Im Marketing liegen heute dank CRM-Systeme sehr umfangreiche Daten bei jedem größeren Unternehmen vor.
Mit diesen Daten und maschinellem Lernen kann man zum Beispiel folgende Anwendungen mit zum Teil recht
geringem Aufwand umsetzen:

1) Postwurfsendungen optimieren

Hierbei wird zunächst Werbepost an eine zufällig ausgewählte Stichprobe der Kunden verschickt. Es wird dann registriert, welche dieser Kunden auf die Werbung reagierten und welche nicht.
Anhand dieser Informationen und Kunden-Informationen (wie Alter, Geschlecht, Familienstand, Kaufverhalten in der Vergangenheit) erstellt man ein Vorhersagemodell per maschinellem Lernen für die Wahrscheinlichkeit,
dass ein Kunde auf die Werbung reagiert.

Nach der Erstellung dieses Vorhersagemodells wendet man dieses auf alle Kunden im vorhandenen Kundenstamm an und schickt die Werbepost nur an diejenigen Kunden mit einer hohen vorhergesagten Wahrscheinlichkeit, dass sie auf die Werbung reagieren.

Bei diesem Verfahren werden die Antwort-Raten von Postwurfsendungen gewöhnlich um ein Mehrfaches erhöht.

2) Churn Prevention

Es kostet, grob gesprochen, 7-mal mehr, einen Neukunden zu gewinnen, als einen bestehenden Kunden zu halten. Das Erkennen von Bestandskunden mit einer hohen Wahrscheinlichkeit, zur Konkurrenz wechseln zu wollen, ist somit wichtig und kann mit maschinellem Lernen automatisiert werden.

Hierbei werden aus der Vergangenheit Kunden betrachtet, die zur Konkurrenz wechselten, und Kunden,
welche dies nicht taten. Mit dieser Information und Kundenmerkmalen wie Alter, Geschlecht, Kaufverhalten...
erstellt man mittels maschinellem Lernen ein Vorhersagemodell, welches für einen Kunden und seine Kundenmerkmale die Wahrscheinlichkeit vorhersagt, dass er zur Konkurrenz wechselt.

Dieses Vorhersagemodell lässt man dann über alle Kunden des gegenwärtigen Kundenstamms laufen und
ermittelt all jene Kunden mit einer hohen Wahrscheinlichkeit, dass sie zur Konkurrenz wechseln werden in näherer Zukunft. Der Vertrieb kann jetzt extra Maßnahmen ergreifen, um diese Kunden doch zu halten.

3) Kaufwahrscheinlichkeit anhand des Klickverhaltens ermitteln

Im Online-Bereich ist es oft gewünscht, die Kaufwahrscheinlichkeit eines Webseitenbesuchers anhand seines Klickverhaltens zu ermitteln.

Hierfür nimmt man das Klickverhalten von Webseitenbesuchern aus der Vergangenheit zusammen mit der Information, welche der Webseitenbesucher am Ende zahlende Kunden wurden und welche nicht.
Mit maschinellem Lernen erstellt man daraus ein Vorhersagemodell, welches die Kaufwahrscheinlichkeit anhand des Klickverhaltens vorhersagt.