print logo

Best Next Offer - Vorausdenken im Marketing mit Predictive Analytics

So machen Sie Ihren Kunden Angebote, die sie wollen, bevor sie danach fragen.
Apteco GmbH | 30.05.2017
© Apteco GmbH
 

Was, wenn wir die komplette Kaufhistorie unserer Kunden, inklusive aller Transaktionsdaten, nutzen könnten, um den wahrscheinlichsten nächsten Kauf für jeden einzelnen Kunden vorherzusagen? - Diese Information würde es uns erlauben, individuelle Marketing-Kommunikation für dieses jeweils pro Kunde berechnete beste nächste Angebot zu betreiben. “Los geht’s, versüß mir meinen Tag“ Eine typische Online Erfahrung: Sie sehen sich bestimmte Inhalte an und die Website empfiehlt Ihnen weitere Inhalte, die andere Personen sich ebenfalls angesehen haben. Im Online-Handel können diese empfohlenen Produkte sogar, dank Adwords, auf anderen Websites verfolgen. In anderen Bereichen werden diese Empfehlungen noch raffinierter und teils unbemerkt in den Vordergrund gehoben, indem diese Artikel einfach weiter oben auf der Seite platziert werden. Eine Website nutzt einen sogenannten “Recommendation Engine”, ein System, das ständig von Käufen und Seitenansichten von vorherigen Besuchern lernt. Dieses Wissen wird im nächsten Schritt genutzt, um Ihnen das nächste Produkt vorzuschlagen, dass Sie wahrscheinlich interessieren wird – vorausgesetzt, Sie folgen den Mustern der anderen Kunden. Der Vorschlag ist dann Ihre „Best Next Offer“ und die Technik, um diese basierend auf Ihren Transaktionen herauszufinden wird oft „Collaborative Filtering“ genannt. Gut, schlecht oder miserabel? Aber funktioniert das wirklich? Aus meiner Erfahrung kann ich sagen, dass die Vorschläge qualitativ sehr unterschiedlich sind. Manchmal trifft das vorgeschlagene Buch oder die empfohlene Musik tatsächlich meinen Geschmack. Dann erscheint die Auswahl schon fast unheimlich passend. In anderen Fällen, sind die vorgeschlagenen Produkte nur Alternativen, für das, was ich gerade erst gekauft habe oder was ich geradeso umgehen konnte. Manche Webseiten nutzen sogar die richtigen Daten, denken aber nicht darüber nach, was genau sie tun: Wenn ich beispielsweise gerade erst eine Waschmaschine gekauft habe, möchte ich auf keinen Fall mit anderen Modellen einer Waschmaschine gestalkt werden und schon gar nicht mit meiner frisch erworbenen, die nun aber zu einem reduzierten Preis angeboten wird. Neigungen und darüber hinaus Was können wir von Recommendation Engines lernen? Wenn es uns gelingt, diese Ideen zu erweitern, könnten wir eine individualisierte Best Next Offer für eine große Anzahl an Kunden und Interessenten anbieten. Das Best Next Offer Ergebnis könnten wir dann nutzen, um die passenden Produkte in einer E-Mail, einer auf den Kunden zugeschnittenen Landingpage oder in einer anderen Marketingkommunikation zu promoten. In einem typischen FastStats System, stehen dem Anwender alle Transaktionsdaten für jeden einzelnen Kunden zu Verfügung. Mit einem sogenannten Affinitäts-Cube werden sofort die Produkte ersichtlich, die häufig in Kombination gekauft werden. Das bildet die Basis für unseren „Collaborative Filter“, über den wir die Best Next Offer für jeden einzelnen Kunden, basierend auf dessen Transaktionen, berechnen. Um qualitativ gute Vorschläge machen zu können, müssen wir mit Sorgfalt, die Auswirkungen der Menge an vergangenen Transaktion auf unsere Best Next Offer berücksichtigen. Außerdem müssen wir die Limitierungen dieser Technik verstehen und wie wir die Ergebnisse bestmöglich für unser Marketing einsetzen. Sie wollen sich weiter mit diesem Thema beschäftigen? Dann erfahren Sie jetzt, wie Sie mit Predictive Analytics, den nächsten Kauf Ihres Kunden vorhersagen können. >> Kostenfreies Whitepaper downloaden