Slava Wagner – SEA, CRO, Data & Forecasting

DE

EN

AI Consulting

im Online Marketing

Viele Anwender stehen vor der Frage, wie ein AI Consulting im Online Marketing aussehen kann. Dabei lässt sich ein Framework hierfür bereits mit einem 4-Wochen-Programm in 4 Schritten aufziehen. 

Wie funktioniert AI Consulting im Online Marketing?

Seit dem Aufkommen der Generativen KI stieg auch das Online-Interesse für das Thema AI Consulting stark an. Gerade im Online Marketing lassen sich mit Automatisierungen wesentlich höhere Wirkungsgrade erzielen. Zudem kannst du durch gezielt eingesetzte AI-Anwendungen dem algorithmischen Lernen deiner Werbesysteme so viel Futter geben, dass Leads, Conversions und Conversion-Werte bei gleichem Budget massiv gesteigert werden.

Doch wie kannst du Inhouse dein AI Portfolio aufbauen – und nach welchem Framework solltest du im AI Consulting am besten vorgehen? Hier zeige ich dir meinen Wochenplan. Er dauert in der Kernausführung vier Wochen und enthält vier Schritte: 

  1. Anwendungen analysieren (Woche 1)
  2. Anwendungsfälle evaluieren (Woche 2)
  3. Impact Prediction kalkulieren (Woche 3)
  4. Prozessimplementierung mit Templates (Woche 4)

Zielsetzung im AI Consulting

Bevor wir auf die einzelnen Schritte zu sprechen kommen, sollten wir klären, mit welche Zielsetzung für ein solches AI Consulting überhaupt in Frage kommen: Ziel einer AI-Implementierung im Online Marketing und vor allem im Bereich der Leadgenerierung ist dabei immer, vor dem Markt und nicht hinter dem Markt zu sein. Wie nachfolgend näher beschrieben wird, geschieht die Entwicklung der AI-Innovationen rasant, und es kommen nicht nur täglich neue Anwendungen, sondern auch neue Anwendungsfälle auf den Markt. Darum sollten beim Durchlaufen eines jeden Implementierungsprozesses im AI Consulting immer Projekte avisiert werden, die einen Mehrwert vor dem Markt darstellen – das bedeutet: Prozessimplementierungen herzustellen, die andere nicht haben, weil der Massenmarkt auf dem Gebiet noch nicht nachgezogen ist.

1.

Anwendungen analysieren

Doch was ist an diesem Verfahren so besonders? Ganz einfach: AI-Anwendungen gibt es viele und täglich kommen neue dazu. Auf Portalen wie TAAFT kannst du sogar täglich die neuesten, auf dem Markt erschienen AI-Angebote sichten. Dementsprechend ist das die erste Herausforderung bei der Frage einer AI-Implementierung: Das Analysieren der Anwendungen mit ihren Möglichkeiten, Funktionsweisen, Preismodellen, Vor- und Nachteilen. Hier sind nachfolgend einige Beispiele für AI-Anwendungen im AI Consulting im Bereich Online Marketing. Wenn du die breite Auswahl an AI-Anwendungen mit Anwendungsfällen sehen möchtest, kannst Kontakt aufnehmen:

Rohdatenverschriftlichung mit ChatGPT for Google Colab

Reportings verschriftlichen aus Rohdaten – Berichte automatisieren und Content Marketing aus Datenverschriftlichung

Asset Libraries für Ads
mit SheetGPT

ChatGPT im Looker Studio & Google Ads KI-Anzeigen – Erklärungen im Looker Studio, AI-Asset-Datenbanken für Google Ads

Social Ads automatisieren mit Gemini Pro auf Vertex AI

Multimodale Prompts – für Anzeigentexte aus Videos und Bildern, sowie mehrere Mitbewerber in einem Prompt analysieren

Google Ads: Transaktionale Keywords ermitteln mit Arcwise AI

Daten transformieren direkt in Google Sheets< – Daten analysieren, transformieren und berechnen mit SyncWith aus Werbesystemen

2.

Anwendungsfälle evaluieren

Genauso wichtig wie das Ermitteln von passenden Anwendungen im AI Consulting ist das finden von Anwendungsfällen mit einer Hebelwirkung, die sich wirklich lohnt. Generell kannst du Automatisierungen und AI-Anwendungen im Online Marketing in den Bereichen Paid Media (Lead Gen), im Recruiting, im Sales, in der Content-Erstellung oder für Business Intelligence nutzen. 

AI in der Leadgenerierung – Paid Media

  • Asset-Datenbanken für KI-Anzeigenalternativen-Testläufe für besseres algorithmisches Lernen, erprobt (SheetGPT, HARPA AI, ChatGPT for Google Colab).
  • Erstellung automatischer Kampagnen-Assets in Werbekonten (im pausierten Modus) mit HARPA AI, Google Ads Editor mit Google Sheets Anbindung oder Hootsuite mit Make- und Zapier-Anbindung

AI in der Prozessautomatisierung und im Matching

  • Mehrfach verschaltete Custom GPTs für Matching-Prozesse im Sales oder Recruiting (eine GPT sucht, empfängt und verarbeitet eine Information und gibt sie an eine andere GPT weiter, die sie mit einer Datenbank an PDFs, Google Sheets und/oder einem CRM abgleicht) für Kunden- oder Bewerber-Passung. 
  • Prozesse automatisieren im CRM, auf Websites, E-Mails und in Sheets mit Zapier, Make, Taskade AI oder Relevance AI, ob für Aufgaben- oder Ticketzuweisung, oder für das automatische Labeln von Kontakten, sowie eine Analyse der Kontaktprofile mit generativer KI

AI im Bereich Business Intelligence

  • Monitoring und Reporting durch automatisierte Rohdatenverschriftlichung, die Trendentwicklungen mit arithmetischem Mitteln im Zeitverlauf so erfassen kann, dass Trends schneller erkannt werden können. In Kombination mit Forecasts (aus Microsoft Power BI, IBM Cognos Analytics oder Vertex AI) können Frühwarnsysteme erstellt werden für sich anbahnende Abwärts- und Aufwärtstrends. 
  • Es können im Rahmen des AI Consultings übergreifend aus allen Datensätzen eines Unternehmens Chancen und Potenziale durch Wissensdatenbanken in Kombination mit Anwendungen im Bereich Generative BI ermittelt werden via Avian AI, Akkio AI, Narrative AI, Vertex AI
 

3.

Impact Prediction kalkulieren

Damit im AI Consulting abgeschätzt werden kann, wie hoch der Impact einer AI-Automatisierung in Hinblick auf Teamressourcen oder Verbesserung der algorithmischen Performance in Werbesystemen ist, sollte ein Forecast für eine Impact Prediction vorgenommen werden. Dabei muss eine Metrik zugrundegelegt werden, wie beispielsweise bestehende Teamressourcen in Stunden oder eine Metrik aus einem Werbesystem im Online Marketing. Anschließend wird im Zeitverlauf ein Forecast mit eingerechneten Saisonalitätswerten durchgeführt, beispielsweise mit Microsoft Power BI for Desktop, der Vertex AI auf der Google Cloud mit eigenem Machine-Learning-Modell oder mit IBM Cognos Analytics. Das Verfahren der Impact Prediction im AI Consulting ermöglicht es, sich bei der vierten und letzten Phase, der Prozessimplementierung, auf die Anwendungen zu konzentrieren, die den höchsten hochgerechneten Impact auf Teamressourcen oder Ads-Performance haben.

4.

Prozessimplementierung

Der letzte und spannendste Schritt im Rahmen eines AI Consultings ist die Prozessimplementierung selbst. In der Produktionsphase werden die aussichtsreichsten AI-Anwendungen basierend auf Schritt 3 in Werbesystemen oder im Team implementiert. Im Bereich der Make-Automatisierungen kann hierbei mit Library Template gearbeitet werden, die jederzeit aus Make-Accounts exportiert und importiert werden können. Beispiele hierfür sind:

AI Ads automatisch in Facebook Ads generieren

AI Ads automatisch in Google Ads generieren

LinkedIn Ads Matched Audiences automatisieren

Decision Maker Weekly Briefing über Lead-Zahlen

Facebook Audiences mit neuen E-Mails anreichern

Leadpipe-Automation für Slack und WhatsApp

Mitbewerberanalysen aus Ads Libraries mit Apify

Ads analysieren mit Google Natural Language

Ads analysieren mit Google Vision API

Slava Wagner

SEA, Paid Media, Conversion-Rate-Optimierung, Markt- und Trendanalysen.

info@slavawagner.de
+49 176 588 744 04

Du hast eine frage?

Kontakt

    Zusammenfassung zum Thema: AI Consulting

    AI Consulting im Online Marketing - Ein 4-Wochen-Programm in 4 Schritten

    Das Aufkommen der Generativen KI hat das Interesse am AI Consulting im Online Marketing stark erhöht. Die Möglichkeiten von Automatisierung bieten enorme Potenziale für höhere Wirkungsgrade in Werbesystemen und Leadgenerierung. Ein strukturiertes Framework für ein vierwöchiges Programm in vier Schritten kann dabei helfen, das AI Portfolio aufzubauen und die Prozesse zu optimieren. Diesen Prozess kannst du in einem AI Consulting aufziehen, mit dem du jede Woche einen Meilenstein umsetzt. Danach kannst du denselben Prozess für jedes weitere Vorhaben im Bereich der AI-Implementierung wiederverwenden.

    1. Schritt im AI Consulting – Anwendungen analysieren (Woche 1)

    Die Vielzahl an verfügbaren AI-Anwendungen stellt die erste Herausforderung dar, wenn es darum geht, effektive Möglichkeiten für sich selbst zu sichten. Es gilt im AI Consulting, Anwendungen zu analysieren und ihre Möglichkeiten, Funktionsweisen sowie Vor- und Nachteile zu verstehen. Plattformen wie TAAFT bieten täglich neue AI-Angebote. Beispiele für Anwendungen im Online Marketing sind Rohdatenverschriftlichung mit ChatGPT for Google Colab, Asset Libraries für Ads mit SheetGPT, Multimodale Prompts mit Gemini Pro auf Vertex AI und Datentransformation mit Arcwise AI.

    2. Schritt im AI Consulting – Anwendungsfälle evaluieren (Woche 2)

    Neben der Auswahl passender Anwendungen ist es entscheidend im AI Consulting, Anwendungsfälle mit einer signifikanten Hebelwirkung zu identifizieren. Dies kann in Bereichen wie Paid Media (Lead Gen), Recruiting, Sales, Content-Erstellung oder Business Intelligence erfolgen. Beispiele für AI-Anwendungen in der Leadgenerierung sind Asset-Datenbanken für KI-Anzeigenalternativen-Testläufe und automatische Kampagnen-Assets-Erstellung in Werbekonten.

    3. Schritt im AI Consulting – Impact Prediction kalkulieren (Woche 3)

    Um den potenziellen Impact einer AI-Automatisierung im AI Consulting abzuschätzen, ist eine Impact Prediction erforderlich. Hierbei werden Metriken wie Teamressourcen oder die algorithmische Performance in Werbesystemen zugrunde gelegt. Mit Tools wie Microsoft Power BI, Vertex AI oder IBM Cognos Analytics können Forecasts erstellt werden, um den zukünftigen Erfolg der Implementierungen zu prognostizieren.

    4. Schritt im AI Consulting – Prozessimplementierung mit Templates (Woche 4)

    Der letzte Schritt im AI Consulting umfasst die eigentliche Prozessimplementierung. Basierend auf den Ergebnissen der Impact Prediction werden die vielversprechendsten AI-Anwendungen in Werbesystemen oder im Team implementiert. Dabei können für das AI Consulting Templates für Make-Automatisierungen genutzt werden, die flexibel exportiert und importiert werden können. Beispiele für Implementierungen sind automatische Generierung von AI Ads in Facebook und Google Ads, Automatisierung von LinkedIn Ads Matched Audiences und Analyse von Ads mit Google Natural Language oder Google Vision API.