Der KI-Leitfaden für Unternehmen in der Medien- und Unterhaltungsbranche

Nutzung von künstlicher Intelligenz für digitale Transformation, Big Data und Kundenbindung

Einführung

Dieser Leitfaden bietet praktische Einblicke für Führungskräfte in der Medien- und Unterhaltungsbranche, die verstehen möchten, wie KI-Lösungen für Unternehmen profitable Einnahmen steigern und die Effizienz verbessern können. Unabhängig von Ihren technischen Kenntnissen ist dieses Material für alle Bereiche relevant, die mit Umsatzmanagement oder Optimierung zu tun haben.
 

  • Vertrieb
  • Marketing
  • Kundenerfahrung
  • Vertrieb
  • Finanzen
  • Buchhaltung
  • Rechtliches
  • Produktentwicklung

 

Der Stand der künstlichen Intelligenz in Medien und Unterhaltung

Jeder, der in der Medien- und Unterhaltungsbranche arbeitet, ist mit dem Hype um künstliche Intelligenz (KI) vertraut. Tatsächlich befürchten 75 % der Führungskräfte, ganz aus dem Geschäft zu verschwinden, wenn sie KI in den nächsten fünf Jahren nicht ausbauen.

Die Herausforderung, vor der Unternehmen heute stehen, besteht darin, die Lücke zwischen der angestrebten KI und der effektiven Umsetzung zu schließen - über das Gerede hinauszugehen, den Status quo zu überwinden und KI-Lösungen zu entwickeln, die den Gewinn steigern.

75%
Führungskräfte befürchten, dass sie ihr Geschäft aufgeben müssen, wenn sie KI nicht innerhalb der nächsten 5 Jahre skalieren

Echte digitale Transformation ist eine Praxis, kein Konzept. Medien- und Unterhaltungsunternehmen verfügen über eine Fülle von Daten, die das Kundenengagement fördern können, aber oft fehlen ihnen die Werkzeuge, um diese Daten zu nutzen.

Es gibt nur sehr wenige handlungsorientierte Anleitungen zur Implementierung und Skalierung vielversprechender KI-Technologien in der Medien- und Unterhaltungsbranche. In diesem Leitfaden finden Sie die Informationen, die Sie benötigen, um zu verstehen, was KI für Unternehmen leisten kann und wie Sie sie in Ihrem Unternehmen einsetzen können.

Die Notwendigkeit liegt auf der Hand: Führungskräfte in der Medien- und Unterhaltungsbranche müssen besser verstehen, wie sie zukunftsweisende KI-Technologie in ihren Betrieb integrieren können, um wettbewerbsfähig zu bleiben.

Niemand weiß genau, was die kommenden Jahre in der sich verändernden Welt der Streaming-Medien und der digitalen Unterhaltung bringen werden. Aber Sie können sicher sein, dass die Unternehmen mit den größten Datenintelligenzfähigkeiten in der Lage sein werden, die Zukunft aus einer Position der Stärke heraus zu steuern.

Was ist Künstliche Intelligenz (KI) für Unternehmen?

Im geschäftlichen Umfeld beschreibt KI die Fähigkeit eines Computersystems, menschliche Intelligenz in großem Umfang zu simulieren. Die Definitionen von KI variieren je nach Kontext; der Begriff wird verwendet, um einen Zweig der Informatik, ein theoretisches Konzept, technologische Systeme und mehr zu beschreiben.

In diesem Leitfaden beziehen sich die Begriffe "künstliche Intelligenz" und "KI" auf die geschäftliche Definition von KI.

Die moderne KI-Technologie wurde von Menschen programmiert oder "trainiert", um immer komplexere Probleme mit Präzision, Geschwindigkeit und Autonomie zu lösen. Systeme der künstlichen Intelligenz können sich heute auch selbst beibringen, Probleme durch maschinelles Lernen zu lösen.

Künstliche Intelligenz ist eine Klasse von Technologien. "Unternehmens-KI" ist die kommerzielle Anwendung dieser Technologie.

Unternehmens-KI bezieht sich auf Produkte (Software, Cloud-Plattformen, Anwendungen), die KI-Technologie für Geschäftszwecke nutzen. Die Kernfunktionen der KI für Unternehmen bestehen darin, Daten zu analysieren, zu verstehen und daraus zu lernen.

Unternehmen setzen KI auf hohem Niveau ein, um ihren Umsatz zu steigern, ihre Gewinnmargen zu erhöhen und ihre Kosten zu senken.

In der Medien- und Unterhaltungsbranche umfasst die KI-Funktionalität für Unternehmen die ganze Bandbreite branchenspezifischer Aufgaben: Prüfung von Verträgen, Analyse des Abonnentenverhaltens, Messung der Interaktionen mit Inhalten. Unternehmens-KI ist ein Mittel zum Zweck. Der wahre Wert von KI für Unternehmen liegt in ihrem Ergebnis: aus Daten gewonnene Erkenntnisse, die zur Verbesserung der Unternehmensleistung genutzt werden.

Fortgeschrittene AI-Techniken

Maschinelles Lernen ist nicht die einzige KI-Technik. Beim Deep Learning beispielsweise wird eine logische Struktur verwendet, die der menschlichen Entscheidungsfindung näher kommt. Die topologische Datenanalyse (TDA) untersucht die "Form" von Daten. Robuste KI-Lösungen für Unternehmen nutzen eine Vielzahl von Techniken, um Geschäftsprobleme zu lösen.

Was ist maschinelles Lernen (ML)?

Der Begriff "maschinelles Lernen" (ML) sorgt für einige Verwirrung. Ist maschinelles Lernen etwas anderes als künstliche Intelligenz? Wie gut müssen nicht-technische Führungskräfte es verstehen?

Vereinfacht ausgedrückt ist maschinelles Lernen eine Technik der künstlichen Intelligenz: die Fähigkeit eines KI-Systems, selbstständig aus Daten zu lernen und so seine Algorithmen selbst zu verbessern. Eine ML-fähige KI-Lösung für Unternehmen kann beispielsweise lernen, Signale besser zu erkennen, die darauf hindeuten, dass ein Kunde, der ein kostenloses Probeabonnement in Anspruch nimmt, zu einem kostenpflichtigen Abonnement wechseln möchte, ohne dass ihm gesagt (programmiert) werden muss, was diese Signale sind oder wo sie zu finden sind.

Die meisten KI-Lösungen für Unternehmen verfügen über Funktionen für maschinelles Lernen. Da KI-gestützte Datenintelligenz in immer mehr Geschäftsfunktionen integriert wird, ist es für nicht-technische Führungskräfte wichtig, die grundlegenden Fähigkeiten und Anwendungen des maschinellen Lernens zu verstehen.

Es gibt zwei Haupttechniken: überwachtes und unüberwachtes maschinelles Lernen.

Beim überwachten ML lehrt der Mensch die Maschinen anhand von Modellen, die auf vorhandenem Wissen basieren. Unüberwachtes ML bedeutet, dass KI Modelle ohne menschliches Zutun entwickelt.

Angenommen, ein Unternehmen möchte maschinelles Lernen einsetzen, um die Kundenabwanderung zu bekämpfen. Das KI-System muss ein Modell entwickeln, um das Abwanderungsrisiko vorherzusagen. In einem überwachten ML-Modell kennzeichnen Menschen einen historischen Kundendatensatz ("Trainingsdaten"), um anzugeben, wer abgewandert ist und wer nicht. Das KI-System nimmt die Trainingsdaten auf und lernt, welche Attribute mit der Abwanderung korrelieren. Es erstellt auf der Grundlage dieser Informationen ein Vorhersagemodell und testet dann die Genauigkeit des Modells anhand eines nicht beschrifteten Datensatzes ("Testdaten"). Sobald der Algorithmus validiert ist, wendet die Maschine das Modell selbstständig auf neue Datensätze an.

Aber die menschliche Fähigkeit, auf der Grundlage bekannter Informationen Hypothesen zu formulieren, kann den Einblick einschränken. Was ist, wenn es Risikofaktoren für die Kundenabwanderung gibt, die noch nicht identifiziert wurden? Unüberwachte ML-fähige KI-Systeme erkennen nicht spezifizierte Korrelationen, unerwartete Muster und unbekannte Anomalien in unübersichtlichen Daten.

Um das Beispiel des Abwanderungsrisikos fortzusetzen: Eine nicht überwachte ML-fähige Lösung kann ihr Vorhersagemodell ohne menschliche Eingaben erstellen und kontinuierlich verbessern. Das KI-System wird nicht darauf programmiert, die Abwanderung anhand von Faktoren vorherzusagen, die in der Vergangenheit die Abwanderung verursacht haben, sondern es lernt selbstständig, Risikofaktoren für die Abwanderung zu erkennen.

Überwachte und nicht überwachte ML-Techniken sind beide in verschiedenen Szenarien nützlich; eine ist nicht von Natur aus besser. Überwachtes ML beantwortet spezifische Geschäftsfragen oder "bekannte Unbekannte"(Wer wird abwandern?). Unüberwachtes ML deckt neue Risiken und Chancen oder "unbekannte Unbekannte" auf(Welche Risikofaktoren für die Abwanderung wurden noch nicht erkannt?). Überwachtes und unüberwachtes ML liefern in Kombination leistungsstarke Geschäftseinblicke.

KI verändert die Business Intelligence

Bei der traditionellen Business Intelligence (BI) werden Menschen und Tools eingesetzt, um Daten zu analysieren, zu interpretieren und zu visualisieren. Ein Finanzanalyst kann mithilfe von Software die Einnahmen des nächsten Jahres auf der Grundlage historischer Leistungen prognostizieren. Ein Data-Science-Team kann einen Algorithmus entwickeln, um Inhaltsempfehlungen für VOD-Abonnenten zu personalisieren.

Die Verwaltung und das Verständnis von Daten verschlingt eine große Menge an Ressourcen. Die Ableitung und Verbreitung von Erkenntnissen aus Daten erfordert noch mehr Ressourcen. Und doch wächst das Datenangebot mit der Nachfrage nach besseren Erkenntnissen. Die BI-Tools, die den Sektor in den letzten 20 Jahren dominiert haben, reichen nicht mehr aus. Die Erkenntnisse sind regelmäßig veraltet, unzureichend oder schwer zu erklären, wenn sie auf dem Schreibtisch eines Entscheidungsträgers landen.

Unternehmens-KI verbessert die Qualität der Erkenntnisse (QoI), gemessen an dem Wert, den die Erkenntnisse bieten. Zu den Faktoren, die sich auf die Qualität der Erkenntnisse auswirken, gehören:

  • Geschwindigkeit: Wie schnell liefern die Daten Erkenntnisse?
  • Häufigkeit: Ist die Einsicht durchgängig vorhanden?
  • Objektivität: Haben menschliche Befangenheiten die Schlussfolgerungen beeinflusst?
  • Die Tiefe: Wurden alle relevanten Daten analysiert?
  • Exaktheit: Sind die Ergebnisse frei von Fehlern?
  • Relevanz: Beantwortet der Einblick die richtigen Fragen?
  • Zugänglichkeit: Sind die Erkenntnisse für die Beteiligten leicht zugänglich?
  • Erklärbarkeit: Ist es klar, wie eine Entscheidung zustande gekommen ist?
  • Handlungsfähigkeit: Kann das Unternehmen auf die Informationen reagieren?

Jeder Aspekt von QoI kann mit den heutigen BI-Tools und Prozessverbesserungen verbessert werden. Unternehmens-KI verbessert jeden Aspekt der QoI gleichzeitig, in Echtzeit und in größerem Umfang. Je mehr Stakeholder Zugang zu hoher QoI haben, desto wertvoller wird sie für das gesamte Unternehmen. Gartner beschreibt dies als kontinuierliche Intelligenz:

"Kontinuierliche Intelligenz ist ein Entwurfsmuster, bei dem Echtzeit-Analysen in die Geschäftsabläufe integriert werden und aktuelle und historische Daten verarbeitet werden, um als Reaktion auf Geschäftsmomente und andere Ereignisse Maßnahmen vorzuschreiben."

57%
der Unternehmen haben Probleme mit der Funktionsfähigkeit von KI

Kontinuierliche Intelligenz ist schwierig, wenn KI-Lösungen nur für Mitarbeiter zugänglich sind, die über das technische Fachwissen verfügen, um sie zu bedienen. KI-Lösungen, die ohne Rücksicht auf die Bedürfnisse der Geschäftsanwender entwickelt werden, zwingen Unternehmen dazu, sich auf ein kleines Team von gefragten und hoch bezahlten Mitarbeitern zu verlassen. Die Fähigkeit der Mitarbeiter, KI-Lösungen tatsächlich zu nutzen, wird von 57 % der Unternehmen als Hindernis für die Einführung genannt.

Moderne KI-Lösungen für Unternehmen müssen von Personen in technischen und nicht-technischen Rollen bedient werden können, um den Einblick wirklich zu demokratisieren.

Unternehmens-KI heute

KI im Unternehmen verspricht einen Umbruch zu bewirken. Unternehmen, die bereits in KI investiert haben, sehen darin einen Wettbewerbsvorteil. Laut einer Deloitte-Umfrage unter globalen Führungskräften "sagt eine Mehrheit der globalen Early Adopters, dass KI-Technologien heute besonders wichtig für ihren Geschäftserfolg sind - eine Überzeugung, die weiter zunimmt."

Viele Führungskräfte sind jedoch der Ansicht, dass sich das Zeitfenster für die Erlangung eines Wettbewerbsvorteils durch KI schließt, vor allem weil die Technologie über SaaS- und Cloud-basierte Plattformen immer erschwinglicher, skalierbarer und leichter zu verwalten ist. Eine CIO-Umfrage von Gartner ergab einen Anstieg der KI-Implementierung um 270 % zwischen 2016 und 2019, und es wird erwartet, dass sich die weltweiten Ausgaben für KI von 50 Milliarden US-Dollar im Jahr 2020 auf 110 Milliarden US-Dollar im Jahr 2024 mehr als verdoppeln werden.

Glücklicherweise ist die KI-Technologie für Unternehmen aller Größenordnungen zugänglicher denn je. Infrastruktur-Upgrades und Implementierungsprobleme der letzten Generation kommerzieller KI-Lösungen weichen schnell flexibleren, geschäftsfreundlichen Lösungen.

Es ist klar, dass KI im Unternehmen in fünf Jahren kein Differenzierungsmerkmal mehr sein wird. Der Erfolg wird davon abhängen, wie effektiv Unternehmen KI in ihren gesamten Betrieb integrieren und ob frühe Anwender den Wettbewerbsvorteil behalten, den sie sich erarbeitet haben.

Enterprise AI-Anwendungen in Medien und Unterhaltung

Medien- und Unterhaltungsunternehmen werden von Daten überflutet. Die zunehmende Verbreitung von Vertriebsmodellen, Monetarisierungsstrategien und Einnahmequellen bedeutet, dass die Verwaltung und Analyse von Daten immer komplexer wird. Big Data ist ein Dauerbrenner.

Bevor Unternehmen Big Data zu Geld machen können, müssen sie sie sinnvoll nutzen. KI für Unternehmen wird die datengesteuerte Intelligenz in der Medien- und Unterhaltungsbranche revolutionieren.

McKinsey berichtet, dass die Medien- und Unterhaltungsbranche mit KI 57 % mehr Wert schaffen kann als mit anderen Analysetechniken. Damit dieser Wert zustande kommt, müssen Branchenführer die KI-Anwendungsfälle in der Medien- und Unterhaltungsbranche genau verstehen.

In diesem Abschnitt geben wir einen Überblick über die wichtigsten Anwendungen der KI-Technologie für Unternehmen:

  • Kundenbindung fördern
  • Umsatz und Gewinnspannen steigern
  • Steigerung der betrieblichen Effizienz

Enterprise AI Anwendungsfall: Daten-Aggregation

Daten müssen normalisiert (einheitlich formatiert) werden, damit die KI ihre Aufgabe erfüllen kann. Aber Daten sind von Natur aus chaotisch. Heterogene Formate, Strukturen und Standards eignen sich nicht für eine schnelle Analyse. Erschwerend kommt hinzu, dass die Daten unweigerlich in Silos verstreut sind, die nicht für die Kommunikation untereinander konzipiert wurden.

Betrachten Sie nur einige der üblichen Datenquellen, die KI in Unternehmen analysieren könnte, um die Qualität der Erkenntnisse zu verbessern:

  • Inhalt: Beliebtheit, Konsum und Engagement nach Segment, Genre, Plattform usw.
  • Kunde: Demografische Daten, Interaktionen und Vorlieben während der gesamten Reise
  • Zahlungen: Cashflow, Zahlungen, Budgets, Verträge, Forderungen, Buchungszyklen

Je mehr dieser Datenquellen einer KI-Lösung für Unternehmen zur Verfügung stehen, desto größer ist ihr Potenzial, kontinuierliche Intelligenz zu ermöglichen.

Das Aggregieren, Aufnehmen und Normalisieren von Big Data ist kein kleines Unterfangen. KI-Lösungen für Unternehmen, die mit automatischer Datennormalisierung und plattformübergreifenden Integrationsfunktionen ausgestattet sind, beschleunigen die Fähigkeit eines Unternehmens, Erkenntnisse aus heterogenen Datenquellen zu gewinnen. Der Wert solcher Lösungen steigt mit der Zeit exponentiell an; Daten und Erkenntnisse werden mit gleicher Geschwindigkeit generiert.

Die Normalisierung von Daten hat auch indirekte Vorteile. Jedes System oder Programm kann ohne weiteres auf mehr Datenquellen zugreifen und diese analysieren.

Vorteile der Datenhygiene

Durch den Abbau von Redundanzen, die Zentralisierung und Sicherung der Datenspeicherung und die Einrichtung einer einzigen Wahrheitsquelle wird die betriebliche Effizienz im gesamten Unternehmen gesteigert.

KI-Anwendungsfall im Unternehmen: Prädiktive und präskriptive Einblicke

Nur wenige Branchen haben so viele Umwälzungen erlebt wie die Medien- und Unterhaltungsbranche. In dem Jahrzehnt, in dem Netflix-Streaming und das Apple iPhone die digitale Landschaft neu erfunden haben, ist der Umbruch zur Norm geworden. Bis 2020 werden 50 % der Führungskräfte in der Branche sagen, dass sie sich nicht mehr auf traditionelle Geschäftsmodelle verlassen können. Was kommt als Nächstes, und wie können sich Anbieter darauf vorbereiten?

50%
der M&E-Führungskräfte können sich nicht auf traditionelle Geschäftsmodelle verlassen

KI im Unternehmen liefert die prädiktiven und präskriptiven Erkenntnisse, die erforderlich sind, um den Betrieb zu stabilisieren, agil zu bleiben und zukunftsorientiert zu konkurrieren. Die Untersuchung historischer Trends wird immer wichtig sein, aber bei intelligenten Unternehmen geht es darum, nach vorne zu schauen. Wer sich nur auf deskriptive Analysen verlässt, spielt immer von hinten.

Deskriptive und diagnostische Intelligenz erklären, was in der Vergangenheit passiert ist. KI für Unternehmen verbessert die Fähigkeit eines Unternehmens, beides zu verstehen, erheblich.

Prädiktive Intelligenz ist die Fähigkeit, Ergebnisse auf der Grundlage von Eingangsvariablen vorherzusagen. Unternehmens-KI berechnet die Wahrscheinlichkeit potenzieller Ergebnisse mit hoher Genauigkeit.

Progressive Intelligenz ist die Fähigkeit, Maßnahmen und Geschäftsentscheidungen zu empfehlen. Unternehmens-KI kann Empfehlungen mit oder ohne menschliche Anleitung automatisieren.

KI für Unternehmen führt sofort statistische Prozesse parallel aus, die sonst Stunden menschlicher Arbeit in Anspruch nehmen würden, um Vorhersagemodelle zu erstellen. Auf der Makroebene verschafft prädiktive KI den Medien- und Unterhaltungsanbietern einen Vorsprung auf dem Markt, indem sie auf sich abzeichnende Trends in der Verbrauchernachfrage oder sich verändernde wirtschaftliche Bedingungen aufmerksam macht, die sich auf den Gewinn auswirken werden.

Prädiktive Erkenntnisse sind für die tägliche Entscheidungsfindung ebenfalls unerlässlich. KI absorbiert riesige Datenmengen und führt Was-wäre-wenn-Analysen in Echtzeit durch. Was wäre, wenn sich das durchschnittliche Haushaltseinkommen der Teilnehmer um 1 % ändert? Oder um 10 %? KI-Lösungen für Unternehmen ermitteln die Wahrscheinlichkeit möglicher Ergebnisse auf der Grundlage einer beliebigen Kombination von Variablen. Ein Content-Team kann das Interesse an einem neuen Titel bewerten; ein Finanzteam kann die betrieblichen Auswirkungen einer plötzlichen Änderung des Cashflows messen; ein Vertriebsteam kann die Nachfrage nach einer Streaming-Plattform vorhersagen.

Genauso wichtig wie das Wissen, was passieren könnte, ist die Entscheidung, was man dagegen tun kann. Die präskriptive KI generiert Empfehlungen auf der Grundlage von Erkenntnissen aus prädiktiven, deskriptiven und diagnostischen Analysen. So wird beispielsweise das Kundenbindungsteam benachrichtigt, wenn ein Abonnent (oder ein ganzes Kundensegment) den Schwellenwert für ein "hohes Kündigungsrisiko" erreicht, und es wird ein Werbeangebot mit der größten Erfolgswahrscheinlichkeit für jede Person oder Gruppe vorgeschlagen.

Schließlich ermöglicht die automatisierte KI-Entscheidungsfindung den Mitarbeitern, ihre Zeit für höherwertige Aufgaben zu verwenden. Mit bedingter Logik können Benutzer Regeln festlegen, um automatisch präskriptive Empfehlungen auszuführen oder eine vorherige Genehmigung zu verlangen. Die fortschrittlichsten Lösungen bieten eine fein abgestufte Steuerung über rollenbasierte Berechtigungseinstellungen.

Die KI für Unternehmen soll die menschliche Entscheidungsfindung nicht ersetzen, sondern den Unternehmen die Möglichkeit geben, sie zu optimieren.

Enterprise AI Anwendungsfall: Abwanderung eindämmen

Die Verhinderung von Kundenabwanderung ist für Medien- und Unterhaltungsanbieter von größter Bedeutung, und das zu Recht. Die OTT-Abwanderung erreichte in den Vereinigten Staaten im Jahr 2020 einen Rekordwert von 41 %. 23 % der Abonnenten von Online-Spielen planen, ihr Abonnement innerhalb eines Jahres zu kündigen. Anbieter von Musik-Streaming-Diensten kämpfen um die Loyalität ihrer Kunden. Spotify meldet eine halb so hohe Abwanderungsrate wie sein nächster Konkurrent Apple Music.

Abwanderung ist ein fester Bestandteil des digitalen Streaming, aber KI-Lösungen für Unternehmen mildern die Auswirkungen der Kundenabwanderung an mehreren Fronten.

Strategien zur Eindämmung der Abwanderung

  • Vermeidung von Abwanderung
  • Engagement der Abonnenten
  • Akquisition und Rückgewinnung

KI-Lösungen für Unternehmen verbessern die Prognosemodelle, auf die sich Anbieter verlassen, um Abwanderung von vornherein zu verhindern. Die KI-Technologie ist in der Lage, mehrere Datensätze zu analysieren (z. B. Verhalten, Demografie, Zahlung), um die Abwanderung früher zu erkennen - möglicherweise bevor die Kunden selbst die Entscheidung getroffen haben, den Dienst zu kündigen. Kundensegmente können dann nach Abwanderungsrisiko (hoch, mittel, niedrig) eingeteilt werden, um die Bemühungen zur Kundenbindung zu skalieren. Die präskriptiven Erkenntnisse liefern Handlungsempfehlungen, um die Kunden zum richtigen Zeitpunkt mit der richtigen Botschaft zu erreichen, die statistisch gesehen den Verlust minimiert.

Vorgelagerte KI bereichert die Kundenbindungsstrategien, die Stornierungen von vornherein ausschließen. Es ist allgemein bekannt, was Kunden am meisten frustriert, aber um die individuellen Faktoren der Kundenbindung zu verstehen, sind spezifischere Erkenntnisse erforderlich. Unternehmens-KI berechnet algorithmisch, welche Angebote, Aktionen und Inhalte am ehesten eine positive Reaktion bei den einzelnen Abonnenten hervorrufen, was ihr Erlebnis verbessert und damit die Wahrscheinlichkeit verringert, dass sie überhaupt eine Kündigung in Betracht ziehen.

Während der Abwanderungsprävention die meiste Aufmerksamkeit gewidmet wird, sind Kundenakquise und -rückgewinnung häufig übersehene, aber äußerst effektive Taktiken zur Abwanderungsminderung.

Die sogenannten "Churn Learnings", die durch KI-Analysen generiert werden, beantworten wichtige strategische Fragen. Was treibt Kunden dazu, eine Plattform zu verlassen oder dort zu bleiben? Wer sind die treuesten Kunden? Welche Taktiken erhöhen die Konversionsrate für kostenlose Testversionen? Die Erkenntnisse über die Abwanderung können und sollten in die Zielkriterien für die Akquisition einfließen, um die Kundenakquisitionskosten (CAC) zu senken und den Customer Lifetime Value (CLV) zu maximieren.

Da die Kunden die Plattformen wechseln, ist die Akquisition nicht auf neue Abonnenten beschränkt. Abgewanderte Kunden stellen potenzielle Einnahmen aus Neuabonnements dar. In einer Umfrage gaben 75 % der Abonnenten einer beliebten Streaming-Plattform an, dass sie ein neues Abonnement abschließen würden, wenn eine neue Sendung ihr Interesse weckt.

41%
OTT-Spitzenabwanderung (USA)

Winback wird immer mehr zum integralen Bestandteil einer breiteren Akquisitionsstrategie. KI in Unternehmen kann Erkenntnisse aus den Rückständen gekündigter Abonnentendaten gewinnen, die wiederum genutzt werden können, um das Interesse "verlorener" Abonnenten wieder zu wecken. Wenn beispielsweise ein neuer Titel erscheint, kann die KI erkennen, welche Kunden sich zuvor mit derselben Serie, demselben Spiel, Künstler oder Schauspieler beschäftigt haben, und eine gut getimte Erinnerung daran empfehlen, dass ihre Lieblingsbeschäftigung ein Comeback feiert.

Anwendungsfall Enterprise AI: Personalisierte Kundenerfahrung (CX)

Medien- und Unterhaltungsanbieter haben die Personalisierung schon lange für sich entdeckt. Im Zeitalter der Eigenverantwortung der Kunden müssen Unternehmen hochpräzise Personalisierungsstrategien für mehrere Berührungspunkte entwickeln, um relevant zu bleiben. In dem Maße, in dem Führungskräfte diese neue Realität verinnerlichen, wird KI für Unternehmen wieder zu einem entscheidenden Werkzeug.

"Unternehmen, die ihren Kunden nicht zeigen, dass sie sie und ihre Kaufpräferenzen kennen, riskieren, Aufträge an Konkurrenten zu verlieren, die besser wissen, was ihre Kunden wollen".
- HARVARD BUSINESS REVIEW

Personalisierte Inhaltsempfehlungen sind die am weitesten verbreitete KI-Anwendung im Hinblick auf das Kundenerlebnis, aber KI-Erkenntnisse können für eine Reihe von Anwendungsfällen genutzt werden.

AI-Anwendungsfälle: CX

  • Preisbildungsmodelle
  • Anzeigenzustellung
  • Interaktive Inhalte
  • Immersive Unterhaltung
  • Angebote für lizenzierte Produkte

Gegenwärtig wird die Kundenbetreuung in unterschiedlichem Maße personalisiert, basierend auf begrenzten Erkenntnissen über die Kunden, wie z. B. einer breiten Segmentierung, Customer Health Scores oder historischen Verhaltensdaten. Das Ergebnis ist eine stark vereinfachte, reduzierte Sicht auf die Wünsche und Bedürfnisse eines Kunden. KI-Lösungen für Unternehmen synthetisieren eine unbegrenzte Anzahl von Kundendatenquellen, um ein umfassendes Verständnis der Wünsche und Bedürfnisse der Kunden in Echtzeit zu generieren, einschließlich:

  • Authentifizierung, Gerät, Standort, Benutzer im Konto
  • Zahlungsdaten, Ablaufdatum der Kreditkarte, Rechnungsort
  • Suchverlauf, Sitzungshäufigkeit, Dauer
  • Inhaltspräferenzen nach Genre und granularen Metadaten
  • Qualität der Erfahrung: Streaming-Geschwindigkeit, Netzwerk, etc.
  • Aktivitäten und Interessen außerhalb der Plattform
  • Forschung, Daten Dritter und öffentliche Daten

Betrachten Sie das bei VOD-Plattformen beliebte Freemium-Modell. Die meisten Anbieter bieten jedem Kunden eine standardmäßige kostenlose Testphase, Upgrade-Preise und Inhalte. Die Inhaltsempfehlungen können auf der Grundlage der bei der Anmeldung angegebenen grundlegenden demografischen Daten und der während des Testzeitraums erfassten Verhaltensdaten personalisiert werden. CX (und Konversionen) können weitaus mehr optimiert werden. Die Anpassung der Einführungspreise in Echtzeit auf der Grundlage des Ablaufdatums der Kreditkarte und der Geschwindigkeit des heimischen WiFi-Netzwerks zur Optimierung von CSAT und CLV ist kein weit hergeholtes Konzept.

Enterprise AI Anwendungsfall: Optimierung von Inhalten

Die Streaming-Kriege erhöhen nicht nur den Einsatz für die Urheber von Inhalten, sondern treiben auch die Kosten für die Medienproduktion und -lizenzierung in die Höhe. Insgesamt gaben Medien- und Unterhaltungsunternehmen im Jahr 2019 über 120 Milliarden US-Dollar für Originalinhalte aus. (Allein auf Disney entfiel ein Viertel dieser Ausgaben für seine Studien, Netzwerke und SVOD-Dienste).

Was sind diese Inhalte wert? Weder Streaming-Giganten noch ihre Konkurrenten können sich einen Wettbewerbsvorteil verschaffen, indem sie allein in Inhalte investieren. Um die Rendite zu maximieren, müssen die Anbieter den Wert der Inhalte in Echtzeit kontinuierlich überwachen und ausschöpfen.

Der Wert jedes Vermögenswerts in einem Inhaltsportfolio schwankt ständig aufgrund der sich ändernden Verbrauchernachfrage und einer Vielzahl anderer Marktkräfte. Die Bewertung von Inhalten ist ein wichtiges strategisches Verfahren auf dem stark gesättigten Markt für Inhalte.

KI für Unternehmen bietet den Eigentümern von Inhalten die Datenintelligenz, die sie benötigen, um Inhalte zu bewerten, ihr Potenzial zu verstehen und ihren ROI zu realisieren.

In der Vorproduktionsphase können prädiktive KI-Modelle die Zuschauernachfrage und das Umsatzpotenzial prognostizieren. Kreative Entscheidungen, Produktionsfinanzierung und Werbebudgets können entsprechend angepasst werden, um die Gewinnspanne zu vergrößern und das Risiko zu verringern. Vertriebsteams können die Lizenzbedingungen maximieren, indem sie die Nachfrage nach Plattform, Zuschauersegment, Veröffentlichungsdatum und anderen Kriterien prognostizieren, um die Lizenzbedingungen zu optimieren.

Sobald die Inhalte veröffentlicht sind, verbessern KI-Lösungen für Unternehmen die Auffindbarkeit. Indem die Metadaten von Inhalten stark strukturiert und leicht durchsuchbar gemacht werden (statt von Titeln oder Zusammenfassungen abhängig zu sein), kann KI Elemente identifizieren und kennzeichnen, die für potenzielle Zuschauer und Werbetreibende von Interesse sind: Handlungselemente, Themen, Orte, Produktplatzierung usw. Die Zuordnung von Inhaltsmetadaten zu Kunden- und Marktdaten ermöglicht eine präzisere Platzierung und Werbemöglichkeiten.

$120B
Jährliche Ausgaben für Original-Inhalte (U.S.)

Bei bestehenden Inhalten kann die KI die Ursache für die Leistung der Anlagen ermitteln. Wenn die Einnahmen nicht ausreichen, wissen die Anbieter, warum. Ungenaue demografische Ziele? Timing der Werbeaktionen? Geräteinkompatibilität? Bei unveröffentlichten oder archivierten Inhalten überwachen KI-Lösungen für Unternehmen Trends, die einen nicht erfassten Wert offenbaren. Ein archivierter Inhalt könnte zum Beispiel thematisch auf ein aktuelles Ereignis abgestimmt sein, das für ein großes Publikumssegment von Interesse ist.

Ohne KI-Technologie für Unternehmen ist es nahezu unmöglich, den vollen Wert eines Content-Portfolios präzise zu messen und zu nutzen.

Enterprise AI Anwendungsfall: Vertriebsstrategie

Die Einnahmen aus dem Medien- und Unterhaltungssektor sind stark fragmentiert. Das Sammeln und Verwalten von Daten für jeden Streaming-Dienst, jede mobile App, jede Konsole und jede Partnerplattform erfordert innovative neue Strategien.

Die vielschichtigen Verträge und Selbstauskunftsmodelle, die den Vertriebsvereinbarungen zugrunde liegen, erschweren den Lizenzgebern einen schnellen Einblick. Wenn auch nur ein kleiner Prozentsatz der Vertriebseinnahmen falsch berechnet wird, kann dies zu Vertragsstreitigkeiten, Abonnentenverlusten und Umsatzeinbußen führen.

KI für Unternehmen bringt Transparenz, Kontrolle und Einblicke in die Arbeitsabläufe von Vertriebsunternehmen, insbesondere in den Back-Office-Bereichen, die von Unternehmenstechnologien vergleichsweise wenig genutzt werden (Recht, Finanzen, Buchhaltung).

AI-Anwendungsfälle: Vertrieb

  • Verwaltung von Vereinbarungen
  • Audit der Vertriebshändler
  • Verbuchung von Erträgen
  • Verhandlung über Lizenzen
  • Szenario-Planung
  • Vorausschauende Prognose

Die einfache Normalisierung der unstrukturierten Daten in nicht standardisierten Berichten und Vertragsdokumenten bietet die Möglichkeit, Partnerschaftsbedingungen sofort zu suchen, zu analysieren und zu vergleichen - was die Anzahl der Stunden, die für die Ausführung einfacher, wiederkehrender Aufgaben erforderlich sind, drastisch reduziert. KI-Lösungen für Unternehmen validieren darüber hinaus die Genauigkeit der selbst gemeldeten Händlerdaten, indem sie Anomalien erkennen. Unstimmigkeiten bei Überweisungszahlungen erfordern von den Anbietern einen hohen Ressourcenaufwand, unabhängig vom Ergebnis. Wenn kein Problem gefunden wird, bringen die vielen Arbeitsstunden keinen finanziellen Gewinn. Schlimmer noch, die Unternehmen haben möglicherweise nicht die Kapazität, die Diskrepanz zu untersuchen und zu bereinigen. Die entgangenen Einnahmen bleiben unsichtbar.

Die KI-Datenanalyse in Unternehmen erstreckt sich auch auf Datenspeicher, die sich außerhalb der internen Buchhaltungssysteme befinden. Lösungen, die sich problemlos in Kundendatenbanken integrieren lassen, ermöglichen einen besseren Einblick in das zukünftige Umsatzpotenzial von Vertriebskanälen. KI-Systeme, die so geschult sind, dass sie Änderungen bei den Abonnentenanmeldungen auf den einzelnen Plattformen selbstständig korrelieren können, bieten den Eigentümern von Inhalten einen starken negativen Einfluss.

Mit besseren Daten können die Eigentümer von Inhalten die Tarife, Vereinbarungen über die Aufteilung der Einnahmen und die Vertragsbedingungen effektiv zu ihren Gunsten anpassen.

Enterprise AI Anwendungsfall: Erkennung von Anomalien

Jeden Tag bleiben unzählige geschäftskritische Bedrohungen und Chancen unentdeckt. Umsatzmodelle in der Medien- und Unterhaltungsbranche sind besonders anfällig für versteckte Anomalien, da die Daten über Distributoren, Zahlungsplattformen, Streaming-Geräte, Abonnentenverwaltungssysteme und Content-Delivery-Netzwerke (um nur einige zu nennen) verstreut sind.

KI für Unternehmen zeichnet sich durch die Erkennung von Mustern aus, um anomale Signale zu finden, die in komplexen Datensätzen verborgen sind.

AI Anomalie-Erkennung

  • Verspätete Zahlungen
  • Berichte der Vertriebshändler
  • Anzahl der Abonnenten
  • Gemeldete Einnahmen
  • Cashflow

Business-Intelligence-Tools ohne KI-Funktionen sind zwar in der Lage, einige Anomalien zu erkennen, doch es gibt echte Einschränkungen: verzögerte Fehlererkennung, mangelnde Sichtbarkeit der Grundursache und Zugang zu weniger Datensätzen. KI im Unternehmen kann das Risiko, subtile Datenanomalien zu übersehen, die große Auswirkungen auf das Geschäft haben, drastisch reduzieren.

Fallstudie: Ein Millionen-Dollar-Fehlschlag

Innerhalb von 24 Stunden nach der Implementierung entdeckte die KI-Plattform von Revedia einen Fehler bei einem beliebten Streaming-Dienst, der unbemerkt geblieben war: 15.000 Abonnenten hatten sich für kostenlose Testversionen angemeldet, ohne dass ein Ablaufdatum für die Testphase definiert war. Die Auswirkungen dieser Anomalie auf den Umsatz beliefen sich auf über 1 Million Dollar.

Die beste Unternehmens-KI: Worauf Sie bei einer Lösung achten sollten

Die Investition in eine KI-Lösung für Unternehmen ist eine wichtige unternehmerische Entscheidung. Auch wenn die Technologie relativ einfach ist, ist die Kaufentscheidung komplex. Mehrere Interessengruppen, verwirrende Produktkategorien und hochtechnische Funktionen schrecken selbst erfahrene Führungskräfte ab.

Hinzu kommt, dass kommerzielle KI in der Medien- und Unterhaltungsbranche weniger etabliert ist als in anderen Sektoren. Analysten-Rankings, Peer-Reviews und andere Ressourcen, die normalerweise im Kaufprozess herangezogen werden, sind nicht ohne weiteres verfügbar. Infolgedessen entstehen häufig Bedenken:

  • Welche Funktionen benötige ich?
  • Ist sie zukunftssicher?
  • Wann sollte ich investieren?
  • Ist diese Lösung bewährt?
  • Wie hoch ist das Risiko?

In diesem Abschnitt des Leitfadens gehen wir auf die wichtigsten Fragen ein, die Führungskräfte bei der Evaluierung einer KI-Lösung für Unternehmen berücksichtigen sollten.

Definieren Sie den Business Case

Die vielfältigen Anwendungsfälle von KI in Unternehmen der Medien- und Unterhaltungsbranche können zu einer Lähmung der Analyse führen. Bei so vielen potenziellen Anwendungen der KI-Technologie kann es schwierig sein, den Bedarf zu klären.

Je nach Ihrer Funktion sehen Sie KI im Unternehmen als potenzielle Lösung für mehrere Herausforderungen. Isolieren Sie die wichtigsten (oder zwei) Geschäftsanforderungen und skalieren Sie von dort aus.

Klären Sie die spezifischen Ergebnisse, die Sie mit KI erreichen wollen; diese werden bei der Bewertung von Anbieterlösungen als Entscheidungskriterien herangezogen. Die fünf häufigsten Ergebnisse, die von Führungskräften aus der Medien- und Unterhaltungsbranche angestrebt werden, die eine Investition in KI für Unternehmen erwägen, sind:

  • Verringerung der Abwanderung/Erhöhung der Kundenbindung
  • Maximierung der Vertriebseinnahmen
  • Optimierung des Inhaltsportfolios
  • Stabilisierung der Finanzoperationen
  • Effiziente Datenverwaltung

Ein gut definierter Business Case ermöglicht es den Käufern, die Anforderungen zu erfassen, die Effektivität zu quantifizieren und den Beteiligten die Vorteile einer potenziellen Investition zu vermitteln.

Bauen oder kaufen?

Die Neigung, proprietäre KI-Systeme zu entwickeln, ist verständlich. Aufgrund der Verfügbarkeit von Open-Source-Komponenten, des Mangels an branchenspezifischen Lösungen und des Bedarfs an speziellen Funktionen nehmen einige Unternehmen die Kosten und das Risiko der Entwicklung eigener KI-Lösungen auf sich. In seltenen Fällen gibt es einen triftigen Grund für die Entscheidung Build-versus-Buy: eine radikal transformative, hochspezifische Initiative, die mit handelsüblicher Technologie einfach nicht zu realisieren ist.

In den anderen 99 % der Fälle bieten kommerzielle KI-Lösungen strategische Vorteile in der Debatte "Kaufen oder selbst bauen":

  • Time-to-Value
  • Niedrigere Kosten
  • Wirkungsgrad
  • Skalierbarkeit

Die Einstellung (oder Ablenkung) von Datenwissenschaftlern und Ingenieuren zur Entwicklung proprietärer KI ist ein millionenschweres Unterfangen. Selbst die Integration von Open-Source-Ressourcen in das bestehende IT-Milieu ist ressourcenintensiv, da oft mehrere Anbieter beteiligt sind und indirekte Arbeitskosten anfallen. Die Monate, die für die Entwicklung grundlegender Algorithmen für maschinelles Lernen erforderlich sind, können die Implementierung weiter verzögern.

Gartner prognostiziert, dass bis 2022 85 % der KI-Projekte aufgrund von Verzerrungen bei Daten, Algorithmen oder den für die Verwaltung zuständigen Teams fehlerhafte Ergebnisse liefern werden.

Die Wartung ist ein weiterer häufig unterschätzter Kostenfaktor. Die Aufrechterhaltung eines hochfunktionalen KI-Systems erfordert umfangreiches technisches und Support-Personal sowie kontinuierliche Schulungen. Da sich die KI-Fähigkeiten weiterentwickeln, ist die Innovation und Aufrüstung bestehender Systeme mit einem langfristigen Engagement für Forschung und Entwicklung verbunden.

Durch die Zusammenarbeit mit Unternehmen, die bereits stark in die Markteinführung robuster KI-Funktionen investiert haben (und dies auch weiterhin tun), können sich führende Medien- und Unterhaltungsunternehmen darauf konzentrieren, KI-gesteuerte Intelligenz in bessere Entscheidungen, Produkte und Kundenerlebnisse umzusetzen.

Blick vorbei an Punktlösungen

Angesichts des Hypes um KI beeilen sich die Anbieter von Punktlösungen, KI-Funktionen in bestehende Plattformen zu integrieren. Unternehmen können sicherlich einen Mehrwert aus diesen Funktionserweiterungen ziehen, die als Teil einer umfassenden KI-Strategie nicht diskreditiert werden sollten.

Um den vollen Wert der künstlichen Intelligenz auszuschöpfen, müssen Medien- und Unterhaltungsunternehmen jedoch nicht nur auf isolierte KI-Funktionen setzen, sondern auch auf End-to-End-Plattformen, die in der Lage sind, Intelligenz unternehmensweit zu operationalisieren.

Der Einsatz von KI auf zentral verfügbaren, integrierten Datensätzen aus unterschiedlichen Quellen liefert die aussagekräftigen Ergebnisse, die KI-gestützte Erkenntnisse von herkömmlicher Business Intelligence unterscheiden.

Eine KI-fähige Einzellösung kann z. B. Prognosen erstellen. Die Analyse ist jedoch auf die in diesem System enthaltenen Daten beschränkt. KI im Unternehmen kann den Input mehrerer Einzellösungen aggregieren, um tiefere Erkenntnisse zu gewinnen und diese an die Systeme und Stakeholder im gesamten Unternehmen weiterzugeben.

85%
Interne KI-Bemühungen liefern fehlerhafte Ergebnisse

Integrierte Unternehmens-KI erleichtert auch die langfristige Effizienz der Datenverwaltung. Eine zentrale Quelle der Wahrheit eliminiert Redundanzen, reduziert Fehler und beschleunigt die Aufnahme und Analyse exponentiell wachsender Echtzeit-Datenströme.

Die Aggregation von Daten bedeutet nicht, dass die Beteiligten die Kontrolle aufgeben müssen. Vielmehr ermöglicht es der KI-Lösung, Trends zu erkennen und verwertbare Erkenntnisse zu gewinnen, wo immer sie auftauchen, für alle Geschäftsfunktionen.

Ein vertikaler Ansatz

Die meisten heute verfügbaren KI-Angebote sind nicht auf die besonderen Herausforderungen des Medien- und Unterhaltungssektors zugeschnitten. Diese "horizontalen" Lösungen erfüllen die grundlegenden Anforderungen von Unternehmen in allen Branchen, schränken aber letztlich den Wert ein, den KI liefern kann.

Der Aufstieg der spezialisierten KI
Erfreulicherweise verlagert sich der Markt zugunsten von vertikalisierter KI. Bis 2023 werden85 % der KI-Lösungen für Unternehmen auf branchenspezifische Bedürfnisse oder domänenspezifische Funktionen ausgerichtet sein.

Nischenlösungen haben konkrete Vorteile für Medien- und Unterhaltungsunternehmen. Vertikalisierte KI-Systeme sind darauf trainiert, die drängendsten Probleme auf der Agenda von Führungskräften der Branche zu erkennen, zu analysieren und zu lösen.

  • Abonnentenumsatz
  • Inhaltliches Engagement
  • Streaming-Verteilung
  • Lizenzgebühren und Nutzungsentgelte
  • Kundenerfahrung

Die korrekte Entwicklung und Schulung von vertikal spezialisierten KI-Systemen erfordert fundierte Fachkenntnisse. Der Unterschied zwischen einer horizontalen und einer vertikalen Lösung ist für die Nutzer spürbar, von der Architekturebene bis zur Software-Schnittstelle.

85%
der kommerziellen KI werden bis 2023 spezialisiert sein

Algorithmen des maschinellen Lernens, die mit der Branche trainiert wurden, können allgemeine Muster besser erkennen. Schnittstellen, die von Experten mit umfassenden Kenntnissen der Arbeitsabläufe in der Medien- und Unterhaltungsbranche entwickelt wurden, sind von Natur aus intuitiver für die Benutzer. Datennormalisierung, Kundensegmentierung, Szenariomodellierung und eine Vielzahl anderer Prozesse sind darauf vorbereitet, die einzigartige und sich ständig verändernde Dynamik der Branche zu berücksichtigen.

Die Medien- und Unterhaltungsbranche entwickelt sich schnell, und vertikalisierte Lösungen können damit Schritt halten. Wenn sich der Markt weiterentwickelt, werden die Anbieter vertikalisierter Lösungen in Produktinnovationen investieren, um sich mitzuentwickeln.

Strategisch skalieren

KI für Unternehmen ist ein langfristiges Unterfangen. Der Beginn mit einem Proof-of-Concept ermöglicht es Unternehmen, Maßstäbe zu setzen, an denen der ROI letztendlich gemessen wird, z. B:

  • Leichte Umsetzung
  • Geschwindigkeit der Datenübernahme
  • Algorithmische Genauigkeit
  • Infrastrukturelle Bereitschaft
  • Leistung des Anbieters

Ein skalierter Ansatz ermöglicht es den Führungskräften, sich auf die Validierung von Anwendungsfällen und den Aufbau interner Kapazitäten zu konzentrieren, um die Kontinuität der Einführung im gesamten Unternehmen sicherzustellen.

Die Quintessenz

Unternehmens-KI ersetzt die menschlichen Aufgaben, Pflichten und Tätigkeiten, für die KI am besten geeignet ist. Der Mensch kann sich dann auf das konzentrieren, was er am besten kann: kreativer denken, Entscheidungen treffen, bestimmen, welche Daten die KI überhaupt berücksichtigen soll.

Diese Erkenntnisse helfen, die Möglichkeiten und Grenzen von KI in der Medien- und Unterhaltungsbranche zu definieren. KI kann riesige Mengen an Informationen verdauen, sortieren, segmentieren und analysieren. Sie kann allmähliche und plötzliche Veränderungen im Unternehmen erkennen und Erkenntnisse unabhängig von menschlichen Anweisungen gewinnen. Die Entscheidung, welche Maßnahmen zu ergreifen sind und wie diese Informationen in Leistung umgewandelt werden können, bleibt jedoch Sache des Menschen.

Angewandt auf die Medien- und Unterhaltungsbranche kann KI das Publikum mit einer Tiefe und Detailgenauigkeit überwachen und darüber berichten, die noch vor einem Jahrzehnt unmöglich war. Unternehmen, die KI einsetzen, werden nicht nur Streaming-Kriege, Kabelabschaltungen und alle anderen bevorstehenden Störungen überleben. Sie werden die Veränderungen früher erkennen, schneller von Erkenntnissen zu Maßnahmen übergehen und letztendlich Informationen in Macht und Gewinn umwandeln.

"In der heutigen Medienlandschaft ist der Kontext entscheidend. Es ist eine Sache, KI-Algorithmen auf Probleme anzuwenden, aber was der Markt braucht, sind Echtzeit-Verhaltensanalysen und präskriptive Empfehlungen, die einen messbaren Unterschied für Anbieter machen, die ein Kundenengagement in großem Umfang anstreben."
MUKUL KRISHNA
LEITER DER ABTEILUNG FÜR DIGITALE MEDIEN BEI FROST & SULLIVAN

Demo anfordern