Next Best Action in der Telekommunikationsbranche
Zu jeder Zeit die richtige Marketingaktion kennen? Für jeden Kunden? Next Best Action ist ein Marketingkonzept, was Machine Learning und Data Science Methoden nutzt, um die nächste beste Handlung im Marketing zu erfahren. So werden die richtigen Marketingaktionen gewählt, ein hoher Automatisierungsgrad erlangt und der Umsatz gesteigert.
In dieser Case Study für unseren Kunden aus der Telekommunikationsbranche zeigen wir Ihnen wie wir dies umgesetzt haben. Sie erfahren hier etwas über die bisherigen Herausforderungen des Unternehmens, über die Umsetzung unseres KI-Lösungsansatzes und die Vorteile, die ein Next Best Action Framework hat – auf Basis von Künstlicher Intelligenz.
Die Probleme von unpersönlichem Marketing
Unser Kunde hat einen Kundenstamm von über 6 Millionen Kunden und pflegt diesen durch regelmäßige Marketingmaßnahmen. Die gezielte, verkaufsfördernde Vermarktung bei Millionen von Kunden ist dabei verständlicherweise nicht einfach. Neben der Anzahl der Kunden ist die Anzahl der Produkte und Dienstleistungen eine weitere Herausforderung:
Welcher Kunde könnte sich für welches Produkt interessieren und wann ist der Kunde überhaupt für einen Kauf bereit? Hinzu kommt, dass sich jeder Kunde in seiner persönlichen Customer Journey befindet und seine eigenen Bedürfnisse hat.
Vor diesen Herausforderungen stand unser Kunde
Hoher manueller Aufwand
Der Selektionsprozess für das CRM-Kampagnenmanagement, war geprägt durch eine hohe Anzahl an Business Rules und Selektionskriterien, die manuell zur Auswahl der geeigneten Zielgruppe genutzt wurden.
Fehlende Personalisierung
Da der Marketing-Verantwortliche dies kaum alleine bewerkstelligen kann, entscheidet er sich häufig für die Variante: Eine große Kampagne an einfach jeden Kunden versenden. Alles andere als personalisiert.
Hohe Kosten
Unpersönliche Marketingstrategien führen nicht selten zu Misserfolgen. So gibt der Marketingmanager Budget für die Entwicklung von Kampagnen aus, ohne dadurch Ziele zu erreichen.
Gemeinsam mit unserem Kunden starteten wir mit der Entwicklung einer optimalen Lösung.
Um die eben erläuterten Probleme und Herausforderungen effektiv zu umgehen, entscheiden wir uns für die Implementierung eines KI-basierten Next Best Action Frameworks. Durch den analytischen Ansatz des Next Best Action Marketing kann das beste nächste Angebot für jeden Kunden ermittelt werden.
Wie entwickeln wir so ein intelligentes Modell?
1.
Zunächst sammeln wir die Daten aus unterschiedlichen Quellsystemen wie ERP, CRM und anderen Datenquellen und werten diese aus.
2.
Der von uns gewählte Lösungsansatz umfasst eine Vielzahl von unterschiedlichen Affinitätsmodellen. Modelle, die eine Produktaffinität für einen Vertragswechsel, eine Zubuchung oder Kanalaffinitäten vorhersagen.
3.
Die Besonderheit in diesem Projekt liegt darin, die verschiedenen Produktaffinitäten untereinander zu vergleichen, um die richtigen Entscheidungen im Marketing daraus automatisiert abzuleiten.
Unter anderem berücksichtigen wir dabei folgende Variablen:
- Historische Vertragsdaten
- Kundenstammdaten
- Kündigungsdaten
- Klickdaten aus Web-App und Website
- Konversiondaten
Die Besonderheit in diesem Projekt liegt darin, die verschiedenen Produktaffinitäten untereinander zu vergleichen, um die richtigen Entscheidungen im Marketing daraus automatisiert abzuleiten. Natürlich haben wir dafür zunächst eine umfassende Machine-Learning-Datenbasis aufgesetzt, aus der wir diese vielen Modelle mit Kundendaten versorgen.
Dabei ist ein wichtiger Schritt einen Prozess zu schaffen, der diese Vielzahl von Modellen (40+) regelmäßig neu trainiert. Nur so kann sichergestellt werden, dass die Modelle zu jeder Zeit, dass Kundenverhalten richtig deuten können.
Das Ergebnis ist ein voll automatisiertes Next Best Action Framework auf Basis von Machine Learning, was für jede Aktion einen Erwartungswert bestimmt und danach automatisiert Entscheidungen trifft.
Was sind die Ergebnisse nach der Implementierung des KI-basierten Next Best Action Frameworks?
Das Next Best Action Framework ermöglicht es uns für einzelne Produkte und Dienste jeweils die Wahrscheinlichkeit zu berechnen und diese dann mit der Umsatzerwartung zu gewichten. Dadurch kann das gesamte Marketing-Team im Vorhinein abschätzen, welche Kunden affin für welche Produkte sind und wie wahrscheinlich sie diese kaufen. So wird durch das Next Best Action Marketing die richtigen Marketingmaßnahme ausgewählt, um die Kunden kaufabschlussorientiert zu unterstützen.
- Reduktion manueller Aufwände
- Höhere Konversionrate
- Automatisiertes Kampagnenmanagement
Das Ergebnis sind vollautomatisierte und skalierbare Marketingprozesse, die abgestimmt auf das Kundenbedürfnis Handlungsempfehlungen berechnen.
Welche Probleme konnten durch eine KI-gestützte Prognose vermieden werden?
- Fehleranfällige manuelle Selektion mit Business-Logiken
- Zu hohe Personalkosten durch manuelle Prozesse
- Frustriertes CRM-Team durch ineffiziente Selektions-Prozesse
Wir konnten Ihr Interesse für eine KI-basierte Marketinglenkung wecken? Dann kontaktieren Sie uns gerne. Wenn Sie sich besonders für das Thema NBA/NBO interessieren, können Sie sich auf unserer Leistungsseite vorbeischauen.
Auch Sie möchten Ihren Kunden immer das passende Angebot anbieten? Das unterstützen wir! Kontaktieren Sie uns doch 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