Details

<div><div><div>Vorwort: Die Macht der Daten und der Künstlichen Intelligenz</div><div>1 Einführung: Künstliche Intelligenz verändert unsere Kommunikation</div><div>1.1 Unternehmen brauchen KI, um die Digitalisierung zu beherrschen</div><div>1.2 Der Weg zur Künstlichen Intelligenz in Unternehmen</div><div>1.3 Warum KI in die Kundenkommunikation gehört</div><div>1.4 Wie Amazon, Zalando und McDonalds die Welt durch ihre KI verändern</div><div>1.4.1 McDonald’s</div><div>1.4.2 Netflix</div><div>1.4.3 ABOUT YOU</div><div>2 In digitaler Kommunikation mit dem Kunden</div><div>2.1 Die moderne Customer Journey und die Daten</div><div>2.2 Das Problem des klassischen Marketings und die Chance der Künstlichen Intelligenz</div><div>2.3 So entsteht ein skalierbares Konzept für Personalisierung</div><div>2.4 Das moderne Kontrollzentrum für Kundenkommunikation</div><div>3 Künstliche Intelligenz verstehen und in der Organisation verankern</div>3.1 Wie Maschinen lernen: Einordnung von Künstlicher Intelligenz, Machine Learning und Deep Learning</div><div>3.1.1 Was ist Machine Learning?</div><div>3.1.2 Was ist Deep Learning?</div><div>3.1.3 Arten von Machine Learning</div><div>3.1.4 Von der Idee zur Machine-Learning-Software</div>3.1.5 Der Unterschied zwischen maschinellem Lernen und Softwareentwicklung</div><div>3.1.6 Herausforderungen von maschinellem Lernen und Data Science</div><div>3.2 KI-Plattformen und Architektur</div><div>3.2.1 Was ist eine Data-Science-Plattform?</div><div>3.2.2 Machine Learning Feature Store</div>3.3 Das richtige Team – Jobprofile für KI-Projekte<div>3.3.1 Data Engineer</div><div>3.3.2 Data Scientist</div><div>3.3.3 Machine Learning Engineer</div><div>3.3.4 DevOps Engineer</div><div>3.3.5 Domänenexperte</div><div>3.3.6 Chief Analytics Officer</div><div>3.4 KI in der Organisation verankern</div><div>3.4.1 Die Kultur und Organisation für erfolgreiche KI-Projekte in Unternehmen</div><div>3.4.2 KI in der Organisation konkret verankern</div><div>3.4.3 Center of Excellence</div>4 Anwendungsfälle und Praxisbeispiele von Künstlicher Intelligenz im Marketing und Vertrieb<div>4.1 Der Kundenlebenszyklus</div><div>4.2 Transaktionale vs. vertragsbasierte Geschäftsmodelle</div><div>4.3 Kundensegmentierung – Kunden verstehen</div><div>4.3.1 Vorgehen bei einer clusterbasierten Kundensegmentierung</div>4.3.2 Datenaufbereitung für eine Kundensegmentierung<div>4.3.3 Tipps für die Umsetzung von clusterbasierten Kundensegmentierungen</div><div>4.3.4 Wann wird eine Kundensegmentierung eingesetzt?</div><div>4.4 Customer Lifetime Value vorhersagen</div><div>4.4.1 Moderne Customer-Lifetime-Value-Ansätze auf Basis von Künstlicher Intelligenz</div><div>4.4.2 Mögliche Ansätze zur Vorhersage des Customer Lifetime Value</div><div>4.4.3 Vorgehen und Prozess</div><div>4.4.4 Anwendungsfälle für den Customer Lifetime Value</div><div>4.5 Empfehlungssysteme</div><div>4.5.1 Arten von Empfehlungssystemen</div><div>4.5.2 Vorgehen und Prozess</div><div>4.5.3 Einsatzmöglichkeiten von Empfehlungssystemen</div><div>4.5.4 Herausforderungen bei der Entwicklung von Empfehlungssystemen</div><div>4.6 Affinitätsmodelle und Next Best Action zur Steuerung der Kundenkommunikation</div><div>4.6.1 Vorteile eines KI-basierten Kommunikationsansatzes</div><div>4.6.2 Entwicklung von Affinitätsmodellen</div><div>4.6.3 Anwendungsfälle für Affinitätsmodelle</div><div>4.7 Churn Prediction zur Vorhersage von Kündigungswahrscheinlichkeiten</div><div>4.7.1 Wie funktioniert Churn Modeling?</div><div>4.7.2 Die benötigten Daten für ein Churn Modeling</div><div>4.7.3 Herausforderungen beim Churn Modeling</div><div>4.8 Uplift Modeling zur Optimierung von Marketingmaßnahmen</div><div>4.8.1 Wie funktioniert Uplift Modeling?</div><div>4.8.2 Einsatzmöglichkeiten von Uplift Modeling im Marketing</div><div>4.8.3 Vorgehen und Kampagnendesign für Uplift Modeling</div><div>4.8.4 Herausforderungen bei der Umsetzung von Uplift Modeling in der Praxis</div><div>5 Vom Proof of Concept zum Regelbetrieb</div><div>5.1 Strukturen und Kultur für den Erfolg von KI im Unternehmen</div><div>5.2 Vom Experiment zum Regelprozess</div><div>5.3 Make or Buy? Hilfestellung für KI-Projektverantwortliche im Marketing und Vertrieb</div><div>5.4 Herausforderungen und Grenzen von KI im Marketing und Vertrieb</div><div>6 Ausblick</div><div> </div>

Laurenz Wuttke ist Wirtschaftsinformatiker, Unternehmer, Dozent und Gründer der datasolut GmbH aus Köln. Er begleitet seine Kunden bei der Einführung und Anwendung von Methoden der Künstlichen Intelligenz im Marketing und Vertrieb – von der Entwicklung der KI-Strategie, über die Bestimmung der passenden Anwendungsfälle und Infrastruktur bis zur konkreten Programmierung. Dadurch sind seine Mandanten in der Lage, dem richtigen Kunden zur richtigen Zeit das richtige Angebot zu machen und so ihren Umsatz zu steigern. Sie entwickeln zudem ein besseres Verständnis für Ihre Kunden, können die Geschäftsbeziehung zu ihnen erfolgreicher ausbauen und länger halten.

Dieser Praxisleitfaden des Daten-Experten Laurenz Wuttke zeigt, was der Einsatz von Künstlicher Intelligenz in Marketing und Vertrieb leisten kann. Systematisch und verständlich führt der Autor seine Leser durch die Zukunftswelt, in der Daten den Unternehmenserfolg bestimmen. Diese Welt ist digital, sie nennt sich Data Science. Sie besteht aus einem Code, dessen Anwendung eine individualisierte Kundenkommunikation und eine fortlaufende Skalierbarkeit ermöglicht.&nbsp;<div>Schritt für Schritt erfahren Sie, wie sich mit Künstlicher Intelligenz die Customer Journey beeinflussen und die Kundenkommunikation personalisieren lässt. Sie erfahren ebenso, wie Sie die Kosten senken, den Einsatz des Marketingbudgets optimieren und Umsätze um ein Vielfaches steigern können. Die Grundlage für diese fortschrittliche Kultur in Unternehmen bieten Daten und deren Entwicklung hin zu selbstlernenden Systemen.</div><div>Laurenz Wuttke teilt erstmals mit diesem Buch sein Know-how für KI-Anwendungen mit Unternehmen, Managern und Projektverantwortlichen. Er erläutert anhand von beeindruckenden Beispielen, wie die digitale Systeme funktionieren und bietet eine Roadmap vom Proof of Concept zum Regelbetrieb.&nbsp;</div><div><br></div><div><b>Aus dem Inhalt</b></div><div><ul><li>Wie Künstliche Intelligenz unsere Kommunikation verändert</li><li>Das Problem des klassischen Marketings und die Chancen von KI</li><li>So entsteht ein skalierbares Konzept für Personalisierung</li><li>Künstliche Intelligenz in der Organisation verankern</li><li>Viele Anwendungsfälle u.a. Next Best Offer, Kundensegmentierung, Churn Prediction oder Uplift Modeling&nbsp;</li><li>Zahlreiche Praxisbeispiele von führenden E-Commerce-Playern, Handel und Versicherungen bis zum mittelständischen Unternehmen&nbsp;</li><li>Herausforderungen und Grenzen von KI in Marketing und Vertrieb</li></ul></div><div><b><br></b></div><div><b>Der Autor</b></div><div>Laurenz Wuttke ist Unternehmer, Dozent und Gründer der datasolut GmbH aus Köln. Er hilft seinen Kunden mit Künstlicher Intelligenz mehr Wert aus Kundendaten zu gewinnen.&nbsp;</div>

<p>Der Leitfaden: konkret, verständlich, umsetzungsorientiert</p><p>Mit zahlreichen sehr konkreten Beispielen aus der Praxis</p><p>Roadmap, wie Sie KI-Technologie in Ihrem Marketing einführen</p>