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