KI, Daten und B2B-Kaufverhalten
In vielen Situation scheinen vor allem unsere Emotionen und nicht die Logik unsere Entscheidungsfindung zu lenken. Je komplexer unsere anstehenden Entscheidungen sind, desto irrationaler verhalten wir uns. Schafft es denn eine KI eine Logik in das Verhalten zu bringen und dieses vorherzusagen?
Künstliche Intelligenz ist schon heute aus dem Tagesgeschäft vieler Menschen nicht mehr wegzudenken. Jeder kennt Alexa, die personalisierten Empfehlungen von Amazon & Co oder die Möglichkeiten der Bilderkennung mit Google Lens.
Die Menge und Komplexität an verfügbaren Daten übersteigt bei weitem die menschlichen Fähigkeiten zur Aufnahme, Verarbeitung und Nutzung dieser Informationen. Die Kapazität unseres Kurzzeitgedächtnisses ist genetisch bedingt gerade mal für 7 +/-2 Informationseinheiten gleichzeitig ausgelegt.
Die Möglichkeiten für B2B-Unternehmen mit der Unterstützung von KI neue Kunden zu gewinnen, deren Einkaufsverhalten vorherzusagen oder bestehende Kunden besser zu verstehen, scheinen nahezu grenzenlos.
Die Qualität der Daten ist entscheidend.
Bei dem aktuellen Hype um KI wird jedoch oft vergessen, dass zunächst eine qualitativ gute Datengrundlage geschaffen werden muss. Um eine konkrete Kaufentscheidung von beratungsintensiven Produkten im B2B-Bereich vorherzusagen, ist die Qualität der Daten von besonderer Bedeutung.
Oftmals handelt hierbei um hochpreisige Produkte mit längeren Verkaufszyklen. Zudem wird die endgültige Entscheidung nicht durch eine Einzelperson, sondern durch ein Einkaufsgremium gefällt.
Wie sieht es mit der Datenqualität in CRM-Systeme aus?
Kaufentscheidungen werden aus Sicht des Vertriebs datentechnisch in Verkaufschancen abgebildet. Hier befinden sich unter anderen die durchgeführten Vertriebsaktivitäten, der zu erwartende Umsatz, das voraussichtliche Abschlussdatum und der Fortschritt im Verkaufsprozess. Diese Informationen sind zwar hilfreich hinsichtlich der Verwaltung von Verkaufschancen, aber für die Vorhersage der Kaufentscheidung spielen diese (Meta-)Daten nur eine unbedeutende Rolle.
Werden diese Daten mit einem passenden KI-Algorithmus bearbeitet, können die Verkaufschancen mit Hilfe einer Punktebewertung klassifiziert werden. Diese Priorisierung basiert jedoch in den meisten Fällen vor allem auf zufälligen Korrelationen, da es an der notwendigen Datenqualität mangelt.
Alle großen CRM-Systeme bieten mittlerweile Technologien für das sogenannte Opportunity Scoring an, mit einer realistischen Vorhersage der Kaufentscheidung hat dies bei Verwendung von Metadaten nichts zu tun.
Doch was sind eigentlich qualitativ gute Daten?
Für den Fall einer Kaufentscheidung müssten Daten zu den Absichten, Überzeugungen oder Motiven der handelnden Personen des Einkaufsgremiums vorliegen. Da diese in der Regel nicht direkt zur Verfügung stehen, könnten die Vertriebsmitarbeiter*innen diese Informationen bei ihren Verkaufsgesprächen in Erfahrung bringen und systematisch im CRM-System dokumentieren.
Aus psychologischer Perspektive erfordert die Ausführung eines bestimmten Verhaltens zunächst eine Verhaltensabsicht bei der handelnden Person. Je stärker diese Absicht ist, desto größer ist auch die Wahrscheinlichkeit, dass die Handlung tatsächlich durchgeführt wird. Die Verhaltensabsicht wird nach der „Theorie des geplanten Verhaltens“ wiederum von drei unabhängigen Faktoren beeinflusst.
- Als Erstes ist da die Einstellung gegenüber dem Verhalten selbst, sie ergibt sich grob gesagt aus den Erwartungen und der persönliche Bewertung, welche Konsequenzen das Verhalten haben wird.
- Die subjektive Norm beschreibt als zweiten Faktor den wahrgenommenen sozialen Druck, der mit dem Verhalten einhergeht und die Bereitschaft diesem Druck nachzugeben.
- Der dritte Einflussfaktor ist die wahrgenommene Verhaltenskontrolle, d.h. die Überzeugung, inwieweit zur Ausführung eines Verhaltens die benötigten Ressourcen, Fertigkeiten und Gelegenheiten zur Verfügung stehen.
FAZIT:
Um die Erfolgswahrscheinlichkeit von Verkaufschancen vorherzusagen, müssen Daten zu den Absichten, Überzeugungen und Motiven der entscheidenden Personen im Einkaufsprozess gesammelt und systematisch für die Nutzung von KI-Algorithmen aufbereitet werden.
Sollte das Vertriebsmanagement darüber nachdenken, ein KI-basiertes Opportunity Scoring auf Basis von CRM-Daten im Unternehmen einzuführen, sollten folgende Fragen im Vorfeld geklärt werden:
- Welche CRM-Daten bestimmen den Opportunity Score?
- Haben die CRM-Daten einen bedeutenden Zusammenhang mit der Kaufentscheidung?
- Wie wird sichergestellt, dass der Opportunity Score tatsächlich genauer ist als das Bauchgefühl?
Ein Opportunity Scoring, das inhaltlich keine Aussagekraft hinsichtlich der Erfolgschance hat, ist für das gesamte Vertriebsteam kontraproduktiv und gefährdet darüber hinaus die Erfolgsquote der Vertriebspipeline.