AI als Tool zur Erkennung von Cross- und Upselling-Potenzialen im B2B-Vertrieb

Artificial Intelligence (AI) bzw. künstliche Intelligenz (KI) entwickelt sich rasant weiter und verändert traditionelle Geschäftsprozesse in nahezu allen Branchen weltweit. Insbesondere in den Bereichen Vertrieb und Marketing wird in den kommenden Jahren ein starkes Wachstum im Einsatz von AI-Technologien erwartet (Hall et al., 2022; Rainsberger, 2022).

Durch ihre Fähigkeit, große Datenmengen zu analysieren und komplexe Arbeitsabläufe zu optimieren, wird AI zu einem entscheidenden Instrument im modernen Geschäftsleben. Sie kann zahlreiche Herausforderungen im Vertriebsmanagement adressieren (Rainsberger, 2022) – insbesondere im B2B-Bereich, in dem die Bedeutung von AI kontinuierlich zunimmt (Hall et al., 2022; Paschen et al., 2019).

Die Kombination menschlicher Intelligenz mit AI schafft entlang aller Phasen des B2B-Verkaufstrichters Mehrwert. Aufgaben können ersetzt oder automatisiert sowie Entscheidungen datenbasiert unterstützt werden (Mikalef et al., 2021; Paschen et al., 2020).

Insbesondere im strategischen Kontext überzeugt AI durch ihre Fähigkeit zur fundierten Entscheidungsunterstützung (Chan et al., 2022). Obwohl der B2B-Vertrieb traditionell als schwer digitalisierbar gilt und die akademische Forschung zur Rolle von AI in diesem Sektor noch begrenzt ist, zeigt sich bereits ein tiefgreifender Wandel (Elhajjar et al., 2023). Chatterjee et al. (2021) sprechen in diesem Zusammenhang von einem Paradigmenwechsel – weg vom klassischen Kundenbeziehungsmanagement hin zu AI-gesteuerten Systemen.

Da der Vertrieb zunehmend datengetrieben wird, gewinnt der Einsatz von AI weiter an Relevanz. Sie automatisiert manuelle Aufgaben, verbessert Effizienz und transformiert etablierte Prozesse. Besonders das Cross- und Upselling im AI-gestützten B2B-Vertrieb rückt dabei in den Fokus, da diese Strategien ein hohes Potenzial zur Steigerung des Customer Lifetime Value und zur Vertiefung von Kundenbeziehungen bieten (Fauser et al., 2022; Hildebrand & Bergner, 2019). Darüber hinaus zeigt die Forschung, dass maschinelles Lern-Feedback die Leistung von Vertriebsmitarbeitenden signifikant steigern kann (Hall et al., 2022).

AI-Anwendungen für Cross- und Upselling

Predictive Analytics

Predictive Analytics ermöglicht es Unternehmen, aus vorhandenen Daten nicht nur Rückschlüsse zu ziehen, sondern auch gezielte strategische Maßnahmen abzuleiten. Im B2B-Produktionssektor kann durch die Analyse von ERP-Daten gezielt auf Cross-Selling-Potenziale geschlossen und Vertriebsentscheidungen durch Prognosen zu Kundenverhalten und Markttrends optimiert werden (Habel et al., 2023).

Chatbots

AI-gestützte Chatbots können das Vertriebspotenzial erheblich steigern. Besonders personalisierte Varianten ermöglichen eine individuellere Kundenansprache, stärken Kundenbeziehungen und identifizieren gezielt Upselling-Möglichkeiten (Fauser et al., 2022; Hildebrand & Bergner, 2019). In einer Studie im Bereich Autovermietung zeigte sich, dass Kund:innen bei Interaktion mit einem Chatbot zu 55 % häufiger höherpreisige Optionen und Zusatzleistungen wählten.

Recommender Systems

Durch den Einsatz von Machine Learning lassen sich historische Kaufmuster analysieren, um häufig gemeinsam gekaufte Produkte zu identifizieren und gezielte Empfehlungen auszusprechen – was sowohl den Umsatz steigert als auch die Customer Experience verbessert (Paschen et al., 2020). Recommender-Systeme stellen auf Basis von Schlagworten, Kaufhistorie, Surfverhalten und Produktpräferenzen personalisierte Produktempfehlungen bereit. Dabei senken sie die Transaktionskosten für Unternehmen und Kunden, indem sie vormals manuelle Prozesse automatisieren (Reinhold & Reinhold, 2014; Ledro et al., 2023).

Generative AI

Laut Gartner, Inc. (2023) markiert der zunehmende Einsatz generativer AI-Technologien im B2B-Vertrieb einen Wendepunkt. Bis 2028 sollen konversationelle AI-Anwendungen bis zu 60 % der Aufgaben von Vertriebsmitarbeitenden übernehmen.

Fazit

Der zentrale Mehrwert von AI im Cross- und Upselling liegt in der gezielten Identifikation von Verkaufschancen und der damit verbundenen Entlastung des Vertriebspersonals. Trotz bestehender Herausforderungen – etwa im Hinblick auf menschliche Kompetenzen wie Intuition und Empathie, unterschiedliche Akzeptanzniveaus unter Vertriebsmitarbeitenden, ethische Fragestellungen (z. B. Bias und Datenschutz) sowie technische Hürden – wird die Weiterentwicklung von AI im Marketing und Vertrieb nicht aufzuhalten sein.

Gerade im Cross- und Upselling überwiegen die Vorteile deutlich: Die Zukunft des Vertriebs liegt in einer nahtlosen Integration von Mensch und AI. Dabei wird der Mensch keineswegs ersetzt – vielmehr wird der B2B-Vertrieb weiterhin stark durch menschliche Interaktion geprägt sein und von einem partnerschaftlichen Zusammenspiel mit AI profitieren (Elhajjar et al., 2023).

Literatur

Chan, L., Hogaboam, L., & Cao, R. (2022). Applied Artificial Intelligence in Business: Concepts and Cases. Springer International Publishing. https://doi.org/10.1007/978-3-031-05740-3

Chatterjee, S., Rana, N. P., Tamilmani, K., & Sharma, A. (2021). The effect of AI-based CRM on organization performance and competitive advantage: An empirical analysis in the B2B context. Industrial Marketing Management, 97, 205–219. https://doi.org/10.1016/j.indmarman.2021.07.013

Elhajjar, S., Yacoub, L., & Ouaida, F. (2023). The present and future of the B2B sales profession. Journal of Personal Selling & Sales Management, 1–14. Business Source Ultimate. https://doi.org/10.1080/08853134.2023.2183214

Fauser, Prof. Dr. S., Schmäh, Prof. Dr. M., Tran, L. C., Le, H. M., Bumiller, J., & Hiller, A. (2022). Will chatbots play a more significant role for B2B marketing in the future? Chatbots in B2B businesses. International Journal of Business and Applied Social Science, 6–12. https://doi.org/10.33642/ijbass.v8n12p2

Gartner, Inc. (2023, September 21). Gartner Expects 60% of Seller Work to Be Executed by Generative AI Technologies Within Five Years: One of the Most Transformative Use Cases of Generative AI will Be Process Automation. Gartner. https://www.gartner.com/en/newsroom/press-releases/2023-09-21-gartner-expects-sixty-percent-of-seller-work-to-be-executed-by-generative-ai-technologies-within-five-years

Habel, J., Alavi, S., & Heinitz, N. (2023). A theory of predictive sales analytics adoption. AMS Review, 13(1–2), 34–54. https://doi.org/10.1007/s13162-022-00252-0

Hall, K. R., Harrison, D. E., Ajjan, H., & Marshall, G. W. (2022). Understanding salesperson intention to use AI feedback and its influence on business-to-business sales outcomes. Journal of Business & Industrial Marketing, 37(9), 1787–1801. https://doi.org/10.1108/JBIM-04-2021-0218

Hildebrand, C., & Bergner, A. (2019). AI-Driven Sales Automation: Using Chatbots to Boost Sales. NIM Marketing Intelligence Review, 11(2), 36–41. https://doi.org/10.2478/nimmir-2019-0014

Ledro, C., Nosella, A., & Dalla Pozza, I. (2023). Integration of AI in CRM: Challenges and guidelines. Journal of Open Innovation: Technology, Market, and Complexity, 9(4), 100151. https://doi.org/10.1016/j.joitmc.2023.100151

Paschen, J., Kietzmann, J., & Kietzmann, T. C. (2019). Artificial intelligence (AI) and its implications for market knowledge in B2B marketing. Journal of Business & Industrial Marketing, 34(7), 1410–1419. https://doi.org/10.1108/JBIM-10-2018-0295

Paschen, J., Wilson, M., & Ferreira, J. J. (2020). Collaborative intelligence: How human and artificial intelligence create value along the B2B sales funnel. Business Horizons, 63. https://doi.org/10.1016/j.bushor.2020.01.003

Rainsberger, L. (2022). AI – The new intelligence in sales: Tools, applications and potentials of Artificial Intelligence. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-38251-3

Reinhold, M., & Reinhold, S. (2014). Data-driven Intelligence for SME E-Business: A Marketing and Sales Perspective. Marketing Review St. Gallen, 31(4), 52–59. https://doi.org/10.1365/s11621-014-0381-8

Mikalef, P., Conboy, K., & Krogstie, J. (2021). Artificial intelligence as an enabler of B2B marketing: A dynamic capabilities micro-foundations approach. Industrial Marketing Management, 98, 80–92. https://doi.org/10.1016/j.indmarman.2021.08.003