Wie Sie mit Predictive Analytics das Verhalten Ihrer Leads voraussagen

“Leads? Hat da jemand Leads gesagt?” Da lauscht sie jedes Mal auf: unsere Lead-Queen Sarina. Und jetzt teilt sie ihre Leidenschaft mit Ihnen, in einer kurzen Geschichte über die AI-getriebene Zukunft von Lead Management! Ready?

Künstliche Intelligenz kann gruselig sein, aber sie macht unser Leben auch leichter! KI-Empfehlungen bei Netflix wissen, was wir anschauen wollen, bevor wir es tun, und personalisierte Werbung bei Facebook oder Google zeigt uns, was wir kaufen wollen, bevor wir das wissen.

Bevor wir das wissen … Wäre es nicht ein Traum, wenn wir auch bei potenziellen Kund*innen schon sagen könnten, was sie wollen, bevor sie selbst das tun? Wenn wir nicht auf ihr vergangenes Verhalten reagieren könnten, sondern auf ihr zukünftiges? Wenn wir wüssten, wie wahrscheinlich es ist, dass sie unser Produkt kaufen und sie dann zum perfekten Zeitpunkt ansprechen? Oder wenn wir vorhersagen, wie sie sich verhalten werden und alle Maßnahmen darauf ausrichten könnten?

Ein Traum? Nein: die Antwort ist Predictive Analytics!

Ein kleiner Ausflug ins Lead Management

Möchte man Predictive Analytics im Lead Management verwenden, dann wäre es natürlich nicht schlecht, schon einmal etwas von Lead Management gehört zu haben. Da ich darüber jedoch ein ganzes Buch füllen könnte, muss ich mich hier kurz halten. Also die wichtigsten Basics für diesen Beitrag in Kürze:

Lead Management: Das ist der magische Prozess, der eine/n Fremde*n in eine/n zahlende/n Kund*in verwandelt. Von der Kontaktdaten-Erfassung bis zur Konversion beinhaltet Lead Management die gesamte Pflege und Ansprache der potenziellen Kund*innen, also den Leads. Noch besser – und vor allem notwendig bei großen Datenmengen – wird Lead Management durch den Einsatz von Technologien wie Customer Relationship Management (CRM) Tools. Diese unterstützen vor allem durch Automatisierungen, die Leads effektiv durch den Verkaufstrichter führen. Dieser Prozess umfasst verschiedene Phasen, dazu gehören Lead Generierung, Lead Scoring, Lead Nurturing und Lead Routing.

Für unseren Ausflug in die Welt von Predictive Analytics schauen wir uns fürs Erste nur Lead Nurturing und Lead Scoring an. 🙂

Aber was ist Predictive Analytics eigentlich?

Moment mal. Jetzt habe ich schon oft von Predictive Analytics gesprochen. Aber was ist das überhaupt? Predictive Analytics lässt sich dem Gebiet der Business Analytics zuordnen und verfolgt das Ziel, anhand von Daten zukunftsgerichtete Prognosen zu erstellen. Wie das funktioniert? Mit statistischen Algorithmen, maschinellem Lernen und Datenanalyse-Techniken werden Kausalitäten identifiziert. Die Interpretation und die darauf aufbauenden Maßnahmen liegen dann wieder bei uns Marketern.

Ist das jetzt nicht einfach nur Statistik? Nein! Obwohl sich Predictive Analytics oft an Algorithmen aus der Statistik bedient und somit gewisse Überschneidungen aufweist, ist die Art der Analyse der beiden Ansätze unterschiedlich. Die Statistik nutzt gezielt Daten, um vorab definierte Hypothesen zu bestätigen oder zu verneinen. Predictive Analytics beschäftigt sich hingegen mit Daten, welche zufällig vorhanden sind und versucht, Geschäftsprobleme zu lösen, die eine geringere Struktur aufweisen. Statistische Anwendungen arbeiten außerdem oft mit kleineren Datenmengen, die Effizienz von Predictive Analytics hingegen liegt in der Anwendung größerer Datenpools. Stichwort Big Data.

Welche Chancen bietet Predictive Analytics fürs Lead Management?

Und was kann das jetzt? Wir wissen es schon lange: Die Zeiten von Massenmarketing und dem bloßen Zuspammen mit rein produktbasierten Angeboten sind vorbei! Die Ära einer gezielten Ausrichtung auf personalisiertes Marketing und des Aufbaus starker Kund*innen-Beziehungen ist angebrochen.

Was sehen wir bei gutem automatisiertem Lead Management? Dass jede Aktion eines/einer potenziellen Kund*in eine Reaktion von uns hervorruft, um die Customer Journey des Leads bestmöglich auf sein Verhalten auszurichten. Die Grundlage zur Planung und Entwicklung erfolgreicher Lead-Management-Strategien? Erfahrungswerte und historische Daten. 

Durch den vorausschauenden Einsatz von Predictive Analytics können diese Daten zukunftsorientiert genutzt werden, was bei korrekter Interpretation maßgeblichen Einfluss auf Geschäftsentscheidungen haben kann. 

Diese datengesteuerte Analyse können Sie in verschiedenen Bereichen einsetzen, eben überall, wo sie einen Mehrwert schafft. Hier sind zwei Beispiele, wie Predictive Analytics Lead Scoring und Lead Nurturing bereichern kann.

Lead Scoring boosten durch Vorhersage der Kaufwahrscheinlichkeit

Die vermutlich beliebteste Anwendung von Predictive Analytics im Marketing ist die Vorhersage der Kaufwahrscheinlichkeit, was im Lead Scoring enorm von Vorteil sein kann. Im Lead Scoring bewerten wir Leads mittels eines Punktesystems auf festgelegte Kriterien, wodurch sich am Ende ein Score ergibt, der uns verraten soll, wie heiß der Lead ist. Dabei verwenden wir demografische Daten und Verhaltensdaten. Je mehr der vordefinierten Kriterien der Lead erfüllt, desto mehr steigt sein Score, bis er schließlich so heiß ist, dass wir ihn an den Vertrieb spielen.

Mit Predictive Analytics gehen wir einen Schritt weiter. Hierbei werden die Daten von bestehenden Kund*innen ausgewertet. Dabei können Muster erkannt werden, die auf den ersten Blick nicht transaktionsbezogen und manuell nicht mal erkennbar sind. Es können auch hier unterschiedliche Metriken in der Analyse berücksichtigt werden. Beispielsweise demografische Daten wie das Alter, das Geschlecht oder die Postleitzahl, im B2B zudem Daten wie die Berufsbezeichnung oder die geografische Lage, als auch verhaltensbezogene Daten, wie ein Link-Klick in einer E-Mail. 

Die Wahrscheinlichkeit wird ermittelt, indem die Werte bereits bestehender Kund*innen analysiert und erkennbare Muster mit den Werten potenzieller Kund*innen verglichen werden.

Lead Nurturing boosten durch Vorhersage des User-Verhaltens

Es reicht natürlich nicht, Leads nur zu qualifizieren, man muss sie auch bespielen. Im automatisierten Lead Management sorgen oft spinnennetzartige Workflows dafür, dass Leads möglichst individuell basierend auf ihren Aktionen angesprochen werden. Predictive Analytics legt noch eine Schippe oben drauf. Im Lead Nurturing wird Predictive Analytics angewandt, um die potenziellen Kund*innen mit einer individuell angepassten Ansprache durch den Kaufprozess zu führen.

Ein Beispiel gefällig? Eine Nutzungsmöglichkeit ist das Vorhersagen der nächsten Schritte von Leads, wobei eine Vorhersage des Verhaltens eine individuelle Adressierung ermöglicht. Das funktioniert ähnlich wie oben beschrieben. Durch maschinelles Lernverfahren werden Verhaltensmuster im Daten-Wirrwarr erkannt und diese Musteranalysen auf neue Kontakte angewendet. Dadurch lassen sich gezielte Prognosen bezüglich relevanter Verhaltensmuster und Reaktionen treffen, wie beispielsweise das Interagieren mit E-Mail-Kampagnen. 

Werden mit diesen Erkenntnissen passende Maßnahmen ergriffen, wirkt sich das dank der Personalisierung enorm positiv auf KPIs aus. Aber Vorsicht: Zu berücksichtigen ist dennoch, dass das Verhalten einer Person auch immer von externen, nicht wahrnehmbaren und messbaren Faktoren beeinflusst wird.

Aber “Obacht”: Nicht zu viel zu schnell auf einmal!

Als Erstes müssen Sie sich jedoch die wichtigste Frage stellen: Sind Sie überhaupt schon so weit? Ist das automatisierte Lead-Management schon so optimiert, dass der Einsatz von Predictive Analytics einen großen Sprung verspricht? Wenn Sie sich noch am Anfang Ihrer Lead-Management-Reise befinden oder sogar noch davor, dann können sich schon kleine Schritte durch Automatisierung enorm positiv auf Ihre KPIs auswirken. Wie bei vielem gilt, klein anfangen und nicht overengineeren. Manchmal wirken Optimierungen oder Automatisierungen schon WUNDER.

Predictive Analytics kann sich sehr positiv auf die Effektivität der Lead-Ansprache auswirken.Predictive-Analytics-Anwendungen stehen jedoch auch negativen Faktoren gegenüber. Haben Sie schon einmal von „garbage in, garbage out“ gehört? 

Ups, so kurz war die Geschichte gar nicht. 😀 Haben Sie schon Erfahrungen mit Predictive Analytics im Lead-Management oder wollen sich einfach mal darüber austauschen, was die Zukunft bereithält? Schreiben Sie mir gerne: sarina.scharpf@sayang.gmbh

Fazit

Als Erstes müssen Sie sich jedoch die wichtigste Frage stellen: Sind Sie überhaupt schon so weit? Ist das automatisierte Lead-Management schon so optimiert, dass der Einsatz von Predictive Analytics einen großen Sprung verspricht?

Stellen wir uns vor, wir spielen gerade im DFB-Pokal, die Euro League steht als nächster Schritt an und das große Ziel ist die Champions League.

Für die großen Veränderungen sollten wir daher genau prüfen, ob es zunächst sinnvoll ist, Optimierungen, ohne den Einsatz von Predictive Analytics vorzunehmen.

Das betrifft vor allem die Möglichkeit einer verhaltensbasierten Ansprache, indem wir besser auf vergangene Aktionen der Leads reagieren, um eine effektivere und individuellere Ansprache zu ermöglichen.. Dadurch können wir positive Effekte auf die Effektivität des automatisierten Lead Managements sowie auf Conversion Rates und die Kosten-Umsatz-Relation erwarten.

In einigen Prozessschritten kann eine erste manuelle Optimierung sinnvoll sein, während in anderen prädiktive Optimierungen bevorzugt werden sollten.

Das hängt davon ab, in welcher „Liga“ wir bereits spielen.