Die Suche nach den besten Geschäftskunden war bisher oft wie die Suche nach der Nadel im Heuhaufen – zeitaufwendig und datenintensiv. Analytische KI revolutioniert diesen Prozess, indem sie datenbasierte Präzision mit Effizienz vereint, um potenzielle Kunden mit dem höchsten Erfolgspotenzial gezielt zu identifizieren.
Symbolbild Firefly
Das wichtigste Asset eines Unternehmens sind gute Kunden – nicht x-beliebige, sondern solche, die einen hohen Customer Lifetime Value bei möglichst geringer Betreuungsintensität ausweisen. Kunden, die überproportional zum Erfolg des Unternehmens beitragen.
Nun ist das Gewinnen neuer Firmenkunden per se schon mit Anstrengungen verbunden. Aus der Fülle möglicher Betriebe jedoch diejenigen zu identifizieren und zu priorisieren, die den grössten Erfolg versprechen, erfordert hohe Daten- und Statistikkompetenz – und viel Arbeitszeit. Denn dazu müssen wir erst einmal diejenigen Werttreiber kennen, die nicht nur gefühlt einen Top-Kunden ausmachen, sondern sich objektiv erheben lassen.
Die Reise beginnt also mit der Analyse der bestehenden Kundenbasis: Kennen wir die Firmen, die über Jahre hinweg kontinuierlich Wert stiften, können wir uns auf die Suche nach potenziellen Kunden mit einem ähnlichen Profil machen. Anstatt die Vertriebsmitarbeiter damit zu beschäftigen, generische Listen mit allen Unternehmen einer bestimmten Branche oder Grösse durchzuackern, lässt man sie diejenigen Firmen priorisieren, die auf gesicherter Basis das höchste Erfolgspotenzial versprechen – in Bezug auf die Abschlusswahrscheinlichkeit und den Kundenwert.
Während es seit geraumer Zeit Data Analytics-Software gibt, die Unternehmen darin unterstützen, ABC-Analysen der Bestandskunden zu erstellen, hat bisher allerdings eine Lösung gefehlt, die aus den bisherigen Kunden und Kriterien des Unternehmens lernt, um neue Zielkunden zu finden und zu priorisieren.
Die Challenge für die KI: Die Perle im Sand finden
Unter Millionen Firmen diejenigen zu identifizieren, die zum eigenen Unternehmen passen – ob als Kunden, Lieferanten, Vertriebspartner oder Übernahmekandidaten – ist eine sehr komplexe und arbeitsintensive Aufgabe: Nicht nur gilt es Unternehmen zu identifizieren, die aufgrund ihrer Branche, Geschäftstätigkeit und Region in Frage kommen – wofür diverse Register und Datendienste zeitraubend durchforstet werden müssen. Die eigentliche Arbeit ist es, diese zigtausenden Unternehmen einzeln zu untersuchen, um festzustellen, wer davon wirklich ins Profil passt: Haben die Firmen passende Produkte oder Dienstleistungen im Angebot? Erfüllen sie relevante Normen? Halten sie passende Qualifikationen im Team vor? Sind sie wirtschaftlich vernünftig aufgestellt? Und sind ihre Kunden zufrieden?
Um diese Fragen zu beantworten, müssen viele verschiedene Datenquellen erschlossen werden: die Websites der Unternehmen, ihre Profile und Bewertungen im Netz, Register für Jahresabschlüsse und Geschäftsberichte, Stellenmärkte sowie je nach Bedarf auch Drittanbieterdaten zu Werbeverhalten und Websitebesuchen. Danach müssen die völlig unterschiedlich formatierten Daten zusammengeführt und vergleichbar gemacht werden, um mit komplexen Datenanalysen die Erfolgstreiber bewerten und die Firmen priorisieren zu können.
So löst analytische KI diese Herausforderung
Genau hier kann analytische KI ihre drei Kern-Stärken ausspielen:
Komplexe Datenintegration:
Analytische KI ist darauf spezialisiert, Daten aus mehreren Systemen und in unterschiedlichen Formaten zu erheben und zusammenzuführen. Sie erledigt diese Arbeit in Rekordtempo und bleibt dabei akkurat.
Inhalts- und Kontextverständnis:
Die KI-Algorithmen verstehen unsere Sprache nicht nur Wort für Wort, sondern auch im Kontext. So kommen intelligente Algorithmen automatisch an das heran, worum es wirklich geht: die inhaltlichen Aspekte, die man von einer Webseite oder einer Stellenanzeige wirklich wissen will. KI-seitig braucht es hierfür nicht einmal ein LLM, kleine bis mittlere Language Models, die wesentlich günstiger zu erstellen und anzupassen sind und deutlich weniger Energie verbrauchen, erledigen den Job bestens.
Automatische Modellierung:
Erst die aus den Daten gewonnenen Erkenntnisse haben einen Wert, nur sie bringen uns voran. Dafür müssen Zusammenhänge und Erfolgstreiber darin identifiziert werden. Zum Beispiel: Was von den zahllosen Merkmalen, die wir erheben können, macht ein Unternehmen mit höherer Wahrscheinlichkeit zu einem A-Kunden? Wie erkennen wir mit hoher Sicherheit, welcher Lieferant nicht seriös ist? In Abermillionen möglichen Kombinationen die besten Modelle zu finden, das ist die Kompetenz der Algorithmen. Die KI erledigt solche Aufgaben blitzschnell.
Ein reales Fallbeispiel aus der Industrie
Ein grösseres KMU liefert industrielle Vorprodukte an Fertigungsunternehmen in verschiedenen Ländern und Branchen, doch seit etwa einem Jahr nehmen bei etlichen Kunden die Bestellmengen ab. Das wegfallende Geschäft muss also kompensiert werden. Doch aus den Daten ist nicht ohne weiteres ablesbar, welchen Mustern der Rückgang folgt und welche Art von Kunden man gewinnen muss, um ihn nachhaltig auszugleichen und weiter zu wachsen – geschweige denn, wo man diese Kunden findet.
Mit einem passenden Analytic AI-System – dem NEUTRUM B2B Kundenfinder – beantwortet das Unternehmen diese drei Fragen automatisch, und das mit 95 Prozent weniger Arbeitsstunden bis zur fertigen Lead-Liste und 99 Prozent geringeren Kosten als beim Erwerb von Lead-Daten über Kaufdatenbanken. Dabei geht die KI in zwei Schritten vor:
Schritt 1:
Die Algorithmen reichern die Kundendaten aus dem CRM-System an: Auf Basis der Unternehmenswebseiten ermittelt das Language Model automatisch, welchen Branchen und Unterbranchen die Kunden zuzuordnen sind und welche Produkte sie für welche Use Cases anbieten. Zu den Unternehmen werden aus offiziellen Datenbanken Umsatz- und Mitarbeiterdaten erhoben. Aus ihren Online-Profilen wird zudem ermittelt, wie die Kundenbewertungen ausfallen, und über entsprechende Plattformen, welche Stellen das Unternehmen aufbaut, wie viele Website-Besucher es woher bekommt und was es mit welchem Budget wo an (Online-)Werbung treibt. Für die Länder, in denen das Unternehmen primär aktiv ist, wird zudem erhoben, wie sich die Online-Nachfrage nach den Produkten entwickelt hat. Automatisch findet das NEUTRUM-System im neuronalen Netz das beste Modell, das Kundenwert zuverlässig vorhersagt.
Schritt 2:
Mit diesem Profil gehen die Algorithmen nun selbstständig auf die Pirsch: In den Zielländern, in denen das Unternehmen wachsen möchte, werden aus Datenbanken und Suchmaschinen diejenigen Firmen ermittelt, die aufgrund von Branche oder Produktangebot auf das Profil passen könnten. Für sie werden automatisch jene Daten erhoben, die im Modell einen hohen Kundenwert vorhersagen. Mit diesen Informationen klassifiziert das System die gefundenen Kandidaten und erstellt eine priorisierte Liste potenzieller Kunden, mitsamt den vertriebsrelevanten Informationen: Vom besten Use Case über den Produkt-Fit bis zu den auf der Webseite genannten Ansprechpartnern und Kontaktinformationen.
KI da einsetzen, wo sie am schnellsten Wertschöpfung bringt
Mit der so gewonnenen Zeit und Präzision kann der Vertrieb seine Akquiseleistung binnen weniger Wochen im deutlich zweistelligen Prozentbereich steigern.
Der Fenster- und Türenhersteller Oknoplast setzt ebenfalls auf NEUTRUM, um durch die gezielte Identifikation und Gewinnung passender Handwerkspartner weiter zu wachsen. Jens Eberhard, Deutschlandgeschäftsführer des Unternehmens, betont vor dem Hintergrund von Effizienz- und Qualitätsgewinnen sogar, dass der Einsatz von KI im Lead Scouting und Scoring «die Akquise des Unternehmens revolutioniert» habe.
Die Investition in analytische KI ist schnell amortisiert, weil man mit derselben Mitarbeiterschaft in kürzerer Zeit mit zuverlässiger Trefferquote mehr Kunden mit einem aussichtsreichen Customer Lifetime Value akquirieren kann. Unternehmen, in welchen sich Ernüchterung zum messbaren Nutzen generativer KI breit macht, wären also gut beraten, ihr Augenmerk etwas mehr auf die analytische KI zu richten.
Die Autoren
Daniel Renggli ist Management Consultant für Digitalisierung und künstliche Intelligenz in den Bereichen Marketing, Verkauf und Kundendienst. Er ist Partner von 123C Digital Consulting mit Sitz in Berlin und Wien und Associate Partner von HASE & IGEL, einem mehrfach ausgezeichneten deutschen Scale-up im Bereich KI-gestützter Entscheidungsintelligenz. Ausserdem unterrichtet er als Gastdozent zu Automation und KI an der Universität Basel. LinkedIn
Jan Schoenmakers ist Gründer des KI-Cloudsoftwareanbieters HASE & IGEL. Zuvor hat der Kommunikationswissenschafler, Coach und Mediator bei Unternehmen wie EWE, nextpractice und Edelman Kommunikation und Marketing gestaltet sowie weitere Marketing- und E-Commerce-Startups aufgebaut. LinkedIn
Der Beitrag erschien im topsoft Fachmagazin 25-1
Das Schweizer Fachmagazin für Digitales Business kostenlos abonnieren
Abonnieren Sie das topsoft Fachmagazin kostenlos. 4 x im Jahr in Ihrem Briefkasten.