Wenn von KI im E-Mail-Marketing die Rede ist, beginnen die meisten Beispiele mit einer Betreffzeile für den Newsletter. Das ist einfach und wirksam. Im täglichen Betrieb ist das Erstellen eines Satzes jedoch selten der teuerste Teil. Zeit verschwindet in der Datenaufbereitung, der Auswahl von Segmenten, der Zusammenstellung von Inhalten, der Prüfung von Links, dem Testen und der Auswertung.
Ich habe das Thema in einem Interview für MladýPodnikatel besprochen und im Projekt DreamROI daran gearbeitet. Seitdem haben sich die Tools verändert, aber die zentrale Erfahrung bleibt: Es ist sinnvoll, einen wiederholbaren Prozess zu automatisieren, nicht die Verantwortung für das Angebot und die Kundenbeziehung.
Unter dem Begriff KI verbergen sich drei verschiedene Dinge
Generative KI
Sie erstellt Vorschläge für Betreffzeilen und Texte, Varianten von Call-to-Actions oder macht aus einem Artikel eine E-Mail. Sie ist schnell, kann aber Fakten erfinden, die Bedeutung eines Angebots verändern oder einen austauschbaren Ton erzeugen. Sie eignet sich als Co-Autorin des ersten Entwurfs und als Kritikerin, nicht als letzte Instanz.
Regelbasierte Automatisierung
Sie versendet eine Nachricht nach der Registrierung, dem Kauf, einer Inaktivität oder einer Statusänderung im CRM. Sie muss kein Modell enthalten. Gut gestaltete Regeln haben oft eine größere Wirkung als Textgenerierung, weil sie im richtigen Moment reagieren.
Vorhersage und Personalisierung
Ein Modell kann Produkte oder Artikel für einen bestimmten Empfänger priorisieren, das Interesse einschätzen oder einen Versandzeitpunkt empfehlen. Dienste wie Amazon Personalize arbeiten mit Interaktionshistorie und einem Katalog. Das bedeutet jedoch Daten, Infrastruktur und laufende Auswertung. Ohne ausreichende Signale rät das Modell nur selbstbewusst.
Beginnen Sie mit einem konkreten Engpass
Ich würde nicht mit der Frage beginnen: „Wie bringen wir KI ins E-Mail-Marketing?“ Ich würde dort anfangen, wo der Prozess regelmäßig Zeit oder Geld verliert:
- Eine Redaktion wählt jede Woche manuell Artikel für mehrere Segmente aus,
- Vertriebsteams vergessen, nach dem Download von Material eine Follow-up-Nachricht zu senden,
- Ein Onlineshop sendet allen dieselbe Produktauswahl,
- Das Team erstellt Versionen in mehreren Sprachen und kommt mit deren Prüfung nicht hinterher,
- Niemand kann sagen, welche Automatisierung Bestellungen bringt und welche nur versendet.
Dann können Sie den einfachsten Eingriff wählen. Manchmal ist es ein neuer Automatisierungszweig. In anderen Fällen ein besserer Datenexport. Ein Modell kommt erst dann zum Einsatz, wenn sein Nutzen die Kosten für Implementierung und Kontrolle übersteigt.
Wann Textgenerierung sinnvoll ist
Ein generatives Modell hilft mir vor allem bei Varianten und bei der Umwandlung fertiger Ausgangsmaterialien. Aus einem freigegebenen Artikel kann es einen kurzen Newsletter, drei Betreffzeilen und Texte für verschiedene Phasen der Beziehung vorschlagen. Das Briefing muss jedoch Fakten, Zielgruppe, Ziel, unzulässige Aussagen und Beispiele für die Markenstimme enthalten.
Ein praktischer Prozess:
- Eine Person wählt Angebot, Zielgruppe und ein Ziel für die E-Mail aus.
- Sie fügt freigegebenes Ausgangsmaterial in das Briefing ein, nicht eine vage Aufforderung wie „Schreiben Sie etwas Verkaufendes“.
- Das Modell erstellt mehrere klar unterschiedliche Varianten.
- Eine Person prüft Fakten, Preis, Bedingungen, Links, Ton und die Übereinstimmung mit der Seite.
- Die ausgewählten Varianten werden anhand einer vorher festgelegten Kennzahl getestet.
- Das Ergebnis wird als Erkenntnis gespeichert, nicht bloß als erfolgreiche Betreffzeile ohne Kontext.
Einen ausführlicheren Workflow beschreibe ich im Artikel KI und Texterstellung in einem Unternehmen.
Personalisierung braucht Daten, keine Begeisterung
Für Inhaltsempfehlungen benötigen Sie einen sinnvoll beschriebenen Katalog und eine Interaktionshistorie. Für die Vorhersage des Versandzeitpunkts brauchen Sie genügend frühere Sendungen und Öffnungen. Die Versandzeitpunkt-Optimierung von Mailchimp arbeitet beispielsweise ausdrücklich mit früheren Kontodaten.
Es gibt keine einzelne Anzahl von Besuchen oder Kontakten, ab der KI automatisch für alle funktioniert. Das hängt von der Ereignishäufigkeit, der Vielfalt des Angebots, der Saisonalität und dem Ziel ab. Bei einer kleinen Liste kann eine präzise manuelle Segmentierung günstiger und zuverlässiger sein als ein eigenes Empfehlungssystem.
So bewerten Sie ein Experiment
Die Öffnungen von E-Mails allein reichen nicht aus. Technische Änderungen in E-Mail-Clients haben sie außerdem zu einer weniger zuverlässigen Kennzahl gemacht. Je nach Ziel sollten Sie Klicks, abgeschlossene Käufe, qualifizierte Anfragen, Abmeldungen, Beschwerden und den langfristigen Wert des Empfängers erfassen.
Behalten Sie bei einem größeren Eingriff eine Kontrollgruppe zurück. Wenn alle die personalisierte E-Mail erhalten, können Sie nicht erkennen, ob ein Standardversand dasselbe Ergebnis erzielt hätte. Testen Sie mit A/B-Tests eine zentrale Hypothese, nicht Betreffzeile, Angebot, Zeitpunkt und Liste gleichzeitig.
Was unter menschlicher Kontrolle bleiben muss
- Strategie und Angebot: Das Modell kennt die kommerzielle Priorität nicht, wenn Sie ihm keine vorgeben.
- Fakten und Bedingungen: Eine verantwortliche Person prüft Preise, Termine, Garantien und Rechtstexte.
- Ausnahmen: Eine sensible Kundengruppe oder Krisensituation braucht eigene Regeln.
- Markenstimme: Das Tool kann einem Muster folgen, aber die Marke muss wissen, wie sie wirken möchte.
- Einwilligung und Daten: Senden Sie persönliche, vertrauliche oder Kundendaten nicht leichtfertig an ein öffentliches KI-Tool.
- Abschalten: Die Automatisierung braucht einen Verantwortlichen und eine einfache Möglichkeit, sie zu stoppen.
Der einfachste Pilot für ein kleineres Unternehmen
Wählen Sie einen regelmäßigen Newsletter. Messen Sie, wie viel Zeit die Vorbereitung heute beansprucht, wie viele Fehler wiederkehren und welche kommerzielle Kennzahl Sie verfolgen. Lassen Sie die KI aus einem freigegebenen Artikel und einer Prüfliste Varianten erstellen. Vergleichen Sie nach vier bis sechs Sendungen Zeitaufwand, Qualität, Klicks und negative Reaktionen.
Wenn sich die Zeit lediglich vom Schreiben zu den Korrekturen verschoben hat, ist der Pilot gescheitert. Wenn der Prozess ohne Genauigkeitsverlust schneller wurde und die Menschen relevantere Inhalte erhielten, haben Sie einen Grund weiterzumachen. Erst dann würde ich eine komplexere Personalisierung oder Integration angehen.
Wann Sie KI nicht einsetzen sollten
Ich würde sie nicht als autonome Absenderin für sensible Angebote einsetzen, wenn freigegebenes Ausgangsmaterial fehlt oder ein einziger Fehler einem Kunden oder dem Ruf schaden könnte. Ebenso wenig ergibt es Sinn, eine Prognoseebene auf einem fehlerhaften CRM und uneinheitlichen Einwilligungsaufzeichnungen aufzubauen.
Bringen Sie zunächst die Grundlagen von E-Mail-Marketing und Automatisierung in Ordnung; praktische Arbeit mit einem System finden Sie im ActiveCampaign-Leitfaden. Wenn Sie den ersten Pilot auf Grundlage des tatsächlichen Prozesses und der Daten auswählen möchten, schreiben Sie mir über Kontakt.