Wie eine holistische Markenführung mit KI gelingen kann

Die Ergebnisse waren eindeutig: Die KI-Gruppen erledigten mehr Aufgaben (Effizienzgewinn: +12 Prozent) und lösten diese besser (Qualitätsgewinn: +40 Prozent). Besonders stark von der KI profitierten dabei die eher nicht so leistungsfähigen BCG-Berater und eine vorherige Schulung der Berater verbesserte noch einmal deren Ergebnisse. Weitere Studien sowie eigene Erfahrungen belegen das Potenzial von KI für die tägliche Markenarbeit. Aber wie lässt sich KI nun konkret für eine holistische Markenführung nutzen?

Holistische Markenführung mit dem B*Canvas

Markenführung umfasst alle Aufgaben, die zum Aufbau und zur Führung einer Marke in den Köpfen von Stakeholdergruppen wie Konsumierende oder (potenziell) Arbeitnehmende (Employer Branding) beitragen. Als Orientierungspunkt nicht nur für das Marketing, sondern auch für die Unternehmensführung braucht Markenführung einen ganzheitlichen, holistischen Ansatz. Es würde den Rahmen dieses Beitrags sprengen, die verschiedenen Modelle einer holistischen Markenführung vorzustellen. Für die weitere Diskussion wird mit dem B*Canvas ein Tool verwendet, welches den holistischen Charakter der Markenführung komprimiert abbildet. Es unterscheidet drei Ebenen: Markenpotenzialfaktoren, Markenkontaktpunkte und Markenperformance.

* Die Markenpotenzialfaktoren, die das Fundament einer Marke bilden, sind für externe Stakeholder nicht direkt wahrnehmbar. Dazu zählt die Unternehmenskultur sowie die Positionierung der Marke, deren Organisation, Führung und die Markentools.

* Die Markenkontaktpunkte mit dem Branding und dem Marketing-Mix hingegen bilden die Schnittstelle zu den Konsumierenden.

* Die Markenperformance umfasst die Effekte der Markenführung.

Auch wenn die insgesamt 14 Bausteine jeweils ein Kästchen in dem B*Canvas umfassen, zeichnet sich eine gute Markenführung durch eine integrierte Betrachtungsweise aus.

Allgemeine Aufgabenfelder von KI im Marketing

Die meisten aktuellen KI-Lösungen sind für bestimmte, sehr spezifische Aufgaben entwickelt und trainiert worden. Die Applied Artificial Intelligence (AAI) entspricht eher einer Inselbegabung. Auch wenn die Entwicklung von autonomen KI-Agenten und ein baldiges Erscheinen einer Artificial General Intelligence (AGI), die ein breiteres oder gar menschenähnliches Fähigkeitsspektrum versprechen, in der Diskussion sind und in der nahen bis mittleren Zukunft Realität werden könnte.

Aus Marketingsicht ist die Inselbegabung aber bereits mehr als ausreichend, wenn es gilt, in der strategischen und operativen Markenarbeit die Entscheidungsfindung eines Markenverantwortlichen zu unterstützen oder gar zu verbessern (vertiefend Scheier & Held 2019). Eine, wenn nicht die ureigene Aufgabe eines jeden Marketers ist die Analyse und Prognose des menschlichen Konsumverhaltens. Etwas vereinfacht beschrieben nimmt sich die KI das menschliche Konsumverhalten als erfahrungsbasiertes Vor- und Abbild und simuliert dieses. Dadurch kann KI einen Marketer bei grundlegenden Aufgaben als Entscheidungspartner unterstützen.

So kann KI beispielsweise helfen, Kundenrezensionen auf Amazon besser zu interpretieren (Verstehen) und in potenzielle Kundensegmente einzuordnen (Klassifizieren), aber auch gleichzeitig zu schätzen (Vorhersagen), welche weiteren Produkt- und Service-Features ein erhöhtes Kaufinteresse bewirken würden. Dazu könnte dann anschließend gehören, die markenkonformen Features zu finden (Entscheiden) und dafür eine Produktbeschreibung zu generieren (Kreieren), die eine erhöhte Kundennachfrage sicherstellt. KI-Lösungen für derartige Aufgabenstellungen erzielen mittlerweile einen hohen Automatisierungsgrad und sind auch für Nicht-Informatiker einfach einsetzbar.

Ein Beispiel ist das KI-Textanalysetool von Caplena zur einfachen und schnellen Generierung von Erkenntnissen aus offenen Kunden- und Mitarbeiterfeedbacks.

Spezifische Aufgabenfelder: Markenpotenzialfaktoren

Mit Hilfe von KI können Markenverantwortliche die Markenpotenzialfaktoren stärken und ausbauen. Dies gilt insbesondere für die Identifikation und das tiefere Verstehen von aktuellen Markttrends, wie etwa dem Gesundheitsbewusstsein mit Subtrends wie funktionellen Lebensmitteln und mentales Wohlbefinden. Für eine Marke könnte dies eine flexible Anpassung der Markenpositionierung erfordern, um den sich wandelnden Anforderungen und Erwartungen der Kunden gerecht zu werden und damit relevant zu bleiben.

Mit KI-basierten Trendanalyselösungen wie die von Itonics Innovation OS können Marketers ein Frühwarnsystem implementieren, um Unternehmenschancen, aber auch Gefahren in Echtzeit zu überwachen. Neben Trendanalysen bietet KI zur Stärkung und Schärfung der Positionierung einer Marke ein enormes Potenzial. KI-Lösungen wie Mindspeller oder Neuroflash erstellen Assoziationsnetzwerke einer Marke, um ganz ohne Kundenbefragungen festzustellen, wie die Marke und Wettbewerbermarken in den Köpfen der Kunden assoziativ verankert sind.

Als spannender Ansatz erweist sich hier die Verwendung von synthetischen Daten, die von einer KI wie ChatGPT-4 generiert werden. Li et al. (2023) haben diesen Ansatz verwendet, um eine zweidimensionale Wahrnehmungskarte von Auto- und Bekleidungsmarken zu erstellen. Sie konnten aufzeigen, dass die synthetisch generierten Daten mit den Daten, die von echten Konsumenten erhoben wurden, eine Ähnlichkeit von rund 90 Prozent aufweisen.

Spezifische Aufgabenfelder: Markenkontaktpunkte

Markenkontaktpunkte machen die Marke für Kunden erst wahrnehmbar. Zentrales Element ist hier neben dem Branding mit Markennamen, Logo, Slogan, die Kommunikation, der Point of Sale und weitere Elemente. Die Studie „Craftbier-Marke Sip Soho„ (Baumgarth et al. 2023) zeigt exemplarisch, wie mit bereits jetzt am Markt verfügbaren Ready-to-go-KI-Lösungen für eine fiktive Marke gezielt ein Branding generiert werden kann.

Dass ein KI-basierter Markeninhalt besser abschneiden kann als ein von Menschen generierter Inhalt, belegt eine aktuelle Studie von Moreau et al. (2023). Die Forscher verfolgten die tatsächlichen Verkaufszahlen für T-Shirts der Luxusmarke Missoni über 20 Wochen lang. Nicht nur, dass die KI-basierten T-Shirt-Designs im Durchschnitt den Konsumenten besser gefielen als die von Menschen gestalteten Designs – zumindest sofern sie die Designquelle nicht kannten. Die von der KI entworfenen Designs performten auch auf dem Markt besser und machten 69 Prozent der Verkäufe der Kollektion aus. In einer Nachfolgestudie fanden die Forscher den Grund heraus: Die KI berücksichtigt bei der Generierung der Designs die relevanten Markencodes besser und schärfte damit die angestrebte Markenpositionierung.

Derartige Studien zeigen auf, dass mutige KI-Kampagnen wie die von Afri Cola, bei der verschiedene KI-Tools mehrere Monate lang die Markenwebsite gestaltet haben, der richtige Weg sind, um an zentralen Kontaktpunkten wie einer Website eine nachhaltige Stärkung des Markenauftritts zu gewährleisten.
Auch ein KI-basierter Influencer kann ein erfolgreicher Kontaktpunkt für Marken sein, wie das spanische KI-Modell Aitana Lopez, die bis zu 10.000 Euro im Monat verdient (Llach 2023), zeigt. Laut einer Studie von Sands et al. (2022) scheinen Menschen einer KI anscheinend genauso gerne zu folgen wie einem anderen Menschen. Wenn jetzt auch noch gezielt die Markencodes berücksichtigt werden wie in der erwähnten T-Shirt-Design-Studie, dann scheint einem positiveren Imagetransfer nichts im Wege zu stehen.

Spezifische Aufgabenfelder: Markenperformance

Die Markenperformance, also der Grad des Markenerfolges auf dem Markt, reflektiert am Ende die Qualität der Markenpotenzial- und Markenkontaktfaktoren. Dies kann anhand der Markenstärke und Marktdurchsetzungskraft erfasst werden, was wiederum in Summe den Markenwert ausmacht. Schmidt et al. (2016) haben einen Ansatz vorgestellt, um den Markenwert anhand der zwei Dimensionen kunden- und finanzorientierter Markenwert auf Basis einer systematischen, internetbasierten Datenextraktion mittels Künstlichen Neuronalen Netzen (KNN) zu ermitteln. Als Input-Indikatoren für den kundenorientierten Markenwert verwendeten die Forscher drei Indikatoren: Sichtbarkeit beziehungsweise Reichweite (etwa Aufrufe von Posts in den sozialen Medien), markenbezogene Gefühlslage (Sentiment) und Affinität (etwa die Anzahl an Followern auf den einzelnen Kanälen in den sozialen Medien).

Für den finanzorientierten Markenwert wurden zwei Indikatoren verwendet: operative Indikatoren wie Cashflow je Aktie sowie strategische Indikatoren wie Eigenkapitalquote. All diese Indikatoren dienten als Input, um dann mit dem Künstlichen Neuronalen Netzwerk den Markenwert nach Interbrand zu schätzen. Mit einem Bestimmtheitsmaß von 0,89 erzielte das geschätzte Markenwertmodell nicht nur eine hohe Modellgüte. Dieser digitalisierte Erhebungsansatz erlaubt es auch, den Markenwert nicht nur ein- oder zweimal im Jahr zu messen, sondern kontinuierlich (24/7/365). Um dabei sicherzustellen, dass etwa bei der Markenkommunikation in den sozialen Medien die Marke mit einer hohen Chance wahrgenommen und verstanden wird, bietet sich vorab der Einsatz von prädiktiven KI-Lösungen an. Visuelle Performance-Tools wie Predict von Neurons messen in wenigen Sekunden die Aufmerksamkeitsverteilung, so wie vom klassischen Eyetracking her bekannt.

Semantische Performance-Tools wie der PerformanceFlash von Neuroflash bewerten derweil in Echtzeit das Verständnis und die Assoziationsaktivierung von Slogans, Posts, Produktbeschreibungen und sonstigen textbasierten Markeninhalten. Derartige Lösungen zeigen auf Knopfdruck die vermeintliche Kommunikationsperformance sowie mögliche Optimierungspotenziale an.

Markeninhalt von McDonald’s auf Social Media

Wie eine KI-getriebene Markenführung aussehen kann, soll am fiktiven Beispiel von McDonald’s gezeigt werden. Nehmen wir an, das Marketing erhält die Aufgabe, für den Instagram-Kanal von McDonald’s einen Markeninhalt (Content) zu erstellen. In einem ersten Schritt könnte mit Blick auf die Markenpotenzialfaktoren nun Neuroflash verwendet werden, um ein Assoziationsnetzwerk für die Kategorie und die Marke zu erstellen. Ziel dabei ist es, distinkte Assoziationen zu identifizieren, um sich vom Wettbewerb klar unterscheidbar und sofort erkennbar zu positionieren.

Das Marketing erkennt dank der KI, dass Ronald McDonald immer noch stark mit McDonald’s assoziiert wird. Es entscheidet sich deswegen, Content mit Ronald McDonald zu erstellen und nutzt hierbei eine KI-Lösung wie Midjourney, um hochwertige Werbeanzeigen für den eigenen Kanal auf Instagram als Markenkontaktpunkt zu generieren. Danach wird die Markenperformance überprüft, konkret die Werbewahrnehmung gemessen. Hierzu setzt das Marketing auf Neurons, um die Aufmerksamkeitsverteilung zu messen und Optimierungspotenziale für die nächste Contentgenerierung zu identifizieren.

Neue Markenarbeit mit KI

KI wird die tägliche Arbeit von Markenverantwortlichen und auch allen beteiligten Dienstleistern stark verändern. Wir sehen insbesondere sechs Anforderungen an die Markenarbeit durch KI.

1. Akzeptiere KI als neuen Kollegen! KI wird in der Markenarbeit keine eigenständige und unabhängige Technologie sein, sondern integraler Bestandteil der täglichen Markenarbeit. Daher müssen alle, die für eine Marke arbeiten, die Angst und Unwissenheit abbauen und die KI als neuen Kollegen akzeptieren. Zwar wird und sollte der Mensch immer „in-the-loop“ sein, aber die KI kann unterstützen, inspirieren, verbessern und automatisieren.

2. Validiere KI-Empfehlungen und Ergebnisse! KI-Lösungen produzieren selbstständig Ergebnisse, die auch fehlerbehaftet sein können. Daher wird eine wichtige Aufgabe der Markenarbeit sein, Empfehlungen und Ergebnisse der KI durch Marktforschungsdaten und Expertise zu validieren. Dies gilt sowohl für den experimentellen Ersteinsatz einer KI8Lösung als auch für den „Dauerbetrieb“, da sich beispielsweise die Datenbasis der KI ändern kann und dadurch nach einer bestimmten Zeit sich Ergebnisse in ihrer Qualität verändern können. In einer aktuellen Studie zeigen Chen et al. (2023), dass zwischen März und Juni 2023 etwa die Qualität von ChatGPT-3.5 und 4 für verschiedene Aufgabentypen deutlich schwankte und überwiegend abnahm.

3. Werde ein Domänen-Experte! KI wird für verschiedene Berufsfelder der Markenarbeit die Menge an notwendigen Arbeitskräften reduzieren. Aber die Aufgaben werden komplexer, da der Einsatz von KI-Lösungen in Bezug auf die Auswahl der „richtigen“ Tools, das Prompting sowie die Validierung der KI-Ergebnisse eine hohe Expertise für die jeweilige Assetklasse (etwa Grafik, Musik) und die Marke voraussetzt. Ohne diese Domänenexpertise wird die Qualität der Markenarbeit deutlich zurückgehen.

4. Entwickle markenspezifische KI-Lösungen! Im letzten Jahr haben mit ChatGPT, Midjourney & Co verschiedenartige und (relativ) einfach zugängliche KI-Lösungen den Hype von KI in der Markenarbeit befeuert. Allerdings produzierten diese Lösungen nur eingeschränkt markenorientierten und konsistenten Content. Daher wird es eine Hauptaufgabe der Markenarbeit in 2024 sein, KI-Lösungen mit eigenen Markeninhalten (zum Beispiel Markenwerte, Tonalität, Bilderwelt) zu trainieren und damit markenspezifische Inhalte zu produzieren. Auch kommerzielle Tools wie etwa Neuroflash enthalten erste Ansätze, um Markenwerte als Vorgaben in die Text- und Bildproduktion zu integrieren.

5. Setze Dich mit den Gefahren von KI auseinander! KI-Lösungen können durch Halluzinationen Fake-Informationen produzieren, Stereotype durch den KI-Bias verstärken, Markencodes ruinieren und auch Urheberrechte verletzten. Daher muss sich die Markenarbeit auch mit der „dunklen“ Seite von KI intensiv beschäftigen und Maßnahmen zur Sicherstellung der Brand Safety entwickeln und umsetzen.

6. Beta ist das neue Normal und lebenslanges Lernen ein Muss! Erst vor rund einem Jahr wurde ChatGPT-3 der breiten Masse zugänglich gemacht. Mittlerweile gibt es ChatGPT-4, eine Bezahlversion wurde eingeführt, mit Dall-E eine Text-zu-Bild-Lösung integriert und vor kurzem der GPT-Store mit spezifischen Lösungen eröffnet. Die Leistungsfähigkeit der Tools wird sich rasend schnell verändern, Insellösungen werden zu mächtigeren Lösungen zusammengefasst, einige KI-Tools werden verschwinden und immer neue Anbieter werden den Markt fluten. Aber auch die Rahmenbedingungen wie etwa der angekündigte EU AI Act werden den Einsatz von KI-Lösungen in der Markenarbeit massiv verändern. Daher wird die KI-basierte Markenarbeit sich dauernd beeinflußen und die Markenmitarbeitenden müssen ständig neu lernen. Neben der kontinuierlichen und individuellen Bereitschaft zum Lernen müssen Markenabteilungen durch Zeitbudgets, Pilotprojekte und Infrastruktur dieses lebenslange Lernen ermöglichen.

Erschienen in: