Im Blogbeitrag erläutert unser Head of Data Science Erik Mathiesen-Dreyfus, warum Kundenbasismodelle die Brücke zwischen generativer KI und Predictive Analytics spannen und wie sie Geschäftsentscheidungen neu definieren können.
KI für Unternehmen: GenAI & Predictive Analytics #
Mit den rasanten Entwicklungen von KI-Lösungen in den letzten Jahren haben sich besonders im Business-Bereich zwei Anwendungen herauskristallisiert.
Auf der einen Hand gibt es Predictive Analytics* und damit sehr eng gefasste Lösungen für sehr spezifische Themenfelder, etwa Churn-Vorhersagen, CLV-Kalkulierungen, Lead-Scoring oder die Früherkennung von Betrugsversuchen.
*Basierend auf historischen Daten generiert Predictive Analytics Wahrscheinlichkeitsszenarien für zukünftige Events. Ein anschauliches Beispiel wäre der Wetterbericht.
Gleichzeitig kreiert generative KI – oft in Form von sogenannten “Large Language Models (LLMs) – Zusammenfassungen, Übersetzungen und mehr für Marketing, Vertrieb, Support und Content-Teams. Mit seinen vielen Anwendungsbereichen (Chatbots, E-Mail-Generierung, Produktbeschreibungen, Suchergebnisse), ist GenAI nahezu zum allgegenwärtigen Element in unseren Geschäfts- und Privatleben geworden.
Doch diese beiden imposanten Technologien operieren oftmals in Silos. In der Kombination könnten sie eine holistische Sicht auf Kunden und Unternehmen bieten und damit enorme Potenziale freisetzen.
Das nächste Level: das Kundenbasismodell #
Basismodelle – die u.a. in LLMs genutzt werden, um mit riesigen Datensätzen zu trainieren – können GenAI und Predictive Analytics zusammenführen, wenn sie nicht auf Content, sondern auf das gesamte Kundenverhalten angewandt werden.
Das Kundenbasismodell ist ein allgemein anwendbares KI-System, das entwickelt wurde, um Kundenverhalten über die Zeit hinweg zu simulieren und zu verstehen. Anstatt separate Modelle für verschiedene Geschäftsfragen (z.B. Churn, LTV, Konversionen) zu entwickeln, wird ein einziges Modell im großen Rahmen mit anonymen Verhaltensdaten trainiert.
Das Kundenbasismodell erfasst Muster im Kundenverhalten für eine große Anzahl von Touchpoints entlang der Kundenreise:
- Abonnement
- Upgrades
- Churn
- Reaktivierung
- Anreize
Das Modell wird nicht darauf trainiert, eine einzelne, vordefinierte Frage zu beantworten. Ganz im Gegenteil, es lernt im generativen Prozess, wie sich das Kundenverhalten unter verschiedenen Bedingungen und Geschäftseinflüsse entwickelt.
Wie funktioniert das Kundenbasismodell? #
Das Kundenbasismodell funktioniert ähnlich wie ein LLM. Anstelle von Sprachstrukturen lernt es derweil Struktur und “Flow” von Kundenverhalten entlang des Lebenszyklus: wie Menschen abonnieren, upgraden, abspringen, wie sie auf Anreize reagieren und sich entlang der Kundenreise bewegen. Sobald das Modell mit genügend generellen Daten trainiert wurde, kann es auf individuelle Unternehmen hin adaptiert werden.
- Ein klassischer Ansatz beginnt mit dem Vortrainieren von generellen Verhaltensmustern, die über viele verschiedene Unternehmen hinweg beobachtet werden können.
- Das Modell wird dann auf eine bestimmte Branche abgestimmt.
- Und schlussendlich wird ein spezifisches Datenset des individuellen Unternehmens eingeführt, um einen einzigartigen Kontext zu kreieren (z.B. Preisstruktur, Abo-Pläne, Kundenlebenszyklen und Produkt-Analytics)
Das Ergebnis ist eine hochkalibrierte Simulationsmaschine, die Kundenverhalten über die Zeit hinweg mit existierenden und hypothetische Konditionen projizieren kann.
Dieser grundlegende Ansatz ermöglicht das Modellieren von Kundenreisen, anstatt sich nur auf isolierte Touchpoints zu konzentrieren. Damit bietet es ein flexibles, integriertes System für strategische Entscheidungen.
- Teste “was-wäre-wenn”-Szenarien für Preis- und Produktveränderungen
- Sage Kernmetriken unter verschiedenen Bedingungen voraus (z.B. MRR, Churn, etc.)
- Verstehe, was das Verhalten Deiner Kunden beeinflusst
- Personalisiere präzise Maßnahmen, um beispielsweise Kundenabsprünge zu verhindern
Für wen eignen sich Kundenbasismodelle? #
Vor allem Branchen, die in der Lage sind, große Mengen an Daten zum Kundenverhalten zu sammeln, können vom Kundenbasismodell profitieren. Zusätzlich ist das Modell auch sehr hilfreich für Unternehmen, die große Mehrwerte durch kleine Veränderungen ihrer Kundenbindungs- oder Up-Sell-Raten gewinnen können. Hier können die Ergebnisse nämlich akkumuliert werden, wenn die Optimierungen auf präzisen Datenvorhersagen basiert werden können.
Mit dem Simulieren von Kundenverhalten selbst auf individuellem Level über gewisse Zeiträume hinweg erhalten Unternehmen nicht nur Einblicke in aktuelle Aktivitäten, sondern können auch antizipieren, was passieren wird (und warum) und können damit sehr viel einfacher vorausplanen.
Die Zukunft der Business-KI #
Kundenbasismodelle sind gerade erst am Durchstarten. Aber ihre Vorteile für handlungsbasierte Einblicke, die auf generellen und spezifischen Datensets beruhen, sind enorm.
Anstatt KI erst einmal zu implementieren und erst dann zu definieren, wie sie genutzt werden kann, sind diese Modelle in der Lage sofort existierende Probleme und Herausforderungen zu lösen.
Frisbii liebt Cutting-Edge-Technologien. Unsere Revenue Insights-Labore bieten Dir sowohl Performance als auch Predictive Analytics, um Deine Geschäftsstrategie zu planen, zu kontrollieren und zu dokumentieren. Als Teil unserer Subscription Management-Plattform hast Du damit eine Lösung, die alles kann: automatisiere, optimiere und manage Deine Abo-Abrechnungen, Zahlungen und Kundendaten.
Buche gleich ein Meeting mit unseren Experten, um in einer Live-Demo zu sehen, wie gut das funktioniert.
Unser Autor: #
Erik ist ein ehemaliger quantitativer Analyst und zweifacher Gründer mit einem Doktortitel in Mathematik. Er hat das Data Science-Thema bei schnellwachsenden Startups wie Streetbees und Attest geleitet und verantwortet aktuell die KI-Strategie von Frisbii.
Bei Frisbii unterstützt er unsere Kunden dabei, aus Rechnungsrohdaten prädiktive, erklärbare Erkenntnisse zu gewinnen – für eine intelligentere Preisgestaltung, das Verhindern von Churn und CLV-Wachstum.
Verknüpf Dich mit Erik auf LinkedIn
