Ziel dieser Arbeit ist es, mittels Literaturrecherche die wissenschaftlichen Grundlagen sowie den Stand der Forschung zu Leadmanagement zu ermitteln. Dazu gilt es, grundlegende Begrifflichkeiten zu definieren und abzugrenzen. Weiterführend sind die einzelnen Teilaspekte von Leadmanagement näher zu beleuchten. Auf Basis dieser Ausarbeitung wird der Stand der Forschung im Einsatz von künstlicher Intelligenz im Leadmanagement erhoben.
Das Kaufverhalten und die Customer Journey haben sich in den letzten Jahren durch die Digitalisierung, insbesondere durch die Nutzung von Smartphones und anderer mobiler Endgeräte sowie durch Social Media, nicht nur bei den Digital Natives stark verändert. Interessenten, ob im B2C- oder im B2B-Bereich, informieren sich zu großen Teilen vorab im Internet über Unternehmen und ihre Produkte. Produkt- und Preisvergleiche werden durch die Digitalisierung für den Kunden deutlich erleichtert. Durch das Smartphone als ständigen Begleiter hat jeder Kunde den transparenten Markt stets bei sich. Bereits heute wird davon ausgegangen, dass zu 57 % der Kaufprozess im B2B-Bereich schon abgeschlossen ist, bevor ein Vertriebsmitarbeiter den Kunden überhaupt kontaktiert hat.
Aus diesen Gründen ergibt sich für Unternehmen die Notwendigkeit, ein ganzheitliches Leadmanagement, das alle Maßnahmen umfasst, einen potenziellen Interessenten zur Vertriebsreife zu entwickeln, einzuführen. Durch ein standardisiertes Leadmanagement können Unternehmen das Online-Verhalten von Interessenten erkennen, Leads strukturiert generieren und selektieren sowie durch automatisierte Marketing-Kampagnen stetig bis zur Vertriebsreife entwickeln. Neuste Technologien lassen zudem den Einsatz von künstlicher Intelligenz beispielsweise in der Generierung und dem Scoring von Leads zu, sodass der Vertrieb seine Abschlussrate dadurch steigern kann, dass er nur diejenigen Interessenten anspricht, die tatsächlich Interesse an einem Kauf haben. Für Unternehmen eröffnet sich so zudem die Möglichkeit das Marketing- und Vertriebsbudget gezielter einzusetzen.
Inhaltsverzeichnis
1 Einführung in das Thema
1.1 Problemstellung und Zielsetzung
1.2 Aufbau dieser Arbeit
2 Grundlagen des Leadmanagements
2.1 Der Sales-Funnel und dessen Begrifflichkeiten
2.2 Dimensionen des Leadmanagements
2.2.1 Leadgenerierung
2.2.2 Leadqualifizierung
2.2.3 Lead-Nurturing durch Marketing Automation
2.2.4 Lead-Scoring
2.2.5 Lead-Routing
3 Stand der Forschung: Künstliche Intelligenz im Leadmanagement
3.1 Predictive Analytics
3.1.1 Predictive Lead Generation, Qualification and Profiling
3.1.2 Predictive Lead Scoring
3.2 Einsatz von Predictive Analytics im Marketing- und Sales-Bereich in Deutschland
4 Zusammenfassung und kritische Reflexion
Zielsetzung & Themen
Die vorliegende Arbeit hat zum Ziel, die wissenschaftlichen Grundlagen des Leadmanagements zu erarbeiten und den aktuellen Stand der Forschung zum Einsatz künstlicher Intelligenz in diesem Bereich als Vorbereitung für eine Masterthesis zu beleuchten.
- Grundlagen und Begriffsdefinitionen des Leadmanagements
- Dimensionen wie Leadgenerierung, Nurturing und Scoring
- Einsatzmöglichkeiten von Predictive Analytics im Marketing und Vertrieb
- Empirischer Status quo der KI-Nutzung in deutschen Unternehmen
Auszug aus dem Buch
3.1.1 Predictive Lead Generation, Qualification and Profiling
Neue Leads können mittels künstlicher Intelligenz dadurch generiert werden, dass digitale Datenbanken (vor allem im B2B-Bereich) entlang eines vorgegebenen Kundenprofils durchsucht werden. Interessenten, die eine starke Übereinstimmung mit den Attributen und Bedarfen des vorgegebenen Kundenprofils besitzen, werden so als Leads generiert. Damit erhält das Marketing bereits vorqualifizierte Leads, die mit hoher Wahrscheinlichkeit dem Kundenprofil entsprechen.44
Laut einer Studie von McKinsey konnte ein IT-Unternehmen seine Lead Conversion-Rate durch die Nutzung von Predictive Lead Generation um 30% steigern, da das richtige Zielsegment identifiziert wurde. Bisher hatte die Leadstrategie auf Start-Ups als Interessenten abgezielt, durch Predicitve Lead Generation hat sich allerdings herausgestellt, dass etablierte Unternehmen der Zielgruppe eher entsprechen, als Start-Ups.45
Bei Predictive Lead Qualification wird künstliche Intelligenz in Form von Chat Bots oder Personal Assistants, die in gesprochener oder geschriebener Sprache mit dem Interessenten interagieren, eingesetzt.46 Durch analytische Vorhersagen, die während des Gesprächsverlaufs mit dem Interessenten getroffen werden, bauen Chat Bots gezielte Fragen der Leadqualifizierung in das Gespräch ein und übernehmen so Prozesse der frühen Leadqualifizierung.47 Das Profil des Leads kann zusätzlich mit externen Daten, beispielsweise aus Social Media, angereichert werden, um so ein 360 Grad Profil des Interessenten zu generieren.48 Aus den nun über den Lead bekannten Daten kann dann in den aktuellen und historischen Kundendaten der sogenannte statistische Zwilling identifiziert werden. „Durch dynamisches Profilieren können […] Kommunikations- und Sales Trigger identifiziert und bewertet werden: Bei welchem Ereignis ist die vertriebliche Ansprache besonders erfolgreich?“49 Diese Handlungsempfehlungen / Vorhersagen können von smarten Algorithmen getroffen werden, wodurch die je Interessent individuelle Vertriebsstrategie definiert wird.50
Zusammenfassung der Kapitel
1 Einführung in das Thema: Die Einleitung thematisiert die Veränderung des Kaufverhaltens durch Digitalisierung und leitet daraus die Notwendigkeit für ein strukturiertes Leadmanagement ab.
2 Grundlagen des Leadmanagements: Dieses Kapitel definiert zentrale Begriffe des Sales-Funnels und erläutert die verschiedenen Dimensionen des Leadmanagement-Prozesses, von der Generierung bis zum Routing.
3 Stand der Forschung: Künstliche Intelligenz im Leadmanagement: Hier wird untersucht, wie künstliche Intelligenz, insbesondere durch Predictive Analytics, Marketing- und Vertriebsprozesse optimieren kann.
4 Zusammenfassung und kritische Reflexion: Das Fazit fasst die Ergebnisse zusammen und stellt fest, dass KI ein großes Potenzial bietet, in Deutschland jedoch aktuell noch wenig verbreitet ist.
Schlüsselwörter
Leadmanagement, Marketing Automation, Sales-Funnel, Leadgenerierung, Leadqualifizierung, Lead-Nurturing, Lead-Scoring, Predictive Analytics, Künstliche Intelligenz, Digitalisierung, Customer Journey, B2B, Vertrieb, Lead-Routing, Data Mining
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit den wissenschaftlichen Grundlagen des Leadmanagements und analysiert, wie Künstliche Intelligenz dabei helfen kann, Interessenten effizienter zu bearbeiten.
Was sind die zentralen Themenfelder?
Die zentralen Themenfelder umfassen den gesamten Lead-Lebenszyklus, einschließlich Generierung, Qualifizierung, Scoring, Nurturing sowie der Einsatz von modernen Predictive-Analytics-Verfahren.
Was ist das primäre Ziel der Arbeit?
Das Hauptziel ist es, ein fundiertes Verständnis der Leadmanagement-Dimensionen zu vermitteln und den Forschungsstand zum KI-Einsatz zu erheben, um eine Basis für eine nachfolgende Masterthesis zu schaffen.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer umfassenden Literaturrecherche sowie der Analyse aktueller Studienergebnisse zum Stand der KI-Nutzung in deutschen Unternehmen.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die theoretischen Grundlagen des Lead-Funnels und die detaillierte Betrachtung von KI-gestützten Methoden wie Predictive Lead Generation und Predictive Lead Scoring.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Leadmanagement, Predictive Analytics, Marketing Automation, Lead-Scoring und Künstliche Intelligenz.
Wie unterscheidet sich Predictive Lead Scoring vom klassischen Scoring?
Im Gegensatz zum klassischen Scoring, bei dem Variablen statisch gewichtet werden, lernt ein Algorithmus beim Predictive Lead Scoring kontinuierlich aus historischen Daten, welche Merkmale tatsächlich zu einer Conversion führen.
Welches Potenzial bietet KI laut dieser Studie für deutsche Unternehmen?
Die Studie zeigt, dass der Einsatz von KI in Marketing und Vertrieb in Deutschland bisher bei nur etwa 10 % der Unternehmen liegt, was auf ein erhebliches Wettbewerbspotenzial für die Zukunft hindeutet.
- Citar trabajo
- Dennis Kraft (Autor), 2018, Künstliche Intelligenz (KI) im Leadmanagement. Grundlagen und Stand der Forschung, Múnich, GRIN Verlag, https://www.grin.com/document/535005
