Vertragsabschlüsse sind ein Kernthema für Vertriebs- und Marketingteams gleichermaßen. Vertriebsmitarbeiter suchen immer nach neuen Möglichkeiten, die Anzahl der Vertragsabschlüsse zu steigern, während sich die Marketingexperten darauf konzentrieren, die Zahl der Kundenkontakte zu reduzieren.
Für jedes Unternehmen ist es wichtig, neue Kunden zu gewinnen und die Kundenbindung zu steigern. Jeder Vertriebsexperte weiß, dass Leads in Verkäufe umgewandelt werden können, aber die zugrunde liegende Conversion-Rate stark variiert. Einige Leads fallen weg und können nie umgewandelt werden.
Das Problem ist, dass niemand vorher weiß, welche dieser Leads abgeschlossen werden können. An dieser Stelle kommt KI ins Spiel. Unser Team von Data Scientists analysierte hierzu die realen Vertriebsaktivitäten eines B2B-Unternehmens und entwickelte eine KI, die die Wahrscheinlichkeit eines Vertragsabschlusses für Leads mit 85 % Genauigkeit vorhersagen kann.
Inhalt
Vorgehensweise zum Aufbau eines neuronalen Netzes
a.) Datensichtung und -bereinigung
Der erste Schritt bei der Entwicklung einer Vertriebs-KI ist die Sichtung und Bereinigung der Daten. Die dargestellten exemplarischen Datensätze aus einem CRM-System zeigen, dass jeder Vertriebsaktivität (Kontakt-ID) eine Vielzahl von Informationen zugeordnet wird.
Hier müssen beispielsweise Branchen, die auf unterschiedlichen Granularitäten einem Kunden zugeordnet wurde, aggregiert werden, damit ein einheitliches Datenschema zur Verfügung steht. Außerdem findet man immer wieder Datensätze, bei denen wichtige Informationen wie z.B. die Region oder die Produktgruppe nicht gefüllt werden. Bei bestimmten Parametern kann man auf externe Datenquellen zurückgreifen (z.B. der Kundenbranche), andere, wie z.B. die Produktgruppe, können jedoch nicht ohne aufwändige interne Recherche nachgepflegt werden. In solchen Fällen werden diese Datensätze nicht mit in die Auswertung mit einbezogen. Die folgende Abbildung zeigt einen exemplarischen Auszug aus dem CRM-System zu Vertriebsaktivitäten eines B2B-Unternehmens.
Abbildung 1) Beispieldatensatz CRM-Export als Grundlage für Entwicklung eines neuronalen Netzes
b.) Identifikation potentiell relevanter Einflussparameter
Im nächsten Schritt müssen Einflussparameter selektiert werden, bei denen davon ausgegangen werden kann, dass diese die beabsichtigte Ziel-KPI (Vertragsabschluss) maßgeblich beeinflussen. In unserer Studie haben wir uns für folgende entscheidende Parameter entschieden:
die Branche des Leads,
die Region des Leads,
die Produktgruppe, die dem Lead angeboten wurde,
die Kontaktart
c.) Korrelationsanalyse Einflussparameter zu Vertriebserfolg
Da die zuvor selektierten Einflussparameter auf fachlichen, subjektiven Bewertungen basieren, müssen diese durch statistische Auswertungen bewertet werden.
Hierzu wird die Korrelation der einzelnen Parameter mit dem Vertriebserfolg (Anbschluss = X) berechnet. Die Einflussparameter, die in unserer Studie die größte Korrelation zum Vertriebserfolg hatten, waren:
die Branche des Leads
die Region des Leads
die Produktgruppe, die dem Lead angeboten wurde,
die Kontaktart
d.) Training des neuronalen Netzes
Nachdem die Datensätze nun bereinigt und die wichtigsten Parameter ausfindig gemacht wurden, kann mit der Entwicklung eines neuronalen Netzes, dem Gehirn der künstlichen Intelligenz, begonnen werden.
Hierzu werden Datensätze aus dem CRM-System für einen gewünschten Zeitraum extrahiert und in zwei Teile aufgeteilt. Der erste Teil der Daten (ca. 80% der Gesamtmenge) wird zum Training des neuronalen Netzes verwendet. Ähnlich wie ein Gehirn lernt das neuronale Netz anhand der zuvor genannten Parameter zu bestimmen, inwieweit diese Parameter den Erfolg einer Vertriebsaktivität bestimmen.
In diesem Prozess liegt die Stärke des neuronalen Netzes: Zusammenhänge, die für das menschliche Auge nicht erkennbar sind, werden durch die KI aufgedeckt. Gibt es beispielsweise eine bestimmte Kombination aus Branche, Region und Kontaktart, die eine hohe Vertragsabschlussquote gewährleisten, so wird dies durch das neuronale Netz erlernt.
e.) Testing des neuronalen Netzes
Sobald der Lernprozess des neuronalen Netzes vollendet ist, wird das daraus entstandene Modell auf die zuvor ,,beiseite" gelegten Datensätze (20% der Restmenge) angewendet.
Da diese Datensätze nicht in das Training mit einbezogen wurden, werden diese Datensätze als neue Informationen für die KI betrachtet. Hier entscheidet sich also mit welcher Genauigkeit das neuronale Netz bei einer bestimmten Kombination aus Branche, Region, Produktgruppe und Kontaktart einen Vertragsabschluss vorhersagen kann. Die Vorhersage wird dann mit der “Realität”, also dem Testing-Datenset abgeglichen.
In unserer Studie konnten wir eine 85% Genauigkeit in der Vorhersage erreichen!
Abbildung: Aufbau eines neuronalen Netzes
Wie kann ich die künstliche Intelligenz für Vertragsabschlusswahrscheinlichkeiten verwenden?
Bei einer Genauigkeit von 85% kann die künstliche Intelligenz dafür verwendet werden, zukünftig eingekaufte Leads nach ihrer Abschlusswahrscheinlichkeit zu sortieren. So könnten beispielsweise nur Leads mit einer Abschlusswahrscheinlichkeit von >50% angegangen werden, wodurch die Vertriebseffizienz drastisch steigen würde.
Hinzu kommt, dass das aufgebaute neuronale Netz nach Wünschen ausgeweitet werden kann. So können beispielsweise Parameter wie die Mitarbeiternummer der Vertriebler mit einbezogen werden, wodurch Vertrieblern nur noch Leads zugeordnet werden, die sie mit höchster Wahrscheinlichkeit abschließen können.
Unsere Studie zeigt also, dass künstliche Intelligenz im Vertrieb kein Buzzword mehr ist, sondern quantifizierbare Vorteile zur Steigerung der Vertriebseffizienz liefert.
댓글