Jeremias Witteler 11.06.2024 13:40:44 24 min read

Predictive AI-Features in der Marketing Cloud

Natürlich ist das Thema Künstliche Intelligenz (KI oder AI) in aller Munde. Alle sprechen über die nahe Zukunft, in der intelligente Assistenten die Aufgaben in allen Lebens- und Arbeitsbereichen übernehmen – so auch im Bereich Marketing und Marketing Automation.

Und bei all diesem fantastischen Zukunftsaussichten geht oft unter, dass es in der Salesforce Marketing Cloud schon seit geraumer Zeit eine ganze Reihe von solchen Features gibt – meist im Preis inbegriffen und direkt einsetzbar.

Wir stellen Sie im Folgenden kurz vor: hier im Teil eins einige der vorhersagenden “predictive” Features und im zweiten Teil dann die verfügbaren erzeugenden “generative” Funktionen.

 

Alles zu seiner Zeit – Einstein Send Time Optimization

Timing spielt eine entscheidende Rolle im Marketing. Selbst die sorgfältigste Formulierung einer Nachricht kann ihre Wirkung verfehlen, wenn sie zum falschen Zeitpunkt beim Empfänger eintrifft.

Da jeder Empfänger unterschiedliche Tagesabläufe und Präferenzen hat, existiert kein allgemein perfekter Zeitpunkt für die Zustellung. Einige lesen vielleicht ihre Nachrichten nach dem Frühstück, während andere sie eher in der Mittagspause oder abends konsumieren. In diesem Kontext gewinnt die individuell angepasste Versendung für jeden Empfänger an Bedeutung.

Das kann Einstein Send Time Optimization


Predictive AI-Features in der Marketing Cloud

Einstein Send Time Optimization (STO) bietet eine Lösung für diese Aufgabe. Dieses Feature der Marketing Cloud wurde entwickelt, um den optimalen Zeitpunkt für die Zustellung von Nachrichten an Kunden zu ermitteln. Durch Analyse der bisherigen Interaktionen mit Kunden identifiziert STO Muster, um den idealen Versandzeitpunkt festzulegen.

Um aussagekräftige Ergebnisse zu erzielen, analysiert das System nach Aktivierung des Features die Daten über einen Zeitraum von 90 Tagen. Während dieser Zeit empfiehlt es sich, Newsletter zu verschiedenen Zeiten zu versenden, um ein umfassendes Bild zu erhalten. Mit Hilfe von maschinellem Lernen erkennt das System Muster in den Öffnungszeiten der Nutzer.

Auf diese Weise erreichen die Nachrichten den Empfänger zum Zeitpunkt seiner höchsten Interaktionsbereitschaft, was die Chancen auf eine positive Reaktion erhöht.

Eine grafische Auswertung der besten Versandzeitpunkte enthält man unter dem Menüpunkt “Einstein > Einstein Send Time Optimization”. Diese Daten werden auch im Anschluss an die 90 Tage durch neue Kontakte und Versendungen weiter optimiert.

So geht Einstein Send Time Optimization


Predictive AI-Features in der Marketing Cloud

Das Feature ist in fast allen Salesforce Marketing Cloud Engagement Varianten verfügbar und muss lediglich im Setup aktiviert werden. Nach dem Anschalten unter “Setup > Einstein > Send Time Optimization” und einer Wartezeit von 72 Stunden steht es zum Einsatz zur Verfügung.

Zum Versand kann STO anschließend im Journey Builder der Marketing Cloud verwendet werden. Durch einfaches Drag-and-Drop wird die STO-Aktivität vor einer Nachricht platziert, und der Zeitraum der Verzögerung wird festgelegt. Die Nachricht wird dann bis zum besten Versandzeitpunkt zurückgehalten.

Wenn beispielsweise ein Zeitraum von 24 Stunden ausgewählt wird, ermittelt das System für jeden Empfänger innerhalb der nächsten 1 bis 24 Stunden den besten Zeitpunkt für die Zustellung einer Nachricht und versendet sie zu diesem Zeitpunkt.

Weitere Infos gibt’s auch hier bei Salesforce.

Tipp zu Einstein Send Time Optimization


Predictive AI-Features in der Marketing Cloud

Send Time Optimization ist als Activity auch für Single Send Journeys verfügbar. Etwas versteckt findet man das Feature hinter dem dunkelblauen “Werbebanner” unten links beim Neuerstellen einer solchen Journey im Journey Builder.

 

Maß und Mitte – Einstein Engagement Frequency

Nicht jeder unserer Empfänger und Empfängerinnen ist in der gleichen Phase des Marketing und Sales Funnels. Es geht also nicht nur darum, passende Inhalte zum richtigen Zeitpunkt auszuspielen, sondern es ist auch wichtig, aktuelle und zukünftige Kunden nicht mit zu vieler (oder zu wenig) Kommunikation zu versorgen. Die richtige Menge zum richtigen Zeitpunkt.

Das kann Einstein Engagement Frequency


Predictive AI-Features in der Marketing Cloud

Und genau hier kommt Einstein Engagement Frequency (EEF) ins Spiel. Es gilt, die vermuteten individuellen Präferenzen der Kunden hinsichtlich der Häufigkeit von Brand-Kontakten zu berücksichtigen. EEF analysiert das Verhalten der Empfänger und gruppiert sie in Kategorien wie "Gesättigt", "Fast gesättigt", "Untersättigt" und "Im Zielbereich".

Durch die darauf aufbauende Segmentierung im Journey Builder können Marketer gezieltere Entscheidungen über die Häufigkeit und den Inhalt ihrer Kommunikation treffen. Empfänger, die bereits gesättigt sind, erhalten möglicherweise weniger Nachrichten, um sie nicht zu überfordern. Andererseits können Empfänger, die untersättigt sind, mehr Aufmerksamkeit erhalten, um ihr Interesse zu steigern.

Predictive AI-Features in der Marketing Cloud

Somit bietet dieses Feature die Möglichkeit, die Churn- und Unsubscribe Rates im Segment der gesättigten Subscriber zu verringern und trotzdem eventuell noch vorhandene Potenziale im Bereich der Ungesättigten zu nutzen.

Ähnlich wie beim Feature Einstein Send Time Optimization bietet die Plattform unter dem Menüpunkt Einstein eine Übersicht über die Gruppen und die durchschnittlich empfohlene E.Mail- und Messagezahl pro Woche.

So geht Einstein Engagement Frequency


Predictive AI-Features in der Marketing Cloud

Auch bei diesem für die Kanäle E-Mail und Mobile verfügbarem Feature ist die Aktivierung denkbar einfach. Als Marketing Cloud Engagement Admin kann die Funktion im Setup per Klick aktiviert werden. Nach zwei Tagen steht das automatisch weiterlernende Feature dann für die Verwendung zur Verfügung.

Nach der Aktivierung und der ersten Lernphase können die Erkenntnisse und Vorhersagen dann vom Marketing-Team im Journey Builder eingesetzt werden. Dazu steht eine Einstein Activity mit Namen “Frequence Split” bereit, die konfigurierbar die verschiedenen Sättigungsgrade als mögliche Pfade anbietet. Somit können die unterschiedlichen User-Segmente differenziert angesprochen werden oder auch in der zusätzlichen Kommunikation außen vor bleiben.

Weitere Details in der Salesforce Hilfe.

Tipp zu Einstein Engagement Frequency

Einfach mal aktivieren!

Selbst wenn man am Ende beim Versand nicht differenziert, kann man sich über die zum Feature gehörenden Reportings einen guten Überblick über die vermutliche Situation machen und ggf. auf dieser Basis die Erstellung zusätzlicher Inhalte und die damit verbunden Kosten sowie Unsubscribe-Risiken besser einschätzen.

 

Was ist Phase? – Einstein Engagement Scoring

Nicht nur die Präferenz der Nachrichtenmenge und der Sättigungsgrad unterscheidet sich pro Person. Auch die Nähe zu angebotenen Produkten und Services, sowie die Phase der Beziehung zum Unternehmen ist zwischen jedem Kontakt unterschiedlich und kann auf verschiedene Verhaltensarten heruntergebrochen werden. Damit ist davon auszugehen, dass Kunden unterschiedlich auf Marketingaktionen reagieren werden.

Davon ausgehend, dass den Marketers immer nur beschränkte Ressourcen zur Verfügung stehen, sollten diese möglichst effektiv für gezielte Aktionen eingesetzt werden können. 

Das kann Einstein Engagement Scoring

Predictive AI-Features in der Marketing Cloud

Das "Einstein Engagement Scoring" (EES) genannte Feature der Salesforce Marketing Cloud Engagement ermöglicht es, automatisiert und fortlaufend Segmente basierend auf Personas oder Aktionswahrscheinlichkeiten zu bilden und somit Kunden individuell anzusprechen. Durch die Analyse von Kundenverhalten und Interaktionen werden jedem Kunden Score-Werte zugeordnet, die ihre Aktivität und Reaktionsbereitschaft widerspiegeln. Diese Scores können dann verwendet werden, um Kunden in verschiedene Segmente einzuteilen und gezielte Marketingaktionen durchzuführen.

Mit EES können Marketer die Journeys optimieren, indem sie ihre Ressourcen auf diejenigen Kunden konzentrieren, von denen sie die besten Ergebnisse erwarten. Durch den Fokus auf das erwartbare Verhalten einer Gruppe, kann Content speziell für jede Zielgruppe erstellt werden.

So geht Einstein Engagement Scoring

Um die Erkenntnisse aus dem Einstein Engagement Scoring nutzen zu können, muss das Feature zuerst vom Admin im Setup der Marketing Cloud aktiviert werden. Nach einer Wartezeit von 48 Stunden stehen die ersten Ergebnisse für E-Mail bzw. Mobile zur Verfügung. Diese basieren immer auf den Verhaltens- und Metadaten der letzten 90 Tage. 

Daher ist die Qualität und Aussagekraft dieses vorhersagenden Features auch von der Menge und Vielfalt der Kundenkommunikation abhängig. Wie bei den anderen Features auch führt eine breitere Lernbasis natürlich auch zu besseren Ergebnissen. Im Reporting Bereich findet man mit der sogenannten “Model confidence” einen entsprechenden Indikator.

Predictive AI-Features in der Marketing Cloud

Möchte man die gewonnenen Informationen zum Einsatz bringen, steht auch hier wieder eine entsprechende Einstein Activity im Journey Builder bereit. Mit dem “Scoring Split” kann dabei nicht nur nach den sogenannten “Personas” unterschieden werden, sondern auch auf errechnete Wahrscheinlichkeiten der Öffnung, des Klickens oder der Abmeldung eingegangen und dann in Form unterschiedlicher Pfade mit unterschiedlichen Aktivitäten, Angeboten oder Inhalten reagiert werden.

Hier geht’s zur Salesforce Hilfeseite zum Thema.

Tipp zu Einstein Engagement Scoring

Die von Einstein ermittelten Werte kann man sich nicht nur direkt im Journey Builder zu Nutze machen, sondern auch direkt in Form einer umfangreichen Tabelle abrufen. In der automatisch vom System angelegten Data Extension “Einstein_MC_Predictive_Scores” findet man zu jedem Subscriber die entsprechenden Werte und Zuordnungen. Diese kann man bei Bedarf an anderer Stelle - ggf. auch außerhalb der Marketing Cloud - zum Einsatz bringen.

 

Alles im Blick – Einstein Overview

Kein eigenes Einstein Feature, aber eine für das tägliche Arbeiten und Entscheiden des Marketing Automation Teams sehr hilfreiche Seite ist der “Einstein Overview” der Salesforce Marketing Cloud. 

Predictive AI-Features in der Marketing Cloud
Quelle: Salesforce

Hier laufen die wichtigsten Kennzahlen und Reportings der im System aktivierten Features zusammen. Gleichzeitig bildet diese Seite den Ausgangspunkt für das tiefere Eintauchen in die einzelnen Einstein Funktionen.

Außerdem findet sich hier im zweiten Tab auch eine recht nützliche “Was wäre wenn” Vorschau für die Einstein Send Time Automation. Diese gibt bei Bereitstellung einer Data Extension einen Preview auf die mögliche zeitliche Verteilung beim Versand.

Tipp zu Einstein Overview

Kurz und knapp: Anschauen & Nutzen!

 

Just do it – Predictive AI in der Marketing Cloud

Zusammenfassend kann man also sagen, dass Artificial Intelligence in Marketing Cloud Engagement schon längst angekommen ist – man muss sie nur nutzen.

Und das ist tatsächlich recht einfach. Meist genügt die Aktivierung, um direkt erste Erkenntnisse zu gewinnen und ergänzend zu den auf menschlichen Erfahrungen, manuell ermittelten Zahlen auch die künstliche Intelligenz mit in zukünftige noch gezieltere und effizientere Aktivitäten einfließen zu lassen.

Salesforce und wir als Salesforce Partner entwickeln das System fortlaufend weiter. Es kommen neue Funktionalitäten und Anwendungsfälle hinzu - neue Möglichkeiten und Best-practises werden fast täglich sichtbar.

Gerne helfen wir Ihnen dabei, die für Sie und Ihre Konstellation am besten passende Herangehensweise zu finden, damit auch Sie und Ihr Marketing Team profitieren können.

Einen weiteren Einblick gibt’s in der Aufzeichung unserer Lunch&Learn Session zum Thema und natürlich im direkten Austausch.