Data Science und Künstliche Intelligenz sind inzwischen allgegenwärtige Faktoren im Marketing. Trotz oder gerade aufgrund der Omnipräsenz gilt es, die entsprechenden Anwendungen kritisch zu hinterfragen und nicht blind den angebotenen Algorithmen und Methoden zu vertrauen. Doch vielen fehlt die Zeit oder der wissenschaftliche Zugang zu der neuen Herangehensweise.

In einem konkreten Fallbeispiel soll aufgezeigt werden, wie das Data Science Team eines Finanzunternehmens das Marketing unterstützen kann und selbst die Kontrolle über die KI-Ansätze behält. Zielvorgabe ist die Entwicklung eines selbstlernenden, automatisierten Prozesses, der den Versand von E-Mails und Briefen triggert, welche inhaltlich dem zu erwartenden Kundeninteresse zum Versandzeitpunkt am besten entsprechen.

Das hier vorgestellte System umfasst dabei Schnittstellen zum Daten Import und Export, um sich in die jeweilige Systemlandschaft nahtlos einzupassen. Die Daten werden in einer R- oder Python-Instanz aufbereitet. Ein sogenannter selbstlernender Algorithmus wird entwickelt, der über die Zeit auf Basis der Kundenreaktionen und des jeweiligen Erfolgs der einzelnen Maßnahmen die Berechnung optimiert. Mögliche Fallstricke werden aufgezeigt und wie man diese umgeht.

Das vorgestellte Fallbeispiel ist für eine Bank entwickelt worden, bedient sich jedoch auch Erfahrungen aus dem Versicherungsbereich. Die Vorgehensweise kann auch analog für Bestandskunden in anderen Branchen (wie z.B. Automobilhandel, Energieversorger, Telefon-/Internetanbieter, Luxusgüter, u.v.m.) verwendet werden, bei denen Kundenbindung und Up-/Cross-Selling eine große Rolle spielt.