Wie gut passt ein Künstler wirklich zu einer Zielgruppe? Lars Bendix Düysen, Gründer von Bendix Entertainment, kann dies mit AI Twins ziemlich exakt beantworten. Mit sogenannten „Consumer Digital Twins“ bildet er Zielgruppen mit bis zu 1.750 Datenpunkten ab, denen er konkrete Fragen zu Kommunikation, Plattformen oder passenden Künstlern stellt. Ihnen stehen Artist Twins gegenüber, die Positionierung, Image und Zielgruppenaffinität von Künstlern, Creatorn und Athleten beschreiben. Im Interview erklärt Lars, wie beide Modelle zusammenwirken und wo die Vorteile dieses Ansatzes liegen.
Lars, was ist die Idee hinter Bendix Entertainment?
Wir schließen die Lücke zwischen der Entertainment- und der Advertising-Industrie. Wir sind gewissermaßen die Dolmetscher zwischen diesen beiden Welten. Das machen auch andere Agenturen, aber unser Ansatz ist sehr stark datengetrieben. Wir arbeiten mit KI-Tools und gehen damit deutlich weiter als die klassische Marktforschung.
Ein wichtiger Bestandteil sind sogenannte Consumer Digital Twins. Wir bauen Zielgruppen digital nach und beschreiben sie mit bis zu 1.750 Datenpunkten. Mit diesen digitalen Zwillingen können wir anschließend interagieren und ihnen konkrete Aufgaben geben. Zum Beispiel können wir fragen: Wie sollte eine Marke auf Social Media auftreten? Welche Künstler würden zu dieser Zielgruppe passen? Oder wann empfindet sie Kommunikation als relevant und wann als werbliche Belästigung?
Was ist der Vorteil eines solchen digitalen Zwillings gegenüber einer klassischen Zielgruppenbeschreibung?
Klassische Zielgruppenmodelle arbeiten häufig mit zehn oder 15 Attributen. Wir wollen wesentlich granularer werden. Dazu gehören beispielsweise das Messaging-Verhalten, die Nutzung unterschiedlicher Plattformen, die Lebenssituation oder das Konsumverhalten.
Dafür arbeiten zwei KIs gegeneinander. Die eine schlägt zusätzliche Attribute vor, die andere hinterfragt, ob diese tatsächlich relevant sind. So kommen wir auf 50 übergeordnete Attribute mit jeweils zahlreichen Unterkategorien. Am Ende entsteht ein sehr detailliertes Modell der Zielgruppe.
Bei unserem Gen-Z-Zwilling Noah sind das 1.750 Datenpunkte. Wenn wir anschließend eine Frage stellen, wird die Antwort in 1.000 Iterationen mit diesem Modell durchgespielt. Dadurch bekommen wir nicht einfach eine Antwort eines Sprachmodells, sondern eine Antwort aus der Perspektive der definierten Zielgruppe.
Wie entsteht ein solcher Digital Twin konkret?
Der Kunde bringt zunächst das mit, was er über seine Zielgruppe bereits weiß. Das sind meistens zehn bis 15 Attribute. Wir reichern diese Informationen anschließend an. Ein Beispiel ist die Automobilindustrie: Die tatsächliche Käuferzielgruppe kann deutlich älter sein als die junge Zielgruppe, die eine Marke künftig ansprechen möchte.
Aus diesen vorhandenen Informationen wird das Modell weiterentwickelt. Das System ergänzt Attribute, hinterfragt sie und strukturiert die Zielgruppe immer granularer. Ein solcher Digital Twin kann innerhalb von ein bis zwei Wochen aufgebaut werden.
Und anschließend kann der Kunde direkt mit seiner Zielgruppe sprechen?
Genau. Der Kunde kann dem Zwilling Fragen stellen. Zum Beispiel: Was müsste Audi tun, um für dich gegenüber neuen Wettbewerbern wie BYD oder Xpeng relevant zu bleiben? Wie sollte die Kommunikation im Social Web aussehen? Welche Creator oder kulturellen Umfelder wären interessant?
Das Ergebnis geht dabei weit über eine klassische Persona hinaus. Der Zwilling kann beispielsweise erklären, welche Kommunikation als Mehrwert empfunden wird und wann sie als störend wahrgenommen wird. Er kann auch Empfehlungen für Plattformen, Content oder mögliche Partner geben.
Wie kommt dabei die Verbindung zu Künstlern und anderen Entertainment-Assets ins Spiel?
Wir bilden nicht nur Konsumenten ab, sondern auch Künstler, Creator und Athleten. Dafür erstellen wir sogenannte Artist Reports beziehungsweise Artist Twins. Sie beschreiben unter anderem Positionierung, Image, Themen, Social-Media-Präsenz, Demografie, Psychografie und Consumer Affinity.
Dadurch können wir beide Seiten miteinander verbinden: Welche Zielgruppe möchte eine Marke erreichen und welcher Künstler passt dazu? Und zwar nicht nur nach Reichweite, sondern nach der tatsächlichen kulturellen Passung.
Das kann beispielsweise bedeuten, dass ein Künstler wie Apache grundsätzlich sehr gut passen würde, für die Marke aber zu teuer ist. Dann können wir die Zielgruppe und das Image von Apache analysieren und nach Künstlern suchen, die eine ähnliche Zielgruppe ansprechen, aber noch früher in ihrer Karriere stehen.
Kann die KI also auch Empfehlungen geben, die gar nichts mit einem Künstler zu tun haben?
Ja, und das ist uns sehr wichtig. Wir wollen nicht von vornherein biased sein. Der digitale Zwilling soll nicht automatisch einen Künstler empfehlen, nur weil wir ein Cultural-Marketing-Unternehmen sind.
Die Empfehlung kann genauso gut lauten, dass eine Marke im Sport, Gaming, Film oder Fashion aktiv werden sollte. Oder dass eine klassische Social-Media-Kampagne sinnvoller wäre. Wir wollen immer den besten Lösungsansatz finden. Nur so können wir uns später auch an den Ergebnissen messen lassen.
Wie stark verändert KI dabei Deine eigene Arbeit als Berater?
Sehr stark. Wir haben inzwischen Workflows programmiert, die einen großen Teil der Arbeit nach einem Kundengespräch automatisieren. Ich spreche mit einer Marke über ihre Business Challenge. Danach bekommt unser digitaler Zwilling beispielsweise das Transkript dieses Gesprächs.
Der Workflow analysiert, was die Business Challenge ist, welchen Consumer Insight wir daraus ableiten können und welche Lösung sich daraus ergibt. Anschließend entsteht eine erste kreative Idee und am Ende eine Executive Summary.
Früher hätte dafür ein Teammitglied nach dem Gespräch ungefähr eine Woche gebraucht. Heute können wir dem Kunden das Ergebnis teilweise am selben oder am nächsten Tag liefern. Ohne KI wäre unser Geschäftsmodell in dieser Form nicht möglich.
Eines Deiner Ziele ist es auch, Cultural Marketing messbarer zu machen. Wie funktioniert das?
Wir versuchen, Entertainment stärker in die Sprache von Media zu übersetzen. Nehmen wir ein Musikvideo: Wir können analysieren, welche organische Reichweite ein solcher Content auf verschiedenen Plattformen entwickeln könnte. Daraus lässt sich ein Mediaäquivalenzwert berechnen.
In einem konkreten Beispiel haben wir prognostiziert, dass über eine Multi-Plattform-Strategie rund 70 Millionen Impressions entstehen könnten. Multipliziert man diese mit einem entsprechenden CPM, erhält man einen Bruttomediawert.
Damit verschiebt sich die Diskussion. Die Marke fragt nicht mehr nur: Passt dieser Künstler zu uns? Sie kann fragen: Welche Reichweite, welches Engagement und welchen Media Value kann diese Partnerschaft erzeugen?
Stoßen solche KI-Ansätze auch an Grenzen?
Wir wollen uns sehr bewusst an unseren Ergebnissen messen lassen. Deshalb ist es wichtig, dass wir nicht einfach Empfehlungen produzieren, sondern dass diese am Ende einen Business Impact haben.
Unser Modell besteht deshalb aus drei Bereichen: Business Intelligence und Planning mit den digitalen Zwillingen und der Fusion-Plattform, Consulting sowie perspektivisch Media Buying. Der erste Bereich ist sehr gut skalierbar. Consulting ist aufgrund des notwendigen Netzwerks und der Expertise weniger skalierbar. Media Buying wiederum bietet großes Skalierungspotenzial.
KI ersetzt dabei nicht unsere Erfahrung und unser Netzwerk. Sie macht die vorgelagerte Analyse wesentlich schneller und granularer. Die Kombination aus Business Intelligence, Performance-Logik und unserer Erfahrung in der Entertainment-Branche ist letztlich das, was Bendix ausmacht.
Interview: Helmut van Rinsum
Lars Bendix Düysen ist Gründer und Geschäftsführer von Bendix Entertainment, einer Beratung an der Schnittstelle von Entertainment, Cultural Marketing und Künstlicher Intelligenz. Zuvor verantwortete er als Vice President bei Sony Music über viele Jahre Markenpartnerschaften, Live Entertainment und Licensing. Heute unterstützt er Unternehmen dabei, kulturelle Trends und Zielgruppen besser zu verstehen und daraus relevante Partnerschaften und Kampagnen zu entwickeln. Zudem ist er Vice President Entertainment Relations beim Bundesverband Venture AI.
