Marketing Automation meets Customer Analytics: Wie die automatisierte zielgruppenspezifische Cross-Channel-Kommunikation davon profitiert

Transkript

1 Marketing Automation meets Customer Analytics: Wie die automatisierte zielgruppenspezifische Cross-Channel-Kommunikation davon profitiert Swiss Online Marketing Sebastian Fischer, DYMATRIX CONSULTING GROUP 1

2 Agenda 1 Wer sind wir 2 Ausgangssituation und Herausforderung 3 Unsere Lösung - Realtime Marketing als Closed Loop 4 Use Cases, Lösungsansätze und Projektbeispiele 2

3 Agenda 1 Wer sind wir 2 Ausgangssituation und Herausforderung 3 Unsere Lösung - Realtime Marketing als Closed Loop 4 Use Cases, Lösungsansätze und Projektbeispiele 3

4 DYMATRIX The Analytical CRM Company» Lösungsanbieter für die Themen Customer Intelligence, Marketing Automation und Kampagnenmanagement» Fokus auf Auf- und Ausbau von Customer Insights auf Basis von Best-of-Breed Technologien für erfolgreiche Unternehmenssteuerung und effizientes Marketing» Branchenübergreifendes Umsetzungs- und Entwicklungs-Know-How aus über 900 Projekten im Mittelstand und bei DAX-notierten Großunternehmen, bei Spezialanbietern sowie Marktführern» Ziel- und kundenorientierte Projektumsetzung auf Basis preisgekrönter, etablierter Lösungen» Inhabergeführt und unabhängig 4

5 Agenda 1 Wer sind wir 2 Ausgangssituation und Herausforderung 3 Unsere Lösung - Realtime Marketing als Closed Loop 4 Use Cases, Lösungsansätze und Projektbeispiele 5

6 Competing on Analytics Was hat die F1 Weltmeisterschaft mit Marketing/ Big Data/ Analytics zu tun? 6

7 Fast Facts» Anzahl Sensoren in einem Formel 1 Fahrzeug: » Datenwachstum: ca MegaByte pro Sekunde» Generierte Daten in einem Grand Prix Rennen pro Fahrzeug car: 1-2 GigaByte» Generierte Daten an einem Grand Prix Wochenende: 100 GigaByte, das entspricht 250 DVDs» Gesammelte Daten pro Fahrzeug im Jahr: 2-3 TeraByte, das entspricht ca DVDs» Weitere Datenquellen: GPS Daten mit dazugehörigen Streckenabschnittszeiten Wettbewerberanalyse Externe Daten wie Asphalttemperaturen, Wind & Wetter Subjektive Eindrücke der Fahrer Etc. 7

8 Standard für alle Teams: Descriptive und Diagnostic Analytics Datenextrakt vom Start eines Rennens 8

9 Mit Predictive & Prescriptive Big Data Analytics zum Erfolg! Die erfolgreichen F1 Teams geben einen nicht unwesentlichen Teil Ihres Budgets für Big Data Analytics aus! Dabei werden Telemetriedaten kombiniert mit GPS- & Rundenzeiten zur Simulation & Optimierung aller möglicher Konstellationen eines Rennens. Der Erfolg gibt Ihnen recht! 9

10 Customer Journey: Die Reise des Kunden Mobile/ Display Telefon Online- Shop DIE HERAUSFORDERUNG» Die meisten Unternehmen sammeln diese auf vielfältigen Pfaden hinterlassenen Kundenspuren nicht gezielt ein und/oder integrieren diese nicht systematisch für die Weiterverarbeitung! Foren/ Blogs Shop vor Ort 10

11 Customer Journey - jeder Kunde wählt unterschiedliche Kanäle auf dem Weg zum Produkt Ausgangssituation Große Datenmengen entstehen auf allen Pfaden, die ein Kunde auf dem Weg zum Produkt und während der Produktnutzung beschreitet. Herausforderung Sammlung & automatisierte Analyse aller Daten, um diese systematisch zum Vorteil des Unternehmens zu nutzen! Ziel Dialoge individualisiert in Echtzeit führen und die Maßnahmen kontinuierlich anpassen, aufeinander abstimmen und optimieren! 11

12 während der Produktnutzung und darüber hinaus! Bedürfnis Erinnerung Empfehlung Optionen Service & Support Customer Experience Loop Entscheidung Nutzung Anbahnung Bereitstellung Abschluss 12

13 Values durch Big Data im Kundenbeziehungsprozess Bedürfnis Bedürfniserkennung durch Social Media Analysis Erinnerung Empfehlung Optionen Service & Support Entscheidung Nutzung Anbahnung Bereitstellung Abschluss 13

14 Bedürfniserkennung durch Social Media Analysis Influencer Analyse Erkennung von Hype-Themen» Erkennen, welche Personen bzw. Aussagen tatsächlich von Bedeutung sind 14

15 Values durch Big Data im Kundenbeziehungsprozess Erinnerung Empfehlung Bedürfnis Optionen Umsatzsteigerung durch Produkt-/Content- Empfehlungen Service & Support Entscheidung Nutzung Anbahnung Bereitstellung Abschluss 15

16 Gezielte Adressierung von Kundenpräferenzen in den Online- Kanälen Produktempfehlungen 16

17 Gezielte Adressierung von Kundenpräferenzen in den Online- Kanälen Content-Empfehlungen 17

18 Values durch Big Data im Kundenbeziehungsprozess Bedürfnis Erinnerung Empfehlung Optionen Service & Support Entscheidung Nutzung Anbahnung Verbesserung der Produkte durch Sammeln von Feedback Bereitstellung Abschluss 18

19 Verbesserung der Produkte durch Sammeln von direktem oder indirektem Nutzer-Feedback Indirektes Nutzer-Feedback» z.b. Clickstream Analysis Direktes Nutzer-Feedback» z.b. durch Customer-Feedback-Systeme 19

20 Values durch Big Data im Kundenbeziehungsprozess Verbesserung des Service durch bessere Kommunikation Erinnerung Empfehlung Bedürfnis Optionen Service & Support Entscheidung Nutzung Anbahnung Bereitstellung Abschluss 20

21 Verbesserung des Service durch bessere Kommunikation Einordnung von Service-Anfragen» Ermittlung der Sprache, des Themas, der Stimmung usw. Proaktive Erkennung von Stimmungen bei der Produktnutzung 21

22 Verlassen Sie Ihre Bahn! AUSGANGSSITUATION» Viele Unternehmen messen die Wirkung Ihrer Marketingmaßnahmen so, als würde jedes Element seine Wirkung für sich allein entfalten, Einflüsse untereinander werden ignoriert.» Jedoch wirken Werbemaßnahmen cross-medial und entfalten Ihre Wirkung gemeinsam! LÖSUNGSANSATZ» Realtime-Informationen (Online & Offline) zum Kundenverhalten ganzheitlich sammeln als Input für ein selbst-lernendes Analysesystem» Dialoge kundenindividuell in Echtzeit führen und Cross-Media-Ausgaben kontinuierlich anpassen. 22

23 Agenda 1 Wer sind wir 2 Ausgangssituation und Herausforderung 3 Unsere Lösung - Realtime Marketing als Closed Loop 4 Use Cases, Lösungsansätze und Projektbeispiele 23

24 Realtime Marketing als Closed Loop: Integration aller Datenquellen, Touchpoints und Systeme Back Office ERP Webtracking CRM Newsletter Konsolidierung, Bereinigung und Veredelung aller Daten auf Kunden- & Haushaltssicht inklusive Kennzahlenermittlung Kampagnenmanagement Call Center Service Center Customer Touch Points Whit / Lettershop Social Media Customer Insight Suite Data Mining Automation» Cross- / Up- Sell Scorings» NBOs Analyse & Reporting Display/ Web/ Mobil Real Time Decisioning» Optimale Echtzeitentscheidungen Versender Social Media Analytics» Inhaltsanalyse der Social Networks Operatives CRM Analytisches CRM Zentrale, bereinigte Marketingdatenbank (Marketing Data Mart / DWH) 24

25 Marketing Automation - Kampagnenflow» Marketing Automation - Automatisierung von Kommunikationsstrecken bzw. der Kampagnenprozesse anhand des individuellen Kundenverhaltens Einfacher Aufbau von Trigger Kampagnen z.b. Neukundenprozess inkl. mehrerer individueller Ansprachen je nach Responseverhalten Kampagne läuft automatisch und jeder Neukunde durchläuft die Kommunikation je nach seinem Verhalten individuell Alle 10 Minuten Alle Neukunden der letzten 10 Minuten Welcome- + Coupon Kauf Ihre Meinung ist uns wichtig Umfrage 5 Tage warten Response auf 1. Stufe Öffnung / Klick Interesse Produkt A 5% Rabatt + Coupon Produkt A Öffnung / Klick Interesse Produkt B 5% Rabatt + Coupon Produkt B 25

26 Agenda 1 Wer sind wir 2 Ausgangssituation und Herausforderung 3 Unsere Lösung - Realtime Marketing als Closed Loop 4 Use Cases, Lösungsansätze und Projektbeispiele 26

27 Einbindung in einen übergreifenden Entscheidungskontext (Am Beispiel eines Hotel-Reservierungssystems) Realtime-Kontext Dispositive Informationen Nutzervorgaben Buchungszeitraum, Ort, Mindestkategorie etc. Verfügbarkeit Individuelle Präferenzen Analytisch ermittelte Realtime Recommendations Kampagnen Aktionen für Hotelketten, Packages etc. Produkt- Empfehlungen 27

28 ... und dann wird das Angebot individuell auf den Kunden angepasst! 28

29 Projektbeschreibung Pfister Umsetzung der Cross Channel Strategie zur Flexibilisierung der Kundenkommunikation und optimalen Allokation der Werbebudgets Zielsetzung Projektumsetzung Nutzen» Transformation der bisherigen Auftragssicht in eine 360 Kundensicht» Künstliche Bildung von Haushalten und Firmen» Integration von Loyalty Card Inhabern, Kunden und Interessenten» Flexibilisierung der Kommunikationsmöglichkeiten durch Erschließung neuer Touchpoints» Verlagerung der Werbebudgets von offline zu online» Aufbau einer Cross Channel Datenbank inkl. Einführung Kampagnenmanagement Tool DynaCampaign» Anbindung des ERP-Systems (SAP) und des Hybris Shops an die Cross Channel Datenbank» Dublettenbereinigung auf Kunden- und Haushaltsebene» Aufbau einer BI Solution zur Auswertung des Kampagnenerfolgs und zur Abbildung der Wertschöpfungskette» Aussteuerung von Kampagnen per , Webshop, POS, Post» Kostenreduzierung durch Einführung der Haushaltssicht im offline Bereich» Flexibilität in der Umsetzung neuer Kampagnenansätze» Möglichkeit zur gezielten Aussteuerung von kundenindividuellem Content (z.b. letzter Kauf, letzte Beschwerde, etc.)» Controlling-gerecht aufbereitete Sicht auf das Kundenkaufverhalten als Basis für Erfolgsmessung und Budgetallokation 29

30 Projektbeispiel IP TV: Marketing Automation on Big Data Einführung einer Analytik Suite und Big Data Integration bei einem führenden Schweizer IP TV Anbieter Zielsetzung Projektumsetzung Nutzen» Einführung einer Next Generation Campaign Management Lösung Cross-Touchpoint-Campaign Management (Classic, , Web, Social Media, Apps etc.) Daten- & analysegetriebener eventgetriggerter Kundendialog Nutzbarmachung von unstrukturierten Daten zur Generierung von Kontaktchancen (Social Media & Blogs)» Implementierung Hadoop- Plattform & Anbindung von kundenbezogenen Big Data Sourcen (u.a. TV Usage) für DynaCampaign» Aufbau Data Science Automation Prozesse» Einführung Social Media Monitoring Lösung DynaSocial» Einführung Realtime Campaigning & Recommendation» Etablierung automatisierter Kampagnenprozesse» Nutzbarmachung wichtiger Zusatzinformationen durch Big Data Anbindung» Deutlich verbesserte und individualisierte Kundenansprache» Etablierung von Realtime- Recommendations auf Basis von Big Data (u.a. Programm- Empfehlungen) 30

31 Bsp. Online-Architektur Next Best Offer Online + Integration in Newsletter Auslieferung der NBO s 4. Bereitstellung der NBO s je UserID und Interessensgebiet 5 3. Konsolidierung der Daten Recomendation Engine Berechnung der NBO s Marketing Mart Web-Shop Newsletter Engine 2. Konsolidierte UserID-Verkauf-Beziehung DWH 8. Echtzeit Aussteuerung im Zeitpunkt des Öffnens kundenbezogene Transaktionen Click Mart clickbezogene Informationen Newsletterversand 31

32 Die USPs unserer Lösung» Individualisierte Angebote durch gezielte Integration, Interpretation und Weiterverarbeitung aller erfassbaren Kundensignale (inkl. Big Data )» Höhere Conversionrate, mehr Umsatz, zufriedenere Kunden und stärkere Kundenbindung durch einen individualisierten Kundendialog» Gezielte Bearbeitung aller Customer Touch Points in Realtime» Schnelle Erkennung veränderten Kundenverhaltens durch selbstlernende Systeme und Social Media Analytics: Effizientere und bessere Entscheidungen» Schneller, individueller, intelligenter: Optimale Reaktion auf die wachsende Echtzeitherausforderung im Marketing 32

33 Wir garantieren, dass Sie der Konkurrenz nicht hinterherlaufen müssen! 33

34 Kontakt DYMATRIX CONSULTING GROUP GmbH Zeppelin Carré Lautenschlagerstraße Stuttgart Ihr Ansprechpartner: Sebastian Fischer Danke für Ihre Aufmerksamkeit. Für Ihre Fragen stehen wir gerne zur Verfügung! Telefon Telefax Web s.fischer@dymatrix.de Besuchen Sie uns auf unserem Stand Halle 1 - D 09! 34