Suchen

KI im B2B-Vertrieb – Teil 1 Wie Predicitive-Analytics den B2B-Vertrieb unterstützt

| Autor / Redakteur: Michael Märtin* / Georgina Bott

Das Thema künstliche Intelligenz ist derzeit in aller Munde. Unbestreitbar ein Hype, bei dem es sich dennoch lohnt, hinter die Kulissen zu schauen. Eine besonders angeregte Diskussion um die Nutzung von KI-Anwendungen gibt es im B2B-Vertrieb.

Firma zum Thema

Planung und Forecasting machen einen großen Anteil des Arbeitsalltags eines Vertrieblers aus. Künstliche Intelligenz kann dabei unterstützen.
Planung und Forecasting machen einen großen Anteil des Arbeitsalltags eines Vertrieblers aus. Künstliche Intelligenz kann dabei unterstützen.
(Bild: gemeinfrei / Pexels )

Künstliche Intelligenz (KI) und B2B-Vertrieb – passt das zusammen? Was verbirgt sich eigentlich hinter dem Begriff KI? Wo sind KI-basierte Technologien heute schon erfolgreich im Einsatz? Und wie profitiert der Vertrieb von intelligenten Anwendungen? Fragen über Fragen, deren Auswirkungen für viele noch in weiter Ferne liegen. Aber damit weit gefehlt. Es ist uns kaum bewusst, dass künstliche Intelligenz bereits viele Bereiche unseres Alltags durchdringt: Wer Sprachassistenten wie Siri oder Alexa verwendet, ein Bild in sozialen Netzwerken postet oder Serien-Empfehlungen bei Streaming-Diensten folgt, kommt unweigerlich mit KI in Berührung.

Unternehmen nutzen intelligente Technologien bisher vor allem, um ihre Produktions- und Logistik-Prozesse zu automatisieren. Während es hier relativ schlüssig erscheint, auf die Intelligenz von Maschinen zu setzen, geraten nun verstärkt Disziplinen in den Fokus, in dessen Kontext der Einsatz von KI vor Kurzem noch gar nicht vorstellbar war. Dazu zählt zum Beispiel der B2B-Vertrieb, der in vielen Unternehmen eine Domäne der zwischenmenschlichen Entscheidungssteuerung darstellt: Häufig gilt der Vertriebler mit dem besten persönlichen Netzwerk und dem richtigen Bauchgefühl als Schlüsselfaktor für eine erfolgreiche Abschlussquote. Mithilfe von KI könnte sich das jetzt ändern.

KI – die wichtigsten Definitionen

Einfach ausgedrückt, bedeutet künstliche Intelligenz, dass Computer Aufgaben lösen, die – sofern sich Mitarbeiter selbst darum kümmern würden – menschliche Intelligenz erfordern. Das Konzept ist grundsätzlich nicht neu. Bereits in den 1950er Jahren wissenschaftlich diskutiert und seit den 1960ern kontinuierlich erforscht, ist der Durchbruch von KI-Szenarien in der Geschäftswelt jedoch lange ausgeblieben. Erst die grundlegenden Veränderungen der letzten zehn Jahre, wie etwa die Möglichkeiten, riesige Datenmengen kostengünstig in der Cloud zu speichern und mit einer exponentiell gesteigerten Rechenleistung zu verarbeiten, sorgen für ein rasch wachsendes Interesse an KI-basierten Anwendungen. In diesem Kontext fallen die Begriffe Machine-Learning, Deep-Learning und Predictive-Analytics besonders häufig. Was aber steckt dahinter?

  • Machine-Learning umfasst Algorithmen, die Verhaltensmuster aus Daten herleiten. Anstatt programmierte Regeln zu befolgen, bekommt der Computer ein bestimmtes Ziel vorgegeben: Er lernt, aus dem Input sehr vieler Beispieldaten ein eigenes Ergebnis abzuleiten.
  • Deep-Learning ist ein Teilbereich des Machine-Learnings und stellt mit Algorithmen das neuronale Netzwerk des Gehirns nach – mit dem Ziel, einen bestimmten Themenbereich kennen und entsprechende Aufgaben lösen zu lernen. Die künstlichen neuronalen Netze erstrecken sich über viele sehr tiefe Ebenen („deep“) und nutzen große Datenvolumina.
  • Predictive-Analytics verwendet historische Daten, um zukünftige Ereignisse vorherzusagen. Dabei werden sehr große Datenmengen aus der Vergangenheit analysiert und gemeinsam mit vielen weiteren Faktoren kombiniert, um Vorhersagen über zukünftige Entwicklungen treffen zu können.

Für den B2B-Vertrieb hält insbesondere das Konzept der Predicitve-Analytics schon jetzt zahlreiche Anwendungen bereit.

Vorhersagen und Handlungsempfehlungen im Vertrieb

Planung und Forecasting machen einen großen Anteil des Arbeitsalltags eines Vertrieblers aus: Wie werden sich Kunden verhalten? Welche Verkaufsmaßnahmen können erfolgreich sein? Wie groß sind die Abschlusswahrscheinlichkeiten bei offenen Leads? Welcher Umsatz kann daraus im nächsten Geschäftsjahr resultieren? Um solche Fragen zu beantworten und damit verbundene Herausforderungen zu lösen, ist KI dem Menschen weit überlegen. Bei komplexen Fragestellungen kann die Technologie ihre Stärke ausspielen: die Analyse riesiger Datenmengen.

Indem Predicitve-Analytics-Tools eine Unmenge an Daten aus verschiedensten Quellen (historische und aktuelle Daten, interne und externe Daten, unternehmensindividuelle und makroökonomische Daten etc.) automatisiert untersuchen, nehmen sie den Vertriebsmitarbeitern das zeitaufwendige und oft lästige Forecasting ab. Dank KI-Unterstützung gelingt es deutlich schneller, zukünftige Abschlusswahrscheinlichkeiten und zu erwartende Umsätze zu prognostizieren – zumal der Forecast sehr viel präziser und verlässlicher ist. Schließlich erstellt die KI Umsatzprognosen unabhängig von persönlichen Einschätzungen auf einer unvergleichbar hochwertigen Datenbasis.

Mehr Zeit für wertschöpfende Aufgaben

Zudem schätzen ergänzende KI-Anwendungen den Bedarf und die Kaufbereitschaft von Neu- und Bestandskunden ein. Hierfür erstellt das System bei neuen Anfragen automatisch ein Scoring: Mithilfe seiner selbstlernenden Eigenschaften bewertet es unter anderem die Wahrscheinlichkeit möglicher Abschlüsse, die voraussichtliche Dauer des Sales-Prozesses und die Qualität der Leads. Indem das Tool die Leads gemäß ihrer Abschlusswahrscheinlichkeit priorisiert, können sich Vertriebsmitarbeiter auf die vielversprechendsten Anfragen konzentrieren und schneller reagieren.

Damit gehen moderne KI-Lösungen weit über das reine Forecasting hinaus: Sie geben dem Vertrieb konkrete Handlungsempfehlungen (Recommendations). Neben genaueren Prognosen und einer verbesserten Entscheidungsfindung offenbaren sich deutliche Zeitgewinne als wesentlicher Nutzen des KI-Einsatzes: Die verfügbare Zeit kann der Vertriebsmitarbeiter direkt in die Pflege der Kundenbeziehungen investieren.

Im zweiten Teil dieser Serie erfahren Sie am 30. September hier auf marconomy.de, welche Vorbehalte es einem KI-gestützten Vertrieb gegenüber gibt, wie Unternehmen diese abbauen können und welche technologischen Voraussetzungen erfüllt sein müssen, um KI im Vertrieb erfolgreich einsetzen zu können.

* Michael Märtin, Geschäftsführer von atlantis media.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 46141994)