel wurden in den USA Hypothekenunternehmen wegen angeblicher rassistischer Profilierung ihrer KI-Algorithmen unter Beschuss genommen.

• CRM-Bereitschaft: Da ML eine so neue Technologie ist, sind viele CRM-Systeme (Customer-Relationship-Management) nicht in der Lage, sie zu verarbeiten. Daher erfordert eine ordnungsgemäße Integration von Segmenten in die Geschäftsprozesse (Marketingkampagnen, Berührungspunkte, Vertriebsstrategie) zusätzliche Arbeit. Viele Male springen Eigentümer sofort ein, ohne alle Prozesse zu berücksichtigen, und dies führt zu Problemen, wenn sie versuchen, KI zu nutzen.

• Schulung der Mitarbeiter: Die Mitarbeiter müssen weitergebildet werden, damit sie die KI-Segmentierungsansätze vollständig verstehen. Es ist auch wahrscheinlich, dass Sie auf Widerstand stoßen, da die Ergebnisse von KI ihre Intuition widersprechen könnten. Um die Vertrauensbarriere zu überwinden, zeigen Sie einige ihrer positiven Anwendungen und nutzen Sie KI verantwortungsvoll.

• Segmentqualität: Ähnlich wie bei der herkömmlichen Segmentierung sollten die Segmente, die Sie aus dem ML-Modell erhalten, die wichtigsten Kriterien erfüllen und validiert werden:

  • Handhabbar

  • Stabil

  • Größe ausreichend

  • Unterscheidbar

• Domänenwissen und Interpretation: Die Integration und angemessene Verwaltung des Wissens Ihres Unternehmens ist bei jedem Schritt des Weges, von der Datenvorbereitung bis zur Validierung der Ergebnisse des Modells, sehr wichtig. Denken Sie auch daran, dass sogar ein perfektes maschinelles Lernen nicht 100%ige Genauigkeit liefern wird. Hier ist es, wo Ihre Domänenexpertise benötigt wird, und warum es sehr wichtig ist, dass KI und Menschen zusammenarbeiten. Ein weiterer Fehler, den ich oft gesehen habe, ist, dass Entscheidungsträger alles an KI delegieren und deren Vorschläge blindlings umsetzen, ohne weitere Fragen zu stellen. Dies wird wahrscheinlich zu ungünstigen Ergebnissen führen. Lassen Sie uns auch daran erinnern, dass wir am Ende des Tages Menschen sind und unsere Voreingenommenheit immer noch vorhanden ist, wenn wir die Daten interpretieren. Das Bewusstsein für diese Tatsache kann uns helfen, weniger anfällig für mögliche Fehler zu sein.

• Modellaktualisierungen: Wenn Sie eine dynamische Kundenbasis oder einen hohen Kundenwechsel haben, ändern sich das Verhalten und die Vorlieben Ihrer Kunden oft. Stellen Sie daher sicher, dass Sie das Modell regelmäßig aktualisieren und nicht auf veraltete Segmente vertrauen.

Schritt-für-Schritt-Anleitung zur KI-gestützten Kundensegmentierung

Jetzt, da Sie sich der Herausforderungen bewusst sind, finden Sie hier eine Schritt-für-Schritt-Anleitung, die Ihnen hilft, KI erfolgreich in Ihre Kundensegmentierungsprozesse zu integrieren.

1. Definieren Sie Ihr Segmentierungsziel. Dazu gehört, die verschiedenen Kriterien zu verstehen, nach denen Sie Ihre Kunden einordnen werden. Hier sind wiederum sowohl die durch KI generierten Erkenntnisse als auch Ihre Perspektive als Experte auf dem Gebiet erforderlich. Zusammen werden Sie neue Kundensegmente entdecken und in der Lage sein, maßgeschneiderte Marketingkampagnen zu erstellen, um bessere Ergebnisse zu erzielen.

2. Stellen Sie sicher, dass Daten verfügbar sind: Stellen Sie sicher, dass KI Zugang zu umfassenden Kundendaten hat oder, wenn Ihre Daten unvollständig sind, finden Sie einen Weg, damit umzugehen. Eine Möglichkeit dazu kann die Verwendung des gemischten Modellierungsansatzes sein. Wir haben es bereits gesagt, aber es kann nicht genug betont werden: Die Ergebnisse werden nur so gut sein, wie die Daten, mit denen KI arbeitet.

3. Bewältigen Sie Datenbeschränkungen: Wenn Sie nur begrenzte Daten haben, wählen Sie eine zufällige Stichprobe aus Ihrer Kundendatenbank aus und sammeln Sie zusätzliche Daten von ihnen. Anschließend wenden Sie den gemischten Ansatz an, um Ihre Ergebnisse zu maximieren.

4. Wählen Sie Ihren Modellierungsansatz aus und wenden Sie das ausgewählte Modell auf die ermittelten Daten an

5. Wählen Sie die optimale Anzahl von Segmenten: Es gibt verschiedene Techniken, um die optimale Anzahl von Segmenten zu berechnen. Die bekanntesten sind die Ellbogenregel und die Lückenanalyse.

6. Verstehen Sie die Unterscheidungskriterien der Segmente und interpretieren Sie die Ergebnisse: Welche sind die Schlüsselvariablen, nach denen Ihre Kunden identifiziert werden? Was sind ihre Wahrnehmungen und wie können sie vermarktet werden? Damit der Segmentierungsprozess funktioniert, müssen Sie nach der Validierung der Genauigkeit des Modells die verschiedenen Segmente überprüfen und bestimmen, ob die Variablen, die diese Segmente antreiben, angemessen für Ihr Geschäftsmodell sind.

Zum Schluss, aber nicht weniger wichtig, verwende ich als Ressource für eine angemessene Segmentierungsbildgebung Parallelkoordinaten, bei denen ich vier Segmente identifiziere: hochwertige Einkäufer, Budget-Einkäufer, Technologie-Enthusiasten und gelegentliche Einkäufer. Ich messe Kategorien wie monatliche Ausgaben und Häufigkeit der Käufe für jedes dieser Segmente, da dies mir hilft, meine Kunden besser zu verstehen.

Schlussgedanken

Wie wir besprochen haben, kann die KI-gestützte Kundensegmentierung B2B-Unternehmen helfen, ein klareres Verständnis davon zu erlangen, wer ihre Kunden sind und welche Faktoren ihre Entscheidungsfindung beeinflussen. Sobald Sie diese Informationen haben, können Sie sie nutzen, um personalisierte Kampagnen und Erfahrungen zu erstellen, die mehr Wert für Ihre Kunden bieten.

Indem Sie der in diesem Leitfaden skizzierten Roadmap folgen, können Sie KI-Algorithmen nutzen, um Ihre Segmentierungsprozesse zu verbessern und datengetriebene Entscheidungen zu treffen, die Ihr Wachstum vorantreiben und Ihre Kundenbindungskennzahlen steigern, was zu einer besseren Verbindung mit Ihren Kunden und einer soliden Loyalität gegenüber Ihrer Marke führt.

Dies ist insbesondere in der B2B-Welt und vor allem für High-Tech-Produkte wichtig, da die Bedürfnisse der Kunden sich schnell ändern und die technologischen Erwartungen sich schnell entwickeln. Eine angemessene Segmentierung Ihrer Kunden kann den Unterschied zwischen der Lieferung eines Spitzenprodukts und etwas ausmachen, das nicht in der Lage ist, die relevante Produkt-Markt-Passung zu erreichen.