B2B: Mit künstlicher Intelligenz Herausforderungen von E-Commerce und Versandhandel adressieren

Mitte November diskutierte der B2B-Arbeitskreis des bevh (Bundesverband E-Commerce und Versandhandel Deutschland e.V.), wie sich mit Predictive Analytics das Neukundengeschäft ausbauen und die Kundenansprache intensivieren lassen. Dr. Parsis Dastani informierte in diesem Rahmen über das Potenzial künstlicher Intelligenz (KI) im B2B-Geschäft. Lesen Sie hier ein Gespräch, das wir im Anschluss mit Martin Groß-Albenhausen, stellvertretender Hauptgeschäftsführer des E-Commerce-Verbands, geführt haben.

 

Predictive Analytics Blog: Herr Groß-Albenhausen, was unterscheidet den E-Commerce und den Versandhandel im B2B und im B2C?

Martin Groß-Albenhausen: Es gibt grundlegende Unterschiede. Im B2B-Handel haben wir es mit anderen Produkten zu tun und wir treffen auf völlig andere Einkäufer sowie Prozesse: Vieles wird ausgeschrieben, Preise sind variabel, werden mitunter auftragsbezogen ausgehandelt und abhängig von der individuellen Kundenbeziehung gesteuert. Auch die Kundenansprache folgt anderen „Gesetzen“. Im öffentlichen Bereich lohnt es sich zum Beispiel, gegen Jahresende nachzuhorchen, ob Investitionen wegen noch vorhandener Gelder vorgezogen werden können. Außerdem sind Daten wie Nutzungsparameter von Maschinen wichtige Indikatoren für die Bedarfe eines Kunden. Neben den E-Procurement-Lösungen, die größere Unternehmen zumeist einsetzen, spielen Onlineshops eine wichtige Rolle als Absatzkanäle. Viele Unternehmen sind über standardisierte Schnittstellen an Beschaffungsplattformen wie
Mercateo angeschlossen. Wichtig bleiben der Außendienst und auch der klassische Katalogversand.

Predictive Analytics Blog: Wo sehen Sie aktuell die größte Herausforderung?

Martin Groß-Albenhausen: gerade die Vielzahl der verschiedenen Vertriebskanäle ist nicht einfach zu orchestrieren. Welcher Kunde wird mit welchem Portfolio zu welcher Zeit am besten bedient? Wie lässt sich der Deckungsbeitrag erhöhen – und auf welchem Kanal findet letztlich die Conversion statt?

Dr. Parsis Dastani: Damit bringen Sie die Gretchenfragen des Vertriebs schlechthin auf den Punkt! Als Predictive-Analytics-Beratung werden wir von Vertriebsorganisationen aller Art immer wieder darauf angesprochen, wie sich die Kundenansprache optimieren und rentabler gestalten lässt. Für Data Scientists stellt die Neukundengewinnung im Unternehmensbereich ein besonders dankbares Feld dar, da nahezu alle Firmen im Web präsent sind und sich folglich scoren lassen.

Predictive Analytics Blog: Welchen Beitrag kann künstliche Intelligenz konkret leisten, um die Performance von B2B-Unternehmen in dieser Hinsicht zu verbessern?

Martin Groß-Albenhausen: Den im Verband vertretenen B2B-Unternehmen ist klar, dass Ihnen mit den im Netz vorhandenen Unternehmensdaten von der Website über Branchenverzeichnisse bis hin zu Marktplätzen und Foren eine enorme Wissensquelle eröffnet wird. Viele Händler haben allerdings noch keinen überzeugenden Weg gefunden, die Quelle zum Sprudeln zu bringen.

Dr. Parsis Dastani: Aus Projektsicht entscheidend sind zuerst einmal die richtigen Fragen. Gut, dass der Handel sich mit dem Thema beschäftigt und es in Branchenforen diskutiert. Wenn wir gemeinsam mit dem Kunden identifiziert haben, welches Wissen aus den vorhandenen Daten dem individuellen Unternehmen weiterhelfen würde, ist der Weg zu dieser Antwort schon zur Hälfte zurückgelegt. Eine mit Datenintelligenz gut zu beantwortende Fragestellung ist beispielsweise: Welches Unternehmen hat eine hohe Akquisitionswahrscheinlichkeit und ein hohes Umsatzpotenzial?

Martin Groß-Albenhausen: Das großartige an den Antworten, die selbstlernende Algorithmen geben, ist, dass es viel interessantere Indikatoren als den Umsatz und die Mitarbeiterzahl gibt, um passende Unternehmen ausfindig zu machen. Aus Anwendersicht stellt sich die künstliche Intelligenz als eine Black Box dar. Es werden Zusammenhänge aufgedeckt, die der menschlichen Analyse verborgen bleiben.

Dr. Parsis Dastani: Bei einer Marktanalyse über Unternehmenswebseiten ist es wegen der schieren Menge der Daten vollkommen unmöglich, dass Menschen sie analysieren. Bei einem typischen Projekt zur Neukundengewinnung untersuchen wir rund eine Milliarde Wörter auf Websites: die URL, Keywords, Meta Words und Bodytexte. Die Algorithmen funktionieren aber nur deshalb gut, weil sie in Ansätzen wie Menschen lernen und denken können. Künstliche Intelligenz ließe sich in diesem Zusammenhang als „das Beste aus zwei Welten“ bezeichnen.

Predictive Analytics Blog: Lassen Sie uns bei dem Beispiel bleiben. Was genau passiert mit den Wörtern auf den Websites?

Dr. Parsis Dastani: Die KI-Anwendung lernt, welche Wörter wichtig sind, und unterscheidet automatisch zwischen relevanten branchentypischen und unwichtigen Wörtern. Ein neuronales Netz bewertet die Wörter und bestimmt die Wahrscheinlichkeit, dass ein Unternehmen tatsächlich Kunde ist. Anhand der wichtigsten Wörter für ein bestimmtes Zielprodukt wie beispielsweise Elektro-Gabelstapler lassen sich dann die Topadressen für die Neukundengewinnung ermitteln. Letztlich kann ein Handelsunternehmen auf diese Weise nicht nur ermitteln, mit welcher Umsatzwahrscheinlichkeit in Prozent ein Unternehmen kauft, sondern auch, welches Produkt es mit welcher Wahrscheinlichkeit kauft. Da das System in der Lage ist zu prognostizieren, für welchen Produktbereich sich der Neukunde interessiert, kann er gezielt mit den Themen angesprochen werden, die für ihn relevant sind.

Martin Groß-Albenhausen: Damit gewinnt der Vertrieb Entscheidungssicherheit. Auch in anderen Bereichen kann KI unterstützen, etwa bei der Festlegung von Preisen und Bezahlkonditionen oder bei der Einschätzung, wie sich die Bestellungen eines Kunden in nächster Zeit entwickeln werden. Insgesamt werden Entscheidungen besser, weil viel mehr Parameter einfließen. In der Folge lassen sich Mitarbeiter effizienter einsetzen.

Dr. Parsis Dastani: Bezogen auf den Personaleinsatz wäre eine typische Anwendung im Businessbereich die mobile Außendienststeuerung. So haben wir für einen Kunden aus dem Werkzeug- und Baubedarfshandel die Attraktivität von etwa 1,2 Millionen Unternehmen untersucht. Wir konnten aufzeigen, welches Unternehmen mit welcher Wahrscheinlichkeit welches Produkt beziehen wird. Zudem haben wir das Umsatzpotenzial der bisher weitgehend unbekannten Unternehmen bestimmt. Über eine locationbased App sehen die Außendienstmitarbeiter die attraktivsten potenziellen Neukunden in ihrem Vertriebsgebiet.

Ein weiterer interessanter Ansatz zur Vertriebssteuerung ist die Prognose des potenziellen Umsatzes. Damit sind Unternehmen in der Lage, Bestandskunden zu bewerten. Das Management erkennt, welche Kunden einen deutlich höheren Umsatz haben müssten, und kann den Vertrieb auffordern, diese Unternehmen gezielt anzusprechen.

Martin Groß-Albenhausen: Erkenntnisse, die sonst eher zufällig gewonnen werden, erschließen sich Unternehmen mit KI automatisiert und systematisch. Eine Unternehmerin, die Mitglied in unserem Verband ist, bietet Dentaltechnik an. Eines Tages stieß sie auf eine völlig andere Zielgruppe, die gleichwohl eine Affinität zu einem Teilsortiment hatte: Goldschmiede. Damit konnte sie ein neues Geschäftsfeld erschließen. Größeren Unternehmen könnte eine solche Chance leicht entgehen – und hier springt intelligente Software ein.

Predictive Analytics Blog: Ist die künstliche Intelligenz in der Praxis der bevh-Mitgliedsunternehmen angekommen?

Martin Groß-Albenhausen: Wir beobachten das Thema schon seit einigen Jahren. Da sich die Kosten degressiv entwickeln, kommen wir langsam in einen Bereich, wo beispielsweise die Intelligenz eines IBM Watson auch für mittelständische Handelsunternehmen erschwinglich wird. Das ermöglicht unseren Mitgliedern erstmals, eigene Projekte ernsthaft in Erwägung zu ziehen.

Nun ergibt sich jedoch eine weitere Herausforderung: Kaum ein Unternehmen verfügt über das interne Know-how, sinnvolle und realistische Zielszenarien zu entwickeln. Data Scientists sind kaum zu haben und selbst, wenn der Handel welche einstellt, müsste das Management den strategischen Einsatz von KI vorgeben. Momentan drängt sich der Eindruck auf, dass wir mit den Start-ups schwer Schritt halten können. Um KI-Projekte vollständig intern umzusetzen, fehlen nicht nur die Ressourcen, sondern auch die Zeit. Eine neue Art der Arbeitsteilung zeichnet sich ab. Gefragt sind Datenspezialisten, die sich in die Branche hineinversetzen und den Wandel zu datengetriebenen Organisationen unterstützen können.

Gerade der E-Commerce verfügt über sehr viele Daten – ein „gefundenes Fressen“ für junge Unternehmen mit neuen Ansätzen und Technologien. Es empfiehlt sich, dass Unternehmen mit verschiedenen Technologiepartnern zusammenarbeiten, ohne sich allzu lang an das einzelne Unternehmen zu binden. Wie bei den angeführten Beispielen muss der Weg von der strategischen Idee zur operativen Umsetzung nachvollziehbar sein. Das wird uns in den nächsten fünf bis zehn Jahren maßgeblich beschäftigen.

Foto: Alexander Klebe