Suchen

B2B Marketing Days 2019 Künstliche Intelligenz im B2B-Kundensupport

| Autor / Redakteur: Thomas Brückle* / Julia Krause

Ist Künstliche Intelligenz nur ein inflationär verwendetes Buzzword oder doch mehr als ein Hype? Der Use Case des europäischen Marktführers für Sanitärprodukte Geberit zeigt wie KI im B2B-Marketing nicht zum Selbstzweck, sondern zum Werttreiber wird.

Firmen zum Thema

Geberit zeigt, wie künstliche Intelligenz im B2B-Kundensupport eingesetzt werden kann.
Geberit zeigt, wie künstliche Intelligenz im B2B-Kundensupport eingesetzt werden kann.
(Bild: gemeinfrei / Unsplash)

Laut den Ergebnissen des aktuellen Kompetenzprojekts ‚Digitalisierung erfolgreich meistern‘ dient die Digitalisierung in der Bauzulieferindustrie noch mehrheitlich der Effizienzsteigerung anstatt Differenzierung am Markt.

Bei 72 Prozent der befragten Unternehmen wird die Digitalisierung heute durch höchste Erwartungen an (Omni-)Verfügbarkeit von Daten, Prozessen, Produkten und Services getrieben. 52 Prozent der Befragten gab an, dass sich Digitalisierung im Moment lediglich auf Prozessoptimierung und Effizienzsteigerung intern und zu Marktpartnern konzentriert.

Kernthesen

Als die vier wesentlichen Werttreiber der Digitalisierung können der Studie zufolge die

  • 1. Interne Wertschöpfungskette,
  • 2. Kundenschnittstelle und Marktbearbeitung,
  • 3. Digitale Produkte und Services und
  • 4. Neue digitale Geschäftsmodelle

identifiziert werden. Während sich bei (1) Prozessoptimierungen und (2) Optimierungen durch Marketing Automation erzielen lassen, ergeben sich bei (3) und (4) echte Differenzierungsmerkmale und Werttreiber für B2B-Unternehmen. Der Einsatz von Chatbots im B2B-Kundensupport ist in der Schnittmenge zwischen (2) und (3) anzusiedeln und ein entscheidender Schritt zu einer Digitalen Serviceplattform (4).

Einen spannenden Use Case zum Thema präsentierte Thomas Brückle auf den marconomy B2B Marketing Days 2019. Hier können Sie sich den gesamten Vortrag ansehen:

Use Case Geberit

Typischer B2B-Servicedialog am Beispiel des Geberit AquaClean Dusch-WCs Mera mit Willkommensformel, Frage, Nachfrage, Antwort, Verweisen und Abschlussfrage bzgl. Servicequalität.
Typischer B2B-Servicedialog am Beispiel des Geberit AquaClean Dusch-WCs Mera mit Willkommensformel, Frage, Nachfrage, Antwort, Verweisen und Abschlussfrage bzgl. Servicequalität.
(Bild: Geberit)

Das erste Pilotprojekt bei Geberit wurde aus der Notwendigkeit heraus im Geberit Endkunden Telefon durchgeführt. Getrieben durch eine breite Marketingkampagne für das Geberit AquaClean Dusch-WC nahmen die Anfragen im Kundensupport sprunghaft zu, die Erreichbarkeit fiel unter den kritischen Wert von 50 Prozent. Der hohe Anteil wiederkehrender Fragen (FAQs) für ein technisch und funktional hoch erklärungsbedürftiges Produkt und die Erwartungshaltung 24/7 führte zur Umsetzung eines Chatbots.

Im ersten Schritt wurde mit 25 Frageabsichten aus den Bereichen Kategorie, Produkt, Funktion, Vorteile, Voraussetzungen, Testen, Kosten und Kaufen gestartet, bereits nach sechs Monaten wurden die Frageabsichten auf 100 um die Bereiche Bedienung, Pflege, Verbrauchsmaterial, Störungen und Ersatzteile ergänzt. Nach den ersten sechs Monaten werden aktuell bereits mehr als 25 Prozent der Kundenanfragen über den Chatbot beantwortet, was aufgrund des Tabuthemas Intimhygiene auf eine überdurchschnittlich hohe Akzeptanz des Chatbots schließen lässt. Mit einem Automatisierungsgrad von 47 Prozent (Soll 30 Prozent) und einer KI-Genauigkeit von 81 Prozent (Soll 70 Prozent) übertrifft der Chatbot alle Erwartungen.

Eine erste User-Analyse zeigte jedoch sehr schnell, dass mit der Ausweitung der Frageabsichten der Anteil an B2B-Zielgruppen insbesondere aus dem Handwerk von Monat zu Monat deutlich zunimmt, obwohl der Chatbot bisher ausschließlich auf der B2C-Website von Geberit platziert ist. Aufgrund der hohen Überschneidung der Frageabsichten zwischen B2C- und B2B-Zielgruppen wird der Chatbot im Moment um weitere Frageabsichten aus den Bereichen Planung und Montage angereichert und in Kürze auch auf der B2B-Website von Geberit aufgeschaltet. Die beiden Chatbots werden sich bei den Frageabsichten nur unwesentlich unterscheiden, da die Schnittmengen aller Beteiligten im Bauprozess, angefangen beim Investor/Bauträger, dem Architekten, TGA-Fachplaner, Großhandel, Installateur und Endkunden bei den Themen Produktinformation, (Ver)Kaufen und Nutzung sehr groß sind. Der Chatbot für die B2B-Zielgruppen befindet sich im Moment in der Anlern- und Testphase.

Erfolgsfaktoren

Vektorisierung von B2B-Serviceanfragen im 1.000-dimensionalen Raum zur Darstellung von bis zu 1.000 Frageabsichten.
Vektorisierung von B2B-Serviceanfragen im 1.000-dimensionalen Raum zur Darstellung von bis zu 1.000 Frageabsichten.
(Bild: knowhere)

Prinzipiell erfolgt die Beantwortung von Fragen in drei Schritten. Zunächst muss der Chatbot die gestellte Frage basierend auf natürlicher Sprachverarbeitung verstehen. Im nächsten Schritt antwortet der Chatbot mit der Problemlösung aus der Wissensbasis und verweist – das ist der erste Schritt zu echter Intelligenz – auf weitere Inhalte und Prozesse. Konkret kann das bedeuten, dass der Chatbot die voraussichtlich nächsten Frageabsichten vorwegnimmt, diese beantwortet und auf weiterführende Informationen (Weblinks, Dokumente zum Download, Videos) verweist. Besonderen Wert muss dabei auf das Conversational Design gelegt werden, das Frageabsichten, Fragevarianten, Antworten, Folgeantworten und weiterführende Informationen nicht nur logisch, sondern auch Chat-spezifisch miteinander verknüpft. Im letzten Schritt – und auch das ist echte Intelligenz – lernt der Chatbot über gezielte Rückfragen mit jeder Anfrage dazu und automatisiert immer mehr Kundenanfragen. Um zukünftig auf die unterschiedlichen Frageabsichten von B2B-Zielgruppen vorbereitet zu sein, hat sich Geberit für einen Algorithmus entschieden, der Frageabsichten in einem 1.000-dimensionalen Raum vektorisiert, das heißt bis zu 1.000 unterschiedliche Frageabsichten zulässt.

Dashboard zur Auswertung von Nutzungsintensität, künstlicher Intelligenz, Automatisierung, Relevanz und Häufigkeit der Nutzerthemen sowie KI-Empfehlung neuer Frageabsichten.
Dashboard zur Auswertung von Nutzungsintensität, künstlicher Intelligenz, Automatisierung, Relevanz und Häufigkeit der Nutzerthemen sowie KI-Empfehlung neuer Frageabsichten.
(Bild: knowhere)

Ein Dashboard visualisiert wöchentlich die Ergebnisse des Chatbots im Überblick wie alle wichtigen Kennzahlen zur Nutzungsintensität, künstlichen Intelligenz und Automatisierung. Fragen der Nutzer werden nach Relevanz und Häufigkeit im Dashboard dargestellt und liefern wichtige Insights zu relevanten Nutzerthemen. Basierend auf Nutzerdialogen schlägt der Chatbot selbst neue Frageabsichten vor, die in monatlichen Redaktionssitzungen bewertet, verabschiedet und ins Conversational Design übertragen werden.

Handlungsempfehlungen

Aus den bisherigen Erfahrungen ergeben sich folgende Key Learnings.

  • 1. Nutzerzentriert denken, das heißt sich in die Bot-Nutzer hineinversetzen.
  • 2. Fokussierung auf das Conversational Design, das heißt Antworten Chat-spezifisch gestalten.
  • 3. Erwartungshaltung richtig setzen, das heißt interne und externe Stakeholder frühzeitig abholen.

Zusammenfassung

Entstanden sind in den letzten sechs Monaten in Zusammenarbeit mit der knowhere GmbH zwei Use Cases, die aufzeigen, dass Künstliche Intelligenz zum Werttreiber im B2B-Marketing werden kann, indem sich für unterschiedliche Kundenzielgruppen durch eine neue Kundenschnittstelle und einen neuen digitalen Service ein Mehrwert durch eine 24/7 Verfügbarkeit ergibt und gleichzeitig die internen Ressourcen um bis zu 25 Prozent entlasten lassen. Im nächsten Schritt sollen schrittweise weitere Produkte in den Chatbot integriert werden.

Mehr zum Thema präsentierte Thomas Brückle auf den marconomy B2B Marketing Days am 15. und 16. Oktober 2019 in Würzburg. Alle Learnings des Marketing-Fachkongresses für den Mittelstand finden Sie in unserem Nachbericht:

* Thomas Brückle ist Bereichsleiter Marketing und Mitglied der Geschäftsleitung bei Geberit.

(ID:46153690)