Praxisleitfaden für Künstliche Intelligenz in Marketing und Vertrieb: Beispiele, Konzepte und Anwendungsfälle

Praxisleitfaden für Künstliche Intelligenz in Marketing und Vertrieb: Beispiele, Konzepte und Anwendungsfälle

by Laurenz Wuttke
Praxisleitfaden für Künstliche Intelligenz in Marketing und Vertrieb: Beispiele, Konzepte und Anwendungsfälle

Praxisleitfaden für Künstliche Intelligenz in Marketing und Vertrieb: Beispiele, Konzepte und Anwendungsfälle

by Laurenz Wuttke

eBook1. Aufl. 2021 (1. Aufl. 2021)

$29.99  $39.99 Save 25% Current price is $29.99, Original price is $39.99. You Save 25%.

Available on Compatible NOOK devices, the free NOOK App and in My Digital Library.
WANT A NOOK?  Explore Now

Related collections and offers


Overview

Dieser Praxisleitfaden des Daten-Experten Laurenz Wuttke zeigt, was der Einsatz von Künstlicher Intelligenz in Marketing und Vertrieb leisten kann. Systematisch und verständlich führt der Autor seine Leser durch die Zukunftswelt, in der Daten den Unternehmenserfolg bestimmen. Diese Welt ist digital, sie nennt sich Data Science. Sie besteht aus einem Code, dessen Anwendung eine individualisierte Kundenkommunikation und eine fortlaufende Skalierbarkeit ermöglicht. Schritt für Schritt erfahren Sie in diesem Buch, wie sich mit Künstlicher Intelligenz die Customer Journey beeinflussen, die Kundenkommunikation personalisieren lässt. Sie erfahren ebenso, wie Sie die Kosten senken, den Einsatz des Marketingbudgets optimieren und Umsätze um ein Vielfaches steigern können. Die Grundlage für diese fortschrittliche Kultur in Unternehmen bieten Daten und deren Entwicklung hin zu selbstlernenden Systemen.Laurenz Wuttke teilt erstmals mit diesem Buch sein Know-how für KI-Anwendungen mit Unternehmen, Managern und Projektverantwortlichen. Er erläutert anhand von beeindruckenden Beispielen, wie die digitale Systeme funktionieren und bietet eine Roadmap vom Proof of Concept zum Regelbetrieb. 
Aus dem Inhalt
  • Wie Künstliche Intelligenz unsere Kommunikation verändert
  • Das Problem des klassischen Marketings und die Chance der Künstlichen Intelligenz
  • So entsteht ein skalierbares Konzept für Personalisierung
  • Künstliche Intelligenz in der Organisation verankern
  • Viele Anwendungsfälle u.a. Next Best Offer, Kundensegmentierung, Churn Prediction oder Uplift Modeling 
  • Zahlreiche Praxisbeispiele von führenden E-Commerce-Playern, Handel und Versicherungen bis zum mittelständischen Unternehmen 
  • Herausforderungen und Grenzen von KI in Marketing und Vertrieb


Product Details

ISBN-13: 9783658356262
Publisher: Springer Fachmedien Wiesbaden
Publication date: 11/27/2021
Sold by: Barnes & Noble
Format: eBook
File size: 16 MB
Note: This product may take a few minutes to download.
Language: German

About the Author

Laurenz Wuttke ist Wirtschaftsinformatiker, Unternehmer, Dozent und Gründer der datasolut GmbH aus Köln. Er begleitet seine Kunden bei der Einführung und Anwendung von Methoden der Künstlichen Intelligenz im Marketing und Vertrieb – von der Entwicklung der KI-Strategie, über die Bestimmung der passenden Anwendungsfälle und Infrastruktur bis zur konkreten Programmierung. Dadurch sind seine Mandanten in der Lage, dem richtigen Kunden zur richtigen Zeit das richtige Angebot zu machen und so ihren Umsatz zu steigern. Sie entwickeln zudem ein besseres Verständnis für Ihre Kunden, können die Geschäftsbeziehung zu ihnen erfolgreicher ausbauen und länger halten.

Table of Contents

Vorwort: Die Macht der Daten und der Künstlichen Intelligenz1 Einführung: Künstliche Intelligenz verändert unsere Kommunikation1.1 Unternehmen brauchen KI, um die Digitalisierung zu beherrschen1.2 Der Weg zur Künstlichen Intelligenz in Unternehmen1.3 Warum KI in die Kundenkommunikation gehört1.4 Wie Amazon, Zalando und McDonalds die Welt durch ihre KI verändern1.4.1 McDonald’s1.4.2 Netflix1.4.3 ABOUT YOU2 In digitaler Kommunikation mit dem Kunden2.1 Die moderne Customer Journey und die Daten2.2 Das Problem des klassischen Marketings und die Chance der Künstlichen Intelligenz2.3 So entsteht ein skalierbares Konzept für Personalisierung2.4 Das moderne Kontrollzentrum für Kundenkommunikation3 Künstliche Intelligenz verstehen und in der Organisation verankern3.1 Wie Maschinen lernen: Einordnung von Künstlicher Intelligenz, Machine Learning und Deep Learning3.1.1 Was ist Machine Learning?3.1.2 Was ist Deep Learning?3.1.3 Arten von Machine Learning3.1.4 Von der Idee zur Machine-Learning-Software3.1.5 Der Unterschied zwischen maschinellem Lernen und Softwareentwicklung3.1.6 Herausforderungen von maschinellem Lernen und Data Science3.2 KI-Plattformen und Architektur3.2.1 Was ist eine Data-Science-Plattform?3.2.2 Machine Learning Feature Store3.3 Das richtige Team – Jobprofile für KI-Projekte3.3.1 Data Engineer3.3.2 Data Scientist3.3.3 Machine Learning Engineer3.3.4 DevOps Engineer3.3.5 Domänenexperte3.3.6 Chief Analytics Officer3.4 KI in der Organisation verankern3.4.1 Die Kultur und Organisation für erfolgreiche KI-Projekte in Unternehmen3.4.2 KI in der Organisation konkret verankern3.4.3 Center of Excellence4 Anwendungsfälle und Praxisbeispiele von Künstlicher Intelligenz im Marketing und Vertrieb4.1 Der Kundenlebenszyklus4.2 Transaktionale vs. vertragsbasierte Geschäftsmodelle4.3 Kundensegmentierung – Kunden verstehen4.3.1 Vorgehen bei einer clusterbasierten Kundensegmentierung4.3.2 Datenaufbereitung für eine Kundensegmentierung4.3.3 Tipps für die Umsetzung von clusterbasierten Kundensegmentierungen4.3.4 Wann wird eine Kundensegmentierung eingesetzt?4.4 Customer Lifetime Value vorhersagen4.4.1 Moderne Customer-Lifetime-Value-Ansätze auf Basis von Künstlicher Intelligenz4.4.2 Mögliche Ansätze zur Vorhersage des Customer Lifetime Value4.4.3 Vorgehen und Prozess4.4.4 Anwendungsfälle für den Customer Lifetime Value4.5 Empfehlungssysteme4.5.1 Arten von Empfehlungssystemen4.5.2 Vorgehen und Prozess4.5.3 Einsatzmöglichkeiten von Empfehlungssystemen4.5.4 Herausforderungen bei der Entwicklung von Empfehlungssystemen4.6 Affinitätsmodelle und Next Best Action zur Steuerung der Kundenkommunikation4.6.1 Vorteile eines KI-basierten Kommunikationsansatzes4.6.2 Entwicklung von Affinitätsmodellen4.6.3 Anwendungsfälle für Affinitätsmodelle4.7 Churn Prediction zur Vorhersage von Kündigungswahrscheinlichkeiten4.7.1 Wie funktioniert Churn Modeling?4.7.2 Die benötigten Daten für ein Churn Modeling4.7.3 Herausforderungen beim Churn Modeling4.8 Uplift Modeling zur Optimierung von Marketingmaßnahmen4.8.1 Wie funktioniert Uplift Modeling?4.8.2 Einsatzmöglichkeiten von Uplift Modeling im Marketing4.8.3 Vorgehen und Kampagnendesign für Uplift Modeling4.8.4 Herausforderungen bei der Umsetzung von Uplift Modeling in der Praxis5 Vom Proof of Concept zum Regelbetrieb5.1 Strukturen und Kultur für den Erfolg von KI im Unternehmen5.2 Vom Experiment zum Regelprozess5.3 Make or Buy? Hilfestellung für KI-Projektverantwortliche im Marketing und Vertrieb5.4 Herausforderungen und Grenzen von KI im Marketing und Vertrieb6 Ausblick
From the B&N Reads Blog

Customer Reviews