Für viele liegt die Zukunft des Marketings im maschinellen Lernen. Aber können Werbetreibende diese fortschrittliche Technologie schon heute effizient nutzen?
Im digitalen Marketing gilt es, Muster wiederzuerkennen und relevante Signale aus unbedeutenden herauszufiltern. Bei den vielen Daten, die verarbeitet werden müssen, ist es aber schwierig, die brauchbaren Informationen zu bestimmen und dann effizient einzusetzen.
Janusz Moneta, Senior Ads Marketing Director bei Google, erklärt: "Werbetreibende müssen sich ein genaues Gesamtbild machen können. Da reichen offensichtliche Details nicht aus, sondern es sind auch schwer erkennbare Muster zu berücksichtigen. Dank maschinellem Lernen sind die Voraussetzungen dafür jetzt erfüllt."
Maschinelles Lernen optimal nutzen
Das B2B-Marketing-Team bei Google wollte in über 40 Ländern und für mehr als 20 Sprachen testen, ob sich mithilfe von maschinellem Lernen schneller Erkenntnisse gewinnen lassen. In jeder Phase der Expansion wurden neueste Technologien angewendet, um die Marketingstrategien umzustellen. In diesem Artikel geht es um die wichtigsten Änderungen an den Kampagnen und deren Auswirkungen.
Emotionen einfangen: maschinelles Lernen und Sentimentanalysen
Zugegeben – bei Gefühlen denkt man nicht direkt an maschinelles Lernen. Und tatsächlich waren die Werbebotschaften im B2B-Marketing bisher eher sachlicher Natur. Dabei wurde außer Acht gelassen, dass Unternehmer auch Menschen sind, die sich von Emotionen leiten lassen. Womöglich sind Werbetreibenden bisher große Chancen entgangen, weil dies nicht berücksichtigt wurde.
Mit Natural Language Processing (NLP) lässt sich analysieren, welche Gefühle Werbebotschaften auslösen. So kann man herausfinden, weshalb bestimmte Anzeigen besonders gut ankommen. Wir haben uns auf diese Weise einen großen Datensatz an emotionalen Konnotationen erschlossen und daraufhin viele neue Anzeigenvariationen in allen europäischen Sprachen erstellt, die auf verschiedene Emotionen abgestimmt sind.
Wir setzen im Marketing stärker auf emotionale Feinheiten und Empathie. Außerdem haben wir 2018 mit kontrollierten Tests in Deutschland, Frankreich, Großbritannien und Italien die erfolgreichsten Botschaften ermitteln können, die zur Steigerung der Anzeigenleistung führten und mit denen sich die Conversion-Rate teilweise sogar verdoppelte.
Mit demselben Ansatz konnten wir auch die Leistung von Landingpages optimieren. Wir haben Seitenelementen bestimmten Emotionen zugeordnet und dann verschiedene Alternativen getestet, die mithilfe von maschinellem Lernen generiert wurden. Auch hier waren die Ergebnisse beeindruckend: Die leistungsstärkste Variante schnitt 80 Prozent besser ab als das Original.
Entscheidend war, dass wir jedes Detail der Anzeigen dank der erhobenen Daten genau analysieren konnten. Bei einem Banner fanden wir z. B. heraus, dass 81 Prozent des Erfolgs auf eine Formulierung zurückzuführen waren, die Freude auslöste.
Vorhersagen treffen: maschinelles Lernen und Optimierungsprognosen
Im B2B-Marketing sind die Kaufprozesse oft sehr lang, sodass der tatsächliche Wert einer Registrierung erst nach bis zu sechs Monaten deutlich wird. Bei solchen Zeitspannen ist es schlichtweg nicht realisierbar, erst einmal abzuwarten und dann zu optimieren.
Durch die Analyse bisheriger Kampagnendaten ließ sich dank maschinellem Lernen aber der voraussichtliche Wert eines Anzeigenklicks langfristig einschätzen. Nachdem sich potenzielle Kunden registriert hatten, konnten wir innerhalb von zwei Tagen relativ genau sagen, welche unserer Lösungen sie in den nächsten drei Monaten nutzen.
Prä-Post-Analysen der Kampagnen, die für langfristige Auswirkungen optimiert wurden, ergaben, dass durch solche Vorhersagen ein bis zu 33 Prozent höherer ROI erzielt wurde. Außerdem lässt sich der Kaufprozess durch Prognosen zum Customer Lifetime Value vereinfachen, da Neukunden genau der Support geboten wird, der ihren Anforderungen entspricht.
Wie profitieren Sie von maschinellem Lernen?
Wenn Sie mit Data Scientists und Entwicklern zusammenarbeiten, können Sie aktuelle Technologien des maschinellen Lernens wahrscheinlich am effizientesten nutzen. Aber auch sonst gibt es bereits viele Einsatzmöglichkeiten. Die Entwicklung in diesem Bereich schreitet rasant voran. Schon jetzt stehen erste Standardlösungen zur Verfügung. Tools für Sentimentanalysen und Optimierungsprognosen sind ebenfalls vorhanden und einsetzbar.
Über maschinelles Lernen wird viel spekuliert. Da entsteht leicht der Eindruck, dass es sich um eine futuristische Technologie handelt, die aktuell nur sehr begrenzt verwendet werden kann. Manch einer sieht darin sogar eine Gefahr für die Kreativität in der Werbung. Wir haben aber in aktuellen Marketingkampagnen und nach Analyse der Ergebnisse festgestellt, dass diese Technologie sehr hilfreich ist.
Mit fortschrittlichen Tools können moderne Werbetreibende ihre Kenntnisse vertiefen und erweitern. Die Bedürfnisse potenzieller Kunden lassen sich so besser als je zuvor ermitteln und analysieren.
