Customer Lifetime Value Prognose für E-Commerce
Zu viele Unternehmen verteilen ihr Marketingbudget mit der Gießkanne gleichmäßig auf alle Kunden. Bei dieser Vorgehensweise ist mit erheblichen Verlusten zu rechnen, doch es fällt den Marketingmanagern nicht leicht, Ressourcen effizient zu verteilen.
Durch die Berechnung des Customer Lifetime Value wird deutlich, welcher Kunde welchen Wert in der gesamten Zeit als Kunde für das Unternehmen generiert. Diese Vorhersage hilft dabei, das Marketingbudget gezielt einzusetzen, und somit alle Umsatzpotentiale voll auszuschöpfen.
Auf einen Blick:
- Branche: E-Commerce
- Projektziel: Gezielter Einsatz von Marketingressourcen durch Customer Lifetime Value Prognose
- Technologien: AWS S3, Stepfunctions, Terraform, Git, AWS Glue, Sagemaker
- Dauer: 2 Monate
Planung des Marketingbudgets ohne CLV
Für den wirtschaftlichen Erfolg eines Unternehmens ist es entscheidend, einen treuen und loyalen Kundenstamm zu halten. In diesem Fall möchte das Unternehmen aus der E-Commerce-Branche Printwerbemittel effektiv einsetzen.
Werbemittel sind seit Jahren ein treibender Faktor für Umsatz und Kundenbindung. Ein Problem beim Einsatz von Printwerbemitteln ist jedoch, dass die Produktions- und Versandkosten extrem hoch sind.
Die Herausforderung besteht also darin, dass die Marketingverantwortlichen nur eine bestimmte Anzahl von Kunden mit den Werbemitteln erreichen können. Das bedeutet, dass die Printwerbemittel an Kunden adressiert werden sollten, die ein hohes Kaufpotenzial aufweisen.
Für die Marketingverantwortlichen stellt sich nun die Frage: Wie unterscheiden wir Kunden mit hohem Kaufpotenzial von Kunden mit niedrigem Kaufpotenzial?
Schließlich ist es das Ziel eines jeden Marketingmanagers, den ROI zu steigern. Das bedeutet, dass die Ausgaben für die Kampagnen durch den Umsatz, der durch die Kampagnen generiert wird, ausgeglichen werden sollen.
Die folgende Grafik zeigt, was passiert, wenn das Marketingbudget gleichmäßig auf alle Kunden verteilt wird, und was passiert, wenn das Marketingbudget auf Basis der CLV-Prognose geplant wird:
Marketing mit der Gießkanne vs. effizientes Marketing
Deutlich zu erkennen ist, dass ein großer Umsatzverlust bei dem Marketing mit Gießkanne (links abgebildet) besteht. Kunden mit geringerem CLV erreichen genauso viele Kampagnen (hier als Marketingbudget abgebildet), wie Kunden mit hohem CLV. Hier überrundet das ausgegebene Budget den CLV um mehrere tausend Euro.
Anders sieht das bei dem effizienten Marketing aus (in der Grafik rechts). Hier wird wesentlich mehr Budget für Kunden mit hohem CLV ausgegeben, während für Kunden der Kategorie “Karteileichen” kein Budget verschwendet wurde.
Das bedeutet, wenn wir effizientes Marketing betreiben wollen, müssen wir den Wert jedes einzelnen Kunden im Umgang mit dem Unternehmen berechnen. Und wie wir das voll automatisiert mit Künstlicher Intelligenz schaffen, erklären wir Ihnen im nächsten Abschnitt.
Vor diesen Herausforderungen stand unser Kunde
Hohe Kosten für Produktion und Versand
Printwerbemittel sind extrem kostenintensiv, so dass eine genaue Zielgruppenselektion notwendig ist, um das Budget effizient einzusetzen.
Kundensegmentierung nach Kaufpotenzial
Marketingverantwortliche müssen Kunden mit hohem Kaufpotenzial von Kunden mit niedrigem Kaufpotenzial unterscheiden, um Printwerbemittel gezielt einsetzen zu können.
Erhöhung des ROI
Ziel ist es, den Return on Investment zu maximieren, indem die Ausgaben für Kampagnen durch den erzielten Umsatz ausgeglichen werden.
Unser Ziel ist es, dem Marketingmanager möglichst genau vorherzusagen, welcher Kunde wie viel Wert für das Unternehmen in der Zukunft bringen wird. Dadurch soll er in die Lage versetzt werden, sein Marketingbudget effizient einzusetzen.
Da wir in diesem Fall sowohl über den Wert eines Kunden sprechen als auch wissen wollen, wie wahrscheinlich es ist, dass ein Kunde kauft, kombinieren wir beide Aspekte in der Berechnung. So haben wir am Ende zwei Modelle: das Aktivitätsmodell und das Umsatzmodell. Diese werden im letzten Schritt kombiniert, um eine optimale CLV-Prognose zu erhalten.
Zunächst lassen wir die historischen Kundendaten, die in diesem Fall in Hülle und Fülle vorhanden waren, durch maschinelles Lernen analysieren. Dadurch können wir Rückschlüsse auf das Kundenverhalten ziehen.
Dieses Verfahren wird angewandt:
1.
Der Algorithmus berechnet den abgezinsten Deckungsbeitrag eines jeden Kunden.
2.
Ein prädiktives CLV-Modell wird erstellt.
3.
Tägliche Berechnung der Umsatzprognose pro Kunde für 12 Monate.
Aufbau und Datenfluss eines CLV Modells
Nachdem wir verschiedene Modelle trainiert und schließlich mit Trainingsdaten validiert haben, kombinieren wir in einem letzten Schritt die beiden entwickelten Modelle und erhalten so ein ideales, kundenindividuelles und prädiktives Customer-Lifetime-Value-Modell für die nächsten 12 Monate.
Für die Analyse werden folgende Variablen berücksichtigt:
- Nettoumsatz nach Retouren für den Zielzeitraum
- Kaufhäufigkeit
- Durchschnittliche Warenkorbgröße in € über die komplette Kundenhistorie
- Angebote und Rabatte
- Marketingmaßnahmen und damit verbundene Kosten
- Tage seit letzter Bestellung des Kunden
Was ist das Ergebnis nach der Implementierung der KI-basierten CLV-Prognose?
Unser Ziel war es, dem Marketingmanager eine Vorlage an die Hand zu geben, mit der er das Marketingbudget effektiv und mit möglichst geringem oder gar keinem Verlust planen kann.
Die prädiktive – auf maschinellem Lernen basierende – CLV-Prognose sollte dem Marketingteam als Anhaltspunkt dienen, um zu entscheiden, welcher Kunde der richtige Adressat für die Printkampagne ist. Auf diese Weise sollten sowohl der Umsatz als auch der ROI gesteigert werden.
Als Ergebnis wurde deutlich, dass durch die Orientierung am CLV die Printwerbemittel effektiver eingesetzt wurden. Durch diesen effektiven Einsatz konnte ein Mehrumsatz von unglaublichen 29% erzielt werden.
Für jede Aussendung konnte eine optimale Zielgruppe ermittelt werden, so dass der Return on Investment (ROI) um ganze 42% gesteigert werden konnte.
Abschließend zeigt dieses Anwendungsbeispiel, wie wichtig die Kennzahl Customer Lifetime Value für Umsatz und ROI ist. Dies ermöglicht eine effiziente Planung von Marketingkampagnen, von der sowohl die Kunden als auch das Unternehmen profitieren.
Welche Probleme konnten durch CLV-gesteuertes Marketing vermieden werden?
- Marketingbudget für Kunden mit niedrigem Umsatzpotenzial veerschwendet
- Zu hohe Personalkosten aufgrund manueller Prozesse
- Ineffiziente Kampagnensteuerung durch manuelle Selektionsprozesse
Möchten auch Sie wissen, wie hoch der Wert Ihrer Kunden ist? Wir beraten Sie gerne!
Ihr Ansprechpartner
Ob und wie künstliche Intelligenz Ihnen weiterhelfen kann, können Sie in einem ersten, unverbindlichen Gespräch mit uns herausfinden.
In diesem Gespräch erfahren Sie:
- Wie Ihr Use-Case technisch am besten umgesetzt werden kann
- Wie wir maximal sicher mit Ihren Kundendaten umgehen
- Wie lange wir für die Umsetzung benötigen und wie ein konkreter Projektplan aussehen könnte