Omni-Channel-Marketing und Customer-Centricity

Transkript

1 Omni-Channel-Marketing und Customer-Centricity Die richtigen Produkte für den richtigen Kunden und wie Algorithmen BY PMONE ANALYTICS dabei helfen A company of the pmone Group

2 Unser Leistungsspektrum Customer & Product Analytics Machine Analytics, IoT, Industry 4.0 Clustering Marketing Predictive Maintenance Production Optimize Campaign Management / Uplift Model Marketing Faulty Part detection Production Customer Lifetime Value Sales Recommender Sales Shop floor Digitalization Production Optimize Process Quality / Efficiency Production Churn prevention Sales Condition Monitoring Production 2

3 Unser Leistungsspektrum AI and Deep Learning Analytics Platforms Face Recognition Innovation, R&D Customer Analytics Hub IT Department SMART HOME, SMART FACILITY Innovation, R&D Analytical CRM IT Department BOTS Innovation IoT Hub / Platform IT Department BEACONS & TRACKING Innovation GENOME ANALYTICS Innovation HADOOP, HIVE, SPARK IT Department Advanced Analytics Platform / Data Science Laboratory Analytics Competence Center 3

4 Ausgangssituation 4

5 Marketing. What has changed? Online sales Mobile users Digitalization Customer centric All processes and departments are aligned to the customers. Omni channel Consistent GoTo-Market through all customer channels. Address Individually A targeted and personalized customer approach must be considered 5

6 Überblick zur möglichen End-2-End-Kundeninteraktion Interaktion Interne Daten Ext. Daten Bsp.: KFZ- Zulassungen Social Daten Abschlüsse Mehr Traffic Mehr Abschlüsse Personalisierte Angebote Cross-Selling Up-Selling Erstellung von Kunden-Profilen Analyse Kaufverhalten Kundensegmentierung Kampagnenoptimierung Bsp.: Personalisierung 6

7 Customer Master View Messaging / Newsletter DMP Website Mobile Pricing System Scoring Recommender Recommender Scoring, Cross-/Up-Selling Dynamic Pricing Recommender Transactional Data (ERP, Booking System, ) Loyalty Data (Loyalty System) Messaging / Newsletter ( or Messaging Tracking) Apps (App Tracking) Advertising / Social (Displays, Banner, Advertising) Customer Analytics Hub Segmentierung Churn Prevention Profiling Derived Attributes Cleansing / Matching Website (Clickstream, Customer Journey ) Call Center (Claims, Service Requests ) Operational Systems (Legancy Policy Systems ) 7

8 Customer Segementation Nicht alle Kunden haben das gleiche Verhalten Zeigt das Kundenverhalten nach Kundengruppen Segmentveränderungen können aufgezeigt werden Interpretation der Cluster ist eine gemeinsame Aufgabe Ziel: Erkennung der unterschiedlichen Kunden- / Produktcluster und damit besser Modelle zur Steuerung der operativen Prozesse (Kampagnenmanagement, Re-Targeting, Produktempfehlungen, Cross- & Up-Selling, Promotions) 8

9 Uplift and Propensity The Convincible The Quiet The Secure Prey The Resistant Propensity modelling predicts the likelihood of an outcome How likely will a customer default, churn or lapse. Retention Predict likelihood of customers churning or lapsing and help m onitor portfolio quality over time. Cost Optimization Contact strategies and communications at the correct time to maximize impact. Upsell Target customers with the right cross-sell and upsell offers at the right time. 9

10 Profiling und Kundensegmentierung 10

11 Aufbau Kunden Profil (Allgemein) Präferenzen Sprache, Produkte, Empfehlungen Internet Aktivität Session-Dauer, Click Path, Search History,... Demografische Daten Alter, Geschlecht, Wohnort, Beruf Social Media Daten Likes, Followers, Groups, Updates,.. Transaktionen Einkäufe, Abschlüsse, Verträge Verhalten Öffnungsrate, Click Through, Bounces Kunden Profil Mobile Aktivität Apps, Location,... Interne Daten Kundenhistorie, CRM, ERP,... 11

12 Projektion des Kundenprofils zu den Quellsystemen Verträge Follower Follower Zulassungen Matching internes Profil Social Profil Zielsetzung: So viele Kundenprofile wie möglich mit Social Media-Daten verknüpfen. Datengetriebene Customer Analytics Ansätze helfen, die Kunden noch besser zu verstehen und anzusprechen. 12

13 Erkennen von Bestandskunden auf Facebook Interne Daten Social Media Externe Daten Verträge Follower Follower Zulassungen Zus. Daten Internes Kundenprofil Matching Externes Kundenprofil Für Social Media- Follower, die noch keine Kunde sind, werden teilweise Informationen nicht zugreifbar sein. Hier hilft dann das später beschriebene Matching von Kundensegmenten. 13

14 Anwendungsbeispiel: Automatische Produktempfehlungen auf Website Personalisierte Angebote in Echtzeit Erkennung CMS Empfehlungen Neukontakt Kunde Externe Marktdaten anreichern Customer Analytics Hub 14

15 Anwendungsbeispiel: Automatische Empfehlungen über Mailings CMS Inhalte Kampagnenmanagement Kampagne Input Personalisierte Angebote Empfehlungen Customer Analytics Hub Kunden anreichern Externe Marktdaten 15

16 Case study: Runtastic >140M APP Downloads >70M users >20 Countries Customer Hub Customer Understanding lifetime value Customer Value Smart Interactions Customer Targeting 1 6

17 Case study: Tourism Customer Hub Customer Understanding lifetime value Customer Value Smart Mailing Optimized Campaign Management 1 7

18 Unser methodisches Vorgehen 18

19 Unser iteratives Vorgehen ermöglicht frühe Ergebnisse Analytical Application Life Cycle Labor Trial & Error Pattern recognition Complex Analytics Business Case calculation Fabrik Host it and run it Enterprise Scale High efficiency Automation Dieses Vorgehen ermöglicht rasche Resultate reduziert Projektrisiken optimiert die Projektdurchlaufzeit unterstützt wahlweise den CRSIP DM Ansatz oder moderne Deep L earning Vorgehensweisen ermöglicht eine Business-Case Kalkulation und Projektplanung 19

20