Sicher, ich habe auch schon einige übertrieben angepriesene Blindgänger gesehen - wir alle erinnern uns an angepriesene "Innovationen" wie 3D-Fernseher, die versprachen, die Art, wie wir Videos erstellen und konsumieren, zu verändern. Aber hin und wieder kommt etwas daher, das die Welt unbestreitbar verändern wird. In jüngster Zeit ist das die generative künstliche Intelligenz, aber ich sehe immer noch, dass einige Marken diese Technologie aus Angst vor ihren Risiken meiden.

Als Kreativer mache ich mir keine Sorgen, dass KI mir meinen Job wegnehmen könnte, wie es bei anderen der Fall ist. Ich mache mir eher Sorgen, dass ich Gefahr laufe, zurückgelassen zu werden, wenn ich mich nicht auf KI einlasse. Das gleiche Risiko besteht für Marken, die zögern, KI in ihre Arbeitsabläufe zu integrieren. Und warum? KI macht Kreativität zugänglicher als je zuvor; filmische, qualitativ hochwertige Inhalte sind nicht mehr nur den wenigen Erfahrenen vorbehalten.

Die Demokratisierung der KI wird einige Dinge einfacher machen, aber nicht ohne Herausforderungen.

Technologie hat den kreativen Prozess schon immer verändert - in mancher Hinsicht hat sie ihn vereinfacht, in anderer Hinsicht hat sie den Kreativen neue Fähigkeiten abverlangt. Als die "Herr der Ringe"-Trilogie an ihre Grenzen stieß, führte dies zur Entwicklung neuer Technologien, wie z. B. Motion Capture und dessen Weiterentwicklung zu Performance Capture, sowie zur Entstehung neuer Talentschmieden, die darauf ausgerichtet sind, das Beste aus diesen Innovationen zu machen. Heute stellt die KI uns alle vor die gleiche Herausforderung, uns anzupassen.

Erstens müssen wir die Produktion steigern. Die Geschwindigkeit, mit der Inhalte mit KI erstellt werden, erhöht die Erwartung, mehr zu produzieren. In dieser Hinsicht macht die KI die Produktion von Inhalten nicht unbedingt einfacher, aber sie macht sie anspruchsvoller und erhöht das kreative Potenzial. Sich zu profilieren, bleibt eine Herausforderung.

Wir haben das bereits bei CGI gesehen. Heute kann man in Maya eine Szene in drei Minuten rendern, für die man früher sechs Stunden brauchte. Aber wenn man das Programm einschaltet, sieht es eher wie eine technische Software aus als wie etwas Kreatives. Das Zusammensetzen einer Szene erfordert ein ebenso großes Verständnis für Mathematik wie für Design. Um das Potenzial der Technologie voll ausschöpfen zu können, muss man sich trauen, sie anzunehmen und mit ihr zu experimentieren.

Das größte Risiko besteht darin, gar nichts zu tun.

Für Marken ist es leicht, sich auf das zu verlassen, was vertraut ist. Ich kann das nachvollziehen. Erinnern Sie sich, was ich darüber gesagt habe, dass ich in meinen Gewohnheiten feststecke? Aber wer sich auf seinen Lorbeeren ausruht, riskiert, Marktanteile an Herausforderer zu verlieren, die schneller sind und sich auf Experimente einlassen. Kleinere Marken und Influencer nutzen bereits die Verfügbarkeit moderner Videotools, um sich einen Namen zu machen. Diese Lücke zu schließen ist der Schlüssel, um das Risiko zu verringern, vergessen zu werden.

Im Laufe meiner Karriere habe ich die transformative Kraft der Integration von Technologie und Experimenten in die eigene kreative DNA erlebt, und ich bin zuversichtlich, dass dieser Ansatz auch weiterhin den Erfolg von Kreativteams fördern wird, die sich trauen, ihn zu übernehmen. In meinem Team verbessern wir unsere bereits erstklassigen Talente, indem wir ihren kreativen Prozess mit KI erweitern. Als Team wissen wir, dass wir uns dabei die Hände ein wenig schmutzig machen müssen und manchmal mehr als erwartet mit einem Chatbot hin- und hergehen müssen, aber die Belohnungen sind immens. Durch die Einbeziehung von KI-Tools in jede Phase des kreativen Prozesses, von der Ideenfindung bis zur Konzeptkunst und darüber hinaus, können wir - und unsere Kunden - die üblichen Grenzen überschreiten, unsere Leistung steigern und fesselnde Inhalte erstellen, die einen bleibenden Eindruck hinterlassen. Und wir können es kaum erwarten, zu sehen, wie es sich weiterentwickelt.

Klein anfangen, aber groß denken.

Die gute Nachricht für risikoscheue Marken ist, dass man sich nicht entscheiden muss, ob man zu konservativ oder zu experimentierfreudig ist und alle Vorsicht in den Wind schlägt. Es gibt keinen Grund für eine binäre Herangehensweise an die Frage, ob Sie bei der Einführung von KI dabei sind oder nicht; es gibt viel Raum für Experimente innerhalb der Leitplanken. Sie müssen nur damit beginnen, mit einfacheren Möglichkeiten zur Verbesserung Ihres Outputs zu spielen (z. B. zahlreiche Hintergründe mit KI zu generieren oder Produkte digital zu ersetzen, um Inhalte dynamischer und personalisierter zu gestalten), und von dort aus iterieren, wenn Ihr Team mehr Erfahrung hat.

Wenn ein Kreativer, der seit 20 Jahren in der Branche tätig ist, KI ohne Vorbehalte einsetzen kann, können Sie das auch! Der KI-Boom mag sich zwar wie Neuland anfühlen, aber es ist nicht das erste Mal, dass wir uns kreativ anpassen müssen - und angesichts neuer Kundenerwartungen und eines verstärkten Wettbewerbs durch die Demokratisierung der Inhaltserstellung gibt es keinen besseren Zeitpunkt als jetzt, um damit zu beginnen. Andernfalls könnten Sie einfach zurückbleiben.

Auch wenn ich davon überzeugt bin, dass die Suchmaschinenwerbung weiterhin florieren und für Werbetreibende Ergebnisse liefern wird, verändert sich zweifellos die Art und Weise, wie wir Suchanzeigen schalten – ebenso wie die Suchergebnisseite (SERP) selbst. Eine der größten Veränderungen bei der Anzeigenplatzierung im Google-Netzwerk ist Performance Max (PMax). Dabei handelt es sich um einen keywordfreien, KI-gestützten Kampagnentyp, der mithilfe von Machine-Learning-Modellen Gebote und Platzierungen im gesamten Google-Netzwerk (einschließlich der Suche) optimiert, um ein Kernziel zu erreichen. Werbetreibende bieten nicht auf bestimmte Keywords; stattdessen verlassen sie sich auf KI, die das Bidding und Targeting anhand von Zielgruppensignalen, der eigenen Website/URLs des Werbetreibenden und kreativen Assets übernimmt. Dadurch werden Anzeigen im gesamten Google-Netzwerk geschaltet, die Suchanfragen und das Surfverhalten der Nutzer so abgleichen, dass sie am ehesten zu der gewünschten Aktion führen. Während sich das Sucherlebnis für den Nutzer also nicht wesentlich ändert, verändert sich die Art und Weise, wie wir als digitale Vermarkter Suchanzeigen schalten, rasant.

Die anfängliche Akzeptanz von Performance Max war gemischt und branchenabhängig – nun wendet sich das Blatt.

Werbetreibende haben PMax mit unterschiedlicher Bereitschaft angenommen, wobei viele gegen den Kontrollverlust ankämpfen, den sie im Laufe der Jahre bei Google Ads gewohnt waren. In den Anfängen von PMax habe ich diese Zurückhaltung ebenfalls gespürt, insbesondere bei Branchen außerhalb des Einzelhandels und bei sehr komplexen Werbetreibenden. Außerdem wusste ich aus jahrelanger Erfahrung mit ähnlichen Entwicklungen bei Google Ads, dass es unweigerlich neue Funktionen und Anpassungen geben würde, die auf dem Feedback von Agenturen und Werbetreibenden basieren. Tatsächlich haben unsere Tests gezeigt: Auch wenn wir vielleicht noch nicht bereit sind, uns von Keywords zu verabschieden, bringt uns PMax doch einen Schritt näher an die Möglichkeit eines skalierbaren, keywordlosen Targetings.

Google stellt derzeit auf eine visuellere Suchergebnisseite (SERP) um, die auf visuelle Formate und ein generatives Sucherlebnis setzt. Google setzt stark auf Performance Max, „Broad Match“ und KI-gesteuerte Produkte im Allgemeinen. Google hat außerdem weitere Einblicke, Kreativ-Tools, Targeting- und Testmöglichkeiten auf der Plattform veröffentlicht, um das Produkt zu verbessern und aufschlussreichere Wege zur Nutzung von Daten in allen Marketingmaßnahmen zu ermöglichen, einschließlich der Optimierung der Zielgruppenauswahl und der Anzeigenmotive. Darüber hinaus testet und führt Google die automatisierte und generative Erstellung von Anzeigenmotiven ein, um Werbetreibenden bei der Überwindung der Hürde kostspieliger und zeitaufwändiger Anzeigeniterationen zu helfen.

Lassen Sie uns zusammenfassen, wie sich PMax im letzten Jahr weiterentwickelt hat.

Es werden weiterhin neue Funktionen eingeführt, um dieses Produkt zu verbessern und die Leistung der Kampagnen zu steigern. Im Folgenden habe ich einige davon näher beschrieben, die für unsere Nutzung besonders relevant sind.

• Uplift-Experimente und Vergleiche zwischen PMax und rSC (Standard-Shopping): Diese Tests ermöglichen es Werbetreibenden, die Leistung von PMax-Kampagnen mit anderen Kampagnentypen, wie beispielsweise Standard-Shopping-Kampagnen, sowie mit anderen PMax-Kampagnen mit unterschiedlichen Einstellungen oder Strategien zu vergleichen.
• Markenausschlüsse und Ausschlussbegriffe auf Kontoebene: Mit diesen Funktionen können Werbetreibende verhindern, dass ihre PMax-Kampagnen Anzeigen für bestimmte Marken oder Keywords schalten. Dies kann hilfreich sein, um zu verhindern, dass Anzeigen für Wettbewerber oder für Keywords geschaltet werden, die für das Geschäft des Werbetreibenden nicht relevant sind.
• Verbesserungen am Video-Builder und optimierte Berichterstellung auf Asset-Ebene: Diese Funktionen erleichtern Werbetreibenden die Erstellung und Verwaltung ihrer PMax-Kampagnen. Mit dem Video-Builder können Werbetreibende Videos für ihre PMax-Kampagnen erstellen, ohne über Erfahrung in der Videobearbeitung verfügen zu müssen.
• Die verbesserte Berichterstellung auf Asset-Ebene bietet Werbetreibenden mehr Einblicke in die Leistung ihrer PMax-Kampagnen.
• Die Erweiterung der Ziel-URL hilft Ihnen dabei, die Leistung Ihrer PMax-Kampagnen zu optimieren. Dies trägt dazu bei, eine relevantere Zielseite basierend auf der Suchanfrage und der Absicht des Nutzers zu finden, und ermöglicht eine individuell angepasste dynamische Anzeigenüberschrift, die zum Inhalt der Zielseite passt.
• Unterstützung für SA360-Floodlight-Gebote, die es Werbetreibenden ermöglicht, ihre eigenen Conversion-Daten für Gebote in PMax-Kampagnen zu nutzen. 
• Die Möglichkeit, keine Assets einzugeben und Shopping-/Feed-Anzeigen über den PMax-Anzeigentyp zu schalten. Zwar kann nicht zu 100 % garantiert werden, dass automatisch generierte Assets nicht geschaltet werden, doch unsere Tests belegen, dass der Großteil der Ausgaben in Shopping-Platzierungen fließt.
• Die Möglichkeit, Skripte zu nutzen, um die Ausgaben nach Taktik (Videoaufrufe usw.) darzustellen.

Wir gehörten zu den ersten Anwendern und haben einen sehr systematischen Testansatz eingeführt.

Unser Team hat sich seit der ersten Ankündigung der Produkteinführung intensiv mit dem Testen von PMax beschäftigt und daran gearbeitet, alle neuen Funktionen und Experimentiermöglichkeiten zu integrieren. Wir haben PMax im Vergleich zu Standard-Shopping-Anzeigen und Dynamic Search Ads (DSA) getestet. Außerdem haben wir das Gebotsverfahren für Neukunden sowie mehrere Anzeigengruppen mit deutlich unterschiedlichen kreativen Inhalten im Vergleich zu nur einer einzigen Anzeigengruppe und vieles mehr getestet. Während wir bei unseren Kunden aus dem Einzelhandel, die die feedbasierten und lokalen Lösungen nutzen, tendenziell eine höhere Performance beobachten, verzeichnen wir dank der neuen Funktionen nun auch in anderen Branchen ein Wachstum – sogar bei sensiblen Lead-Generierungs-Werbetreibenden wie denen aus dem Gesundheitswesen.

Hier ist ein Beispiel für unsere Tests. Ein Kunde aus dem Gesundheitswesen führte kürzlich einen direkten Vergleichstest mit DSA durch und konnte durch die Nutzung der Leistungsfähigkeit von PMax seine Investitionen und sein Lead-Volumen um das Zehnfache steigern. Innerhalb weniger Monate führte die Umstellung auf PMax zu einem Anstieg der Leads um 13 % bei einer Senkung des CPA um 8 %. Durch die Festlegung durchdachter, flexibler Ziele, die Aufteilung der Kampagnen nach geschäftlichen Anforderungen, den Einsatz objektiv ausgerichteter Werbemittel und die Möglichkeit, dem maschinellen Lernen den Spielraum zu geben, mithilfe von First-Party-Daten die richtigen Personen zur richtigen Zeit zu finden, konnte die Marke skalieren.

Hier ist, was wir als Nächstes erwarten:

• Visuelle/Bild-Site-Links werden gegenüber Text-Site-Links bevorzugt.
• Es besteht die Möglichkeit, dass PMax das Endziel für Google Ads ist, mit eingeschränkter bis gar keiner Möglichkeit, auf ausgewählte Keywords zu bieten (d. h. eine Zukunft ohne Keywords).
• 2024 könnte das Jahr sein, in dem wir weitere Übereinstimmungsarten verlieren. Ich hoffe, dass wir die exakte Übereinstimmung behalten, aber wir wissen, dass die breite Übereinstimmung angesichts der Investitionen in die neue breite Übereinstimmung noch einige Zeit bestehen bleiben wird.

Ein Ausblick auf die Zukunft der Keyword-Gebote.

Im letzten Jahr war Google ein hervorragender Partner, der auf das Feedback von Experten aus der Branche eingegangen ist und in mehr Dateneinblicke, Testmöglichkeiten, Schulungen und Targeting-Steuerungsmöglichkeiten investiert hat. Darüber hinaus können uns die neuen generativen Kreativfunktionen der Plattform als Suchmaschinen-Vermarkter in die Lage versetzen, die Leistungsfähigkeit der KI zu nutzen und gleichzeitig unser Wissen über das Google-Netzwerk sowie spezifische Markenanforderungen einzusetzen, um Kundenerfolge zu erzielen.

Sind wir heute schon bereit für ein vollständig keywordloses Suchwerbeerlebnis? Nein, aber angesichts der Fortschritte von Performance Max im letzten Jahr wird es immer wahrscheinlicher, dass die Kombination aus „Broad Match“ und Performance Max in absehbarer Zukunft in jedem Best-Practice-Leitfaden von Google-Partnern zu finden sein wird.

59 % der Generation Z sehen sich längere Videos an, die sie auf Kurzvideo-Apps entdeckt haben. Dies zeigt, dass die Inhaber von Übertragungsrechten ein Denken auf Ökosystem-Ebene einführen müssen. Wir haben mit Marken wie Meta, Hasbro, TikTok und Verizon zusammengearbeitet, um ihren Broadcasting-Ansatz weiterzuentwickeln und den Gewohnheiten der heutigen Zuschauer durch Erlebnisse gerecht zu werden, die immersiv und interaktiv sind und die Zuschauer dort erreichen, wo sie sind. Jetzt entwickeln wir eine KI-Lösung, die diesen Broadcast-Workflow der nächsten Generation weiter revolutionieren wird, um mit Fan-Focused AI Highlights noch ansprechendere, personalisierte Inhalte für Verbraucher zu erstellen.

Fan-Focused AI Highlights stellt hyperrelevante Inhalte in kürzester Zeit und in großem Umfang bereit.

Fan-Focused AI Highlights, das sich derzeit in der Entwicklung befindet, nutzt KI und maschinelles Lernen, um Highlights in Live-Übertragungen sofort zu schneiden. Das KI-Modell ist in der Lage, einzelne Personen und Objekte in Live-Übertragungen zu segmentieren und macht die manuelle Auswahl und Bearbeitung überflüssig, ein typischerweise zeitintensiver Prozess.

Die Geschwindigkeit und das Volumen der Inhalte, die durch Fan-Focused AI Highlights erschlossen werden, sind entscheidend für die Bereitstellung von Inhalten für zwischendurch, nach denen sich die Sportzuschauer von heute sehnen. Die Generation Z konsumiert heute mehr Highlights (50 %) als Live-Inhalte (35 %), was das Bedürfnis nach einem augenblicksbasierten Ansatz für die Bereitstellung von Inhalten bestätigt, der zudem stärker personalisiert ist.

Der EVP, Global Head of Experience bei Media.Monks und ehemalige NCAA-Spieler Jordan Cuddy gibt ein Beispiel dafür, wie sich dieser Trend auf die Welt des Sports auswirkt. "Da Lionel Messi jetzt bei Inter Miami unter Vertrag steht, wollen viele seiner Fans vielleicht keinen amerikanischen Fußball sehen", sagt sie. "Anstatt sich ein 90-minütiges Spiel anzusehen, wollen sie nur die acht Minuten sehen, in denen er den Ball berührt." Ihre Aussage wird durch die Tatsache untermauert, dass 80 % der Fans der Generation Z nicht nur einem Profisportler online folgen, sondern auch versuchen, die Veranstaltungen zu sehen, an denen diese Sportler teilnehmen, und den Marken folgen, mit denen sie zusammenarbeiten. Mit Fan-fokussierten KI-Highlights könnten Sie automatisch einen Zusammenschnitt des Spiels erstellen, der sich auf die besten Spiele von Messi - oder eines anderen Sportlers - konzentriert.

Befriedigen Sie das Bedürfnis nach affinitätsbasierten Inhalten.

Der oben beschriebene Ansatz lässt sich auch auf noch mehr Nischeninhalte und Zuschauerinteressen anwenden. Stellen Sie sich ein Basketballspiel vor, das die KI automatisch in Social-Media-Inhalte zerlegt, die sich auf die von den Sportlern getragenen Schuhe konzentrieren, und die dann von einer Sportbekleidungsmarke an ein Publikum von Sneakerfans weitergegeben werden. Mit Fan-Focused AI Highlights ist dies ganz einfach möglich. Marken und Inhaber von Übertragungsrechten können damit ihr Publikum auf relevantere Weise erreichen und gleichzeitig die Anzahl und den Wert ihrer Übertragungsrechte steigern.

Wir befinden uns in einer neuen Ära, in der Menschen nicht mehr durch demografische Merkmale definiert werden, die sich auf ihren Wohnort beziehen, sondern durch Identitätsgruppen. Anstatt Gebiete auf einer Landkarte aufzuteilen, können Fernsehsender Inhalte für zahlreiche Subkulturen gleichzeitig kreativ verpacken und die Möglichkeiten von KI und maschinellem Lernen nutzen, um maßgeschneiderte Highlight-Inhalte genauer und effektiver an interessensbasierte Zielgruppen zu verteilen. Dies ist eine riesige Chance für Rechteinhaber, da 73 % der Sportzuschauer die Nutzung von Fan-Daten durch Rechteinhaber als "enttäuschend" (23,4 %) oder "unter den Erwartungen, aber aufholend" (49,7 %) empfinden.

Anpassung von Sendeinhalten an die heutigen Sehgewohnheiten.

Fan-Focused AI Highlights ist die neueste Lösung im Rahmen unseres Software-definierten Produktionsangebots, das den Bedarf an großen physischen Anlagen - wie etwa große Regieräume oder Ü-Wagen, deren Miete pro Tag mehrere zehntausend Euro kostet, oder Dutzende von Crew-Mitgliedern, die sie warten müssen - zugunsten vielseitiger, wendiger Broadcast-Workstreams eliminiert. Einweg-Appliances, die nur für eine Aufgabe konzipiert sind, machen Platz für NVIDIA-Grafikprozessoren in der Cloud (oder in einem Server-Rack), die für zusätzliche Effizienz, Flexibilität und geringere Kosten sorgen, während Remote-Teams es den Rechteinhabern ermöglichen, die besten Talente für den Job zu engagieren, unabhängig von ihrer Nähe zum Event.

Die softwaredefinierte Produktion hat es uns sogar ermöglicht, etwas zu tun, was vorher nicht möglich war. In Zusammenarbeit mit UNC Blue Sky Innovations haben wir das erste Sportereignis in stereoskopischem 3D mit 60 Bildern pro Sekunde und einer 8K-Auflösung direkt auf VR-Headsets gestreamt. Die maßgeschneiderte Pipeline umfasst eine RED Digital Cinema-Kamera, RED-CPUs, die das Material direkt von der Kamera dekodieren, farbkorrigieren und de-warpen, einen Blackmagic-Controller für das Live-Switching und die Kodierung (von NVIDIA-GPUs für eine hochwertige Bitrate) sowie ein 1-GB-Netzwerk, um das Feed an eine AWS-Instanz auf dem Weg zu den VR-Headsets zu liefern.

All diese Geräte nahmen den bescheidenen Platz eines Standard-Klapptisches ein - ein kleiner Platz für eine innovative Pipeline und eine Sendung, die Geschichte schrieb. Dennoch sind Broadcast-Profis traditionell abergläubisch, und es ist leicht zu verstehen, warum die Verlagerung eines Großteils der Ausrüstung und Prozesse auf Software sie misstrauisch machen könnte: Was ist, wenn es zu Verbindungsproblemen kommt oder ein Rechenzentrum ausfällt? Dieselben Rechenzentren, die AWS nutzt, beherbergen auch Banken und andere äußerst sensible Vorgänge, was bedeutet, dass es mehrere Sicherheitsvorkehrungen gibt, die sicherstellen, dass der Service nicht unterbrochen wird. Und wenn eines der Rechenzentren ausfällt, können wir es in einem anderen wieder in Betrieb nehmen. Da mehrere Redundanzen vorhanden sind, lassen sich technische Probleme mit der Software schneller und einfacher beheben, als wenn Ihr LKW-Generator ausfällt.

Ein nachhaltiger Ansatz für Innovation.

Neben dem verringerten Risiko und der zusätzlichen Flexibilität bietet die softwaredefinierte Produktion einen weiteren wichtigen Vorteil: Nachhaltigkeit. Media.Monks wurde auf der NAB Show mit dem Sustainability in Leadership Award ausgezeichnet, weil das Unternehmen den CO2-Fußabdruck von Sendungen mit AWS erheblich reduziert hat. Neben der Vermeidung von reisebedingten Emissionen wird der softwaredefinierte Produktions-Workstream mit mehr als 95 % erneuerbarer Energie betrieben, was die Umweltbelastung weiter reduziert.

Durch die Hinzufügung von Fan-fokussierten KI-Highlights können Marken noch mehr personalisierte, relevante Inhalte für das heutige Publikum mit weniger Emissionen, Risiken, Kosten und Personal vor Ort bereitstellen. Da sich die Zuschauer nach einem stärker auf den Moment bezogenen Ansatz für den Medien- und Unterhaltungskonsum sehnen, hilft dieses revolutionäre Übertragungsmodell Marken, den Wert ihrer Übertragungsrechte auf innovative Weise zu steigern.

Zunächst einmal kündigte Salesforce seine neue Einstein 1-Plattform an. Die Plattform basiert auf dem verbesserten Metadaten-Framework von Salesforce und ermöglicht es Unternehmen, alle ihre Daten zu verbinden, um Low-Code-Apps mit KI zu entwickeln. Während Salesforce die Einführung seiner generativen KI-Schnittstelle, Einstein Copilot, für diesen Herbst vorbereitet, gibt Einstein 1 Vermarktern einen Vorgeschmack darauf, wie generative KI neue CRM-Erfahrungen ermöglichen kann.

Aber das ist noch nicht alles: Um die Leistung von KI zu entfesseln, sind robuste Unternehmensdaten erforderlich, und Salesforce bereitet Data Cloud als zentrale Datendrehscheibe für Einstein Copilot vor. Um Marken dabei zu helfen, in diesem mutigen Neuland Fuß zu fassen, bietet Salesforce bestimmten Bestandskunden einen kostenlosen Zugang zu Data Cloud an. Es gibt also keinen besseren Zeitpunkt als jetzt, um eine solide Datengrundlage für die Implementierung von KI in Ihrem Unternehmen zu schaffen. Lassen Sie uns näher darauf eingehen, was angekündigt wurde, was es bedeutet und wie Sie loslegen können.

Also, was wurde auf der Dreamforce angekündigt?

Salesforce Sales Cloud- und Service Cloud-Kunden mit Enterprise- oder Enterprise Unlimited-Editionen erhalten Zugriff auf Salesforce Data Cloud, zusätzlich zu zwei Tableau Creator-Lizenzen. Als Teil dieses Zugangs stellt Salesforce 250.000 Credits zur Verfügung, mit denen Kunden ohne zusätzliche Kosten in die Data Cloud einsteigen und Sales- und Service Cloud-Anwendungsfälle entwickeln können.

Data Cloud ist die Grundlage, die die generativen KI-Funktionen innerhalb der Salesforce-Plattform freischaltet, die wiederum den Kunden helfen, die Effizienz ihres Unternehmens zu steigern. Mit diesem neuen Schritt macht Salesforce die Data Cloud für Kunden zugänglicher und ermöglicht es ihnen, die Leistungsfähigkeit der Plattform schneller zu nutzen - was von entscheidender Bedeutung ist, denn die beste Datenpipeline gewinnt, wenn es darum geht, das Potenzial von KI auszuschöpfen.

Was sind die besten Anwendungsfälle für Data Cloud für Einsteiger?

Der kostenlose Zugang in Verbindung mit 250.000 Credits gibt Kunden die Möglichkeit, mit der Nutzung der Data Cloud-Plattform zu beginnen und grundlegende Anwendungsfälle zu entwickeln, die dann zu fortgeschritteneren Anwendungsfällen und weiterer Nutzung führen. Mit welchen Arten von Anwendungsfällen sollten Sie also beginnen? Salesforce hat die folgenden zwei identifiziert:

1. Vereinheitlichung von Interessenten für gezieltes Verkaufen: Konsolidieren Sie Daten über mehrere Sales Cloud-Organisationen hinweg, um Chancen bei vorrangigen Kunden zu erkennen und den Umsatz zu steigern.
2. Kunden für personalisierten Service vereinheitlichen: Konsolidierung von Daten über mehrere Organisationen hinweg, um Service-Agenten mit einer einheitlichen 360°-Sicht auf den Kunden auszustatten.

Diese Anwendungsfälle richten sich an Kunden, die Daten über mehrere Organisationen hinweg konsolidieren möchten - sei es, weil sie ein Portfolio-Unternehmen mit mehreren Unternehmen oder Marken sind oder absichtlich separate Salesforce-Instanzen eingerichtet haben.

Wie kann ich loslegen?

Vor der Aktivierung eines Data Cloud-Nutzungsfalls sollten Kunden zunächst ihre Datenverwaltungsstandards bewerten, um eine angemessene Datengrundlage zu gewährleisten. Während der kostenlose Zugang zu Data Cloud eine relativ risikoarme Möglichkeit darstellt, kann die Rückabwicklung einer schlecht durchdachten Integration später zu komplexer und zeitaufwändiger Arbeit führen. Daher ist es für Kunden unerlässlich, sich die Zeit zu nehmen, einen klaren Plan zu entwickeln und zu überlegen, welche Daten aufgenommen werden sollen und wie diese Daten aufgenommen und organisiert werden sollen.

Wir bei Media.Monks möchten unseren Kunden dabei helfen, sich sicher zu fühlen, dass sie Data Cloud nutzen können, um einen Mehrwert für ihr Unternehmen zu schaffen. Unser Team aus Datenberatern und Salesforce-Architekten bewertet die First-Party-Datenstrategie und die technische Architektur der Kunden, um einen detaillierten Implementierungsplan zu erstellen, der sicherstellt, dass die Kunden erfolgreich sind und einen langfristigen Nutzen aus ihrer Data Cloud-Implementierung ziehen.

Gewinnen Sie weitere Einblicke von der Dreamforce.

Nehmen Sie an unserer Dreamforce für Sie veranstaltungen, die auf der ganzen Welt stattfinden. Dort erfahren Sie mehr darüber, wie Sie eine effektive Datenstrategie und -pipeline entwerfen und aufbauen und wie Sie die Leistungsfähigkeit von Data Cloud für Ihr Unternehmen nutzen können. Erfahren Sie mehr über die Veranstaltungen, die in London und Chicago stattfinden. Bleiben Sie dran für weitere Dreamforce to You-Veranstaltungen auf der ganzen Welt!

Als digitaler Schatzsucher weiß ich besser, als dieses Gold im Boden zu lassen - und als Google-Partner weiß ich auch, wie man es abbaut. Mithilfe der KI von Google Cloud Platform (GCP) Natural Language Processing (NLP) können digitale Marketingpartner Marken unter anderem bei der Durchführung von Stimmungsanalysen helfen, um Einblicke in die Verhaltensmuster, Erwartungen, Beschwerden und Stimmungen der Kunden zu gewinnen und so den Grad der Markentreue zu bestimmen.



Die quantitativen Daten, die Sie durch diese Forschungsmethode erhalten, ermöglichen es Ihnen, Dashboards zu erstellen und die Markenstimmung in verschiedenen Regionen zu visualisieren. Ziel ist es, Verbesserungspotenziale aufzudecken, da diese Daten zur Optimierung der mobilen und webbasierten Anwendungen sowie der Produkte und Dienstleistungen einer Marke genutzt werden können, um die nächsten Schritte im Experimentierprozess zu bestimmen und den Bedürfnissen der Zielgruppe näher zu kommen.



In den letzten Monaten habe ich mich darauf konzentriert, die Stimmungsanalyse in unser Experimentierangebot zu integrieren, und sie verändert das Spiel schnell. Im Sinne des Erfahrungsaustauschs und um sicherzustellen, dass keine Marke ihre wertvollen Daten unangetastet lässt, lassen Sie uns darüber sprechen, warum diese Methode so gut wie Gold ist.

Nutzung von Textdaten zur Ermittlung des Markenklimas.

Stellen Sie sich vor, Sie sind eine erstklassige globale Marke in der Lebensmittel- und Getränkeindustrie. Sie haben vor kurzem neue Funktionen zu Ihrer App hinzugefügt und möchten nun herausfinden, ob Ihre Kunden diese verbesserte Erfahrung genießen. Zurzeit gibt es über 500 Tausend Bewertungen im Google Play Store. Sie zu durchforsten, würde sicherlich viel Zeit in Anspruch nehmen, aber wer hat schon so viel Zeit? Es ist ein klassischer Fall, den wir immer wieder beobachten: Marken verfolgen alles, machen aber nichts mit den Informationen, die sie aufbewahren. Dieser Datenschatz aus aktiven Kundeninteraktionen ist jedoch nur dann ein Schatz, wenn er aktiviert und effektiv genutzt wird.



An dieser Stelle kommt die Sentiment-Analyse ins Spiel. Mit Hilfe der GCP-Tools werden digitale Texte analysiert, um den emotionalen Ton einer Nachricht, z. B. einer Bewertung, zu ermitteln. Im Rahmen von Experimenten, bei denen es darum geht, wirkungsvolle Änderungen vorzunehmen, um den Bedürfnissen Ihrer Kunden gerecht zu werden, können Sie mit der Sentiment-Analyse qualitative Textdaten in quantitative, numerische Daten umwandeln. Das Ziel ist es, wichtige Erkenntnisse über die Markentreue zu gewinnen - im Falle der besagten Marke, wie die Kunden die neuen Funktionen der App finden. Und dann? Richtig, die dringend benötigte Datenaktivierung.

Nutzen Sie Ihre Daten, um Ihr Unternehmen zu verbessern.

Wenn Sie sich näher mit der Durchführung von Stimmungsanalysen befassen, werden Sie feststellen, dass es sehr einfach ist, diese Methode anzuwenden. Mit dieser KI-Lösung müssen Marketingexperten nicht mehr manuell eine Bewertung nach der anderen durchgehen, um ein Gefühl für die Meinung der Menschen zu bekommen.



Hier ist die Kurzbeschreibung. Sobald Sie Zugang zu einem Google Cloud-Konto haben, können Sie Ihre qualitativen, transaktionalen und verhaltensbezogenen Daten in Google Sheets und Google Cloud Storage organisieren. Verwenden Sie dann Apps Script (oder eine andere Cloud-Client-Bibliothek), um ein benutzerdefiniertes Menü zu erstellen und die API für natürliche Sprache von GCP zu nutzen. Sobald Sie die API für natürliche Sprache aktiviert und einen API-Schlüssel erstellt haben, können Sie mit der Verarbeitung Ihrer Daten in einer Anfrage an die NLP-API beginnen und dann automatisch eine Stimmungsanalyse durchführen. Letztendlich können Sie diese Erkenntnisse in A/B-Testing-Kampagnen, Web- und App-Optimierung, Marken- und Produktmarketing umsetzen.



Die Natural Language Processing API von GCP ist deshalb so leistungsfähig, weil sie die Stimmungsanalyse mit der Erkennung von benannten Entitäten kombiniert. Dabei handelt es sich um eine Teilaufgabe der Informationsextraktion, die darauf abzielt, benannte Entitäten, die in unstrukturiertem Text erwähnt werden, zu lokalisieren und in vordefinierte Kategorien einzuordnen. In dem Satz "Ich trinke jeden Tag einen Cappuccino und finde es toll, dass ich jetzt mit der App Punkte sammeln und einen Rabatt auf mein Lieblingsprodukt erhalten kann" können wir beispielsweise bereits zwei Arten von Entitäten identifizieren: das Produkt und die Plattform. Das Tool liefert also nicht nur Informationen über die Stimmung der Menschen, sondern stellt auch eine Verbindung zwischen dieser Stimmung und den Entitäten im Text her.

Natürlich ist das alles nicht neu - es ist gerade erst zum Mainstream geworden, nachdem Universal Analytics offiziell ausläuft und wir alle mit GA4 weitermachen (wenn Sie das noch nicht getan haben, ist das Ihr Zeichen, es zu tun).

Lassen Sie Ihre Kundendaten niemals ungenutzt verstreichen.

Das Verständnis des Nutzerverhaltens, der Erwartungen und Probleme sollte immer im Mittelpunkt Ihrer Bemühungen stehen. Diese wichtigen Informationen dienen als Grundlage für alle Ihre Experimente und unterstützen Sie bei der Feinabstimmung Ihrer Produkte und Dienstleistungen. Wenn Sie also das nächste Mal darüber nachdenken, Bewertungen ungelesen zu lassen und das Gold verkümmern zu lassen, denken Sie noch einmal darüber nach - denn diese einfache, KI-gestützte Lösung und die Partner, die wissen, wie man sie anwendet, sind hier, um Ihnen dabei zu helfen, aus Ihren wertvollen First-Party- und Zero-Party-Daten Bedeutung zu gewinnen. Und um dem Ganzen noch die Krone aufzusetzen, bietet Google neue KI-Dienste an, mit denen Sie automatisch auf diese Bewertungen und Kommentare antworten können, indem Sie ein Large Language Model (LLM) verwenden - aber dazu mehr beim nächsten Mal.

Es wird viel über das Potenzial von KI, ihre zukünftigen Möglichkeiten und Prognosen gesprochen. Aber lassen Sie mich Ihnen versichern, dass der Moment für KI nicht erst kommt; er ist da, er ist jetzt, und er schlägt Wellen in allen Branchen. Und was mich besonders interessiert, ist, dass sie die Welt des Marketings und der digitalen Plattformen verändert.

Aber wie sieht es mit den Einstiegshürden aus? Es ist wichtig, daran zu denken, dass die Integration von KI in Ihre Abläufe nicht bedeutet, dass eine umfassende Überholung notwendig ist. Wir von Media.Monks wissen, dass jede Marke einzigartig ist und manche einen iterativen Ansatz benötigen. Diese Perspektive ermöglicht Kosteneffizienz und Zugänglichkeit, während Sie dennoch von der KI-Welle profitieren. Eine schrittweise Einführung von KI-gesteuerten Verbesserungen kann Ihren Kunden und Ihrer Unternehmensleistung sofortige Vorteile bringen. Sie könnten mit einem KI-Chatbot beginnen, um den Kundenservice zu verbessern, oder das maschinelle Lernen nutzen, um Inhalte für jeden Website-Besucher zu personalisieren. Erste Schritte wie diese können schnelle Erfolge bringen, indem sie das Nutzerengagement und die Konversionsraten verbessern. Wenn diese Verbesserungen ihren Wert unter Beweis stellen, können Sie die Rolle der KI in Ihrer digitalen Landschaft schrittweise ausbauen. Es geht darum, einen maßgeschneiderten, strategischen Weg zur KI-Integration zu finden, anstatt kopfüber ins kalte Wasser zu springen.

Lassen Sie uns also einen Blick auf die aktuellen und sehr realen Anwendungen von KI in der digitalen Plattformlandschaft werfen, auf Bereiche, in denen KI nicht nur Versprechungen macht, sondern messbare Ergebnisse für Marketer liefert.

Hier ist der Einstieg in die KI.

Integration von KI in herkömmliche Plattformen. Die Integration von KI in herkömmliche Plattformen hilft Unternehmen, Abläufe und Kundenerlebnisse zu verbessern. Die Verschmelzung von CRM-Systemen mit KI ermöglicht es einer Marke beispielsweise, in Echtzeit aus dem Verhalten ihrer Kunden zu lernen und so einen besseren Service und Produkte anzubieten, die auf individuelle Vorlieben zugeschnitten sind.

Optimierung der Benutzererfahrung. Die KI-gestützte Datenanalyse liefert verwertbare Erkenntnisse, die das Nutzererlebnis direkt verbessern. Ob durch maßgeschneiderte Inhalte, personalisierte Benutzeroberflächen oder die Beseitigung von Schmerzpunkten im Benutzerfluss - KI treibt eine neue Ära benutzerorientierter Plattformen voran.

Erleichterung von personalisiertem Marketing. Vorbei sind die Zeiten, in denen Marketing nach dem Gießkannenprinzip betrieben wurde. KI ermöglicht eine neue Stufe der Personalisierung, die jede Interaktion so gestaltet, als wäre sie einzigartig für den einzelnen Nutzer. Von Produktempfehlungen bis hin zu personalisierten Nachrichten - KI hilft Marken, eine tiefere Verbindung zu ihren Kunden aufzubauen.

Verbesserte Analytik. KI-gestützte prädiktive Analysen verändern die Art und Weise, wie Unternehmen ihre Kunden und Märkte verstehen. Diese Tools bieten einen noch nie dagewesenen Einblick in zukünftiges Kundenverhalten, Markttrends und potenzielle Geschäftsrisiken.

Abteilungsübergreifende Zusammenarbeit. KI ist nicht nur etwas für Technik-Teams. Sie bietet Möglichkeiten für eine nahtlose Zusammenarbeit zwischen Abteilungen und hilft dabei, einheitliche, effiziente Ansätze für alle Bereiche von der Produktentwicklung bis zum Kundenservice zu schaffen.

KI löst viele der Herausforderungen, mit denen Marken derzeit konfrontiert sind.

Lassen Sie uns als Nächstes einige großartige Beispiele aus der Praxis betrachten, bei denen wir durch die iterative und groß angelegte Implementierung von KI-Verbesserungen transformative Verbesserungen bei wichtigen KPIs erzielt haben. Hier sind einige der Herausforderungen, bei denen wir tagtäglich helfen:

"Hilfe, ich ertrinke in einem Meer von Inhalten!" Wenn der Umfang und die Komplexität der Informationen für Besucher überwältigend sind, reicht die Standardsuche manchmal einfach nicht aus. Eine mögliche Anwendung der künstlichen Intelligenz ist hier die Entwicklung einer intelligenten Suchfunktion, die die Verarbeitung natürlicher Sprache und maschinelles Lernen nutzt. Sie versteht Benutzeranfragen besser, ermöglicht einen Dialog und liefert relevantere Ergebnisse, die sich auf der Grundlage von Benutzerinteraktionsmustern kontinuierlich verbessern.

"Wie können wir sinnvolle Verbindungen zu Kunden aufbauen und gleichzeitig eine Nutzergemeinschaft bilden?" Eine KI-gestützte Plattform könnte personalisierte Inhalte auf der Grundlage von Kundeninteressen und Produktnutzungsmustern bereitstellen. Indem die KI die Interaktion jedes Kunden mit dem Produkt versteht, kann sie Inhalte maßschneidern, das Markenerlebnis erweitern und eine engagierte Online-Community rund um gemeinsame Produkterfahrungen fördern.

"Wie bewältigen wir die gewaltige Aufgabe, Bewerbungen aus einem riesigen Pool unterschiedlicher Bewerber und für zahlreiche Aufgaben zu verwalten?" Hier kann KI eingesetzt werden, um Tools zur Selbstsegmentierung zu entwickeln und individuelle User Journeys zu erstellen, die auf dem einzigartigen Profil und den Präferenzen der einzelnen Nutzer basieren. KI kann Daten in großem Umfang analysieren und Erkenntnisse gewinnen, die es einem Personalvermittler ermöglichen, jedes Erlebnis individuell zu gestalten und potenzielle Bewerber zu Stellen zu führen, die ihren Fähigkeiten und Wünschen entsprechen.

"Wie können wir ein umfangreiches Netzwerk von Dienstleistungen effektiv präsentieren und potenziellen Kunden einen Nachweis über die Wirksamkeit der Kampagne liefern?" Durch die Implementierung KI-gesteuerter Analysen konnte dieses Unternehmen seinen Kunden detaillierte Berichte über die Kampagnenleistung vorlegen und sogar potenzielle künftige Ergebnisse auf der Grundlage historischer Daten vorhersagen. Dieser Ansatz bietet eine greifbare Messung des ROI für Kunden.

Jedes dieser Szenarien veranschaulicht das transformative Potenzial von KI innerhalb der digitalen Plattformlandschaft. Allgemein gesprochen ergänzt und verbessert KI unsere bestehenden Strategien und ermöglicht es uns, ansprechende, personalisierte und effiziente Erlebnisse für die Nutzer zu schaffen. KI ist nicht nur ein Kästchen, das man abhaken kann, sondern ein vielseitiges Werkzeug, das wir täglich nutzen, um sinnvolle und wirkungsvolle digitale Erlebnisse zu schaffen.

Bereiten Sie sich auf einen dauerhaften Erfolg mit KI vor.

Das Potenzial der KI wird in Echtzeit realisiert, und es ist spannend zu beobachten, wie sich diese Entwicklungen entfalten und wie sie auf transformative Weise genutzt werden. Denken Sie daran, dass die Zukunft nicht in weiter Ferne liegt, sondern dass sie bereits jetzt stattfindet. Wenn wir KI überlegt und strategisch einsetzen, können wir sofortige Erfolge erzielen und den Grundstein für einen nachhaltigen, langfristigen Erfolg legen.

Der Grund, warum wir immer mehr messen, ist ganz einfach: Damit wir die Leistung verschiedener strategischer Szenarien vorhersagen und so den Marken, mit denen wir zusammenarbeiten, helfen können, ihre Medienarbeit zu optimieren. Und wie jede andere Disziplin innerhalb der Werbung entwickelt sich auch der Medienbereich ständig weiter. Lassen Sie uns daher einen Blick auf das werfen, was jetzt wichtig ist und Ihre Medienmessung unterstützen wird.

Begrüßung der Inkrementalität in der Medienwelt.

Lassen Sie uns zunächst einen Schritt zurücktreten und einen Blick darauf werfen, was Inkrementalität bedeutet. Einfach ausgedrückt, bezieht sich Inkrementalität auf den Anstieg der Konversionen oder Verkäufe, die einer bestimmten Werbekampagne zugeschrieben werden können, im Vergleich zu denen, die unabhängig davon stattgefunden hätten - auch bekannt als Basis. Inkrementalität wurde vor kurzem von uns Medienleuten übernommen, und der Begriff hat an Bedeutung gewonnen, da es sich um eine Lösung zur Medienmessung handelt, die den inkrementellen Uplift isoliert. Das ist wichtig, weil man sonst nicht erkennen kann, welche Medien das Wachstum vorantreiben und welche nur die Conversions abgreifen, die man ohnehin erhalten hätte. Die Inkrementalität liefert also einen viel genaueren Einblick in die Art und Weise, wie Ihre Medienkanäle die Conversions fördern.

Bei der herkömmlichen Multi-Touch-Attribution (MTA) wird beispielsweise oft nicht zwischen der Basis und dem Uplift der Werbekampagne unterschieden. Dies kann zu überbewerteten Ergebnissen führen. Um die Inkrementalität genau zu messen, ist es stattdessen wichtig, MTA in Verbindung mit inkrementellen Techniken wie Market Mix Modeling (MMM) zu verwenden. Auf diese Weise können Sie die tatsächliche Wirkung von Werbekampagnen besser verstehen, von ROAS auf ROI umstellen und so eine vernünftigere Diskussion mit Ihren Finanzteams über die Effektivität von Medien führen.

Wie die Markt-Mix-Modellierung der Medienmessung den Rücken stärkt.

Die Marktmix-Modellierung - manchmal auch als Media-Mix-Modellierung bezeichnet, aber ich bevorzuge erstere - ist sicherlich nicht neu auf der Szene, und diese Technik gibt es in ihrer kommerziellen Anwendung zum Verständnis von Media-Uplifts schon seit mehreren Jahrzehnten. Allerdings hat sich die Disziplin vor allem in den letzten Jahren erheblich verbessert.

Das moderne MMM hat einen langen Weg hinter sich. Früher dauerte es Monate, bis die jährlichen Aktualisierungen Ergebnisse brachten, während man heute innerhalb von sechs Wochen ein Pilotprojekt auf die Beine stellen und mithilfe von Automatisierung und maschinellem Lernen monatliche Aktualisierungen innerhalb weniger Tage erhalten kann. Außerdem sind die Visualisierungen viel besser geworden, denn die heutigen Reporting-Dashboards bieten den Analysten eine Fülle von Möglichkeiten, sich den Datensätzen zu nähern.

Es ist wichtig zu wissen, dass Marktmix-Modelle den gesamten Markt berücksichtigen - einschließlich Faktoren wie Werbeaktionen, Preisgestaltung, die jüngste Pandemie, Saisonabhängigkeit und mehr - und somit eine ganzheitliche Sichtweise bieten. Wenn Sie diese anderen Faktoren nicht berücksichtigen, können Sie die Medien nicht richtig einschätzen und riskieren, ihre Wirkung zu überschätzen. Daher gehen immer mehr Marken Partnerschaften mit spezialisierten MMM-Experten ein, die sie bei der Erstellung von Marktmixmodellen unterstützen, oder sie arbeiten mit ihnen zusammen, um diese Fähigkeit intern zu entwickeln.

Ich muss darauf hinweisen, dass einige Marktteilnehmer zwar behaupten, sie würden "Media-Mix-Modelle" erstellen, in Wirklichkeit aber nur eine einfache Regression mit Medienvariablen durchführen oder Multi-Touch-Pathway-Techniken verwenden (was keine inkrementelle Analyse ist). Das Bedenkliche daran ist, dass sie so genannte MMM-Lösungen zu sehr günstigen Tarifen anbieten, was verlockend klingen mag, aber der Schaden, der durch den Einsatz dieser Lösungen entsteht, darf nicht unterschätzt werden. Wenn Sie sich bei Ihren Entscheidungen auf ein billiges, aber schlechtes Modell stützen, kann das schief gehen und Sie über 40 % Ihrer mediengesteuerten Einnahmen kosten - im Vergleich zu einer Steigerung von etwa 30 %, wenn die Technik richtig angewendet wird. Sie können entscheiden, was das Beste für Ihre Marke ist.

Nutzung von KI zur Beschleunigung unserer Analyse.

Ein weiterer Grund, warum ich so begeistert von der Anwendung des Market Mix Modeling bin, ist der jüngste Aufstieg der künstlichen Intelligenz und der daraus resultierenden Automatisierungslösungen - KI hat sich in verschiedenen Bereichen rasant weiterentwickelt und dabei auch das MMM nicht vergessen.

Bei Media.Monks sind wir optimistisch, was KI angeht. Wir wissen aber auch, dass es wichtig ist, vorsichtig zu sein und unsere Sorgfaltspflicht zu erfüllen, zumal wir viele KI-Anbieter sehen, die behaupten, Marktmixmodelle zu erstellen, ohne die richtige Erfahrung und die richtigen Tools dafür zu haben. Wenn es um MMM geht, glauben wir, dass KI und Automatisierungslösungen unglaublich nützlich sein können, um den Prozess zu beschleunigen, aber natürlich gibt es auch einige Fälle, die manuelle Arbeit erfordern. Werfen wir einen Blick darauf.

Rohdaten und Verarbeitung. Dies kann mit Hilfe von APIs oder Vorlagen automatisiert werden, um Daten einzuspeisen, und vordefinierte Prozesse automatisieren dann die Bereinigung, was eine Menge Zeit spart. Hüten Sie sich vor Anbietern, die mehrere Monate brauchen, um Datenleitungen einzurichten, denn eigentlich sollten Sie in wenigen Wochen einsatzbereit sein.

Erste Modelle. Wir setzen evolutionäre Algorithmen ein, um die Erstellung des Ausgangsmodells zu automatisieren. Dabei werden Tausende von Modellen sofort in der Cloud ausgeführt und bewertet, so dass wir viel schneller zu einem Basismodell gelangen und bei MMM-Projekten mit mehreren KPIs Wochen sparen können.

Endgültige Modelle. Beachten Sie, dass dies (noch) manuelle Eingriffe durch ein sehr erfahrenes Modellierungsteam erfordert. Wir müssen die Modelle einer Sinnesprüfung unterziehen, die Daten dreifach überprüfen und unsere umfassende Erfahrung nutzen, um etwaige Anomalien zu erkennen und alternative Analysen durchzuführen, um kontroverse Ergebnisse zu hinterfragen.

Verkaufseffekte und ROI-Berechnungen. Diese können ohne den Einsatz von KI automatisiert werden - es handelt sich lediglich um einen Prozess, der mit Hilfe von Code leicht wiederholt werden kann.

Automatisierte Berichterstattung. Sobald alle Zahlen berechnet sind, ist es einfach, Dashboards und Medienoptimierungstools automatisch zu bestücken. Eine Sache, die sich jedoch nicht automatisieren lässt, ist die Beantwortung individueller Kundenfragen zur effektivsten Sekundenlänge, zur Zielgruppe und mehr.

Engagement. Das Reporting von ROIs und Optimierungen ist eine Sache, aber ein Verständnis für und Vertrauen in die Modelle zu gewinnen, ist eine andere. Daher ist es in der Anfangsphase eines MMM-Engagements unerlässlich, über Mitarbeiter zu verfügen, die die Modelle und Ergebnisse dem gesamten Team erklären können - nicht nur dem Marketing, sondern auch der Finanzabteilung, dem Vertrieb und dem Vorstand, um nur einige zu nennen. Mein Rat wäre, in späteren Phasen darauf zurückzukommen, sobald die Mitarbeiter das Modell verstehen und ihm vertrauen, und dann können Sie zu automatisierten Berichten übergehen.

Kurz gesagt: Automatisierung kann einen Großteil der schweren Arbeit der Daten- und Ergebnisverarbeitung und -visualisierung ersetzen, während KI in der ersten Modellierungsphase eingesetzt werden kann. Was jedoch nicht ersetzt werden kann, ist die Sinnesprüfung, die Interpretation und die Erfahrung eines guten Modellierers, um sicherzustellen, dass die Ergebnisse robust, realistisch, verständlich und somit brauchbar sind.

Weniger Zeit, aber mehr Ergebnisse.

In wirtschaftlich unsicheren Zeiten ist eine zeit- und damit kostensparende Lösung wie die Marktmix-Modellierung, insbesondere wenn sie durch KI und Automatisierung unterstützt wird, sehr nützlich. Auf der Grundlage dieser Modelle ermöglicht die Medienmessung Marken in der Regel die Prognose verschiedener Verkaufsszenarien. Eine solide Leistungsprognose ist wiederum entscheidend, um verschiedene strategische Szenarien gegenüber dem Vorstand, den Eigentümern und Investoren eines Unternehmens zu rechtfertigen.

Inkrementalität ist ein entscheidender Faktor bei der Suche nach einem präzisen ROI, und MMM ist ein wichtiger Weg, um dieses Ziel zu erreichen. Obwohl es diese Technik schon seit Jahrzehnten gibt, beschleunigen sich das Tempo der Veränderungen und die Akzeptanzrate, was sicherlich durch KI noch weiter vorangetrieben wird. Damit Sie die vielen Vorteile dieser bewährten Technik nutzen können, ist es wichtig, mit einem Medienpartner zusammenzuarbeiten, der den gesamten Mix an Umsatztreibern einbezieht und Ihre Modelle von reinen Zahlen zu klaren Geschäftsaktionen führen kann.

Bei Media.Monks sind wir immer auf der Suche nach Möglichkeiten, die beste KI-Technologie in unser Geschäft zu integrieren. Wir tun dies nicht nur, weil wir wissen, dass KI äußerst disruptiv ist (und weiterhin sein wird), sondern auch, weil wir wissen, dass unsere technisch versierten und unendlich neugierigen Mitarbeiter mit aufregenden neuen Tools experimentieren werden - und wir wollen sicherstellen, dass dies auf die sicherste Weise geschieht. Wir alle erinnern uns an die entscheidenden Fehler der letzten Monate, wie z. B. das Durchsickern von privatem Code in die Öffentlichkeit, und so ist es nicht verwunderlich, dass unsere Rechts- und InfoSec-Teams ein wenig auf die Bremse treten, wenn es darum geht, welche Technologien wir einführen können, und dabei die Sicherheit unserer Marke und unserer Partner im Auge behalten.

Als OpenAI, die Firma hinter ChatGPT, ihre Nutzungsbedingungen änderte und den Nutzern der API erlaubte, den Dienst zu nutzen, ohne dass ihre Daten zum Trainieren des Modells verwendet wurden, bot sich uns eine große Chance. Natürlich haben wir die Gelegenheit beim Schopfe gepackt und beschlossen, unsere eigene interne Version des beliebten Tools zu entwickeln, indem wir die API von OpenAI nutzen: MonkGPT, das es unseren Teams ermöglicht, die Leistungsfähigkeit dieser Plattform zu nutzen und gleichzeitig unsere eigenen Sicherheits- und Datenschutzprüfungen einzubauen. Und warum? Damit unsere Mitarbeiter ein Tool nutzen können, das sowohl geschäftsspezifisch als auch viel sicherer ist, um Risiken wie Datenlecks zu minimieren.

Sie können den Markenschutz nicht aufs Spiel setzen.

Seitdem die generative KI auf den Plan getreten ist, haben wir mit diesen Tools experimentiert und dabei die unendlichen Möglichkeiten erkundet, die sich daraus ergeben. Es hat sich herausgestellt, dass KI-Tools zwar unglaublich sind, aber nicht unbedingt ohne Einschränkungen auskommen. Öffentliche KI-Plattformen sind nicht nur nicht auf spezifische Unternehmensbedürfnisse zugeschnitten, sondern können auch proprietäre Algorithmen oder Modelle verwenden, was zu Bedenken hinsichtlich der Rechte an geistigem Eigentum und der Eigentumsverhältnisse führen kann. Hinzu kommt, dass diese öffentlichen Tools in der Regel Daten sammeln, deren Verwendung möglicherweise nicht transparent ist und die nicht den Datenschutzrichtlinien und Sicherheitsmaßnahmen eines Unternehmens entsprechen.

Das Markenrisiko macht uns am meisten Sorgen, denn der Schutz unseres geistigen Eigentums sowie unserer Mitarbeiter- und Kundendaten hat für uns oberste Priorität. Interessanterweise besteht eine wichtige Lösung darin, die Tools selbst zu entwickeln. Außerdem gibt es keinen besseren Weg, um die Fähigkeiten einer Technologie wirklich zu verstehen, als die Ärmel hochzukrempeln und sich die Hände schmutzig zu machen.

Einführungsrekorde brechen, trotz aller Hürden.

Bei der Entwicklung von MonkGPT war es nicht nötig, das Rad neu zu erfinden. Natürlich können wir unsere eigenen LLMs ausbilden - und das tun wir auch -, aber angesichts des schnellen Erfolgs von ChatGPT beschlossen wir, die API von OpenAI und beliebte Open-Source-Bibliotheken zu nutzen, die von unseren Ingenieuren geprüft wurden, um diese generative KI-Funktionalität schnell und sicher in unser Unternehmen zu bringen.

Die größte Hürde, die wir überwinden mussten, war intern. Unsere Rechts- und InfoSec-Teams stehen den Nutzungsbedingungen von KI-Tools kritisch gegenüber, insbesondere wenn es darum geht, wie Daten verwaltet, verwaltet und gespeichert werden. Wir mussten uns also mit ihnen über das Datenrisiko und die Aktualisierung der Nutzungsbedingungen von OpenAI abstimmen, die speziell für API-Benutzer so geändert worden waren, dass Daten, die über den Service von OpenAI übermittelt wurden, standardmäßig nicht zum Trainieren ihrer Modelle verwendet werden konnten.

Obwohl OpenAI die über die API übermittelten Daten für einen Zeitraum von 30 Tagen zu Prüfzwecken speichert (danach werden sie sofort gelöscht), besagen ihre ToS, dass sie diese Daten nicht zum Trainieren ihrer Modelle verwenden. In Verbindung mit unserer internen Best-Practice-Dokumentation, zu der alle unsere Mitarbeiter Zugang haben und die sie vor der Verwendung von MonkGPT durchlesen müssen, stellen wir sicher, dass wir die Möglichkeit, dass sensible Daten im Modell von OpenAI verbleiben, minimieren.

Wie ich immer wieder feststellen konnte, gibt es keine Hürde, die hoch genug ist, um uns davon abzuhalten, unsere Ideen in die Realität umzusetzen - und in nützliche Werkzeuge für unsere Talente. Innerhalb von nur 35 Tagen konnten wir MonkGPT bereitstellen, im gesamten Unternehmen skalieren und bei unserem globalen All Hands Meeting einführen. Schneller, besser und billiger - dieses Projekt ist die Umsetzung unseres Mottos. Natürlich haben wir dabei nicht aufgehört.

Wir backen Vorteile für unsere Mitarbeiter ein.

Wir haben jetzt unsere eigene Schnittstelle und unseren eigenen Anwendungsstack, was bedeutet, dass wir unsere eigenen Tools und Funktionen entwickeln können, die alle Arten von generativer KI-Technologie nutzen. Die Absicht dahinter ist, die Benutzererfahrung zu verbessern und gleichzeitig die Bedürfnisse unserer Anwendungsfälle zu erfüllen. Zum Beispiel fügen wir derzeit Funktionen wie Data Loss Prevention hinzu, um die Sicherheit und den Datenschutz weiter zu erhöhen. Dabei geht es darum, Möglichkeiten zu implementieren, die verhindern, dass sensible Informationen an das OpenAI-Ökosystem gesendet werden, damit wir mehr Kontrolle über die Daten haben, was uns nicht möglich gewesen wäre, wenn wir direkt den Service von ChatGPT genutzt hätten.

Eine weitere spannende Funktion, die wir entwickeln, dreht sich um die prompte Entdeckung und den prompten Austausch. Eine der größten Herausforderungen bei der Nutzung einer Prompt-basierten LLM-Software besteht darin, herauszufinden, wie man etwas am besten fragen kann. Deshalb arbeiten wir an einer Funktion - die es in ChatGPT noch nicht gibt - die es den Nutzern ermöglicht, die nützlichsten Prompts in allen Geschäftsbereichen zu finden. Angenommen, Sie sind Werbetexter, dann könnte das Tool Ihnen die effektivsten Prompts zeigen, die andere Werbetexter verwenden oder mögen. Indem wir diese Auffindbarkeit in die Nutzung des Tools integrieren, müssen unsere Mitarbeiter nicht mehr so viel herumprobieren, um zum gleichen Ziel zu gelangen.

In diesem Sinne trainieren wir auch LLMs für bestimmte Zwecke. So können wir beispielsweise ein Modell für unsere Rechtsberater trainieren, das alle roten Fahnen in einem Vertrag auf der Grundlage der Sprache für juristische Personen und dem, was sie bei ähnlichen Kontakten gesehen haben, aufdeckt. Stellen Sie sich vor, wie viel Zeit und Mühe Sie sparen können, wenn Sie sich zu MonkGPT begeben und je nach Geschäftsbereich das Modell auswählen, mit dem Sie interagieren möchten - denn dieses Modell wurde speziell für Ihre Anwendungsfälle trainiert.

Es ist nur eine Frage der Zeit, bis wir alle von KI angetrieben werden.

All diese Bemühungen fließen in unser gesamtes KI-Angebot ein. Mit der Entwicklung neuer Funktionen verbessern wir nicht nur unser Verständnis von LLMs und generativer KI, sondern erweitern auch unsere Erfahrung, um diese Tools auf die nächste Stufe zu bringen. Es geht darum, uns zu fragen: "Vor welchen Herausforderungen stehen unsere Geschäftsbereiche und wie kann KI dabei helfen?", mit dem Ziel, unsere Talente mit den richtigen Superkräften auszustatten.

Es versteht sich von selbst, dass mein Team und ich diese Denkweise auch bei der Arbeit für alle unsere Kunden anwenden. Unsere KI-Mission geht weit über unser eigenes Unternehmen hinaus, denn wir wollen sicherstellen, dass auch die Marken, mit denen wir zusammenarbeiten, von unseren Versuchen und Fehlern profitieren. Denn wir wissen mit absoluter Sicherheit, dass früher oder später jede Marke ihre eigenen Modelle haben wird, die ihr Geschäft von innen heraus kennen, genau wie MonkGPT. Wenn Sie sich nicht schon jetzt auf diese Unausweichlichkeit einlassen, dann werden Sie es sicher bald tun. Ganz gleich, ob Sie nur ein wenig Beratung oder umfassende Unterstützung benötigen, mein Team und ich haben die Werkzeuge und die Erfahrung, um den perfekten Umhang für Sie zu entwerfen.

Modelliertes Value-Based Bidding löst diese Herausforderungen für Vermarkter:

• Die Abschaffung von Cookies von Drittanbietern und die Verschärfung der Datenschutzbestimmungen stellen für Marken, die mit Verbrauchern in Kontakt treten wollen, einen erheblichen Gegenwind dar.
• Angesichts des rasanten Wachstums von Datenquellen und Datenmengen von Drittanbietern sind viele Marketer mit der manuellen Datenverwaltung überfordert.
• Unternehmen, die über große Datensätze verfügen, können manuelle Gebotsstrategien nicht mit einer Person oder gar einem Team verwalten.
• Immer mehr Werbetreibende wollen verstehen, wie KI und maschinelles Lernen in ihre digitalen Werbe- und Datenstrategien integriert werden können, um die Effizienz zu steigern.