KI: Eine technische Revolution und ihr Nutzen für den Vertrieb - Teil 2

eNVenta Analytics, seit Jahresende 2019 auf dem Markt, soll mit digitalen, analytischen Methoden die Beratungskompetenz des Vertriebs stärken und ihn aktiv dabei unterstützen, Verkaufschancen zu nutzen und mögliche Risiken zu minimieren. Hierbei kommt in vielen Bereichen maschinelles Lernen zum Einsatz. eNVenta Analytics wird in die vertrieblichen Prozesse der Anwender von eNVenta ERP integriert, um einen unmittelbaren Nutzen für die tägliche Arbeit zu stiften. Nach einmaliger Konfiguration lernt das System regelmäßig dazu und bietet aktualisierte Prognosen und Informationen an, welche der Vertrieb als Arbeitsgrundlage verwenden kann.

Diese werden in verschiedenen Teilbereichen generiert: Beispielsweise verfolgt eNVenta Analytics das Kaufverhalten der Kunden. Sobald ein ungewöhnliches Ereignis auftritt – das kann zum Beispiel das Ausbleiben eines sich regelmäßig wiederholenden Kaufs sein – wird der zuständige Vertriebsmitarbeiter informiert, um bei Bedarf eingreifen zu können. Mit den „Produktempfehlungen“ erhalten die Innen- und Außendienstmitarbeiter Unterstützung für ihre Beratungsgespräche. Passende Produktvorschläge für den aktuellen Kunden sollen zusätzliche Verkaufschancen aufzeigen. Diese Methodik wird auch genutzt, um die Webshop-Inhalte für die Kunden zu individualisieren. Sehr interessant in einem wettbewerbsintensiven Umfeld ist auch die Vorhersage eines mit hoher Wahrscheinlichkeit drohenden Kundenverlusts, welche dem Vertrieb die Chance gibt, diesen durch rechtzeitiges Gegensteuern abzuwenden.

Weitere Anwendungsbereiche sind die Preisoptimierung und Preisdynamisierung, welche eine laufende Anpassung der Verkaufspreise an Marktveränderungen und Wettbewerbssituationen unterstützen sowie Margen- und Umsatzpotentiale erkennen können. Last but not least hilft die kundenspezifische Preisvorhersage dem Vertrieb in der Beratungs- und Verhandlungssituation.

KI in der Praxis
Nach der Freischaltung des Moduls eNVenta Analytics wird das System mit den Kundendaten des Händlers trainiert. Das geschieht nicht in der Cloud, sondern vor Ort beim Kunden. Die dafür benötigte Rechnerleistung bewegt sich im normalen Rahmen eines ERP-Systems und erfordert im Regelfall keine großen Hardwareinvestitionen. Je nach Anwendungsbereich und anfallenden Datenmengen, kann dabei die tägliche, wöchentliche oder auch nur monatliche Übergabe der neu generierten Kundendaten an eNVenta Analytics sinnvoll sein. Diese werden dann turnusgemäß wieder für die Analyse und die Generierung neuer Erkenntnisse genutzt.

Die wichtigste Datenquelle für eNVenta Analytics ist die Auftragshistorie, welche in jedem Unternehmen verfügbar ist. Sollten Klassifizierungsmerkmale wie etwa die Kundengruppe nicht gut gepflegt sein, so lassen sie sich bei Bedarf auch umgehen. Die integrierte KI kann selbstständig Cluster, also Gruppen ähnlicher Unternehmen, bilden. Merkmale wie Branche oder Kundengruppe lassen sich jedoch – auch in Kombination – bei der Bildung gleichartiger Kundencluster nutzen.

Die technische Einrichtung von eNVenta Analytics beim Anwender geht in wenigen Tagen vonstatten. Erfolgskritisch ist es hingegen, die Arbeitsabläufe im Unternehmen so einzurichten, dass die Vertriebsmitarbeiter die Ergebnisse des Systems zeitnahe und regelmäßig auswerten, um daraus Handlungsoptionen ableiten und diese bei Bedarf dann auch zu nutzen.

Doch wie entstehen diese Hinweise oder Warnungen des Systems? Das soll im Folgenden am Beispiel der „Vorhersage Kundenverlust“ dargestellt werden. Die Basis der Datenanalyse bildet dabei die Kundenhistorie. In diesen Daten finden sich auch die Transaktionen mittlerweile inaktiver Kunden. Schult man nun die KI mit dem Kaufverhalten der Kunden in den Zeiträumen bevor sie verloren gingen, so kann die KI spezifische Muster identifizieren. Finden sich nun Übereinstimmungen im Kaufverhalten bestehender Kunden mit dem Kaufverhalten ehemaliger Kunden vor dem Absprung, so schlägt eNVenta Analytics Alarm. Sind abwanderungswillige Kunden identifiziert worden, so ist es sinnvoll, sie zunächst zu qualifizieren. Nicht bei allen Kunden mit Wechselabsicht lohnt sich der Aufwand, der betrieben werden muss, um sie zu halten. Doch einen A-Kunden sollte der betreuende Vertriebsmitarbeiter dann kontaktieren, seine Zufriedenheit abfragen und ihn durch attraktive Lösungen für seine Bedürfnisse an das eigene Unternehmen binden.

KI operiert mit Wahrscheinlichkeiten
Generell liefert KI keine 100-prozentig exakten Ergebnisse, sondern jeweils Wahrscheinlichkeiten, etwa für den Verlust eines Kunden. Wird der Schwellenwert, bei dem eNVenta Analytics eine Warnung ausgibt, zu niedrig angesetzt, so gibt es zu viele unzutreffende Meldungen über möglicherweise abwanderungswillige Kunden. Wird der Wert zu hoch angesetzt, werden drohende Kundenverluste womöglich nicht erkannt. Deshalb muss das System beim Handelsunternehmen parametrisiert werden. Schließlich soll sich auch die Zahl der Meldungen in einem Rahmen bewegen, welche die Vertriebsmitarbeiter bewältigen können.

Damit diese Informationen Teil der täglichen Arbeit werden, sind sie auf verschiedenen Wegen im ERP-System nutzbar. Beispielsweise lassen sich die Meldungen von eNVenta Analytics in ein so genanntes Zoom-Element einbauen. Bei eNVenta Zoom handelt es sich um eine Cockpit-Funktion, welche die Mitarbeiter individuell konfigurieren können. Beim Start des ERP-Systems finden sie dann alle relevanten Informationen grafisch aufbereitet auf einen Blick vor. Wenn der Vertrieb jedoch gerade mit einem Kunden im Kontakt steht, so benötigt er die spezifischen Informationen zu diesem Kunden. Dazu kann er den eNVenta Beratungsassistenten nutzen. Hier werden die durch eNVenta Analytics generierten spezifischen Produktempfehlungen, die kundenspezifischen Preise oder auffällige Veränderungen im Kaufverhalten angezeigt und lassen sich „live“ etwa in einem Telefongespräch mit dem Kunden besprechen.

Der Charme der Kombination eines modernen ERP-Systems mit KI-Funktionalitäten „out of the box“ besteht nicht zuletzt darin, dass die Eintrittshürde zur Anwendung von maschinellem Lernen drastisch gesenkt wird. Letzteres kann dem Vertrieb im Technischen Handel Einsichten gewähren, die ihm in einem dynamischen Wettbewerbsumfeld Vorteile verschaffen.