Spätestens seit der Veröffentlichung von ChatGPT ist das Thema Künstliche Intelligenz (KI) in aller Munde. Marketingverantwortliche versprechen sich vom Einsatz solcher intelligenten Technologien unter anderem, ihren Kunden ein auf sie zugeschnittenes Kauferlebnis bieten zu können. Dazu werden die vorhandenen Daten analysiert, um daraus Kundenbedürfnisse abzuleiten und dann auf diese personalisiert einzugehen. Was dabei allerdings oftmals in Vergessenheit gerät: Ohne eine gute Datenqualität kann das nicht funktionieren. Eine personalisierte Marketingkampagne wird dann zum Fiasko.
Damit KI-Anwendungen effektiv arbeiten können, müssen sie mit zahlreichen Daten trainiert werden. Die Daten bilden sozusagen das „Rohmaterial“, aus dem die KI Muster und Zusammenhänge erkennt. Sind in diesen Daten Inkonsistenzen, Fehler oder Dubletten vorhanden, so verfälschen diese das Ergebnis. Prof. Dr. Gerald Lembke etwa weist zu Recht darauf hin, dass eine mangelhafte Datenqualität dazu führen kann, dass KI-Tools nicht effektiv arbeiten.1 Daher sind Unternehmen gut beraten, zunächst ihre Datenbasis zu bereinigen, bevor sie über den Einsatz von KI nachdenken.
Um Kunden ein personalisiertes Einkaufserlebnis zu bieten, ist es erforderlich, deren Stammdaten mit ihren Bestelldaten zu verknüpfen. Über ein solches Matching erfahren Händler, welche Produkte jeder ihrer Kunden bevorzugt einkauft. Mit diesem Wissen sind sie in der Lage, passende Marketingkampagnen zu initiieren, welche die Bedürfnisse ihrer Kunden individuell adressieren.
So weit die Theorie.
In der Praxis aber zeigt sich häufig ein anderes Bild: Die nötigen Daten sind oftmals zwar vorhanden, aber in unterschiedlichen Systemen abgespeichert. So ist es keine Seltenheit, dass Kundendaten in verschiedenen Datenbanken hinterlegt sind. Der Vertrieb arbeitet beispielsweise mit den im Customer-Relationship-Management(CRM)-System abgelegten Kontaktdaten, während Rechnungen auf die im Enterprise-Resource-Planning(ERP)-System erfassten Adressen ausgestellt werden. Zusätzlich existieren Kontaktdaten, die Interessenten auf der Website eingetragen haben, um beispielsweise einen Newsletter zu abonnieren oder weitere Produktinformationen anzufordern. Die beschriebene 1:1-Verknüpfung von Kunden- und Bestelldaten ist somit nicht möglich und das Potential der gesammelten Daten verschenkt.
Daher ist es für Unternehmen empfehlenswert, ihre bestehenden Kundendaten zunächst zu konsolidieren. Dazu definieren sie, welches System als Master – sozusagen als Single Point of Truth – fungiert und damit künftig die Basis für korrekte Daten bildet. Ob dies die CRM- oder die ERP-Lösung ist, hängt von den individuellen Prozessen ab. Im nächsten Schritt werden die darin enthaltenen Daten überprüft und bereinigt, also auch eventuelle „Karteileichen“ aussortiert. Manuell durchgeführt, ist diese Arbeit mit einem hohen Aufwand verbunden. Günstiger und deutlich schneller arbeiten Lösungen, welche die Kontaktdaten automatisiert validieren. Anschließend wird ermittelt, welche zusätzlichen Daten in den anderen Systemen abgelegt sind.
Auch diese Daten müssen validiert werden. Hierbei geht es vor allem darum, Dubletten zu eliminieren, da diese den Pflegeaufwand erhöhen und für Inkonsistenzen sorgen. Sie entstehen vor allem durch Tippfehler oder unterschiedliche Anordnungen innerhalb eines Datensatzes, etwa in der Form „Michael Müller“ und „Müller Michael“. Im Ergebnis liegen die akkuraten Daten konsolidiert in einem System vor, was zum Golden Record führt. Dies ist allerdings nur eine Momentaufnahme, denn Stammdaten sind keinesfalls statisch, sondern verändern sich durch Umzug oder einen neuen Familienstand. So ergab beispielsweise die von der Deutschen Post initiierte Adress-Studie 2023, dass jede achte Kundenadresse falsch ist.2 Daher ist eine kontinuierliche Prüfung der Kundendaten erforderlich.
Sind die Kunden- und Kontaktdaten bereinigt, ist eine hohe Datenqualität sichergestellt und damit das Fundament für den effizienten Einsatz von KI-Lösungen gelegt. Viele Unternehmen möchten mithilfe von KI insbesondere die Personalisierung vorantreiben. So kommt eine aktuelle Erhebung des Software-Anbieters Twilio unter anderem zu folgenden Ergebnissen:3
Allerdings geben auch 31 Prozent der Unternehmen an, dass eine schlechte Datenqualität ein Haupthindernis für die Nutzung von KI darstellt. „Um die KI-Ergebnisse und die Personalisierung insgesamt zu verbessern, müssen Unternehmen in die Datenqualität investieren, effektive Echtzeit-Datenmanagement-Tools einsetzen und die Nutzung von First-Party-Daten weiter ausbauen“, lautet eine Schlussfolgerung der Studie.
Wir unterstützen Sie mit unseren Lösungen dabei, eine hohe Datenqualität sicherzustellen und auf dieser Basis personalisierte Marketingkampagnen mithilfe der KI voranzutreiben.
Jetzt Beratungstermin vereinbaren.
Quellen:
2 https://www.dpdhl.com/de/presse/pressemitteilungen/2023/deutsche-post-direkt-adress-studie-2023.html
Intelligentes Datenmanagement hilft Kunden zu verstehen und eine großartigen Customer Experience zu bieten - 3 Tipps gibt es hier!
Ein konformes Datenmanagement ist seit Einführung der DSGVO unabdingbar. Valide Kontaktdaten sind ein Grundpfeiler des Datenschutzes.
Gutes Datenmanagement führt zu hoher Datenqualität. Das ist spätestens seit der DSGVO sogar verpflichtend. Mehr dazu im Melissa-Blog.