Wie Adobe KI intern nutzt, um das Wachstum voranzutreiben

Am vergangenen Donnerstag hielt Don Bennion, Director of Business Strategy bei Adobe, eine aufschlussreiche Präsentation bei unserer Online-Veranstaltung zu KI im Marketing.

Der Vortrag bot praktische Ratschläge und Beispiele, wie Adobe in den letzten Jahren verstärkt Künstliche Intelligenz und maschinelles Lernen bei seinen internen Aktivitäten eingesetzt hat.

Ihre Praktiken basieren auf der Vorhersagekraft von Kundenerfahrungsmetriken und ihrem eigenen datengesteuerten Betriebsmodell (DDOM). Das Unternehmen stellt nun diese Tools und Techniken externen Partnern zur Verfügung.

Hier sind meine wichtigsten Erkenntnisse.

KI und Attribution

Attribution war wirklich der erste Bereich, in dem Adobe mit KI und maschinellem Lernen begann.

Weg von den einfachen Modellen wie 'erster Klick' und 'letzter Klick' und später 'U-förmige' und 'lineare' Modelle verbesserte die Einbindung von KI und ML die Modelle von Adobe massiv.

Bennion hebt zwei Möglichkeiten hervor, Credits bei der Attribution zuzuweisen:

1. Einflussreich: Wenn Berührungspunkte getroffen werden, wird die gesamte Anerkennung diesen Berührungspunkten zugeteilt
2. Inkrementell: Berechnet, wie viel des Guthabens wieder Medien und Marketing zugewiesen werden soll

Adobe ist in den inkrementellen Bereich vorgedrungen. Die Hypothese ist, dass Adobe Produkte verkaufen würde, wenn sie alle ihre Marketingbemühungen einstellen würden. Schließlich tätigen Kunden Käufe, die zumindest teilweise auf Faktoren wie Markentreue und Mundpropaganda beruhen.

Mithilfe von KI, die auf ihren internen Daten trainiert wurde, konnten sie aus jedem Kauf einen Basiswert von 50 % Marketingwert ermitteln. Von hier aus könnten sie dann alle ihre Touchpoints individuell gewichten und – ganz entscheidend – die Marketingkosten senken oder besser allokieren, als dies durch die Kreditvergabe mit der Einflussmethode möglich wäre.

KI und Personalisierung

Ein weiterer Bereich, in dem Adobe KI integriert, ist die Personalisierung.

„Eins-zu-eins-Marketing ist das Nirvana“, sagt Bennion. 'Aber die Segmentierung ist für uns nach wie vor ein wichtiges Instrument.'

In der Vergangenheit hat Adobe nach Attributen und Verhalten segmentiert. Dies hat einen Wert, ist aber im Big-Data-Zeitalter eindeutig begrenzt. Die Antwort von Adobe bestand darin, KI zu verwenden, um die Neigungsmodellierung zu entwickeln.

Adobe hat jedem Erfolgsereignis, sei es eine Conversion oder ein Kauf usw., einen „Propensity Score“ zugewiesen. Dann könnten sie Folgendes von potenziellen Kunden fragen:

• Wie hoch ist die Neigung einer Person, ein Produkt zu kaufen?
• Wie hoch ist der Neigungswert für eine Person, ein Upgrade durchzuführen?
• Wie groß ist die Abwanderungsneigung?

… dann verwenden Sie dies, um Segmente zu erstellen.

Das Tech-Unternehmen Nvidia hat genau das getan. Sie erstellten Neigungsbewertungen für „Vielspieler“ bzw. „Unregelmäßige Spieler“. Sie verstanden, dass diese beiden Segmente unterschiedliche Gewohnheiten haben, wenn es um Einkäufe, Upgrades oder die Reaktion auf Marketingbotschaften geht.

Das Ergebnis war, dass Nvidia diese Vorhersagen verwenden konnte, um ihre Kundenerfahrungen mit einer Genauigkeit von 96 % zu personalisieren.

Wie hat sich die Raffinesse verändert?

Eine der Schlüsselfragen, die sich während der Präsentation von Bennion stellten, verlagerte den Fokus darauf, wie sich die Datenkompetenz im Laufe der Jahre verändert hat.

Während Attribution und Personalisierung, die KI einbezieht, immer noch eine Annäherung ist, betonte er, wie sich der Sektor ständig weiterentwickelt.

'Mehr Daten sind von Nicht-Web-Touchpoints zugänglich. Wir haben bessere Modellierung. Geschwindigkeit und Verarbeitung sind mit KI-Daten schneller – was für Antrieb und Skalierbarkeit wichtig ist“, sagte Bennion.

Das soll nicht heißen, dass potenzielle Unebenheiten auf dem Weg für datengesteuerte Vermarkter nicht erwähnt wurden. Nicht zuletzt angesichts der jüngsten Ankündigungen von Google, Drittanbieter-Cookies in Chrome innerhalb der nächsten 2 Jahre auslaufen zu lassen.

Erkenntnisse für Marketer im KI-Zeitalter

Marketer müssen in dieser sich ständig verändernden Landschaft sicherlich anpassungsfähig sein, aber Bennion ist davon überzeugt, dass es für sie mindestens genauso wichtig ist, ein solides Verständnis ihres Geschäfts zu haben, anstatt einfach nur danach zu streben, Data Science besser zu verstehen.

Wichtige Wachstumsstrategien für Adobe sind:

1. Akquise von Neukunden.
2. Cross-Selling/Up-Selling.

Zweifellos sind solche Wachstumsstrategien Unternehmen aller Größen und Branchen bekannt.

Zur Kundenakquise fragt Adobe: Wer hat die Neigung, bei uns einzukaufen? Wenn es um Cross-Selling geht, also Kunden zu einem Upgrade oder einem damit verbundenen Kauf zu bewegen, erweisen sich Churn-Propensity-Modelle als sehr nützlich.

Es ist klar zu sehen, wie KI durch inkrementelle Attribution sowie Neigungsmodellierung, die in die Personalisierung einfließt, Adobe dabei hilft, seine Ziele hier zu erreichen. Und es ist kein großer Sprung zu sehen, wie andere Marken KI nutzen können, um auch ihren Marketing-ROI zu verbessern.