Auf den Punkt gebracht: Machine Learning und künstliche Intelligenz in Vertriebsforschung und -praxis

Wissenschaftliche Artikel enthalten wertvolle Management-Implikationen, sind in der Regel jedoch keine einfache Kost. Wir fassen die Kernaussagen zusammen, damit Sie aktuelle Erkenntnisse aus der Forschung für Ihr Unternehmen nutzen können.

als PDF herunterladen

Original
In diesem Artikel widmen wir uns den Themen Machine Learning (ML) und künstliche Intelligenz (KI) sowie deren Auswirkungen auf den persönlichen Verkauf und das Vertriebsmanagement. Wir beleuchten diese Auswirkungen für einen kleinen Teilbereich der Vertriebspraxis und –forschung und stützen uns auf die sieben Schritte des Vertriebsprozesses. […]
Der Begriff «Machine Learning» beschreibt die Technologie, mit der sich Computer selbstständig Wissen aneignen, ohne explizit programmiert werden zu müssen. «KI» bezieht sich auf die Fähigkeit von Maschinen, intelligentes menschliches Verhalten zu imitieren, insbesondere «kognitive» Funktionen, die wir mit dem menschlichen Gehirn assoziieren, beispielsweise Problemlösung und Lernen. […]
Wir gehen davon aus, dass der Verkauf in den kommenden Jahrzehnten von Disruption geprägt wird, was vor allem auf technologische Veränderungen zurückzuführen ist. Mit anderen Worten, die Digitalisierung von Verkaufsfunktionen mittels künstlicher Intelligenz und Machine Learning stellt eine diskontinuierliche Veränderung gegenüber dem nicht-digitalen Zeitalter dar. […]
Bislang werden Technologie und Automatisierung im Vertrieb vor allem für routinemässige und sich wiederholende Standardaufgaben eingesetzt. Darin nimmt die Technologie eine unterstützende Rolle zur Effizienzsteigerung im Vertrieb ein. Zukünftig wird sich die Digitalisierung im Vertrieb voraussichtlich auf alle Aktivitäten und Massnahmen richten, um das Kundenverhalten zu interpretieren und beispielsweise massgeschneiderte, personalisierte Angebote zu entwickeln. Somit werden Technologien die Entscheidungsfindung in Zukunft aktiv unterstützen oder in einigen Fällen sogar vollständig übernehmen. All dies geschieht in enger Abstimmung mit dem Vertriebspersonal und ermöglicht gleichzeitig, seine Effizienz zu steigern. […] Dieses Verständnis ist Grundvoraussetzung dafür, dass Vertriebsstrategien erfolgreich sein können. […]
Wir gehen davon aus, dass Machine Learning und KI einen erheblichen Einfluss auf den persönlichen Verkauf sowie das Vertriebsmanagement haben werden.
Kernaussage
Technologien, wie Machine Learning und künstliche Intelligenz, gewinnen in der Verkaufspraxis stetig an Bedeutung. Im vorliegenden Artikel untersuchen die Autoren, wie diese Technologien zukünftig in den einzelnen Phasen des Verkaufsprozesses eingesetzt werden könnten:
  1. Prospecting: An der Schnittstelle von Sales und Marketing gilt es, attraktive Kunden zu identifizieren. ML und KI unterstützen auf Basis von Big Data die Kundensegmentierung, erlauben die Hochrechnung von allgemeinen Potenzialen und Verkaufszahlen und erleichtern, gerade bei digitalen Kommunikationskanälen, die Qualifizierung von Leads.
  2. Pre-Approach und Approach: Dank ML und KI kann die Kundeninteraktion in der Vorkaufphase optimiert werden. Beispielsweise können Chat-Bots einfache Konversationen mit Kunden führen und den Kontakt an einen Mitarbeitenden übergeben, sobald ein gewisser Komplexitätsgrad überschritten wird.
  3. Präsentation: Als Basis von Augmented und Virtual Reality treiben ML und KI die Verbreitung von Remote-Präsentationen voran. Sie sind kostengünstiger als Präsentationen vor Ort und effektiver als beispielsweise Videokonferenzen. In Zukunft sind weitere Entwicklungen wie das Aufgreifen von Kundenreaktionen in Echtzeit denkbar, um solche Präsentationen dynamischer zu machen.
  4. Verhandlung und Abschluss: Gerade was ihren Kaufentscheid betrifft, sind Kunden KI gegenüber noch sehr skeptisch. Zukünftig könnten verschiedene Technologien kombiniert werden, um potenzielle Schwierigkeiten in der Verhandlung frühzeitig zu identifizieren.
  5. Follow-up: KI-basierten Systemen zur Auftragsabwicklung gelingt es mittlerweile, komplexere Inhalte zu bearbeiten und beispielsweise sogar Empfehlungen für Cross-Selling abzugeben. Weiteres Potenzial liegt darin, Informationen für die allgemeine Prozessoptimierung zu nutzen, die entlang der Supply-Chain entstehen.

 

Quelle:
Syam, N. and Sharma, A. (2018). Waiting for a sales renaissance in the fourth industrial revolution: machine learning and artificial intelligence in sales research and practice. Industrial Marketing Management, 69, 135-146. ScienceDirect