AFO Marketing AG Präsentation für Swiss CRM Forum 19. September 2019
•Als PPTX, PDF herunterladen•
1 gefällt mir•252 views
AFO Marketing AG Präsentation für das Swiss CRM Forum 2019: Einsatz einer Customer Data Platform in Realtime Marketing Analytics
Empfohlen
Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Ähnlich wie AFO Marketing AG Präsentation für Swiss CRM Forum 19. September 2019
Ähnlich wie AFO Marketing AG Präsentation für Swiss CRM Forum 19. September 2019 (20)
AFO Marketing AG Präsentation für Swiss CRM Forum 19. September 2019
- 1. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 1 Einsatz einer Customer Data Platform in Realtime Marketing Analytics Peter Hartmann, AFO Marketing AG Jeannette Ulrich, Barfland AG
- 2. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 2 Agenda • Barfland: Der BARF Online Shop in der Schweiz • Über AFO Marketing AG • Customer Data Platform (CDP) • Realtime (Marketing) Analytics • Barfland Use Case
- 3. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 3 Barfland: Der BARF Online Shop in der Schweiz
- 4. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 4 Der BARF Online Shop der Schweiz Facts & Figures 27kg PAKETE MAX./ GRÖSSTENTEILS TIEFGEKÜHLT GEGRÜNDET 2011 Markt SCHWEIZ >100 PRODUKTE
- 5. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 5 Barfland Vision & Mission Unser Motto "von Barfer für Barfer" möchten wir leben, indem wir unseren Kunden eine abwechslungsreiche Produktpalette und gute Preise bieten. Ob die Kunden schon überzeugte Barfer oder Neueinsteiger sind, spielt dabei keine Rolle. Mit einem unkomplizierten, schnellen Online-Shop sowie gutem Service möchten wir den Alltag unserer Kunden möglichst einfach gestalten. Wir bieten naturgerechte Nahrung mit Abwechslung und immer wieder neuen Überraschungen. Unsere Kunden dabei als Partner zu unterstützen ist unser Ziel. Die Vorteile unserer Barfland-Kunden: – Einfach online bestellen – Beste Auswahl – Konkurrenzlos günstig – Schnelle Heimlieferung – Von Barfer für Barfer Unser Maskottchen Nunzio beim Eichhörnchen beobachten
- 6. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 6 Produkte Wir führen Barf Fleisch, Leckerli, Kauartikel, Obst & Gemüse, Fleisch in Würsten & Dosen, Futterergänzung, und Barf Katzenfutter….. Auch führen wir „spezielle“ Artikel wie Kaninchen am Stück oder z.B. Eintagesküken etc…. Besteller, Spezielles & Neues: Pferdefleisch Pansen am Stück Rindfleisch Barf-komplett
- 7. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 7 Digitales Universum E-COMMERCE Webshop SOCIAL MEDIA Facebook, Blog ONLINE MARKETING Newsletter SEO / SEM DIGITAL mobile ZUSÄTZLICHE ELEMENTE Pop-Ups und Triggering Nunzio testet Glace Rezept für unsere Barfland Kunden
- 8. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 8 Über AFO Marketing AG
- 9. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 9 AFO Marketing AG Data Management Machine Learning Automation Data Lake, CDP, Data Quality, Data Enrichment Personas, Customer Journey, Optimization, Recommendations, Big Data, Geo Solutions CRM, Marketing, Sales, Customer Service
- 10. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 10 Data Management ERP CRM Web Service Marketing CDP Data Lake Reports ML Externe Quellen Datenqualität Datenschutz Daten- anreicherung Customer Data Platform Data Lake / Data Warehouse
- 11. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 11 Machine Learning Personas Customer Journey Recommendations Marketing Attribution Churn Prognose Kundenwert Image & Voice Scoring Modelle Geo Analytics
- 12. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 12 Automation Beratung Umsetzung Konzept Beratung Marketing Sales Kunden- Service Evaluation Bereich Implement -ierung
- 13. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 13 Customer Data Platform (CDP)
- 14. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 14 Grundidee einer CDP Webseite App Shop Kundenservice Email Events CDP Webseite: App: Shop: Callcenter: Email: Event A: Kunde 1 Webseite: App: Shop: Callcenter: Email: Event A: Besucher 15 … Analytics Reporting Machine Learning Marketing Advertising Sales Kundenservice real time
- 15. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 15 Cross Domain & Cross Device Stromversorger Webseite Kundenlogin App Heizungskontrolle IoT Blogseite Whitepaper Holzpellets Stromversorger Stromversorger Kunden Nr. Email Kunden Nr. Kunden Nr. Email ! ! ! ! CDP • _______ • _______ • _______ • _______ • _______ 360°-Sicht
- 16. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 16 360°-Kundensicht & Event Stream Kunden Center Support / Chat Stationärer Verkauf ERP CRM Email Print Online Verkauf Webseite Ads App Social Media Pinterest App Webshop Youtube Twitter Newsletter Webseite Standort A Hotline Newsletter Frau Muster Herr Beispiel
- 17. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 17 IoT-Anwendung mit Beacons CDP Davos Gäste App Gästekarte Wetter Eventkalender Davos • Alle zwei Wochen in Davos • Fährt oft Bergbahn • War in Viamala-Schlucht • Spielt oft Tennis Indoor Herr Meier 360° Machine Learning Beacon Personalisierte Empfehlung • Bei schönem Wetter: Skultpturenweg Davos-Frauenkirch • Bei schlechtem Wetter: Tennis Indoor (5% Rabatt)
- 18. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 18 (Mögliche) Bestandteile einer CDP Tracking Tag Management Event StreamKundensichten Visitor Stitching Segmentation Automation Machine Learning Analytics
- 19. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 19 Dynamische Zielgruppen • Werden für personalisiertes Marketing eingesetzt • Dynamisch: • je nach aktuellem Kundenprofil befindet sich Person in Zielgruppe oder nicht • Zugehörigkeit zu Zielgruppen ändert in real time Weniger: • Männlich • Zwischen 30-40 Jahre alt • Hat letzten Newsletter erhalten und nicht geöffnet • Hat in den letzten 90 Tagen für über CHF 200 eingekauft • Kauft nur online ein • Ist rabattaffin • Hat den letzten Gutschein vor 5 Monaten eingelöst • Befindet sich zurzeit gerade im Webshop Mehr:
- 20. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 20 Zielgruppen – Intelligente Automation Aktion innerhalb des Connectors: «Ist Kunde in Zielgruppe, dann mache Folgendes» Grossteil der Automation erfolgt über Regelwerk für Zielgruppen Zugehörigkeit Frau Muster Bedingungen für «VIP» Erfüllt! Connector Mailchimp Email Adresse Emailversand Einzige Automation: Wenn in Liste CDP
- 21. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 21 Datenaustausch zwischen CDP und Systemen Data Inflow Data Outflow Quellen des Data Streams für Kundenprofile: • Web, App etc. Tag • CRM, ERP etc. Data Import oder reverse Connectoren Data Import: • Csv Files via Transfer-Plattform (z.B. AWS S3 Bucket) Daten stehen via Connectoren, Webhooks und Tag Manager zur Verfügung: • Trigger: «Ist Kunde in Zielgruppe, dann mache Folgendes» • Connectoren: Templates für (API) Schnittstellen zu Systemen
- 22. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 22 Nutzen einer CDP im Marketing Omnichannel Management Individuelle Kundenbetreuung in allen Phasen der Customer Journey Konsistente Kundenerfahrung entlang aller Touchpoints Vielfalt der Tools und digitalen Anwendungen Kooperation mit anderen Fachabteilungen
- 23. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 23 Realtime Marketing Analytics
- 24. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 24 Architektur einer Systemlandschaft mit CDP Tag Manager Data Hub Data Lake Data Warehouse Client-Side Server-Side Advertising Automation Analytics Machine Learning
- 25. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 25 Datenformate - Beispiele Strukturiert Semi-strukturiert Unstrukturiert Customer ID Total direct visits Total referred visits Lifetime visit count 3 50 8 58 67 2 1 3 22 73 56 129 1 11 15 26
- 26. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 26 Data Lake vs. Data Warehouse Data LakeData Warehouse Datenbereinigung Organisation in ein Schema (Tabellen) Analyse direkt im Data Warehouse (oder Auszüge davon) Speicherung der Daten in ihrer Rohform Datenaufbereitung nach Bedarf
- 27. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 27 ETL-Prozess für Datenaufbereitung Data Lake ETL Extract Transform Load DWH/CRM/ERP Customer ID Total direct visits Total referred visits Lifetime visit count 3 50 8 58 67 2 1 3 22 73 56 129 1 11 15 26
- 28. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 28 360°-Kundensichten und Machine Learning • Kundensegmentierung • Algorithmus soll Segmente anhand der vorhandenen Muster selber definieren Segment 1 Segment 2 Segment 3 Mögliche Dimensionen: • NL-Öffnungsverhalten • Onlineverhalten • Offlineverhalten • Nutzung Kundenservice • Lieblingsprodukte… In Echtzeit
- 29. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 29 Zusammenspiel mit CDP Data Hub Connector S3 Aufbereitung DWH/CRM/ERP AWS Daten Rohdaten Aufbereitete Daten Customer ID Total direct visits Total referred visits Lifetime visit count 3 50 8 58 67 2 1 3 22 73 56 129 1 11 15 26 Machine Learning Reporting z.B. Affinitäten, die auf AWS gerechnet wurden
- 30. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 30 CDP & Data Lake & ML – Nutzen Infrastruktur für Datenanalysen in Echtzeit Datenintelligenz: Analyse komplexer Verhaltensmuster Real time Segmentierungen Zusätzliche Verknüpfungsmöglichkeit mit Systemen
- 31. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 31 Barfland Use Case
- 32. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 32 Use Case: Idee • Ziel: Wir wollen die Conversion im Barfland Shop erhöhen • Je nach Kaufwahrscheinlichkeit möchten wir einen Gutschein ausspielen im Shop • Bei sehr tiefer Kaufwahrscheinlichkeit geben wir einen Gutschein von CHF 20.-, bei mittlerer Kaufwahrscheinlichkeit CHF 10.- • Unsere regelmässigen guten Kunden belohnen wir anders und möchten den Kaufprozess nicht stören
- 33. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 33 Use Case: Umsetzung • Analyse der Daten und Berechnung eines logistischen Modells (Kauf ja/nein) • Realtime Berechnung der Wahrscheinlichkeit, dass aktueller Besuch auf barfland.ch zu einem Kauf führt, unter Einbezug von • Visitor- & Visit-Attributs • Events (aus der aktuellen Session) • Kundeninformationen (Kaufverhalten in der Vergangenheit) • Realtime Ausspielung mit Rabatt-Angebot bei Besuchen mit geringer und mittlerer Kaufwahrscheinlichkeit (mittels Pop-up)
- 34. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 34 Use Case: Modellierung
- 35. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 35 Use Case: Scoring Tracking aller Events während 30 Sekunden Nach 30 Sekunden: aktuelle Visit- und Eventdaten, sowie Visitor-Attribute an API Gateway Weiterleiten der Daten an AWS Lambda-Funktion Aufbereitung der Daten und Weiterleitung an Endpoint Rückgabe des Scores an Lambda Weiterleitung des Score an Tealium Collect API Registrierung des Scores als Visit-Attribute Ausspielung des Rabatt- Angebots auf Grund des Scores
- 36. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 36 Use Case: Video
- 37. 19.09.2019 Einsatz einer Customer Data Platform in real time Marketing Analytics 37 Einsatz einer Customer Data Platform in Realtime Marketing Analytics Peter Hartmann, AFO Marketing AG Jeannette Ulrich, Barfland AG
Hinweis der Redaktion
- BARF = Biologisches Artgerechtes Rohes Futter
- 322 Interaktionen & 4’806 erreicht Personen mit Eichhörnchen Gif
- Mit dem Neuheiten Gif hatten wir 250 Interaktionen & 7’020 Erreichte Personen (Obst-Mix etc.).
- Nunzio testet Glace Rezept, 554 Interaktionen & 5’606 erreichte Personen
- Nunzio testet Glace Rezept, 554 Interaktionen & 5’606 erreichte Personen
- Nunzio testet Glace Rezept, 554 Interaktionen & 5’606 erreichte Personen
- Nunzio testet Glace Rezept, 554 Interaktionen & 5’606 erreichte Personen
- Nunzio testet Glace Rezept, 554 Interaktionen & 5’606 erreichte Personen
- Das Konzept der CDP sieht also so aus, wie hier auf der Folie dargestellt Sie kommen auf verschiedenen Kanälen mit Ihren Kunden in Kontakt, sei das Im Internet Per Telefon Via Email Oder in Ihrem Shop im Niederdörfli in Zürich Auf all diesen Kanälen hinterlassen Ihre Kunden Spuren Sei das das Surfverhalten auf der Webseite Das Telefongespräch mit dem Kundenberater Den Klick auf einen Link im Email Oder den Einkauf im Niederdörfli-Shop Diese Spuren sind Daten, und diese Daten fliessen in verschiedene Systeme So sind in Ihrem Kassensystem zum Beispiel keine Daten zum Surfverhalten des Kunden auf der Webseite, oder in Ihrem Email Tool wissen Sie nicht, was der Kunde mit dem Kundenberater telefonisch besprochen hat Ihnen fehlt also eine komplette Sicht auf Ihren Kunden, eine Sicht mit sämtlichen Spuren Ihres Kunden Die CDP löst genau dieses Problem Sie verknüpft sich mit all Ihren Systemen, d.h. der Webseite, dem Kassensystem etc. Sie zieht die Daten Ihrer Kunden und Besucher aus diesen Systemen in die Plattform und führt die Daten eines Kunden zu einer 360°-Sicht zusammen So haben Sie in der CDP von jedem Webseiten-Besucher und jedem Kunden ein Profil mit sämtlichen Daten Diese Profile stellt die CDP dann allen Systemen zur Verfügung So können Sie zum Beispiel im Email Tool das Gesprächsthema vom telefonischen Gespräch Ihres Kunden mit dem Berater anzeigen lassen Wichtig dazu zu sagen ist, dass das ganze in real time abläuft Wird das Gesprächsthema in der Kundenservice-Lösung jetzt festgehalten, steht es jetzt im Email Tool zur Verfügung D.h., dank dieser 360°-Kundensicht können Sie Ihre Marketing-Aktivitäten vollständig personalisieren Ich zeige Ihnen nun rasch, wie so ein 360°-Kundenprofil in der CDP aussieht -> Tealium Besuchersuche und EventStream für real time
- Wichtig zu erwähnen ist, dass Customer Data Platforms Cross Domain und Cross Device beherrschen Wenn Sie mehrere Webseiten betreiben, zum Beispiel einen Webshop für Büchergestelle und einen Webshop für Bücher, können Sie mit der CDP verfolgen, wenn sie vom einen Shop in den anderen wechseln Das ist besonders für Cross-Selling sehr spannend Auch kann eine Customer Data Platform Ihre Besucher über verschiedene Devices wie Desktop und Tablet hinweg verfolgen Sobald sich ein Besucher auf beiden Geräten zu erkennen gegeben hat und sich zum Beispiel im Gästeportal eingeloggt hat, kann die CDP die beiden Geräte zusammenführen und derselben 360°-Kundensicht zuordnen
- Wie wir bereits im Grundlagen-Webinar gesehen haben, erstellt die CDP eine real time 360°-Sicht auf Ihre Kunden und anonymen Besucher Dazu verknüpft sich die CDP mit sämtlichen Systemen wie der Webseite, Ihrem Kundenservice-System, Ihrem Kassensystem bzw. ERP, Ihrem CRM oder Ihrem Email Marketing Tool. Aus diesen Systemen zieht die CDP die Daten eines Kunden zusammen zu einer 360°-Kundensicht Diese Daten bilden den Data bzw. Event Stream, der in die CDP fliesst Da sich die CDP mit allen möglichen Systemen verknüpfen kann, kann sie praktisch die gesamte Customer Journey Ihrer Kunden mit sämtlichen Touchpoints abbilden In der 360°-Kundensicht haben Sie also sämtliche Interaktionen Ihrer Kunden und Besucher auf allen Touchpoints hinterlegt und haben so eine Gesamtübersicht über die Tätigkeiten und Bedürfnisse Ihrer Kunden
- Ein interessantes Feature von CDP ist, dass sie auch die Daten von IoT-Geräten verarbeiten können Eine sehr einfache IoT-Anwendung sind Beacons Das sind im Prinzip kleine Sender, die in regelmässigen Abständen Signale in ihre Umgebung senden Diese Signale können von Smartphones empfangen werden In der Regel stossen diese Signale eine App an, die dann Content ausspielt, der zur geografischen oder zeitlichen Situation passt Eine CDP kann die Nutzung der App tracken und den Content personalisieren, der beim Anstoss durch einen Beacon ausgespielt wird Stellen Sie sich vor, Sie hätten die Gästekarte-App von Davos und passieren bei der Hinfahrt am Dorfeingang einen Beacon Anstatt jetzt einfach ein «Herzlich Willkommen in Davos» auf Ihrer App zu haben, erhalten Sie mit einer CDP eine personalisierte Mitteilung Da Sie die Gästekarte-App oft für die Bergbahn nutzen und dies von der CDP registriert wird, könnte die Mitteilung vielleicht lauten «Morgen ist schönes Wetter. Nutzen Sie die Bergbahn, um den Skulpturenweg Davos-Frauenkrich zu entdecken»
- Um all die unterschiedlichen Tätigkeiten ausüben zu können, umfasst die CDP verschiedene Bestandteile Nicht alle CDP umfassen alle Bestandteile, wie wir gleich noch sehen werden Die CDP kann einen Tag Manager umfassen, der den Fluss der Onlinedaten regelt D.h., der Tag Manager trackt das Verhalten von Webseitenbesuchern oder App-Nutzern Im zweiten Webinar werden wir näher auf den Tag Manager eingehen Die CDP umfasst ebenfalls den Data Hub, der wiederum aus 3 Teilen besteht Da sind die 360°-Kundensichten, pro Kunde und pro Besucher ein Profil Dann haben wir den vollständigen Datenfluss, den Event Stream, der die einzelnen 360°-Kundensichten mit Werten befüllt Dann haben wir aber auch noch den Arbeitsbereich In diesem Arbeitsbereich werden Segmente festgelegt und Regeln, nach denen die Kunden in diese Segmente eingeteilt werden Zum anderen werden Regeln festgelegt, um in bestimmten Situationen passende Aktionen in anderen Tools anzustossen Wenn also zum Beispiel ein Kunde in den letzten 90 Tagen für mehr als 500 Franken eingekauft hat, wird er in der CDP dem Segment VIP zugeordnet Sobald er in diesem Segment ist, stösst die CDP das Email Marketing Tool an, damit dieses dem Kunden eine Dankesemail mit einem Treuegutschein verschickt In einigen CDP steht auch eine Analytics Plattform zur Verfügung Mit dieser kann man zum Beispiel Modelle zur Berechnung von bestimmten Affinitäten anwenden oder Scores berechnen
- Grundsätzlich müssen Sie sich die 360°-Kundenprofile im stetigen Fluss vorstellen Da die 360°-Kundenprofile stets mit neuen Daten gefüttert werden, ändern sie sich ständig. Das gilt insbesondere für die Attribute, die bei jeder neuen Information aktualisiert werden Ein Kunde kann heute ein Warenkorb-Abbrecher sein und morgen ein Kunde mit neuer Bestellung und neuem Bestellwert über die letzten 90 Tage Das hat zur Folge, dass die Zielgruppen, die Sie in der CDP erfassen können, sogenannte dynamische Zielgruppen sind D.h., ein Kunde wird nicht einmal einer Zielgruppe zugeordnet und bleibt fix in dieser Zielgruppe, sondern kann die Zielgruppe betreten und wieder verlassen, je nach aktuellem Stand des 360°-Kundenprofils Wenn Sie im Data Hub Zielgruppen definieren, können Sie auf sämtliche Daten und Attribute in der 360°-Kundensicht zurückgreifen Somit können Sie komplexe Zielgruppen definieren, wie zum Beispiel hier auf der Folie abgebildet Diese Zielgruppen können die aktuellen Bedürfnisse und Verhaltensweisen Ihrer Kunden sowie deren stetige Veränderung also sehr gut abbilden
- Die komplexen dynamischen Zielgruppen und die aktuellen Werte der Attribute können Sie nutzen, um mit der CDP Aktivitäten anzustossen D.h., Sie können in der CDP Automationen erstellen, die beim Erreichen eines bestimmten Attributwerts oder beim Zuteilen zu einer bestimmten Zielgruppe losgetreten werden Diese Automationen sind im Prinzip Workflows D.h., in diesen Automationen legen Sie fest, was geschehen muss, wenn ein Kunde zum Beispiel die dynamische Zielgruppe VIP betritt Die CDP prüft bei jeder neuen Aktualisierung des Kundenprofils, ob der Kunde dieser Zielgruppe zugeordnet wurde Wenn dies der Fall ist, sendet die CDP zum Beispiel einem Email Marketing Tool die Emailadresse des Kunden und die Information, welche Email versendet werden muss Das Email Marketing Tool nimmt die Email Adresse in der passenden Automation oder in der passenden Liste auf und versendet die entsprechende Email Alles in real time, falls gewollt Das Email Marketing Tool muss also nicht über die gesamte 360°-Kundensicht verfügen, um absolut personalisierten und passenden Content auszuspielen Es reicht, wenn die CDP den Überblick hat Das ist im Prinzip die Magie der CDP Sie beurteilt die aktuelle Situation jedes einzelnen Kunden Sie startet je nach Situation den passenden Workflow und löst in anderen Tools Aktivitäten an, die den Kunden in seiner aktuellen Situation unterstützen Das ist personalisiertes Marketing Diese Automationen erfolgen entweder über Connectoren im Data Hub oder über Tags und Erweiterungen im integrierten Tag Manager
- Die CDP kann Informationen also über den Tag Manager oder über Connectoren und Webhooks an andere Tools weitergeben Connectoren sind im Prinzip nichts anderes als Templates für die Ansteuerung von API-Schnittstellen, die von anderen Tools zur Verfügung gestellt werden Empfangen kann die CDP die Daten ebenfalls über verschiedene Kanäle: Die Onlinedaten, d.h., Daten von der Webseite oder von Apps, bezieht die CDP über den eigenen Tag Daten aus anderen Systemen können entweder über einen Importservice bezogen werden Falls das System über eine API-Schnittstelle verfügt, können die Daten auch mittels inflowing Connectoren in die CDP importiert werden
- Zum Schluss möchte ich noch kurz auf die Vorteile von CDPs eingehen Schliesslich würden wir keine Webinare zu CDPs halten, wenn wir nicht von deren Mehrwert überzeugt wären Da Sie mit der CDP eine 360°-Sicht auf Ihre Kunden haben und genau wissen, was der Kunde auf welchem Kanal gemacht hat, können Sie auch eine wirkliche Omnichannel Strategie erstellen Sie wissen, was Sie auf den verschiedenen Kanälen tun müssen und können die Omnichannel Landschaft besser managen Sie können Ihre Interaktionen mit den Kunden vollständig personalisieren und jeden einzelnen Kunden individuell betreuen, über die gesamte Customer Journey hinweg Da Sie die verschiedenen Marketingaktivitäten zentral in der CDP steuern können, können Sie auch ein konsistente Kundenerfahrung erarbeiten Da die CDP über sehr viele Schnittstellen zu anderen Systemen verfügt, sind Sie in der Toolwahl sehr flexibel und nicht an ein bestimmtes System gebunden Da alle Abteilungen über dieselbe Definitionen, Daten und Regelwerke verfügen, ist die Zusammenarbeit bedeutend einfacher Sie definieren zum Beispiel ein Segment in der CDP und auf dieses Segment haben alle Tools und Abteilungen Zugriff. So verhindern Sie Unsicherheiten bzgl. Segmentsdefinitionen Gut, damit möchte ich nun den Präsentationsteil des Webinars schliessen und eröffne die Fragerunde Sie können Ihre Fragen direkt im Chat stellen und ich werde die Fragen nach Möglichkeiten direkt beantworten Bis die ersten Fragen eintrudeln kann ich noch ein bisschen aus dem Nähkästchen erzählen Wir werden immer wieder mit der Frage konfrontiert, ob es eine Mindestgrösse für die CDP gibt bzw. wie viele Daten muss ein Unternehmen haben, damit sich eine CDP lohnt Wenn Sie zum Beispiel nur 30 Kunden haben, Ihre Webseite einmal pro Tag aufgerufen wird und Sie ausschliesslich Email Marketing betreiben, dann wäre eine CDP wohl ein Overkill Wir haben die CDP aber auch für kleine, aber sehr feine Webshops implementiert. Der eine Webshop hat pro Jahr ca. 1.5 Mio Events mit 1 Mio Seitenaufrufe pro Jahr Da gibt es also Webseiten, die bedeutend mehr Traffic haben Aber es kommt ja nicht alleine auf den Traffic an, sondern auch darauf, wie komplex oder starr die Systemlandschaft ist, wie viele Kunden man hat und wie schwer das Problem der Datensilos wiegt Das Pricing, also die Kosten für die CDP, richtet sich in der Regel nach Anzahl Events, welche von der CDP verarbeitet werden Je mehr Daten man in die CDP spielt, umso höher sind die Lizenz-Kosten
- Betrachten wir im ersten Schritt eine Systemlandschaft, in der eine CDP eingebettet ist Auf der linken Seite haben Sie sämtliche Tools, die Sie für Ihre Marketing- und Advertising Aktivitäten benötigen Sei dies Ihre Webseite, Ihr Email Marketing Tool, Google Analytics, Double Click oder Ihren Chat, den Sie auf der Webseite eingebaut haben Die CDP verknüpft sich mit diesen Systemen, sei das über den CDP-eigenen Tag im Tag Manager oder sei das über die Connectoren im Data Hub Das sehen Sie auf der rechten Seite Die CDP führt die Daten aus diesen Systemen in 360°-Kundensichten zusammen und reichert die Sichten mit zusätzlichen Attributen an Die CDP selber arbeitet mit diesen 360°-Kundensichten, jedoch können diese Kundensichten auch extern gespeichert und für weitere Analysen verwendet werden, auch können die 360°-Kundensichten für Scoring-Modelle und Affinitätsberechnungen verwendet werden, um die Werte von den entsprechenden Attributen in der 360°-Kundensicht zu berechnen Und genau in diesem Bereich kommt der Data Lake und Machine Learning ins Spiel Die Daten der 360°-Kundensichten sind nicht in Tabellenform hinterlegt, die CDP arbeitet nicht mit Tabellen, sondern mit semi-strukturierten Daten. -> Daten werden im Data Lake gespeichert (keine Details dazu) Was das genau heisst, werden wir gleich noch erfahren Diese semi-strukturierten Daten können nicht direkt in ein Data Warehouse überführt werden, da diese immer mit Tabellen arbeiten Deshalb wird zwischen die CDP und dem Data Warehouse oft ein Data Lake geschoben, der mit solchen semi-strukturierten Daten umgehen und diese in Tabellenform bringen kann Die aufbereiteten Daten werden dann entweder direkt oder via Data Warehouse für Machine Learning-Tätigkeiten zur Verfügung gestellt
- Bevor wir jetzt mit dem Data Lake weitermachen, möchte ich ganz kurz auf die verschiedenen Datenformate eingehen Strukturierte Daten sind immer in Tabellenform Wenn Sie also zum Beispiel eine Tabelle im Excel erstellen, dann erstellen Sie strukturierte Daten Zu den semi-strukturierten Daten zählen JSON, XML Diese Daten sind nicht in fixen Feldern in einer Tabelle eingetragen Dennoch folgen diese Daten einer Syntax und haben Elemente (wie zum Beispiel Komma oder Semikolon), diese Elemente trennen Datenpunkte voneinander und teilen sie in verschiedene Hierarchien ein Zu den unstrukturierten Daten zählen Texte, Bilder, Audios und Videos Wie der Name bereits sagt, folgen sie keiner spezifischen Struktur Die Struktur eines Bildes, zum Beispiel die Anordnung der verschiedenen Farbpunkte in einem Bild, ist ganz anders als in einem anderen Bild. Nur weil man die Struktur eines einzigen Bildes kennt, heisst das noch lange nicht, dass man damit ein anderes Bild sofort erkennen kann. Ganz im Gegensatz zu Tabellen: Kennt man die Spalten einer Tabelle, kann man neue Daten in dieser Tabelle sofort interpretieren
- Ich kann Ihnen hier nochmals einen kurzen Überblick über die Prozesse geben Links haben wir den Prozess, der mit einem Data Warehouse durchlaufen wird Die Daten, die zum Beispiel aus dem ERP stammen, werden vor der Speicherung bereinigt, aufbereitet und in die entsprechende Tabellenform gebracht Dann werden die Daten im Warehouse gespeichert und stehen für Analysen zur Verfügung Diese Analysen können direkt im Data Warehouse vorgenommen werden oder aber auf Teilbereichen oder Exporten aus dem Data Warehosue Rechts haben wir den Prozess, der mit einem Data Lake durchlaufen wird Die Daten, die zum Beispiel von der Webseite stammen, werden direkt im Data Lake gespeichert Benötigt eine Person die Daten für Analysen, werden die benötigten Daten aufbereitet. Und zwar so, dass die Person die gewünschten Analysen durchführen kann Data Lakes eignen sich besonders gut für ausgesprochen grosse Datenmengen, da die Daten beim Data Lake nur bei Bedarf aufbereitet werden müssen Data Lakes werden sehr rasch sehr gross Deshalb macht es oftmals Sinn, einen Data Lake in der Cloud zu haben, die die entsprechende Skalierbarkeit bietet
- Wie muss man sich das jetzt vorstellen, wenn die Daten im Data Lake aufbereitet werden? Zur Aufbereitung der Daten kommen sogenannte ETL-Prozesse zum Einsatz ETL heisst nichts anderes als Extract, Transform, Load oder Extrahieren, Transformieren, Laden Schauen wir uns diesen Prozess mit Hilfe von AWS an, den Amazaon Web Services AWS ist ein Cloud-Anbieter, der Data Lakes, Services zur Aufbereitung von Daten und Analysetools bietet In der AWS kann man sich also alle benötigten Services zusammenstellen In S3 kann man einen Data Lake einrichten, der sämtliche Daten in allen Datenformaten aufnimmt Wenn man nun die Daten aufbereiten muss, stehen zwei Services zur Verfügung: AWS Glue und Amazon EMR Man gibt in diesen Services vor, wie die aufbereiteten Daten bzw. die resultierende Tabelle aussehen muss Auch gibt man in diesen Services vor, wo die resultierende Tabelle gespeichert wird Die Tabelle kann entweder wieder im Data Lake in S3 gespeichert werden Oder aber die Tabelle kann direkt im eigenen Data Warehouse oder in einem entsprechenden System wie CRM oder ERP gespeichert werden Wenn die Datenbank in der gleichen Infrastruktur wie der Data Lake ist, kann man direkt ins DWH hineinschreiben, ansonsten braucht man eine API, die von den Funktionen angesteuert werden kann
- Obwohl das Thema Machine Learning für Sie vielleicht recht abstrakt klingen mag, ist es wichtiger Grundstein für das Marketing Heutzutage stehen immer mehr Daten zu den Kunden zur Verfügung und diese werden vor allem für Kundensegmentierungen, Personasbildung, Scorings, Affinitäten und personalisierte Ansprache verwendet Und genau hier kommen eben Machine Learning zum Einsatz Stellen Sie sich die vielen Informationen vor, die Sie in der 360°-Kundensicht in der CDP gespeichert haben Diese 360°-Kundensichten bieten Ihnen unzählige Analysemöglichkeiten Zum Beispiel können Sie diese 360°-Kundensichten nehmen, um Ihre Kunden und Besucher in feingliedrig definierte Kundensegmente einzuteilen So können Sie diese 360°-Kundensichten Ihrem Machine Learning Agenten übergeben und diesen ein Clustering durchführen lassen Der Agent gruppiert dann ähnliche Kunden und gibt Ihnen dann die entsprechenden Gruppen und deren Eigenschaften bekannt Dank der 360°-Kundensicht können die Eigenschaften der Gruppen Informationen zum Newsletter-Verhalten, zum Online bzw. Offline Einkaufsverhalten, bevorzugte Kommunikationskanäle, Chatnutzung oder Kundenservice-Beanspruchung, Lieblingsprodukte im Internet und Lieblingsprodukte in der Filiale etc enthalten Dank der sehr umfassenden Beschreibung dieser Gruppen können Sie Ihre Kampagnen viel zielgerichteter ausarbeiten und Ihren Kunden ein ansprechendes Marketing bieten Eben gerade die 360°-Kundensicht schreit förmlich nach tiefergehenden Analysen, weil sie ein wahrer Fundus an Informationen ist Die Resultate aus diesen tiefergehenden Analysen lassen sich dann als Attribute wieder in der 360°-Kundensicht speichern, so dass die Kundensicht noch wertvoller wird
- Jetzt wissen wir, was ein Data Lake und Machine Learning ist Nun schauen wir den Kreislauf an, der sich bildet, wenn die CDP mit dem Data Lake und Machine Learning verknüpft wird Wenn man diese drei Bereiche verknüpft, kann man sich eine bedarfsgerechte Infrastruktur zur Datenanalyse aufbauen Wie ich bereits zu Beginn des Webinars erwähnt habe, arbeitet die CDP in der Regel mit Daten im JSON-Format Das sind also semi-strukturierte Daten Diese Daten können nicht direkt in ein Data Warehouse überführt werden, da sie kein Tabellenformat haben Deshalb müssen diese Daten zuerst auf eine Plattform geladen werden, um sie dort entsprechend aufzubereiten Hier kann ein Data Lake zum Einsatz kommen Die Daten werden über einen Connector in den Data Lake geladen und bei Bedarf in das passende Format überführt Dabei können neue Daten bzw. die in Echtzeit aktualisierten 360°-Kundensichten auch in Echtzeit in den Data Lake geschoben werden und in Echtzeit analysiert werden Viele datenfokussierte CDP-Anbieter bieten keine langfristige Speicherung der Daten an, da sie eher auf das Anstossen von real time Aktivitäten ausgerichtet sind und weniger auf die Datenspeicherung an sich Deshalb ist es oftmals notwendig, die 360°-Kundensichten in eine Datenbank zu überführen und dort längerfristig zu speichern Im Data Lake hat man verschiedene Möglichkeiten Die Rohdaten im Data Lake können zum einen einfach in das Data Warehouse überführt werden Zum anderen bieten viele Data Lake-Anbieter die Möglichkeit, an den Data Lake gleich auch noch Analysetools anzuhängen Man kann zum Beispiel die Daten aus dem Data Lake nutzen, um Kundensegmente zu bilden Und dann kann man zum Beispiel nur die berechneten Kundensegmente in das Data Warehouse oder zum Beispiel ins CRM überführen Es gibt natürlich auch die Möglichkeit, diese Kundensegmente wieder direkt an die CDP zurückzuspielen und dort beim entsprechenden Attribut zu hinterlegen Wenn die 350°-Kundensichten im Data Lake in Echtzeit aktualisiert werden, kann man die Kundensegmente in Echtzeit neu berechnen und die Segmentszugehörigkeit eines Kunden in der CDP binnen Sekunden aktualisieren Anhand dieser Kundensegmente kann die CDP dann wieder in Echtzeit dem Kunden passender Content ausspielen, zum Beispiel Produkte, die zu seinen Affinitäten passen Und damit schliesst sich der Kreislauf wieder Man kann mit der CDP, einem Data Lake und Analysetools also eine unglaublich kraftvolle Landschaft, mit der man wirklich tiefe Einblicke in die Lebenswelt und in das Wesen der Kunden erhält
- Zum Schluss möchte ich noch kurz den Nutzen erwähnen, der entsteht, wenn man die CDP mit einem Data Lake und Machine Learning verknüpft Mit der Kombination dieser 3 Bereiche kann man sich eine bedarfsgerechte Infrastruktur für Datenanalysen in Echtzeit aufbauen Die Verknüpfung der CDP mit einem Data Lake eröffnet unzählige Möglichkeiten für vertiefte Analysen der 360°-Kundensichten Man kann komplexe Verhaltensmuster analysieren Ausserdem kann man dank der real time Aktualisierungen der Daten im Data Lake auch real time Machine Learning Methoden laufen lassen und so Segmentszugehörigkeiten, Scores und Affinitäten in der CDP in Echtzeit aktualisieren In dem man sich eine eigene Infrastruktur zur Datenanalyse aufbaut und die Analyse keinen Tools überlässt, hat man auch immer die Kontrolle über die Methodik. Man muss nicht einem Tool vertrauen, sondern kann die Analyseverfahren selber bestimmen, optimieren und bedarfsgerecht gestalten Ausserdem bietet der Data Lake auch eine zusätzliche Möglichkeit, Daten von Systemen in die CDP zu laden Man kann den Data Lake als Transfer-Plattform für CSV-Files verwenden und so Daten von anderen Systemen in die CDP spielen
- «Software Paket» tönt etwas altmodisch und passt nicht wirklich in die Cloud Welt. Ich würde eher von «Lösung» oder «System» sprechen