Die digitale Transformation von Wirtschaft und Gesellschaft schreitet unermüdlich voran. Unternehmen stehen vor der Herausforderung, in den neuen Technologien Potenziale für das eigene Geschäft zu identifizieren, um daraus Wachstumschancen zu schaffen. Dabei sollten sie allerdings nicht nur blind Trends folgen. Künstliche Intelligenz (KI), bzw. Machine Learning (ML) im Vertrieb sind kein Selbstzweck. Vielmehr sollten sich Verantwortliche fragen: Wie kann ML für den Menschen – also Kunden und Mitarbeiter – einen echten Mehrwehrt schaffen?

Auf offenem Daten-Meer

Heutzutage entstehen nahezu überall Daten in jeglicher Form: Sowohl strukturierte Daten wie z. B. Daten über Klickverhalten, Demografie oder Transaktionen, als auch unstrukturierte Daten wie Kommentare, Likes, Bewertungen, Anfragen, Fotos oder Videos. Aus dieser Datenmasse kontinuierliche relevante Informationen herauszufiltern und für den Vertrieb kundenzentriert einzusetzen, übersteigt menschliche Fähigkeiten. Wer in diesem Daten-Meer auf Kurs Segeln möchte, benötigt Unterstützung von KI. Und für KI-Systeme sind Daten der Wind in den Segeln: Sie benötigen Daten, um Muster zu erkennen (Themen, Emotionen, Keywords, Verhaltensweisen), Prognosen zu formulieren (wann kauft ein Kunde? Wann springt einer ab?), Reports zu erstellen – und aus Vergangenem zu lernen. Damit wird KI für den B2B-Vertrieb zum kraftvollen Werkzeug der Wertschöpfung.

Durch KI kann der Mensch besser performen

An jeder Stelle in der Customer Journey kann ML die Vertriebsmitarbeiter unterstützen, für eine bessere Customer Experience zu sorgen und die Performance zu steigern. Vertriebsteams können nicht nur Prozesse effizienter gestalten, sondern auch die gesamte Customer Journey für die Kundenseite erlebbarer machen. Perfekt getimte Angebote erhöhen die Kaufabschlüsse und steigern die Kundenzufriedenheit. Ist der Mensch noch dafür notwendig? Unsere klare Antwort ist: Ja, in jedem Fall. Denn es ist die Kombination der neuen Technologie, der künstlichen mit der menschlichen Intelligenz, die einen wahren Kundenmehrwert bietet. Picasso sagte: „Computer sind nutzlos. Sie können nur Antworten geben“. Die richtigen Fragen muss immer noch der Mensch stellen – und aus den Antworten die für das Geschäft relevanten Schlüsse ziehen. Wie sähe eine klassische B2B-Kaufinteraktion aus, wenn Vertriebsteams ML nutzten? Ein Ansatz:

1.       Lead Generierung und Qualifizierung

Schon bei der Lead-Generierung kann ML helfen, aus strukturierten und unstrukturierten Daten umfassende Interessensprofile zu erstellen. Mit sogenanntem Predictive Lead Scoring ermittelt die KI außerdem, welche Leads am ehesten kaufbereit sind. Die erstellten Listen und das Scoring können Vertriebsmitarbeiter dann analysieren, interpretieren und im Business-Kontext einordnen. Die Datenqualität, die die KI liefert, erspart allen Beteiligten mühsame Arbeit und Zeit – und erhöht die Erfolgschancen, die Leads in Abschlüsse zu konvertieren.

2.       Nurturing und Kontaktaufnahme

Durch Lead-Nurturing (z. B. über Content-Kampagnen) wird das Interesse gestärkt – und erste Gespräche geführt. Marketing und Vertrieb erhalten wichtige Informationen über die Bedürfnisse der Kundenseite. In dieser Phase kann ML für Ad-Targeting und Re-Targeting, aber auch für das Ausspielen relevanter Inhalte auf der eigenen Website eingesetzt werden: Interessenten werden mit personalisierten Inhalten zu kundenrelevanten Themen bespielt, die das KI-System zuvor erfasst hat, z. B. aufgrund von Nutzerverhalten. Somit wird die KI einerseits zum Content Curator, der jedem einzelnen Lead maßgeschneiderte Inhalte zur Verfügung stellt: Whitepaper, Use Cases, Infografiken, Blogbeiträge oder Videos. Andererseits können KI-gesteuerte Chatbots direkten Kontakt mit Interessenten aufnehmen – was für Sales und für Service eine enorme Verbesserung der Erreichbarkeit darstellt. Schon heute sind Bots in der Lage, Kunden und Interessenten zu Ressourcen zu leiten oder Anfragen zu beantworten. Und wenn eine Anfrage mal die Fähigkeit der Maschine übersteigt, leitet der Chatbot sie an das menschliche Team weiter, das von nun an übernimmt.

3.       Präsentation und Vorstellung

Wenn es darum geht, das Produkt oder die Dienstleistung vorzustellen, kann die Anbieterseite u. a. KI-gestütztes Prototyping einsetzen. Somit können beispielsweise digitale Zwillinge von Produkten, Maschinen oder Gebäuden erstellt werden, die sich die Kundenseite ansehen – und bei Kaufentscheid nach eigenem Bedarf anpassen kann. Hier findet eine Verschmelzung von Service und Vertrieb statt. Was noch deutlicher ist: Das Produkt wird erlebbar. Die B2B Customer Experience steigt. Die Sales-Verantwortlichen können ergänzend Fragen beantworten und selbst die passenden Fragen stellen, um der Kundenseite zu signalisieren, beim richtigen Anbieter gelandet zu sein.

4.       Verhandlungen und Abschluss

Kunden sind heute informierter denn je. Wenn sie mit einem Anbieter in Verhandlungen treten, haben sie schon vorab Informationen von anderen Wettbewerbern eingeholt. KI-Systeme können Wettbewerbsinformationen sammeln und für die Anbieterseite aufbereiten. Somit kennen die Sales-Verantwortlichen das Angebot der Konkurrenz und können z. B. auf Sales-Battlecards Argumente finden, um die eigenen Angebotsvorteile hervorzuheben. Das erhöht die Chancen auf einen positiven Kaufabschluss.

5.       Follow-Up und Upselling

ML unterstützt Unternehmen dabei, aus strukturierten und unstrukturierten Daten umfassende Kundenprofile zu erstellen, um neue Bedürfnisse zu ermitteln, noch bevor der Kunde selbst darauf kommt. Gleichzeitig können KI-gesteuerte Chatbots im Service eingesetzt werden. Die Service- und Vertriebsteams können neu ermittelte Kundenbedürfnisse für Upselling und Cross-Selling ansprechen. Mithilfe von Predictive Maintenance können Produkte (wie Maschinen oder Anlagen) auch frühzeitig gewartet werden. Das minimiert Ausfallzeiten und steigert den Kundenmehrwert.

Mehrwert Machine Learning

Das Marktforschungsunternehmen Gartner schreibt in seinem Report „Future of Sales“, dass bis 2025 80 Prozent der Interaktionen zwischen Anbieter und Kunde online stattfinden wird. ML kann an unzähligen Stellen eingesetzt werden und ist besonders wirksam, wenn es als Ergänzung zum Menschen betrachtet wird – nicht als Ersatz. Denn: ML muss kundenorientiert eingesetzt werden und der Mensch muss an den richtigen Stellen in den Vordergrund treten. Kunden benötigen immer weniger direkten Kontakt zu Vertriebsmitarbeitern, aber sie benötigen ihn. Wer hier durch ML Kundenbedürfnisse antizipieren kann, schafft direkten Mehrwert und steigert die Kundenzufriedenheit.

Mitarbeiter benötigen Datenqualifizierung

Darum ist es auch notwendig, dass Verantwortliche ihre Vertriebs- und Service-Teams entsprechend qualifizieren. Heute sollten Mitarbeitern wissen, wie sie die vom KI-System ermittelten hoch wertigen Datennutzen, in einen Business-Kontext setzen und daraus relevante Informationen und attraktive Angebote erstellen können. Wer in die gezielte Qualifizierung seiner Service- und Sales-Teams investiert, schafft einen kraftvollen Zusammenschluss aus Mensch und Maschine – ein High-Performance-Gewinner-Team, das die Zukunftsfähigkeit sichert. In unserer hoch-technologisierten Welt ist es die Aufgabe der Unternehmen, das Kundenerlebnis wieder menschlicher zu gestalten. Wenn die KI die Interessenten in der Customer Journey mit hyperindividualisierten Informationen versorgt und Service- und Sales-Teams mit hochwertigen Daten, dann können die Verantwortlichen ihre B2B-Kunden mit maßgeschneiderten Lösungen überraschen – und einen einzigartigen Mehrwert „beyond the product“ schaffen.