Publikationen
Marketing-Automatisierung: Marketing-Utopie oder Marketing-Dystopie?
DownloadWertenbroch, K. (2021). Marketing Automation: Marketing Utopia or Marketing Dystopia? NIM Marketing Intelligence Review 13(1), 18-23. https://doi.org/10.2478/nimmir-2021-0003
2021
Marketing-Automatisierung: Marketing-Utopie oder Marketing-Dystopie?
Klaus Werenbroch
Automatisierung und Personalisierung können Marketingangebote relevanter machen, aber sie haben auch weniger positive wirtschaftliche und psychologische Folgen für Konsumenten. Prognosealgorithmen können individuelle Präferenzen und Zahlungsbereitschaften mit immer höherer Präzision schätzen und Unternehmen nutzen dieses Wissen, um höhere individuelle Preise zu verlangen. Die Informationen, die Marketingmanager dafür benötigen, stellen die Konsumenten im Regelfall gratis zur Verfügung und scheinen dabei den Wert ihrer persönlichen Daten deutlich zu unterschätzen. Die Preisgabe persönlicher Daten hat auch noch eine weitere unangenehme Nebenwirkung. Sie bedeutet die Aufgabe von Privatsphäre und damit den Verlust von Entscheidungsautonomie.
Primär sind Regulierungsbehörden dafür zuständig, negative Auswirkungen der Automatisierung zu verhindern, aber Lösungen zu finden, ist enorm herausfordernd. Deshalb sollten auch Unternehmen aktiv werden und auf Bedenken der Konsumenten eingehen. Manager sollten konsumentenpsychologische Erkenntnisse berücksichtigen und der Versuchung widerstehen, kurzfristige Gewinne auf Kosten der Konsumenten zu maximieren. Die Vermeidung dystopischer Effekte der Marketingautomatisierung ist längerfristig im Interesse aller Marktteilnehmer.
Autorinnen und Autoren
- Klaus Wertenbroch, Novartis Chaired Professor of Management and the Environment & Professor of Marketing, INSEAD, Singapore, klaus.wertenbroch@insead.edu
Literaturhinweise
- André, Q.; Carmon, Z.; Wertenbroch K.; et al. (2018): “Consumer Choice and Autonomy in the Age of Artificial Intelligence and Big Data,” Consumer Needs and Solutions, Vol. 5 (1-2), 28-37.
- Dubé, J.-P.; & Misra, S. (2017): “Scalable Price Targeting,” NBER Working Paper 23775, http://www.nber.org/papers/w23775.
- Carmon, Z.; Schrift, R.; Wertenbroch, K.; & Yang, H. (2019): “Designing AI Systems That Customers Won´t Hate,” MIT Sloan Management Review, https://mitsmr.com/2qY8i35.
- Tomaino, G.; Abdulhalim, H.; Kireyev, P.; & Wertenbroch, K. (2020): “Denied by an (Unexplainable) Algorithm: Teleological Explanations for Algorithmic Decisions Enhance Customer Satisfaction,” INSEAD Working Paper No. 2020/39/MKT, http://dx.doi.org/10.2139/ssrn.3683754 .