Im Blogbeitrag erl\u00e4utert unser Head of Data Science Erik Mathiesen-Dreyfus, warum Kundenbasismodelle die Br\u00fccke zwischen generativer KI und Predictive Analytics spannen und wie sie Gesch\u00e4ftsentscheidungen neu definieren k\u00f6nnen.<\/p>\n\n\n\n
Mit den rasanten Entwicklungen von KI-L\u00f6sungen in den letzten Jahren haben sich besonders im Business-Bereich zwei Anwendungen herauskristallisiert.<\/p>\n\n\n\n
Auf der einen Hand gibt es Predictive Analytics<\/a>* und damit sehr eng gefasste L\u00f6sungen f\u00fcr sehr spezifische Themenfelder, etwa Churn-Vorhersagen<\/a>, CLV-Kalkulierungen, Lead-Scoring oder die Fr\u00fcherkennung von Betrugsversuchen.\u00a0<\/p>\n\n\n\n *Basierend auf historischen Daten generiert Predictive Analytics Wahrscheinlichkeitsszenarien f\u00fcr zuk\u00fcnftige Events. Ein anschauliches Beispiel w\u00e4re der Wetterbericht. <\/p>\n\n\n\n Gleichzeitig kreiert generative KI – oft in Form von sogenannten „Large Language Models (LLMs) – Zusammenfassungen, \u00dcbersetzungen und mehr f\u00fcr Marketing, Vertrieb, Support und Content-Teams. Mit seinen vielen Anwendungsbereichen (Chatbots, E-Mail-Generierung, Produktbeschreibungen, Suchergebnisse), ist GenAI nahezu zum allgegenw\u00e4rtigen Element in unseren Gesch\u00e4fts- und Privatleben geworden.<\/p>\n\n\n\n Doch diese beiden imposanten Technologien operieren oftmals in Silos. In der Kombination k\u00f6nnten sie eine holistische Sicht auf Kunden und Unternehmen bieten und damit enorme Potenziale freisetzen.<\/p>\n\n\n\n Basismodelle – die u.a. in LLMs genutzt werden, um mit riesigen Datens\u00e4tzen zu trainieren – k\u00f6nnen GenAI und Predictive Analytics zusammenf\u00fchren, wenn sie nicht auf Content, sondern auf das gesamte Kundenverhalten angewandt werden. <\/p>\n\n\n\n Das Kundenbasismodell ist ein allgemein anwendbares KI-System, das entwickelt wurde, um Kundenverhalten \u00fcber die Zeit hinweg zu simulieren und zu verstehen. Anstatt separate Modelle f\u00fcr verschiedene Gesch\u00e4ftsfragen (z.B. Churn, LTV, Konversionen) zu entwickeln, wird ein einziges Modell im gro\u00dfen Rahmen mit anonymen Verhaltensdaten trainiert.<\/p>\n\n\n\n Das Kundenbasismodell erfasst Muster im Kundenverhalten f\u00fcr eine gro\u00dfe Anzahl von Touchpoints entlang der Kundenreise:<\/p>\n\n\n\nDas n\u00e4chste Level: das Kundenbasismodell<\/h2>\n\n\n\n