Zusammenfassung
Für die Aufgabe, in jeder Phase der Kundenbeziehung die richtige Entscheidung im Marketing und Vertrieb zu treffen, gibt es verschiedene Ansätze der Künstlichen Intelligenz. Customer-Lifetime-Value-Prognosen helfen Ihnen, Ihr Werbebudget zu optimieren, Affinitätsmodelle, das Kaufverhalten vorherzusagen, und Empfehlungssysteme, das richtige Produktangebot auszuspielen. In diesem Kapitel lernen Sie, wo und wie Sie Künstliche Intelligenz konkret einsetzen können, welche Daten Sie brauchen und welche Konzepte sich nutzen lassen, um das Kundenverhalten vorherzusagen. Anhand von Beispielen aus der Praxis zeige ich Ihnen, wie erfolgreich der Einsatz sein kann und was die Unternehmen verbessern konnten.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Change history
21 May 2022
“Einige Abbildungen im Buch waren versehentlich in einem Folgekapitel platziert worden und sind nun dem richtigen Kapitel zugeordnet. Darüber hinaus wurden satztechnische Fehler in einigen Tabellen korrigiert und das Copyright Jahr von 2021 auf 2022 geändert.“
Literatur
Aslam, S. (2. April 2021). YouTube by the numbers: Stats, demographics & fun facts. Omnicore. https://www.omnicoreagency.com/YouTube-statistics/. Zugegriffen am 25.05.2021.
Bergen, M., & Shaw, L. (11. April 2019). To answer critics, YouTube tries a new metric: Responsibility. Yahoo! Finance. https://ca.finance.yahoo.com/news/answer-critics-YouTube-tries-metric-182240550.html. Zugegriffen am 25.05.2021.
Boyd, C. (12. November 2019). How spotify recommends your new favorite artist – Towards data science. Towards Data Science. https://towardsdatascience.com/how-spotify-recommends-your-new-favorite-artist-8c1850512af0. Zugegriffen am 05.05.2021.
Chen, H., Harinen, T., Lee, J.-Y., Yung, M., & Zhao, Z. (2020). CausalML: Python package for causal machine learning. GitHub. https://github.com/uber/causalml. Zugegriffen am 05.06.2021.
Covington, P., Adams, J., & Sargin, E. (September 2016). Deep neural networks for YouTube recommendations – Proceedings of the 10th ACM conference on recommender systems. Google Research. https://research.google/pubs/pub45530/. Zugegriffen im Mai 2021.
Data Con LA. (11. November 2020). Why start using uplift models for more efficient marketing campaigns. YouTube. https://www.YouTube.com/watch?v=2J9j7peWQgI. Zugegriffen am 06.06.2021.
Goerke, B., & Proppe, D. (2020). Uplift von Webemaßnahmen – Case-Study zur Marketing-Optimierung. In S. Boßow-Thies, C. Hoffmann-Stölting & H. Jochims (Hrsg.), Data-driven Marketing (S. 135–158). Springer Gabler.
Gomez-Uribe, C. A., Hunt, N., & Netflix Inc. (Dezember 2015). The Netflix recommender system: Algorithms, business value, and innovation. https://dl.acm.org/doi/pdf/10.1145/2843948. Zugegriffen im Mai 2021.
Linhoff, G., & Berry, M. (2011). Data mining techniques – For marketing, sales, and customer relationship management. Wiley Publishing, Inc.
Microsoft Research. (2019). A python package for ML-based heterogeneous treatment effects estimation. https://github.com/microsoft/EconML. Zugegriffen am 05.06.2021.
Musikwoche. (09. Oktober 2015). Spotify feiert Discover Weekly als Milliarden-Erfolg. Musikwoche. https://beta.musikwoche.de/details/400231. Zugegriffen im 5 Mai 2021.
Netflix Hilfe-Center. (2021). How Netflix’s recommendations system works. Netflix Hilfe-Center. https://help.netflix.com/en/node/9898. Zugegriffen am 25.05.2021.
Netflix Technology Blog. (7. Dezember 2017). Artwork Personalization at Netflix. Netflix Tech Blog. https://netflixtechblog.com/artwork-personalization-c589f074ad76. Zugegriffen am 25.05.2021.
Netlix. (2016). It’s all A/Bout testing: The Netflix experimentation platform. Netflix. https://netflixtechblog.com/its-all-a-bout-testing-the-netflix-experimentation-platform-4e1ca458c15. Zugegriffen am 03.06.2021.
Patel, N. (23. Januar 2020). How Uber uses data to improve their service and create the new wave of mobility. Neil Patel. https://neilpatel.com/blog/how-uber-uses-data/. Zugegriffen im Juni 2021.
Perez, S. (19. Januar 2021). TechCrunch. Netflix’s „Shuffle Play“ feature will roll out to all users worldwide this year. https://techcrunch.com/2021/01/19/netflixs-shuffle-play-feature-will-roll-out-to-all-users-worldwide-this-year/. Zugegriffen am 25.05.2021.
Radcliffe, N. J., & Surry, P. D. (2012). Real-World uplift modelling with significance-based uplift trees. https://www.semanticscholar.org/paper/Real-World-Uplift-Modelling-with-Significance-Based-Radcliffe-Surry/95b169459b4654b3bbc86917d4f7527c4368da64. Zugegriffen am 04.06.2021.
Roose, K. (10. Juni 2019). The making of a YouTube radical. Forbes India. https://www.forbesindia.com/article/special/the-making-of-a-YouTube-radical/53879/1. Zugegriffen am 25.05.2021.
Siegel, E. (2011). Optimize marketing influence by predicting it. Predictive Analytics World.
Singh, S. (25. März 2020). Why am I seeing this? https://www.newamerica.org/oti/reports/why-am-i-seeing-this/case-study-YouTube/. Zugegriffen am 25.05.2021.
Statista. (April 2019). Statista. https://www.statista.com/statistics/384224/monthly-app-launches-churn/. Zugegriffen am 20.06.2021.
Statista. (21. April 2021a). Abonnenten von Netflix weltweit bis zum 1. Quartal 2021. Statista. https://de.statista.com/statistik/daten/studie/196642/umfrage/abonnenten-von-netflix-quartalszahlen/. Zugegriffen am 25.05.2021.
Statista. (12. April 2021b). Spotify – Statistics & facts. Statista. https://www.statista.com/topics/2075/spotify/#topicHeader__wrapper. Zugegriffen im Mai 2021.
Statista. (21. April 2021c). Netflix: Daten und Fakten zur Erfolgsgeschichte des Streaming-Riesen. https://de.statista.com/themen/1840/netflix/#dossierSummary. Zugegriffen am 25.05.2021.
Temple, S. (27. Juni 2020). Uplift modeling: A quick introduction. towardsdatascience.com; https://towardsdatascience.com/a-quick-uplift-modeling-introduction-6e14de32bfe0. Zugegriffen am 05.06.2021.
Uber. (2021). How does Uber work? Uber Help. https://help.uber.com/riders/article/wie-funktioniert-uber?nodeId=738d1ff7-5fe0-4383-b34c-4a2480efd71e. Zugegriffen am 04.06.2021.
YouTube Help. (4. Februar 2019). [YouTube Recommendations] Ask us anything! YouTube Team will be here Friday February 8th. – YouTube Community. YouTube Help. https://support.google.com/YouTube/thread/1456096/YouTube-recommendations-ask-us-anything-YouTube-team-will-be-here-friday-february-8th?hl=en. Zugegriffen im Mai 2021.
Zawisza, M., & Reinert, A. (26. Mai 2020). Why R? + McKinsey Webinar – M. Zawisza + A. Reinert – Uplift modeling for marketing campaigns. YouTube. https://www.YouTube.com/watch?v=mZCBBGlQWcE. Zugegriffen am 14.06.2021.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Wuttke, L. (2022). Anwendungsfälle und Praxisbeispiele von Künstlicher Intelligenz im Marketing und Vertrieb. In: Praxisleitfaden für Künstliche Intelligenz in Marketing und Vertrieb. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-35626-2_4
Download citation
DOI: https://doi.org/10.1007/978-3-658-35626-2_4
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-35625-5
Online ISBN: 978-3-658-35626-2
eBook Packages: Business and Economics (German Language)