Die Produkte eines oberösterreichischen Raumausstatters sind insgesamt im oberen Preissegment angesiedelt. Die an diesen Produkten interessierten Nutzer haben ihre Entscheidung, dass es eine neue Einrichtung benötigt, meist schon getroffen, wenn sie sich informieren und sich mit den verschiedenen Herstellern auseinandersetzen. Bedarfsweckende Maßnahmen sind hier also kaum notwendig. Viel wichtiger sind hier Maßnahmen, um potenzielle Kunden, also User, die bereits ein erstes Interesse an den Produkten haben, zu gewinnen. Um eine Entscheidung treffen zu können und eine finale Conversion zu tätigen, haben die User überwiegend eine längere Customer Journey, bis es zum tatsächlichen Abschluss kommt. Das bestehende Problem, das es für den oberösterreichischen Anbieter zu lösen gilt, ist also, die bereits interessierten User richtig anzusprechen und sie entlang der Customer Journey zu begleiten, damit die finale Conversion letztendlich bei ihnen und nicht bei einem Mitbewerber erfolgt. Galt es zu Beginn der Corona-Pandemie noch die große Nachfrage zu decken, die durch den Biedermeier-ähnlichen Bau- und Einrichtungsboom entstanden ist, verkleinerte sich der Teich mit potenziellen Kunden spätestens mit Beginn des Ukraine-Kriegs und der steigenden Inflation. Umso wichtiger war es also, die User abzuholen, die bereits ein gewisses Interesse für die Produkte besitzen.
First-Party-Daten Strategie Im ersten Schritt wurden eigene First-Party-Daten auf der Website erhoben. Es wurde ein Tracking- und Audience-Konzept erarbeitet. Darin wurde festgelegt, welches Tracking notwendig ist, um die Interessen der einzelnen User zu identifizieren und herauszufinden, welche User bereits als Hot Leads gelten. Das Tracking wurde datenschutzkonform umgesetzt und neben den üblichen Analytics Events wurden Custom Attribute verbaut, die es ermöglichen, dem einzelnen User bestimmte Eigenschaften zuzuordnen. Zusätzlich wurden einige kleine Änderungen an der Website vorgenommen, um an verschiedenen Punkten Anreize für die User zu schaffen, sich über Ihre E-Mail-Adresse zu identifizieren. So konnten mehr Daten gesammelt und unbekannte User zu bekannten Usern gemacht werden. Gemeinsam mit dem Raumausstatter wurde eine Strategie entwickelt, um die User auf ihrer Customer Journey bestmöglich zu begleiten und eine Conversion in Form von Beratungsgesprächen zu generieren. Die dafür benötigten Zielgruppen wurden auf Basis der generierten First-Party-Daten und Trackings erstellt. So wurden beispielsweise Nutzer mit ähnlichen Interessen oder bereits als Hot Leads identifizierte Nutzer in speziellen Audiences gesammelt. Diese Audiences konnten dann in weiterer Folge über verschiedene Kanäle aktiviert und angesprochen werden – mit der richtigen Botschaft und den Produkten, für die sich die Nutzer bereits besonders interessierten. Darüber hinaus kann mithilfe von First-Party-Daten und dem Single Customer View die Digital Customer Journey des einzelnen Nutzers datenschutzkonform nachvollzogen werden. So werden wertvolle Einblicke in das Verhalten des einzelnen Nutzers gewonnen sowie Informationen darüber, für welche Produkte dieser sich interessiert. Daraus ergibt sich die Möglichkeit, dass Marketing und Vertrieb eng zusammenarbeiten und die aus der Website-Analyse generierten Informationen für das Face-to-Face-Beratungsgespräch genutzt werden können.
Nachdem ausreichend Daten gesammelt wurden, konnte die erste Social Media Kampagne gestartet werden. Obwohl die Datenerhebung ein laufender Prozess ist und die Datenbasis mit steigender Nutzerzahl immer qualitativ hochwertiger wird, konnten bereits nach den ersten Kampagnen sichtbare Verbesserungen festgestellt werden. Der Großteil der Conversions wurde durch die First-Party Audiences generiert. Zusätzlich konnten auf dieser Datenbasis sehr qualitative Lookalike Audiences für die Neukundenansprache gebildet werden. Das Budget konnte optimal eingesetzt werden und der Cost per Lead konnte, dank der gesetzten Maßnahmen und dem gezielten Einsatz der First-Party-Daten, stark reduziert werden.
Gerade hochpreisige Produkte haben oft eine lange Customer Journey und es ist von großer Relevanz, dass der potenzielle Kunde mit der richtigen Botschaft zum richtigen Zeitpunkt angesprochen wird, um Vertrauen zum Anbieter aufzubauen und letztendlich zu erreichen. Somit soll erzielt werden, dass der Kauf tatsächlich bei diesem Anbieter und nicht beim Mitbewerber getätigt wird. Gemeinsam mit dem oberösterreichischen Raumausstatter konnte eine First-Party-Daten Strategie entwickelt werden, um die richtigen Daten über die Website zu erheben, sinnvolle Zielgruppensegmente zu bilden und so den potenziellen Kunden genau dort und mit den Messages abzuholen, die für ihn passend sind. So konnten speziell für diesen User relevante Informationen zum Produkt kommuniziert werden und dieser schlussendlich zum Käufer konvertiert werden. Ebenso konnte die digitale Customer Journey durch den Single Customer View und die genaue Analyse der Website mit dem Beratungsgespräch vor Ort verbunden werden. So konnte datenbasiert auch offline eine bestmögliche Beratung für den Kunden ermöglicht werden.
Problemstellung
Kleinere Zielgruppe durch äußere FaktorenLösung
Personalisierte Ansprache von datenbasierten Zielgruppensegmenten
Verbindung von Marketing und VertriebDas Ergebnis
Fazit
Kategorie: Customer Data Management
Welle 1: Die Welle der generativen KI
Die erste Welle der KI-Entwicklung, die Generative KI-Welle, hat die Art und Weise, wie wir Inhalte erstellen, revolutioniert. Mit Hilfe von Sprachmodellen wie GPT-4, die auf maschinellem Lernen basieren, können heute hochwertige Text-, Audio- und Videoinhalte automatisch generiert werden. Diese Technologie ermöglicht es beispielsweise, personalisierte Nachrichten oder Drehbücher für Filme zu erstellen, die genau auf die Vorlieben und Interessen der Zielgruppe zugeschnitten sind.
Ein Beispiel ist die mögliche Vollautomatisierung der Nachrichtenindustrie. Statt menschlicher Journalisten könnten KI-gesteuerte Roboter die Recherche, das Schreiben und die Veröffentlichung von Artikeln übernehmen. Diese Entwicklung könnte den Zugang zu Informationen demokratisieren und es jedem ermöglichen, seine eigene Medienplattform zu betreiben.
Bildquelle: https://agentgpt.reworkd.ai/
Welle 2: Die Synthese-KI-Welle
Die zweite Welle der KI-Entwicklung, Synthesis AI, geht über die reine Generierung von Inhalten hinaus und beschäftigt sich mit der Integration verschiedener Informationsquellen, um daraus grundlegende Aussagen oder Entscheidungsgrundlagen zu generieren. Ein visionäres Beispiel ist die vollständige Abbildung der Customer Journey, die nicht nur die Interessen der Kunden erfasst, sondern auch eine neue Grundlage für die Produktentwicklung bietet.
Mit Synthesis AI können Unternehmen den gesamten Entscheidungsprozess ihrer Kunden von der ersten Informationssuche bis zur Kaufentscheidung und darüber hinaus analysieren und nachvollziehen. Dieses tiefe Verständnis ermöglicht es, Produkte und Dienstleistungen gezielt an die Bedürfnisse der Kunden anzupassen und innovative Lösungen zu entwickeln, die bestehende Marktlücken schließen.
Durch die Analyse der Kundeninteraktionen und der auf der Website konsumierten Inhalte in Form von Texten und Videos im Zusammenhang mit verschiedenen Marketingbotschaften und -kanälen kann Synthesis AI beispielsweise herausfinden, welche Werbebotschaften bei der Zielgruppe besonders gut ankommen und welche Kanäle am effektivsten sind, um die gewünschte Zielgruppe zu erreichen. Ebenso kann die KI den Erfolg von Marketingkampagnen in Bezug auf Umsatzsteigerung, Neukundengewinnung und Kundenbindung messen und bewerten.
Mit diesem Wissen können Unternehmen ihre Marketingstrategien gezielt anpassen und optimieren, um ihre Ressourcen effizienter einzusetzen und den größtmöglichen Erfolg zu erzielen. Indem sie ihre Marketingbotschaften und -kampagnen auf die Bedürfnisse und Präferenzen ihrer Kunden zuschneiden, erhöhen sie die Wahrscheinlichkeit, dass diese zu langfristigen und zufriedenen Kunden werden.
Durch die Analyse von Kundeninteraktionen und weiteren Informationsquellen ermöglicht die Synthesis AI-Wave somit, die Wirksamkeit von Marketingmaßnahmen präzise zu evaluieren und den Unternehmenserfolg nachhaltig zu steigern. Die Zukunft des Marketings liegt im gezielten Einsatz von KI-gestützten Analysen, um datengetriebene Entscheidungen zu treffen und Wettbewerbsvorteile in einer zunehmend digitalisierten Welt auszubauen.
Bildquelle: https://a16z.com/2023/03/30/b2b-generative-ai-synthai/
Welle 3: Autonome Agenten – Neue Systemlösungen durch vernetzte Aktivitäten
Die dritte Welle der KI-Entwicklung konzentriert sich auf autonome Agenten, die Ziele und Aufgaben selbstständig erarbeiten und die entsprechenden Schritte selbst wählen. Diese Fähigkeit ermöglicht völlig neue Systemlösungen durch KI und eröffnet bisher ungeahnte Möglichkeiten in vielen Bereichen unseres Lebens, indem unterschiedlichste Systeme miteinander verknüpft werden können.
Ein Beispiel sind KI-gestützte Assistenten, die nicht nur auf Anweisungen reagieren, sondern proaktiv agieren und individuelle Bedürfnisse ihrer Nutzer erkennen und darauf reagieren können. Solche Assistenten könnten im Alltag eine Vielzahl von Aufgaben übernehmen, von der Organisation des Terminkalenders bis hin zur Erstellung von Einkaufslisten, die auf den Essgewohnheiten und dem aktuellen Bestand im Kühlschrank basieren.
Da autonome Agenten in der Lage sind, unterschiedlichste Tätigkeiten selbstständig auszuführen, können sie verschiedene Systeme und Prozesse miteinander verknüpfen und optimieren. Dadurch entstehen völlig neue, integrierte Lösungen, die sowohl im privaten als auch im geschäftlichen Umfeld zu Effizienzsteigerungen und verbesserten Ergebnissen führen können.
Bildquelle: https://agentgpt.reworkd.ai/
Fazit
Die Künstliche Intelligenz wird auch weiterhin ihr Umfeld stark beeinflussen und weiterentwickeln. Vor allem die Datengenerierung, -analyse und -integration, um Erkenntnisse über die eigenen Zielgruppen zu erlangen und so seine Produkte gezielt anpassen zu können, wird ein bedeutender nächster Schritt. Aber auch die Entwicklung autonomer Agenten, die selbstständig Aufgaben erfüllen und so als personalisierte Assistenz den Alltag erleichtern können, wird die Welt tiefgreifend verändern.
Seit der Veröffentlichung von Chat-GPT und dessen (selbst für den CEO von OpenAI Sam Altman) überraschenden Erfolg findet die Anwendung der generativen AI Systeme extrem starke Verbreitung. Beinahe täglich gibt es seither News rund um neue Anwendungsmöglichkeiten, Integrationen (Microsoft und Google integrieren GPT-3 und -4 in eine Vielzahl ihrer Systeme und das so nahe wie möglich beim Endkunden) und Tools.
Weiters ist spätestens seit letzten November klar, dass diese Technologie (AI) zum einen durch die stetige Entwicklung in den Bereichen Hardware, Infrastruktur, Daten und Algorithmen das Potenzial hat, die wichtigste Technologie der nächsten Jahrzehnte zu werden, (oder gar: die die Menschheit je entwickelt hat) und zum anderen, dass sie für ganz viele Bereiche einsetzbar ist. Um bei dieser rasanten Entwicklung die Übersicht zu behalten, erfolgreich zu sein und zu bleiben, ist Fokussierung und Strukturierung eine Voraussetzung.
Wir wollen uns in diesem Blogbeitrag um den ganz konkreten Einsatzbereich der KI im Marketing und dort um die in den letzten Monaten aufgekommenen Tools konzentrieren. Wie man sieht, kann beinahe jeder Bereich des (digitalen) Marketings davon profitieren, solche Tools einzusetzen.
An dieser Stelle sei nochmal darauf hingewiesen, dass die meisten dieser Tools erst in Entwicklung sind und die Technologie, auf der sie basieren, ebenfalls die bereits bekannten Probleme (neigen zu Halluzinationen, sind keine absolut verlässlichen Quellen von Fakten) mit sich bringen. Trotzdem macht es aufgrund der starken Vorteile und möglichen Wettbewerbsvorteile Sinn, sich früh mit dem Einsatz solcher Tools zu beschäftigen und sie auch zu testen.
Die Liste ist geordnet nach der Komplexität im Einsatz und der Einführung sowie im Betrieb und soll auch als Anregung für weiterführende Recherchen dienen:
GPT for Sheets
Eines der einfachsten Tools ist das Google-Sheets Plugin “GPT for Sheets and Docs” von Talarian.
Es verfügt über einen sehr breiten Einsatzbereich und wird vor allem im Bereich SEO hilfreich sein, da man dort oft vor der Herausforderung steht, Daten in tabellarischer Form zu verarbeiten.
ChatGPT for Sheets and Docs kann nach der Installation unter dem Menüpunkt Erweiterungen aufgerufen werden
Es erlaubt – nachdem man ein Konto bei OpenAi angelegt und einen API-Key eingetragen hat – GPT-3 als Formel in einem Google Doc mit einer Aufgabe, einem sogenannten “Prompt”, und einem Zellbezug anzusprechen. So ist es etwa möglich über die Formel =GPT(“Kürze die folgende Metadescription auf 150 Zeichen”;A1) seine gecrawlten Meta-Descriptions ganz einfach zu kürzen oder über eine einfache Veränderung des Prompts umzuformulieren.
GPT for Sheets and Docs hier im Einsatz, um Werbetexte für verschiedene Zielgruppen zu erstellen.
Hier sind der Fantasie keine Grenzen gesetzt, Limits gibt es nur in der Länge des Zellinhaltes und Prompts (4.096 Tokens oder ca. 1.000 Wörter) und bei der eigenen Zahlungsbereitschaft, denn 1k Tokens kosten aktuell rund 0,001c. Das klingt erstmal nicht viel, kann sich aber bei z.B. 1.000 URLs in diesem Beispiel dann auf zehn Millionen Token oder rund 10 Euro summieren.
Einige Ideen, wie man das Tool fürs Marketing einsetzen kann:
- Titel, Meta-Descriptions oder Inhalte einer Website von GPT umschreiben, kürzen oder ausschmücken lassen
- Beliebig viele Abwandlungen von Werbetexten, z.B. für Banner oder Google-Ads in Kombination mit Persona-Beschreibungen erstellen lassen
- Konkurrenzvergleiche anstellen, indem man die Inhalte auf den Produktseiten einzelner Hersteller crawled und dann GPT-3 bittet, diese miteinander hinsichtlich ihrer Tonalität, Qualität und Inhalte zu vergleichen
- Nachdem GPT-3 über arithmetische Grundkenntnisse verfügt, lassen sich damit auch einfache Zusammenfassungen, Klassifikationen oder Empfehlungen für Budgets erstellen. Hier sei allerdings gewarnt: diese Funktionen werden erst mit der aktuell noch nicht frei verfügbaren GPT-4 API besser
- Für Aktionen oder Kampagnen kann man auch seine Produktbeschreibungen in einer anderen Tonalität oder Klangfarbe in kurzer Zeit umschreiben lassen
In der Dokumentation des Tools gibt es weitere Ideen für die Verwendung. So lassen sich mithilfe von GPT for Sheets and Docs auch einfache Transformationen (z.B. URLs splitten oder JSON Files flatten) durchführen. Für diese Operationen, die oft viel Zeit beanspruchen, hätte man vor einem Jahr noch die eine oder andere Stunde verbraucht.
Außerdem kann man auch die Kreativität und das Modell in der Formel auswählen, was weiteren Spielraum in der Gestaltung lässt.
kadoa.com//BrowseAI
Eine der größten Schwierigkeiten bei der Überwachung von anderen Websites war bisher, dass sich die Website-Struktur ändert, ohne dass man zwangsläufig sofort darüber Bescheid wusste. Dieses Problem adressiert nun eine neue Generation von Crawling Tools, die auf GPT-3 und dessen semantisches Verständnis von Websites basiert.
So musste man, wenn man von diesen Informationen (z.B. bei der Preisüberwachung) abhängig war, bisher laufend kontrollieren, ob die Bots, die z.B. Lagerbestände, Preise oder Beschreibungen von anderen Websites gecrawlt haben, auch zuverlässig Werte zurücklieferten. Das war eben nur dann der Fall, wenn der Preis oder Lagerbestand auch immer an der gleichen Stelle auf der Website vorhanden war.
Dies wird durch den Einsatz von generativer Künstlicher Intelligenz inzwischen um vieles einfacher, da diese Systeme den Inhalt (sprich den HTML-Code) einer Website einfach einlesen und “verstehen” bzw. diesen interpretieren können. So ist es möglich, den Seitenquelltext in die Frage zu kopieren und ein großes Sprachmodell zu bitten, den Preis und den Lagerbestand aus diesem Quelltext zu extrahieren. Dabei ist es eben nicht mehr entscheidend, wo genau die Information im Quelltext steht, da das Sprachmodell die Semantik rund um den Preis eines Produktes versteht.
So gibt es nun erstmals Tools wie das hier genannte BrowseAi, welche als Dienstleistung genau einen solchen Service anbieten und versprechen, ohne genaue Einstellung der Elemente Produkteigenschaften wie Artikelnummern, Name oder Preis extrahieren zu können. Wie bereits erwähnt, ist es dafür jedoch notwendig den gesamten Seitenquelltext einzulesen, was die Kosten derzeit noch recht in die Höhe treibt und den größten Vorteil aktuell bei seltenen Crawlings bietet. Trotzdem überwiegen für uns auch hier die Vorteile einer schnellen Erkennung den Aufwand einer herkömmlichen Einstellung eines Crawlers, vor allem bei vielen verschiedenen Websites oder häufigen Änderungen auf diesen.
Adcreative.ai
Eine der ersten betroffenen Branchen der generativen Bilderstellungsprogramme (z.B. Dall-E oder Midjourney) ist sicherlich die Werbemittelerstellung. Genauer gesagt, die Erstellung von Werbemitteln mit geringem Budgeteinsatz, etwa im Onlinemarketing, wo sehr schnell sehr viele verschiedene Werbemittel auf die Resonanz in einer Zielgruppe getestet werden müssen.
Wurden früher hier sehr oft tagelange Fotoshootings an exotischen Orten (z.B. für die Yoga-App) gebucht, so ist dies nun über die Basismodelle (bei Midjourney für 9,90 im Monat) oder über die spezialisierten Tools wie eben z.B. bei Adrcreative.ai möglich. Adcreative übernimmt dabei die Anpassung der Formate an den jeweiligen Zielkanal (z.B. Facebook und Instagram-Posts haben andere Formate als Twitter) und bietet daneben auch die Möglichkeit, mit einfachen Prompts die Szenerie, das Model oder die Kameraeinstellung zu verändern. Aktuelle Herausforderungen wie z.B. die genaue Körperhaltung oder das Beibehalten eines wiedererkennbaren Modells bei mehreren Generierungen werden aktuell in der Forschung behandelt (Pose-Net und Control-Net) und dürften innerhalb der nächsten Monate in diesen Tools Einzug halten.
Vidyo.ai
Ebenfalls sehr viele neue Möglichkeiten und Zeitersparnis versprechen Tools in der Inhaltserstellung. Eines davon ist das hierzulande noch wenig bekannte Vidyo.ai, welches kürzlich auf einer Fachkonferenz vorgestellt wurde. Es ermöglicht einfach und schnell Kurzvideos, wie sie auf Instagram oder Facebook eingesetzt werden, mittels AI zu erstellen und zu bearbeiten. Selbstverständlich lassen sich dafür auch Tools wie runway.ml verwenden, die hier Vorreiter in diesem Genre sind, allerdings ist deren Einsatzbereich noch viel weiter angedacht. Spezialisierte Tools wie Vidyo.ai bieten durch ihren Fokus durchaus Vorteile hinsichtlich Qualität und Nutzerführung.
Mit Vidyo.ai können nach dem Upload verschiedene Vorlagen, die standardmäßig zur Verfügung stehen, ausgewählt werden
506 Customer Intelligence
Neben den vielen oben genannten Einsatzbereichen in der Erstellung von Inhalten, gibt es auch die Möglichkeit moderne KI, und dort Sprachmodelle für das Zusammenfassen und Beschreiben (sog. Synthesis AI) zu verwenden. Dabei werden sämtliche auf der Website öffentlich verfügbaren und über Consent-Basierten, DSGVO-Konformen Tracking erfassten Daten miteinander kombiniert und über eine Beschreibung bzw. mithilfe mehrerer KI-Verarbeitungsschritte einem Sprachmodell zur Analyse vorgelegt. Somit lassen sich über KI Zielgruppen bilden, diese werden miteinander verglichen und in verschiedenen Marketingkanälen wieder aktiviert. Mit Vorreiter in diesem Bereich ist die 506 Customer Intelligence Software, die gerade in dem Bereich der Profilbeschreibungen und im produktiven Einsatz der Sprachmodelle viele Vorteile bringt und so ideal für einen Erstkontakt mit dieser neuen Technologie geeignet ist.
Um die Power von AI zur vollen Entfaltung zu bringen, bietet die CI Plattform auch die Möglichkeit, die erkannten Zielgruppen anschließend zu aktivieren, sprich in den verschiedensten Kanälen auch wieder gezielt anzusprechen. So können die Erkannten profile auf der eigenen Website (Onsite Aktivierung) etwa durch einen Banner oder ein Popup, welches auf ihre Interessen abgestimmt ist, angesprochen werden. Im Modul Channel Aktivierung ist es auch möglich die gängigsten Marketingkanäle wie Facebook/Meta, Google oder Linkedin zur Ansprache der angereicherten Profile zu nutzen. Auch eine Kombination aus bereits genannten Tools zur Werbemittelerstellung (ob klassisch oder mit AI) und der aus der CI kommenden (Wieder)Erkennung der Nutzer zeigt hier besonders hohe Steigerungen in der Werbeerinnerung und dem Uplift auf Kampagnenbudgets.
“Aktuell gibt es durch die Nutzung der neuen Fähigkeiten von Large Language Models, insbesondere GPT-3.5 und GPT-4 eine Explosion an neuen Anwendungen für das Marketing. Diese sparen nicht nur Zeit und Energie, sondern machen – Beispiel Semantisches Webscraping – ganz neue Dinge möglich. Für Marketer ist es deshalb wichtig, diese Entwicklungen zunächst zu beobachten, mögliche Einsatzgebiete für den eigenen Anwendungsfall zu finden und dann konsequent umzusetzen, um von dieser Entwicklung zu profitieren.”
Markus Unterweger
Produkt Owner
Fazit
Zusammenfassend lässt sich sagen, dass die Entwicklung in diesem Bereich durch den Erfolg von ChatGPT weiter groß sein wird und wahrscheinlich noch nicht alle zukünftigen und sinnvollen Einsatzbereiche hier aufgelistet sind. Als erster Überblick und Anregung zum weiteren Erforschen dieser spannenden Technologie ist sie aber auf jeden Fall geeignet.
Wenn eine Conversion nicht immer eine Conversion ist
Wie fast jedes andere Unternehmen auch, kann unser Kunde, ein Auto-Abo Anbieter, seine Conversions (= Online-Abschluss eines Auto-Abos) via Analytics Tool mitmessen. Natürlich ist im Analytics-Tool unter anderem sehr gut ersichtlich, woher die meisten Conversions kommen, also welcher Kanal/welche Kampagne etc am besten performt und die meisten Abschlüsse generiert.
Doch bei unserem Kunden ist eine Conversion eben nicht gleich eine Conversion. Warum? Obwohl man auf der Website kostenpflichtig ein Auto-Abo abschließen kann, gibt es immer noch einige User, die nach diesem Abschluss noch abspringen. Zusätzlich muss das Unternehmen mit Usern umgehen, die das Abo zwar abschließen, jedoch im Nachhinein Probleme bereiten (zB Bonitätsprobleme), was für das Unternehmen wichtige Ressourcen bindet.
Auf die Qualität kommt es an
Unser Kunde sucht also gezielt nach qualitativ hochwertigen Usern, die zu einer relevanten Conversion führen und schlussendlich ein Auto abonnieren. Gleichzeitig ist es wichtig, zu erkennen, woher User kommen, die für das Unternehmen aus verschiedenen Gründen nicht von Interesse sind.
Dies durften wir uns gemeinsam mit dem Unternehmen im Rahmen eines Testprojektes näher ansehen.
Das Testprojekt
Wie können wir dem Unternehmen also helfen, auszuwerten, welche Kanäle bzw Kampagnen oder auch Werbemittel-Sujets WIRKLICH zu qualitativen Conversions führen?
Die Lösung hier war unser Produkt 506 PRO. Mit 506 PRO und dem damit ebenfalls genutzten Tool Piwik PRO haben wir ein spezielles Tracking verbaut. So wurden beispielsweise Werte aus einem Formular als Attribute an den Audience Manager von Piwik PRO übergeben. Wir bildeten also aus den abgesendeten Formularen Nutzerprofile, die mit verschiedenen Daten befüllt wurden. Gleichzeitig bekamen wir – für das Testprojekt erstmal auf manuelle Weise – vom Auto-Abo Anbieter die Daten der tatsächlichen Abschlüsse übermittelt. Diese Daten (Formulardaten inkl. Info, ob der User wirklich ein Auto abonniert hat oder aus diversen Gründen abgesprungen ist) haben wir während der Projektlaufzeit immer wieder in unser Tool hochgeladen und mit unseren Website-Daten gematcht. Somit wurden die Nutzerprofile weiter mit Daten angereichert, die über reines Website Tracking eben nicht generiert werden können, sondern nur von einer externen Datenquelle (in dem Fall der Datenbank des Unternehmens selbst) zur Verfügung gestellt werden können.
Das Ergebnis
Wir haben also eine Menge wichtiger Daten gesammelt. Damit die Daten aber nutzbar sind und das Unternehmen auch Schlüsse daraus ziehen kann, mussten wir diese auch visualisieren.
In diesem Fall nutzten wir das bewährte Tool Google Looker Studio, um die Analysen auf verständliche und saubere Weise darstellen zu können. Als Datengrundlage dienten die Rohdaten, die nach Data Cleaning und korrekter Formatierung in einer Datenbank gesammelt wurden.
Und nun kommt der spannende Teil. Da wir Daten wie Alter, Geschlecht, Kundenart (Firmenkunde, Privatkunde), abonniertes Auto (Marke, Preis), Zahlungsmethode und auch – mittels UTM-Links – die Herkunft der User (Kampagnen-Insights), mitgemessen haben und diese mit den Daten des Kunden (Bestellstatus, Bonität) anreichern konnten, waren Auswertungen möglich, die mit einem gewöhnlichen Tracking so nicht umsetzbar wären.
Folgende Fragestellungen konnten visualisiert werden:
- Von welcher Kampagne/welchen Coupons kommen die wirklichen Kunden?
- Von welcher Kampagne/welchen Coupons kommen jene User, die nach der Online-Conversion kein Auto-Abo abschließen?
- Gibt es Unterschiede im Hinblick auf die Bonität der tatsächlichen Kunden und jenen, die kein Auto-Abo abschließen?
Und zusätzlich:
- Wie sieht die Altersverteilung aus? Geben jüngere User mehr Geld aus als ältere? Was ist der Durchschnittspreis pro Altersgruppe?
- Welche sind die TOP-Autos/meistverkauftesten Autos für Firmenkunden inkl. Durchschnittspreis?
- Welche sind die TOP-Autos/meistverkauftesten Autos für Privatkunden inkl. Durchschnittspreis?
- Was sind die TOP Automarken? Auch aufgeteilt auf Firmen- und Privatkunden?
Fazit
All diese Fragen konnten also in einem simplen Dashboard mit sehr einfach dargestellten Grafiken beantwortet werden. Mit einer Schnittstelle zum CRM-Systems des Kunden kann dieses Dashboard in Zukunft automatisiert aktualisiert werden und die Daten können in Echtzeit für gewünschte Zeiträume abgerufen werden.
Die Optimierung der Conversion-Analyse ist für Unternehmen entscheidend, um ihre Online-Marketingaktivitäten zu verbessern und wettbewerbsfähig zu bleiben. Mithilfe von speziellen Tools und manuellen Datenzusammenführungen können Conversions optimal analysiert und visualisiert werden. Im Fallbeispiel aus der Auto-Abo Branche wurde gezeigt, dass eine Conversion nicht immer gleich eine Conversion ist und dass die Anreicherung von Daten die Analysen erheblich verbessern kann.
Durch die umfassende Analyse konnte das Unternehmen nicht nur wertvolle Erkenntnisse über seine Zielgruppe gewinnen (wie es mit e-Commerce Tracking grundsätzlich möglich ist), sondern auch die Performance verschiedener Marketing-Kampagnen noch genauer untersuchen. Die detaillierten Ergebnisse dieser Analyse ermöglichten es, wichtige Lerneffekte zu generieren und das Marketing-Budget zielgerichteter einzusetzen. So kann das Unternehmen noch gezieltere Werbemaßnahmen ergreifen und somit seine Werbewirksamkeit erhöhen. Dies wird sich langfristig positiv auf die Effektivität des Marketings und somit auch auf den Erfolg des Unternehmens auswirken.
Der Produktberater
Um die Website-Nutzer besser kennenzulernen und herauszufinden, welche Bedürfnisse sie haben, hat ein Nahrungsergänzungsmittel-Hersteller mit einem Online Shop einen Produktberater auf der Website eingebunden. Hier kann der User zwischen verschiedenen Kategorien auswählen und durch zielgerichtete Fragestellungen soll dem User bei Abschluss des Produktberaters das richtige Produkt empfohlen werden.
Sofern der User seine Zustimmung erteilt hat, dass er getrackt werden darf, werden mit jeder Antwort wertvolle Informationen gesammelt. Diese Informationen werden dem User Profil in einer CDP zugewiesen. Durch das Auswerten der First-Party-Daten ist es möglich, einen sehr genauen Einblick in das Verhalten der Zielgruppen, bzw. in das Verhalten des einzelnen, anonymen Users zu erhalten.
Detaillierte Analyse des Produktberaters durch First-Party-Daten
Mittels des 506 Customer Intelligence Nutzerfluss-Visualizers soll die User Journey durch den Produktberater dargestellt werden. Das bietet zum einen wichtige Insights für die Produktentwicklung, da die Interessen, Vorlieben und Gewohnheiten der User ganz genau abgebildet werden. Zum anderen kann der Aufbau des Produktberaters gut analysiert werden – gibt es zum Beispiel Fragestellungen, bei denen viele User abspringen?
Darüber hinaus bietet die Auswertung der First-Party-Daten sehr genaue Einblicke und Erkenntnisse darüber, wie sich die User nach der Empfehlung des Produktberaters verhalten. Zum Beispiel kann analysiert werden, ob User, die ein gewisses Produkt empfohlen bekommen, dieses auch kaufen. Oder es kann analysiert werden, ob der User nach dem Abschluss des Produktberaters abgesprungen ist. So kann es beispielsweise sein, dass das falsche Produkt empfohlen wurde.
Weitere wichtige Insights:
- Wie viele User haben einen Produktberater begonnen?
- Wie viele User haben einen Produktberater abgeschlossen?
- Wie verteilen sich die Geschlechter bei den jeweiligen Produktberater-Kategorien?
- Wie verteilt sich das Alter bei den jeweiligen Produktberater-Kategorien?
- Welche Produkte wurden bei der jeweiligen Produktberater-Kategorie am häufigsten empfohlen?
- Welche Produkte waren bei der jeweiligen Produktberater-Kategorie am häufigsten sichtbar?
Wichtige Einblicke in das Kaufverhalten:
- Kaufen User, die einen Produktberater begonnen haben, häufiger als User, die keinen Produktberater begonnen haben?
- Kaufen User, die einen Produktberater begonnen haben, mehr/zu einem höheren Wert Produkte als User, die keinen Produktberater begonnen haben?
Diese Fragestellungen sind nicht nur interessant im Hinblick auf die Analyse einer Produktberater-Kategorie. Zusätzlich können Audiences über die Kategorien gelegt werden, um herauszufinden, wie eine bestimmte Audience (wie z.B. Frauen) sich beim Beantworten einer Kategorie verhält bzw. welche Unterschiede es folglich im Kaufverhalten gibt.
Das 506 Customer Intelligence Dashboard ermöglicht einzigartige Einblicke in die Nutzung des Produktberaters und hilft Fragestellungen und Empfehlungen zu verbessern, um wertvolle Hinweise zu den Bedürfnissen der Nutzer zu erhalten.
Markus Unterweger
Product Owner bei 506
Fazit
Um die Website-Nutzer besser kennenlernen zu können, ist es notwendig, eigene First-Party-Daten zu sammeln und die Website so zu gestalten, dass durch Interaktionen möglichst viele Daten gesammelt werden können.
Die Auswertung der durch den Produktberater generierten First-Party-Daten bietet nicht nur interessante Einblicke in das Userverhalten und kann Verbesserungen aufzeigen. Vor allem ist die Analyse sehr aufschlussreich im Hinblick auf das Kaufverhalten und ein Weg, um ein stimmiges Profil der Website-Nutzer zu erstellen.
The Title
Nach zwei Jahren Forschung und Entwicklung mit Large Language Models (LLMs) wie GPT-3 mit unserer Artificial Customer Intelligence Platform sehen unsere Marketing- und KI-Experten bei 506, wie E-Commerce grundlegend verändert werden kann und erstmals eine Kundenansprache möglich wird, die wirklich den Interessen des Kunden entspricht und nicht irgendeiner einfachen manuellen Regel, die oft falsch ist. Immer mehr Unternehmen beginnen bereits damit, ihre Kundendaten mit Hilfe von KI zu analysieren. Durch die Analyse dieser Daten können Unternehmen erstmals wirklich verstehen, was ihre Kunden wollen und ihre Marketing- und Vertriebsaktivitäten, ja sogar ihre Produkte und Dienstleistungen entsprechend anpassen. Dies wird vor allem in den folgenden Bereichen sichtbar werden.
- Contentproduktion
Neue Software, die auf chatGPT aufbaut, macht es möglich, Inhalte durch einfache Texteingabe schneller zu produzieren. Sind es die aktuellen Texte und Mutationen, die eine drastische Produktivitätssteigerung ermöglichen, werden Bilder und auch Videos als Nächstes folgen. Je mehr diese Systeme können, desto mehr neues Know-how wird benötigt. Die Bedienung wird dann rein textbasiert sehr einfach sein. - Personalisierung
Mit KI-basierten Technologien können Unternehmen zum ersten Mal die Vorlieben und Konsumgewohnheiten ihrer Kunden wirklich erkennen, verstehen und vorhersagen. So können nicht nur E-Commerce Unternehmen beispielsweise gezielt auf die Interessen der Kunden eingehen, künstliche Intelligenz wird daher vor allem dabei helfen, ein personalisiertes Einkaufserlebnis für Kunden im B2C und B2B zu schaffen und so die Wirkung der Werbung zu erhöhen. KI beeinflusst aber auch die Art und Weise, wie Werbung gestaltet und platziert wird. - Kundenservice
Auch der Kundenservice wird durch KI verbessert. Beispielsweise können Chatbots dabei helfen, Anfragen schneller zu beantworten und so die Wartezeit für Kunden zu verkürzen, indem sie nicht nur einfache, regelbasierte Fragen stellen und Antworten geben, wie es in der Vergangenheit der Fall war.
Wir stehen noch ganz am Anfang der Möglichkeiten, die sich kurzfristig dank der KI ergeben werden, aber es ist bereits klar, dass sie viele Geschäftsprozesse radikal verändern wird. Die Erstellung von Inhalten ist der offensichtlichste Bereich, aber auch die Analyse und Vorhersage des Kundenverhaltens, die Produktentwicklung und viele Beratungsleistungen im Geschäftsumfeld werden sich dramatisch verändern. Es wird auch notwendig sein, geeignete Rahmenbedingungen für den Einsatz künstlicher Intelligenz zu schaffen, die praktikabel und umsetzbar sind.
The Title
Nicht die Technikexperten, sondern diejenigen, die Geschäftsverständnis im E-Commerce mit KI verbinden können, werden den größten Erfolg haben. Jeder, der schon einmal mit chatGPT gespielt hat, merkt schnell, dass es ohne gutes \”Prompting\” keine guten Ergebnisse gibt. \”Prompt Engineering\”, oder anders gesagt, die Fähigkeit, die richtigen Fragen zu stellen und somit die richtigen Antworten zu erhalten, wird zu einer wertvollen Fähigkeit werden.
KI-Lösungen wie runwayml.com, die viele Formen der Creative Generative AI abbilden, sind bereits verfügbar, ebenso wie die deutsche KI-Anwendung neuroflash.com, die sich bereits zur Nummer eins in der Texterstellung durch künstliche Intelligenz entwickelt hat. Mit diesen Systemen nicht nur ein paar \”Chats\” zu spielen, sondern ernsthaftes Know-how in der Bedienung aufzubauen, ist das Gebot der Stunde.
Es macht wenig Sinn, selbst neue Sprachmodelle oder eigene Anwendungen zu entwickeln, die diese nutzen, sondern viel mehr Sinn, schnell Ergebnisse zu erzielen, wie KI in bestehenden Geschäftsmodellen eingesetzt werden kann. Habe ich die richtigen Daten, habe ich das nötige Know-how wie Prompt-Engineering im Haus und wo ich es kurzfristig am einfachsten einsetzen kann, um schnelle Erfolge zu erzielen, sind die wichtigsten Fragen, um sich einen Wettbewerbsvorteil zu verschaffen. Die schnell erzielten Ergebnisse geben immer wieder eine neue Grundlage für die nächsten Schritte, die sinnvoller sind als große, langwierige Projekte.
- Texteingabe – Prompt Engineering
Prompt-Engineering ist ein Konzept der künstlichen Intelligenz, insbesondere der natürlichen Sprachverarbeitung. Beim Prompt-Engineering wird die Beschreibung der Aufgabe in die Eingabe eingebettet, z.B. als Frage, anstatt sie implizit zu geben. - Vertrauenswürdige KI – Trustworthy AI
Gemäß den EU Ethik Leitlinien sollte vertrauenswürdige AI wie folgt aussehen
– Rechtmäßig sein – unter Einhaltung aller geltenden Gesetze und Vorschriften
– Ethisch – unter Beachtung ethischer Grundsätze und Werte
– Robust – sowohl aus technischer Sicht als auch unter Berücksichtigung des sozialen Umfelds - DSGVO-konforme eigene Daten – First Party Daten
Das Verständnis der eigenen datenschutzkonformen Website- und E-Commerce-Daten wird schnell relevant und die Basis für Marketing Data Science und Customer Intelligence Projekte. Für die Analyse dieser Daten wird zunehmend KI eingesetzt.
The Title
The Title
The Title
The Title
KI, also Künstliche Intelligenz, wird 2023 erstmals vielen Unternehmen kostengünstig und einfach zur Verfügung stehen. Die rasche Anwendung zum Aufbau von Know-how im eigenen Unternehmen wird die größte Herausforderung, aber auch das größte Potenzial sein. Nutzen Sie diese Chance und starten Sie jetzt.
Mit zunehmender Digitalisierung und durch den Ausbau von Online-Plattformen und digitalen Geschäftsmodellen sammeln Unternehmen eine enorme Menge an Daten über ihre Kunden und den Markt an sich.
Diese Daten können Unternehmen dabei helfen, ein besseres Verständnis ihrer Kunden und des Marktes zu erlangen und somit ihre Marketingaktivitäten zu optimieren. Durch das Sammeln und die Analyse von Daten können Unternehmen zum Beispiel personalisierte Marketingkampagnen erstellen, die auf die individuellen Bedürfnisse und Vorlieben der Kunden abgestimmt sind. Dies führt in der Regel zu einer höheren Conversion-Rate und einer stärkeren Kundenbindung.
Daten können auch dazu beitragen, das zukünftige Verhalten von Kunden vorherzusagen und personalisierte Angebote oder Empfehlungen zu erstellen. Dies kann die Kundenbeziehungen verbessern und den Return on Investment (ROI) von Marketingaktivitäten erhöhen.
Darüber hinaus können durch die Nutzung von Daten neue Zielgruppen identifiziert und gezielt angesprochen werden. Insgesamt kann die Verwendung von Daten ein Marketing Unternehmen in die Lage versetzen, ihre Marketingaktivitäten besser auf die Bedürfnisse und Vorlieben ihrer Kunden auszurichten und so ihre Geschäftsergebnisse zu verbessern.
Die relevantesten Daten für das Marketing sind unbestreitbar jene, die Auskunft über das Interesse und die Bedürfnisse potentieller Neukunden geben. Aber auch Daten, welche das Verhalten von bestehenden Kunden beschreiben, können verwendet werden, um die Effizienz im Marketing zu steigern. Folgende Arten von Daten können hier von Interesse sein:
- Demografische Daten:
Diese Art von Daten umfasst Informationen über Alter, Geschlecht, Einkommen, Bildungsniveau und andere Merkmale der Zielgruppe eines Unternehmens. Dies kann Marketern helfen, zu verstehen, wen sie erreichen wollen und wie sie am effektivsten mit ihnen kommunizieren können. - Verhaltensdaten:
Wie interagieren Kunden mit den Produkten oder Dienstleistungen eines Unternehmens? Beispielsweise können Informationen darüber enthalten sein, wie oft Kunden Einkäufe tätigen, an welchen Produkten sie am meisten interessiert sind und wie sie von dem Unternehmen erfahren haben. - Gesinnungsdaten:
Geben Auskunft darüber, wie Kunden über ein Unternehmen, seine Produkte oder Dienstleistungen und ihre Marketingbotschaften denken. Dies soll Vermarktern einen Hinweis darauf geben, was bei ihrem Publikum ankommt und was nicht. - Marktforschungsdaten:
Marktforschungsdaten umfassen Informationen über Trends und Muster in einer bestimmten Branche oder einem bestimmten Markt. Marktforschung kann Unternehmen helfen, Möglichkeiten für neue Produkte oder Dienstleistungen zu erkennen und zu verstehen, wie sie sich am besten auf dem Markt positionieren können. - Verkaufsdaten:
Verkaufsdaten beschreiben, wie gut sich die Produkte oder Dienstleistungen eines Unternehmens verkaufen. Es kann Marketern dabei helfen, zu verstehen, was funktioniert und was nicht, um ihre Marketingstrategie entsprechend anzupassen.
Datenherkunft – First Party / Second Party / Third Party
Datengetriebenes Marketing basiert auf Daten unterschiedlichster Herkunft. Gerade die Begriffe First Party Daten und Third Party Daten begegnen einem hierbei häufig. Was versteht man aber darunter und wo liegen vor allem die Unterschiede?
First Party Daten sind Daten, die direkt von einem Unternehmen gesammelt werden, zum Beispiel durch die Nutzung von Kundenbefragungen oder das Sammeln von Informationen über das Kundenverhalten auf der Unternehmenswebsite.
Second Party Daten sind Daten, die von einem Unternehmen gekauft oder lizenziert werden, das diese Daten von seinen Kunden oder Nutzern gesammelt hat. Beispiele für Second Party Daten sind zum Beispiel Daten, die von einem Online-Shop gesammelt werden und die von einem anderen Unternehmen gekauft werden.
Third Party Daten sind Daten, die von einem Unternehmen gekauft oder lizenziert werden, das diese Daten von Dritten gesammelt hat. Diese Daten werden oft von Datenbrokern bereitgestellt und können zum Beispiel Informationen über das Online-Verhalten von Nutzern enthalten.
First Party Daten sind in der Regel von besonderem Wert, da sie direkt von der Zielgruppe stammen und daher sehr genau und relevant sind. Second Party und Third Party Daten können jedoch auch nützlich sein, insbesondere in Verbindung mit First Party Daten, um ein umfassendes Bild der Zielgruppe und des Marktes zu erhalten.
Neben dem Sammeln von First Party Daten ist es jedoch auch wichtig, diese Daten mit anderen Unternehmensdaten zu verknüpfen, um ein umfassendes Bild der Zielgruppe und des Marktes zu erhalten. Durch die Verknüpfung von First Party Daten mit anderen Unternehmensdaten, wie zum Beispiel Kundenfeedback oder Verkaufsdaten, können Unternehmen ein noch detaillierteres Verständnis ihrer Kunden und ihres Marktes erlangen.
Was muss bei der Nutzung von First Party Daten beachtet werden?
Bei der Nutzung von First Party Daten im Marketing gibt es einige wichtige Aspekte, die zu beachten sind:
- Datenschutz:
Die Nutzung von First Party Daten im Marketing muss immer im Einklang mit den geltenden Datenschutzbestimmungen erfolgen. Dies bedeutet, dass Unternehmen sicherstellen müssen, dass sie die notwendigen Maßnahmen treffen, um die Privatsphäre ihrer Kunden zu schützen. - Kundenzustimmung:
Vor Nutzung der Kundendaten für Marketingzwecke ist die entsprechende Zustimmung einzuholen. Die Kunden müssen über die Art und Weise informiert werden, wie ihre Daten gesammelt und verwendet werden und sie müssen die Möglichkeit haben, der Nutzung ihrer Daten zu wiedersprechen. - Qualität der Daten:
Es ist wichtig, die Qualität von First Party Daten vor Nutzung sorgfältig zu überprüfen. Es muss sichergestellt sein, dass die Daten relevant, genau und aktuell sind und dass sie von einer vertrauenswürdigen Quelle stammen. - Verwendungszweck:
First Party Daten dürfen nur für die Zwecke genutzt werden, für die sie gesammelt wurden. Die Daten dürfen ohne entsprechende Genehmigung nicht für andere Zwecke verwendet werden. - Transparenz:
Die Datenverwendung sollte den Kunden gegenüber transparent sein. Es sollte den Kunden erklärt werden, wie die Daten gesammelt und wie sie verwendet werden, um den Kunden besser zu verstehen und ihm personalisierte Angebote zu unterbreiten. - Sicherheit:
Unternehmen sollten sicherstellen, dass sie angemessene Maßnahmen zum Schutz ihrer First Party Daten treffen, um sicherzustellen, dass die Daten nicht in die falschen Hände gelangen. Dazu gehören zum Beispiel die Verwendung von Verschlüsselungstechnologien und die Einhaltung von Sicherheitsstandards.
“Durch das Sammeln und die Analyse von Daten können personalisierte Marketingstrategien entwickelt werden, die auf individuelle Kundenbedürfnisse abgestimmt sind, und somit die Conversion-Rate und die Kundenbindung erhöhen.”
Karl Mitteregger
CTO & COO
Segmentierung im Marketing
Als angewandte Methode für eine gezielte Ansprache im Marketing wird im Folgenden auf die Kundensegmentierung eingegangen. Kundensegmentierung ist der Prozess der Aufteilung eines Kundenstamms in kleinere Gruppen mit ähnlichen Merkmalen. Dies geschieht häufig, um bestimmte Kundengruppen besser zu verstehen und anzusprechen. Beispielsweise könnte ein Unternehmen, das Nahrungsergänzungsmittel vertreibt, seine Kunden nach Faktoren wie Alter, Geschlecht und Interessen segmentieren. Durch die Segmentierung seiner Kunden kann das Unternehmen gezieltere Marketingkampagnen erstellen und seine Produkte oder Dienstleistungen auf die Bedürfnisse und Vorlieben bestimmter Kundengruppen zuschneiden.
Es gibt viele verschiedene Möglichkeiten, einen Kundenstamm zu segmentieren, und die spezifischen Methoden, die verwendet werden, hängen vom Unternehmen und seinen Zielen ab. Einige gängige Methoden der Kundensegmentierung umfassen die demografische Segmentierung (z. B. Alter, Geschlecht, Einkommen), die geografische Segmentierung (z. B. Land, Region, Stadt) und die psychografische Segmentierung (z. B. Interessen, Werte, Lebensstil). Die Segmentierung kann mit einer Kombination verschiedener Methoden erfolgen und sowohl auf Primär- als auch auf Sekundärdaten basieren. Durch die Segmentierung seiner Kunden kann ein Unternehmen gezieltere und effektivere Marketingkampagnen erstellen und seine allgemeine Marketingstrategie verbessern.
Die folgende Abbildung der 506 ADVANCED AI zeigt etwa eine mittels First Party Daten getrackte 34-jährige Kundin, welche über eine Facebook-Kampagne auf die Webseite des Unternehmens kam und bereits Newsletter-Abonnentin ist. Die Kundin nutzt weiters den Produktberater des Unternehmens, interessiert sich für Sport, hat in ihren 49 Sessions bislang 10 Produkte auf der Webseite angesehen und einen Kauf mit einem daraus resultierenden Umsatz von EUR 654 getätigt. Im Zuge dieses Kaufs wurde ein angebotener Rabatt eingelöst.
Bildquelle: 506 Data & Performance GmbH
Ein, in diesem Fall von der künstlichen Intelligenz 506 ADVANCED AI errechneter, Algorithmus hat im gesamten First Party Datensatz des Unternehmens unter anderem ein Segment bestehend aus insgesamt 1956 Personen gefunden, welche sich für Sport interessieren, einen Rabatt eingelöst haben und über eine Facebook-Kampagne auf die Seite des Unternehmens kamen.
Unter Bedachtnahme der ermittelten Merkmale und Kennzahlen des Segments kann nun eine auf sie zugeschnittene Kampagne ausgespielt werden. Als Ausspielungskanal würde sich hier etwa Facebook eignen, aber auch ein individualisierter Newsletter würde sich anbieten, da 75% des Segments Newsletter-Abonnenten sind.
Zusatzinformationen, wie etwa, dass 83% des Segments den Produktberater nutzen, 74% sich Produktvideos ansehen, 65% die Wishlist nutzen oder aber das durchschnittliche Alter der Personen mit 33,5 Jahren lassen sich gut zur Ausgestaltung der Kampagne nutzen.
Bildquelle: 506 Data & Performance GmbH
Fazit
Die Verwendung von Daten im Marketing hilft Unternehmen dabei, ihre Marketingaktivitäten besser auf die Bedürfnisse und Vorlieben ihrer Kunden auszurichten und somit den Erfolg von Marketingkampagnen zu steigern. Durch das Sammeln und die Analyse von Daten können personalisierte Marketingstrategien entwickelt werden, die auf individuelle Kundenbedürfnisse abgestimmt sind, und somit die Conversion-Rate und die Kundenbindung erhöhen. Auch die Identifizierung neuer Zielgruppen und die Vorhersage des zukünftigen Kundenverhaltens können durch die Nutzung von Daten unterstützt werden. Der Erfolg im Marketing hat direkte Auswirkungen auf den Unternehmenserfolg, da eine erfolgreiche Marketingkampagne dazu beiträgt, die Marke und die Produkte eines Unternehmens bekannter zu machen, die Kundenbindung zu stärken und den Umsatz zu erhöhen.
Entdecken Sie die digitale Reise Ihrer Bewerber
Viele Unternehmen arbeiten nach dem Prinzip “viel Werbung für viele Bewerbungen” und vergessen dabei oft, dass sich die wichtigsten Key Performance Indikatoren nicht in den Online Kampagnen widerspiegeln, sondern erst ab dem Zeitpunkt, wo der Interessent die Website besucht.
Die perfekte Employer Journey
- Online Kampagnen & Interaktionspunkte: Facebook, LinkedIn, Jobportale, etc.
- Websitedaten: Userverhalten, Verweildauer, Scrolltiefe
- Conversion: Downloads von Infomaterial, Video Interaktionen, Kontaktanfragen
- Bewerbung: Versenden des Formulars
- HR-System: Einladung zum Bewerbungsgespräch
- HR-System: Einladung zum Probetag
- HR-System: Festanstellung
- (HR-System: Kündigung)
Um auch die Qualität der Bewerbungen mitverfolgen zu können, ist es essenziell, alle Daten auch aus dem HR-System zu berücksichtigen (Bewerbungsgespräche, Anstellungen, etc.). Dies ermöglicht die Rückverfolgung jedes Bewerbers und deren Qualität auf Basis des ersten Interaktionspunktes (Facebook, SEA, LinkedIn, Direct, etc.).
“Durch datenbasierte Marketingansätze lässt sich einfach und unkompliziert mitverfolgen, ob und welche Online Kampagnen sowie Werbemittel wirklich zu den Bewerbungen geführt haben.”
Alexander Schurr
SALES MANAGER & CONSULTANT
Qualität statt Quantität
Durch datenbasierte Marketingansätze lässt sich einfach und unkompliziert mitverfolgen, ob und welche Online Kampagnen sowie Werbemittel wirklich zu den Bewerbungen geführt haben. Durch Berücksichtigung der Daten aus dem HR System lässt sich dabei nicht nur die Quantität der Bewerbungen auf die jeweilige Online Kampagne zurückführen, sondern auch die Qualität der Bewerbung.
Die Qualität der Bewerbung als treibender Kostenfaktor
Recruiting ist teuer – demnach gilt es möglichst schnell zu identifizieren, welche Kanäle zu den gewünschten Bewerbungen führen und welche Kanäle die Kosten exponentiell in die Höhe treiben aufgrund von mangelnder Qualität der Bewerbungen/Bewerber.
Durch eine entsprechende datenbasierte Analyse der gesamten Employer Journey kann das Werbebudget schnell angepasst und entsprechend umgeschichtet werden, um exakt Ihre Zielgruppe über den richtigen Kanal abzuholen und um somit den Recruiting-Prozess schneller und effizienter abzuschließen.
Hierbei ist es wichtig zu bedenken, dass vor allem auch die Qualität eine enorm wichtige Rolle spielt. Für ein Unternehmen gibt es nichts Teureres als zehn Bewerbungsgespräche ohne Ergebnisse oder im Worst Case die Falscheinstellung/Kündigung von nur einem Mitarbeiter.
Wenn Sie wissen, welche Kanäle, welche Werbemittel und welche Infomaterialien auf Ihrer Website zu hoch qualifizierten Mitarbeitern führen und zeitgleich jene Kanäle und Werbemittel aussortieren können, welche genau das Gegenteil bewirken, sparen Sie sich nicht nur ein enormes Budget, sondern auch viele interne Ressourcen.
Wie komme ich zu den Insights?
Die Employer Journey lässt sich perfekt in einem Dashboard (506 SHOW) visualisieren. Je nach Bedarf und Tiefe der Insights, gilt es alle Daten systemübergreifend in einer Plattform zu sammeln & zu verknüpfen (506 PRO), um auch die Daten von HR-Systemen mit einzubeziehen. Somit können Sie auf einen Blick erkennen, wo und wie Sie wirklich Ihre gewünschten zukünftigen Mitarbeiter ansprechen können.
Die Resultate sind:
- Effizienter Einsatz des Werbebudgets
- Schneller Bewerbungsprozess
- Ressourcenschonende interne Personalaufwände für den Recruiting-Prozess
Durch eine entsprechende datenbasierte Analyse der gesamten Employer Journey kann das Werbebudget schnell angepasst und entsprechend umgeschichtet werden, um exakt Ihre Zielgruppe über den richtigen Kanal abzuholen und um somit den Recruiting-Prozess schneller und effizienter abzuschließen.
Hierbei ist es wichtig zu bedenken, dass vor allem auch die Qualität eine enorm wichtige Rolle spielt. Für ein Unternehmen gibt es nichts Teureres als zehn Bewerbungsgespräche ohne Ergebnisse oder im Worst Case die Falscheinstellung/Kündigung von nur einem Mitarbeiter.
Wenn Sie wissen, welche Kanäle, welche Werbemittel und welche Infomaterialien auf Ihrer Website zu hoch qualifizierten Mitarbeitern führen und zeitgleich jene Kanäle und Werbemittel aussortieren können, welche genau das Gegenteil bewirken, sparen Sie sich nicht nur ein enormes Budget, sondern auch viele interne Ressourcen.
Fazit
Die Mitarbeiter stellen in der aktuellen Zeit das höchste Gut eines Unternehmens dar. Über Erfolg und Misserfolg entscheidet oft, ob man die richtigen Mitarbeiter für sich gewinnen kann. Deshalb ist es unerlässlich zu wissen, wo und wie qualitativ hochwertige Mitarbeiter auf das Unternehmen aufmerksam werden.
Interne Daten einer CI
Zu den internen Daten einer CI gehören beispielsweise Daten aus einem CRM sowie erhobene Bewegungsdaten von Usern auf der eigenen Firmenwebsite.
Grundsätzlich generiert jede Kundeninteraktion mit dem Unternehmen auf die ein oder andere Weise interne Daten.
Zu den internen Datenquellen gehören:
- CDP: Kundendaten, Transaktionsdaten (Einkäufe, Retouren)
- ERP: Daten zur Ressourcenplanung
- Webanalyse Tool: Bewegungs- und Conversion-Daten auf der firmeneigenen Website
- CRM-System: Kundenstammdaten wie Email, Adressen, Namen, Alter
- Mailsystem: Kampagnendaten (Öffnungs- und Klickraten, etc.)
- Marketing-Automation-System: Daten aus automatisierten Marketingmaßnahmen
- Kampagnenmanagementsystem: Kampagnendaten (Interaktionen, Conversions)
Externe Daten einer CI
Von externen Daten spricht man dann, wenn diese nicht direkt aus dem Unternehmen stammen, sondern über andere externe Datenquellen beziehungsweise Drittanbietern gewonnen beziehungsweise verfügbar gemacht werden. Das könnten zum Beispiel Daten aus einer Marktforschung oder einem Umfrageergebnis sein.
Datenqualität und Datenschutz
Bevor man jedoch beginnt, die unterschiedlichen Datenquellen zusammenzuführen und zu analysieren, sollte man diese noch auf deren Validität und Genauigkeit prüfen.
Die Datenqualität spielt dabei eine essentielle Rolle – es muss kontinuierlich sichergestellt werden, dass die verfügbaren Daten eine hohe Qualität besitzen, da es ansonsten zu falschen Schlussfolgerungen kommt und somit gegebenenfalls falsche Maßnahmen getroffen werden.
Weiters muss beachtet werden, dass sämtliche Daten ausschließlich im Einklang mit dem Datenschutzrecht erhoben und anschließend verarbeitet werden dürfen.
Analysieren der Daten
Zuallererst sollte nach gründlichen Überlegungen eine Entscheidung darüber getroffen werden, welche Daten für die Customer Intelligence herangezogen werden.
Die Komplexität, der Aufwand und die Kosten der Datenextrahierung aus den einzelnen verfügbaren Datenquellen sowie der daraus generierte Nutzen dienen hier oft als Entscheidungsgrundlage.
“Der große Mehrwert einer Customer Intelligence ergibt sich durch das Zusammenführen verschiedener Datenmengen aus diversen Datenquellen und deren anschließende Auswertung.”
Marvin Mitterlehner
SENIOR PERFORMANCE MARKETING & TRACKING SPECIALIST
Aufbereitung und Verbindung der Daten
Der große Mehrwert einer Customer Intelligence ergibt sich durch das Zusammenführen verschiedener Datenmengen aus diversen Datenquellen und deren anschließende Auswertung.
Um die riesigen Datenmengen aus den einzelnen Datenquellen sinngemäß aufbereiten und anschließend miteinander verbinden zu können, werden oft verschiedene automatisierte Echtzeit-Schnittstellen benötigt, welche diese Aufgaben übernehmen.
Häufig benötigt es mehrere dieser Schnittstellen, welche alle miteinander harmonieren und funktionieren und aufeinander abgestimmt sein müssen – dies kann sich schnell zu einem komplexen, teils sehr technischen Projekt entwickeln.
Vorteile und Nutzen einer Customer Intelligence
Sind diese sogenannten Data Pipelines erstmal erfolgreich eingerichtet, erhält man einen 360-Grad-Blick über seine Kunden sowie einzelne Zielgruppen, was viele Vorteile mit sich bringt.
So ist es zum Beispiel möglich, die verschiedenen Touchpoints der Kunden entlang der Customer Journey abzubilden und zu analysieren.
Kampagnen und deren Auswirkungen auf den Geschäftserfolg lassen sich mit Hilfe dieses 360-Grad-Blicks besser verstehen und einzeln evaluieren. Die daraus gewonnenen Erkenntnisse spielen oft eine wesentliche Rolle in der Optimierung der Budgetverteilung und Durchführung von zukünftigen Marketingkampagnen.
Zudem ermöglicht die Customer Intelligence eine gezieltere Ansprache, was dazu beisteuert, Streuverluste bei Kampagnen zu reduzieren.
Außerdem macht es diese Zusammenführung der Daten möglich, einzelne Marketingmaßnahmen wie zum Beispiel einen Produktberater dahingehend zu prüfen, inwiefern sich dieser auf den Geschäftserfolg auswirkt (Wie sieht die Retourenquote bei Usern aus, welche einen Produktberater vor dem Kauf abgeschlossen haben versus User, die dies nicht getan haben?)
Allerdings können nicht nur die Marketingmaßnahmen optimiert werden – solch ein 360-Grad-Blick ermöglicht es außerdem, das Geschäftsmodell an sich zu optimieren.
So können zum Beispiel saisonale Unterschiede bei Produktabsätzen besser vorhergesagt werden, wodurch die Produktion besser gesteuert werden kann, um sich besser auf diese Schwankungen vorzubereiten. Produktpaletten können aufgrund von beobachteten Kundenverhalten und Wünschen angepasst und optimiert werden.
Fazit
Auch wenn Customer Intelligence einigen Aufwand mit sich bringt, ist diese in dem heute kompetitiven Geschäftsumfeld unerlässlich. Die daraus resultierenden Vorteile und Insights versprechen, den langfristigen Erfolg sowie die Relevanz des Unternehmens sicherzustellen. Eine CI sollte somit zum festen Bestandteil eines jeden Unternehmens werden.
In diesem Beitrag zeige ich Ihnen, wie Sie mithilfe von Webanalysedaten eines Online-Shops Kunden gruppieren können. Auf der Grundlage der Ergebnisse können Personalisierungs- und gezielte Marketingkampagnen auf der Website durchgeführt werden.
Auf dem Weg dorthin werden wir uns die Daten genauer ansehen (“Explorative Datenanalyse” oder “EDA”), eine erste Verarbeitung der Daten vornehmen, eine Segmentierung erstellen und dann die Cluster präsentieren. Für die Berechnungen werden wir Google Colab verwenden.
Die Daten
Die Daten stammen von der Kaggle-Datenplattform und enthalten Web-Tracking-Daten für einen Monat (Okt. 2019) von einem großen Online-Shop mit mehreren Kategorien.
Jede Zeile in der Datei steht für ein Ereignis. Es gibt verschiedene Arten von Ereignissen, wie Seitenaufrufe, Warenkorbaktionen und Käufe.
Der Datensatz enthält Informationen über:
- event_time / Wann wurde das Ereignis ausgelöst? (UTC)
- event_type / Ansicht, Einkaufswagen, Kauf
- product_id / Produkt-ID
- kategorie_id / Kategorie-ID
- kategorie_code / Name der Kategorie
- brand / Markenname
- preis / Preis
- user_id / Kunden-ID
- user_session / Sitzungs-ID
Die Daten stehen als CSV-Datei als Export aus einer “Customer Database Platform” zur Analyse zur Verfügung.
Alle Berechnungen sind in der Colab-Datei enthalten: https://gist.github.com/astoeckl/3c12fedbba2d5e593814fdef230dd81c
“Data Science kann Ihnen helfen, Ihre Kunden besser zu verstehen und ermöglicht Ihnen neue Einblicke in Ihre Kundenstruktur. Nutzen Sie datenbasierte Kundensegmente, um Ihre Umsätze zu erhöhen.”
PROF. (FH) DR. ANDREAS STÖCKL
Senior Expert Marketing Data Science
Erster Blick auf die Daten
Für den Monat Oktober 2019 sind über 42 Millionen Datensätze verfügbar.
Über 3 Millionen Menschen besuchten diese Website. Die Kunden kauften über 166.000 verschiedene Artikel.
Beispiel Customer Journey
Wir versuchen herauszufinden was eine bestimmte Sitzungsnummer bedeutet, indem wir alle Einträge, die für diese Sitzungsnummer gespeichert wurden, untersuchen und interpretieren.
- Der Benutzer hat mehrere iPhones angesehen
- Ein iPhone mit 1-Klick gekauft (ohne Einkaufswagen-Ereignis)
- Zwei unbekannte Produkte der Marke “arena” angesehen
- Er hat mehrere Apple-Kopfhörer begutachtet und einen gekauft
- Danach hat er sich einen teureren Kopfhörer angesehen, sich aber gegen einen Kauf entschieden
Beispiel Kundenhistorie
Um alle Aktionen eines bestimmten Benutzers in diesem Monat anzuzeigen, filtern wir alle Datensätze nach seiner Benutzer-ID.
Explorative Datenanalyse
Wie viele Ereignisse wurden bei der Webanalyse an jedem Tag erfasst?
Anzahl der Event-Typen
Wie häufig treten verschiedene Ereignisse in den Daten auf, und um welche Ereignisse handelt es sich?
Der Großteil der Informationen besteht aus Seitenaufrufen (96 %), während der verbleibende Teil aus dem Einkaufswagen und den Kaufaktivitäten besteht.
Merkmale der Besucher
Wir nehmen die wichtigsten Merkmale der einzelnen Besucher und fassen sie in einer Tabelle zusammen.
- Seitenaufrufe
- Besuche
- Anzahl der gekauften Produkte
- Anzahl der Produkte im Einkaufswagen
- Gesamtausgaben
- Ausgaben pro Besuch
- Seitenaufrufe pro Besuch
- Warenkorb-Aktionen pro Besuch
Wir filtern die Käufe aus den Aktionen
In der folgenden Phase grenzen wir unsere Einkäufe aus den Daten ein, um sie genauer analysieren zu können. Wir speichern das Ergebnis in einer separaten Tabelle.
Schlüsselzahlen zu den Käufen
Wie viele Produkte werden von einem Käufer gekauft? Wie hoch ist der durchschnittliche Einkaufswert pro Käufer?
Im Durchschnitt tätigt jeder Käufer etwas mehr als zwei Käufe.
Der durchschnittliche Einkaufswert pro Käufer beträgt 773,85 Euro.
Beliebtheit der Marke
Von welchen Marken werden Produkte gekauft?
Sehen wir uns ein Balkendiagramm mit den 10 wichtigsten Marken an.
Für die weitere Analyse gliedern wir die Transaktionen in Gruppen der beliebtesten Marken (die Top 5). Die übrigen werden in einer Gruppe namens “Sonstige” zusammengefasst.
Für jeden Kunden ermitteln wir den Anteil der Käufe in den sechs Markenkategorien und speichern sie in der Käufertabelle.
Produktkategorien
Welche Produktkategorien gibt es?
Die Produktkategorie existiert als hierarchischer Code. Wir nehmen die erste Ebene und speichern sie als separates Merkmal.
Insgesamt gibt es 13 Hauptkategorien. Der Anteil des Kaufpreises in jeder der Hauptkategorien wird als zusätzliches Merkmal in die Tabelle der Käufer aufgenommen.
Hinzufügen von Kaufmerkmalen zu den Merkmalen aller Besucher
Wir können nun die Kaufmerkmale aller Besucher aggregieren, was zu einer Tabelle mit allen Besuchern und Merkmalen führt.
Wir haben also die Daten von 3.022.290 Nutzern, von denen wir jeweils 27 Merkmale gespeichert haben.
Begrenzung der Anzahl der Benutzer
Wir werden uns auf die ersten 50.000 Nutzer beschränken, um die Berechnungen und die Visualisierung in Grenzen zu halten.
Konvertierung in ein Matrixformat für die Berechnung von Clustern
Bevor wir mit dem Clustering beginnen können, müssen wir die Daten in das richtige Format als zweidimensionales Array bringen.
Skalierung der Daten
Um sicherzustellen, dass alle Merkmale auf einer vergleichbaren Skala dargestellt werden, wird die Matrix angepasst, indem sie um den Durchschnittswert verschoben und durch die Standardabweichung dividiert wird.
Berechnung von Kundensegmenten mit unterschiedlicher Anzahl von Clustern
Der “k-Means-Algorithmus” wird zur Identifizierung der Segmente verwendet. Es handelt sich um eine Art der Clusteranalyse, bei der eine Gruppe von Elementen k-Cluster bilden muss, die im Voraus festgelegt werden.
Der “k-Means-Algorithmus” in Daten beginnt mit einer ersten Gruppe zufällig ausgewählter Zentren, die als Startpunkte für jedes Cluster dienen, und führt dann iterative (sich wiederholende) Berechnungen durch, um die Positionen der Zentren zu optimieren.
Da wir es mit einer großen Datenmenge zu tun haben, verwenden wir die “Mini-Batch”-Form der Technik, bei der neue Clusterzentren nur einen Teil der Zeit unter Verwendung aller Daten in jeder Iteration berechnet werden.
https://towardsdatascience.com/understanding-k-means-clustering-in-machine-learning-6a6e67336aa1
Wie legt man die optimale Anzahl von Clustern (“k-Wert”) fest?
Für einen gegebenen Wert von k berechnen wir das Clustering und suchen dann nach dem optimalen k. Der berechnete Silhouette-Score ist ein Maß dafür, wie gut das Clustering gelungen ist. Je näher der Wert bei eins liegt, desto besser. Er wird verwendet, um zu bestimmen, wie viele Cluster es geben sollte.
Wir verwenden nun die ermittelte optimale Clusterzahl zur Erzeugung von Clustern. Außerdem müssen wir die Anzahl der Kunden berücksichtigen, die jedem Segment zugewiesen sind.
Visualisierung von Clustern
Wir verwenden die Methode “tSNE”, um eine Visualisierung der Clusterbildung zu erstellen. t-Distributed Stochastic Neighbor Embedding (tSNE) ist eine Dimensionalitätsreduktionstechnik, die sich besonders für die Darstellung hochdimensionaler Datensätze eignet.
Ziel ist es, die Daten durch Dimensionalitätsreduktion in zwei Dimensionen zu projizieren, wobei die Abstände zwischen den Datenpunkten so weit wie möglich erhalten bleiben sollen.
https://towardsdatascience.com/an-introduction-to-t-sne-with-python-example-5a3a293108d1
Lassen Sie uns nun eine Visualisierung mit einer weitaus geringeren Anzahl von Clustern ausarbeiten. Es ist wesentlich schwieriger, die einzelnen Regionen in mehrere Teile aufzuteilen.
Charakterisierung der Segmente
Wir verwenden grafische Darstellungen wie z. B. “Radar-Charts”, um die Merkmale der Kategorien für jedes Segment auf einmal zu zeigen, um eine Interpretation der Segmente zu ermöglichen. Dies kann bei der Interpretation der Bedeutung der Segmente helfen.
Zum Beispiel ein Segment mit hohen Kaufanteilen in den Kategorien “Kinder” und “Sport”, sowie andere in den Bereichen “Elektronik” und “Gadgets”.
