Zeitgemäßes Kundenmanagement setzt auf KI

Künstliche Intelligenz schafft ein persönliches Kundenerlebnis

Die Erwartungshaltung der Kunden an ihre Bank wächst. Der Trend wird durch digitale Kundenerlebnisse bei FinTechs und Playern anderer Branchen angeheizt. Eine adäquate Reaktion fällt etablierten Banken oft schwer. Mitunter macht ihnen das Wegbrechen ihres ehemals stärksten Absatzkanals, der Filialen, zu schaffen. Das persönliche Kundenmanagement mit den bislang gewohnten Auge-in-Auge-Gesprächen fehlt. Dabei haben es etliche Technologieunternehmen geschafft, den persönlichen Kontakt in digitale Kanäle zu übersetzen. Hier schlummert viel Potenzial, das etliche Finanzdienstleister leider ungenutzt lassen.

Besseres Kundenmanagement durch intelligente Personalisierung

Neue Player am Markt, wachsende Standards und höhere Kundenerwartungen verstärken den Wettbewerbs- und Innovationsdruck in der Finanzdienstleistungsbranche kontinuierlich. Gewinnen werden am Ende diejenigen, die ihren Kunden passgenaue Angebote zu attraktiven Konditionen zum exakt richtigen Zeitpunkt anbieten. Personalisierung lautet das Zauberwort. Ohne ein ausgereiftes Kundenmanagement ist das jedoch unerreichbar. Doch wie soll das bei steigendem Kostendruck funktionieren? Teil der Erfolgsformel sind komplexe Datenanalysen sowie die Anreicherung dieser Erkenntnisse mit weiteren Daten über den Kunden. Je besser Sie Ihren Kunden kennen, desto gezieltere und passgenauere Produktangebote können Sie ihm für ein einmaliges Kundenerlebnis machen. Wesentliche Werkzeuge dazu sind Big Data in Verbindung mit künstlicher Intelligenz (KI). Anwendungsszenarien hierzu lassen sich in der täglichen Bankpraxis aktuell noch selten finden.

Künstliche Intelligenz anfassbar machen

Schema für den Identifikationsprozess von KI-Use-Cases im Kundenmanagement
**PPI-Methodik zur Identifikation von KI-Anwendungsfällen**

Unsere KI-Experten machen KI greifbar. Hierzu entwickeln wir gemeinsam mit Ihnen passende Use-Cases. Daraus erarbeiten wir einen Proof of Concept sowie ein Minimum Viable Product (MVP). Dieses wird anschließend sukzessive weiterentwickelt.

Mit uns haben Sie einen Partner an Ihrer Seite, der über die notwendige fachliche, methodische und technische Kompetenz verfügt. Unsere Beraterinnen und Berater bringen neben einem starken bankfachlichen Know-how auch tiefgreifende Kenntnisse in Softwareentwicklung sowie den gängigen Programmiersprachen und KI-Algorithmen mit.

Fallbeispiel Chatbot: automatisierte individuelle Kommunikation mit eigener Wissensdatenbank

Gerade Chatbots und virtuelle Assistenten werden vermehrt eingesetzt, um den Kundenservice zu verbessern. Mithilfe neuster Large Language Models (LLM) lässt sich individueller Service 24/7 bewerkstelligen. Neben Telefon und persönlicher Beratung erreicht dieser zusätzliche Kanal Kunden genau so individuell, wie sie es wünschen. Doch nicht nur Kunden profitieren davon, auch interne Anfragen, etwa an den IT-Support oder die HR-Abteilung, lassen sich durch sogenannte Retrieval-Augmented Generation (RAG) besser und schneller beantworten. Binden Sie ihre Wissensquelle flexibel an einen Chatbot an, und erhalten Sie schnell auf Ihr Unternehmen abgestimmte Antworten. Wir unterstützen Sie auch bei Themen wie Datenschutz und Skalierbarkeit.

Schematische Darstellung der Informationsquellen eines Large Language Model
**Ein Large Language Model bezieht Input aus vielen Quellen**

Fallbeispiel Beyond Banking: Kundenerlebnisse schaffen und begeistern

Modell zur Churn-Prevention mittels KI
**Vorgehensmodell zur Churn-Prevention**

Damit Kreditinstitute ihren Kunden Produkte und Dienstleistungen – auch branchenfremde – passgenau und personalisiert anbieten können, benötigen sie weiteres Wissen über deren Bedürfnisse und Interessen. Ein entsprechendes Kundenprofil lässt sich beispielsweise durch Auswertung der Kundenumsätze generieren. Mithilfe von KI lassen sich aus dem erstellten Profil Rückschlüsse ableiten, wofür der Kunde am wahrscheinlichsten sein Geld ausgibt. Anhand dieser Analyseergebnisse können Sie dem Kunden Partnerprodukte und -services der Bank anbieten.

Fallbeispiel smarter Kundenservice: Bringt Sie näher mit Ihren Kunden zusammen

Für eine stärkere Kundenbindung ist es unumgänglich, den Kunden zu verstehen. Künstliche Intelligenz hilft dabei. Hierfür werden die vergangenen Interaktionen mit dem Kunden betrachtet und um persönliche Daten sowie historische Informationen angereichert. Zusammen mit den bisherigen Transaktionen entsteht ein umfangreiches Kundenprofil. Dieses enthält auf einen Blick alle relevanten Informationen über den Kunden. Damit entlasten Sie Ihre Servicemitarbeiter und steigern gleichzeitig die Kundenzufriedenheit mit Ihrem Support. Begeistern Sie mit einem digitalen und persönlichen Kundenservice, denn niemand kennt Ihre Kunden so gut wie Sie!

Schaubild potenzieller Auswirklungen von KI auf die Kundenzufriedenheit
**KI kann Kundenzufriedenheit deutlich steigern**

Fallbeispiel Geomarketing: Standortanalyse neu gedacht

Schematische Darstellung des Geomarketings unter Einsatz von KI
**Geomarketing analysiert die besonderen Eigenschaften einer bestimmten Region**

Regionale Besonderheiten haben Auswirkungen auf das Konsumverhalten der Menschen. Deswegen sind geografische Informationen hilfreich, um unterschiedliche Personengruppen zielgerichteter ansprechen zu können. Für ein Geomarketing werden historische Kundenstammdaten aus unterschiedlichen Regionen aggregiert und analysiert. Aus diesem Wissen lassen sich regionsabhängige Zusammenhänge und Gemeinsamkeiten ableiten. So werden neue zielgruppengerechte Marketingmaßnahmen gefunden.

Fallbeispiel Churn-Prevention: Kundenabwanderungen aktiv managen

Die Abwanderung von Bestandskunden zu verhindern oder zumindest zu vermindern, ist neben der Neukundenakquise ein hochrelevantes Thema. Der Ansatz analysiert das historische Kundenverhalten auf Basis existierender Daten. Welche Kunden hatten welche Eigenschaften und sind abgewandert? Welche Kunden sind geblieben? Die Daten werden mit dem bestehenden Kundenstamm abgeglichen. Daraus lässt sich für diesen eine Abwanderungswahrscheinlichkeit ermitteln sowie Maßnahmen zur Verhinderung weiterer Kündigungen erarbeiten.