Auf der "log in. berlin." Partnerveranstaltung "Künstliche Intelligenz - Perspektiven und Potentiale" am 6. September 2018 im Microsoft Atrium in Berlin erläuterte der Implisense CPO Dr. André Bergholz in diesem Vortrag, welche Möglichkeiten KI und Deep Learning bieten, um das Marketing und den Vertrieb zu optimieren.
Relevante Fragestellungen aus den Bereichen Marketing und Analytik sowie Vertriebsinnendienst und Kundenbetreuer beantwortet er mit den KI-Techniken überwachte Klassifikation, Clustering und Profiling sowie Natural Language Processing (NLP).
2. Outline
1 Fragestellungen für Marketing und Vertrieb
2 Status Quo und Lösungsansätze
3 Fragestellungen und Techniken der KI
4 Die Vision
5 Über Implisense
3. Fragestellungen für Marketing und Vertrieb
Innendienst
• Steigerung des Neugeschäfts
• Eingehende Leads priorisieren
• Geeignete Produkte und Lösungen anbieten
Kundenbetreuer
• Cross- und Up-Selling steigern
• Kundenbindung stärken, Abwanderung verhindern
Marketing und Analytik
• Gezielte Kampagnen planen
• Den richtigen Weg finden, um Menschen anzusprechen
• Märkte verstehen, Trends erkennen
4. Status Quo: Drinnen
Same As It Ever Was
Die Werkzeuge
• Excel und E-Mail als CRM-Systeme
• Telefon zur Kontaktaufnahme
Die Mitarbeiter
• Management mit Visionen und Plänen
• Operative Menschen mit Widerstand
5. Status Quo: Draußen
Brave New World of Big Data
Die Daten
• Offene und strukturierte Unternehmensdaten
• Umfangreiche Firmenwebsites
• Pressemitteilungen, Blogartikel, Social Media
• Stellenausschreibungen
• Öffentlich zugängliche Nachrichten von Drittanbietern
Die Werkzeuge
• Maschinelles Lernen
6. Use Case Lead Generierung
Status Quo: Nach Region, Branche und Größe filtern
Neue Möglichkeiten:
• Komplexe Volltextsuche
• Mehr ausdrucksstarke Filtertypen
• USP von Implisense: Empfehlung durch Profiling und
Ähnlichkeitssuche
7. Use Case Qualifizierung & Anreicherung
Status Quo: Manuelle Recherche
Neue Möglichkeiten:
• Automatische Anreicherung mit Standarddaten
• Automatische Segmentierung
• Integration in CRM-Systeme
• USP von Implisense: Benutzerdefinierte Segmentierungskriterien
durch Profiling
8. Use Case Monitoring & Alerting
Status Quo: Manuelle Recherche, Google Alerts
Neue Möglichkeiten:
• Kombination von Pull (Monitoring) und Push (Alerting)
• Definition von Filtern / Relevanzkriterien
• Anpassung der Benachrichtigungsfrequenz
9. KI: Überwachte Klassifikation
Fragestellungen:
• Branchenklassifikation für Firmen
• Größenklassifikation (Umsatz, Anzahl Mitarbeiter)
• Relevanzklassifikation für Nachrichten
Techniken
• Einfache Verfahren: Logistic Regression, Naïve Bayes, Random
Forests
10. KI: Clustering / Profiling
Fragestellungen:
• Ähnlichkeit von Firmen
• Gewichten von Merkmalen
• Beschreibung von Clustern / Profilen
Techniken
• Feature Selection: Mutual Information, Chi Square
• Dimensionsreduktion: Principal Component Analysis, Singular Value
Decomposition, Linear Discriminant Analysis, t-distributed Stochastic
Neighbor Embedding
• Ähnlichkeit: k-Means Clustering, Nearest Neighbor Suche
11. KI: Natural Language Processing (NLP)
Fragestellungen:
• Entitätenerkennung und -disambiguierung (Verlinkung)
• Relationsextraktion
Techniken
• Statistische Verfahren: Conditional Random Fields, Hidden Markov
Modelle
• Deep Learning: Long Short-Term Memory Networks
13. Über Implisense
• Gegründet 2013 von drei Fraunhofer-Alumni
• 2014: Beteiligung des High-Tech Gründerfonds (HTGF) und Umzug
nach Berlin
• Rund zehn Vollzeitbeschäftigte
• 2017: Operative Gewinnschwelle zum zweiten Mal in Folge erreicht
• Mehrfach ausgezeichnet, zuletzt Gewinner des Gründerszene Growth
Rankings 2017 in der Kategorie "Software / SaaS"
• Individuelle Lösungen für Enterprises, Produktpalette für KMUs