Next Best X: 6 Tipps für höhere Conversions mit prädiktiver Analyse

Ein sich ständig änderndes Marktumfeld, sei es durch technologischen Wandel oder andere Einflüsse, kann so manche Überraschungen mit sich bringen. Für Marketer ist eine Sache jedoch garantiert: Conversions können durch das Targeting der richtigen Person mit dem richtigen Angebot zum richtigen Zeitpunkt gesteigert werden. Berücksichtigt man alle drei Komponenten, so führt dies zu höchst relevanter und personalisierter Kundenkommunikation.

Aber wie können Sie den richtigen Kunden, das richtige Angebot und den richtigen Zeitpunkt bestimmen? Die Antwort liegt in prädiktiven Analysen.

Prädiktive Analyse - was bedeutet das?

Der Begriff prädiktive Analyse, auch bekannt unter dem englischen Namen Predictive Analytics, bezeichnet eine Sammlung von Analysemethoden im Marketing. Die verschiedenen Methoden verwenden gesammelte Daten von vergangenen Transaktionen, sodass zukünftiges Kundenverhalten prognostiziert werden kann und entsprechende Marketing Maßnahmen eingeleitet werden können. Lernen Sie hier mehr über Predictive Analytics.

Tipps für höhere Conversions

Kombiniert ein Unternehmen die eigenen Transaktionsdaten der Kunden mit verschiedenen Methoden der prädiktiven Analyse, so können Conversions erheblich gesteigert werden. Im Folgenden möchten wir Ihnen drei Beispiel-Methoden vorstellen, anhand derer Sie mithilfe von prädiktiven Analysen neue Erkenntnisse aus Ihren Kunden- und Transaktionsdaten gewinnen können, die Sie wiederum für eine erfolgreiche Kundenkommunikation nutzen können.

#1 Next Best Customer

„Next Best Customer“, auch als Lookalike Modelling oder Profiling bekannt, ist eine wirkungsvolle Methode, um mehr Wert aus Ihren Bestandskunden zu ziehen. Folgendes Szenario soll dies verdeutlichen:

Sie möchten ein bestimmtes Produkt als Cross-Sell-Kampagne bewerben, da Sie zurzeit eine hohe Stückzahl davon auf Lager haben. Jedoch haben Sie nur ein begrenztes Budget, weshalb es gilt die folgende Frage zu beantworten: Wer ist mein nächster bester Kunde?

Zur Beantwortung dieser Frage müssen die Kunden in einem ersten Schritt näher betrachtet werden, welche das zu bewerbende Produkt bereits in der Vergangenheit gekauft haben. Mithilfe dieser Daten lässt sich ein sogenanntes „Profil“ erstellen, wodurch anschließend die Charakteristiken dieser Analysegruppe verglichen mit allen Kunden bestimmt werden können. Typische Eigenschaften beziehungsweise Variablen, welche Sie in diesem Zusammenhang untersuchen können, sind:

• Basisdaten, wie Geschlecht oder Wohnort
• Verhaltensdaten, wie Kauffrequenz oder Einkaufswert
• Daten über Engagement, wie Newsletter-Klicks oder mobile Interaktion
• Soziodemografische Daten (häufig Third Party Daten), wie Einkommen oder Interessen
• Produktdaten, wie beispielsweise häufig gekaufte Warengruppe

Durch die Anwendung des erstellten Profils auf alle Kunden können sogenannte Lookalikes identifiziert werden, welche demnach also ähnliche Eigenschaften aufzeigen wie die Kunden, die das Produkt bereits gekauft haben. Hierbei erhält jeder Kunde einen Score: Je höher der Score, desto ähnlicher ist diese Person einem Kunden, der Ihr Produkt bereits in der Vergangenheit gekauft hat. Sie selektieren nun die Kunden mit einem hohen Score und haben Ihre Zielgruppe „Next Best Customer“ identifiziert.

Tipp 1: Wenden Sie diese Methode auch auf (potenzielle) Neukunden an. Insbesondere im B2B, wenn Sie Zugriff auf ein Referenz-Universum haben, lohnenswert.

Tipp 2: Zum stetigen Optimieren dieser Methode tragen neue Variablen bei. So könnten Sie zum Beispiel testen, ob die Anzahl der Produkte im Warenkorb Auswirkungen auf die Kaufwahrscheinlichkeit eines Produktes hat.

#2 Next Best Offer

„One size fits all“ ist ein längst überholter Ansatz, der aber von vielen Unternehmen nach wie vor verfolgt wird, weil intelligente Personalisierung noch immer eine Herausforderung darstellt. Dabei ist gerade die Individualität und die daraus resultierende Relevanz für die Angebote das, womit ein Unternehmen aus der Flut der Werbebotschaften heraussticht.

Stellen Sie sich vor, Sie bieten jedem Kunden ein auf ihn zugeschnittenes, individuelles Angebot an, wobei Sie sogar auf die persönlichen Wünsche und Vorlieben eingehen. Die Frage, die sich hier jedoch auftut, ist, wie Sie anhand Ihrer Kunden- und Transaktionsdaten ein intelligentes Angebot berechnen können, welches die individuellen Bedürfnisse von jedem einzelnen Kunden berücksichtigt? Oder einfach: Was ist das beste nächste Angebot für jeden einzelnen Kunden?

Bei dieser Methode wird die Kaufhistorie des Kunden um die Parameter Popularität (Häufig zusammengekaufte Produkte) und Propensität (Neigung) ergänzt und entsprechend analysiert. Je nach Gewichtung dieser Parameter, können so beispielsweise Nischenmärkte angesprochen werden.

Sobald das Best Next Offer einmal berechnet wurde, kann das Ergebnis als Variable abgespeichert werden. Dies ermöglicht, dass bei hinzukommenden Transaktionen zu einem späteren Zeitpunkt ebenfalls auf das aktualisierte Next Best Offer zugegriffen werden kann.

Tipp 3: Beachten Sie bei der Berechnung auch weitere Aspekte, wie saisonale Effekte, Ihre Gewinnmarge oder Ihren aktuellen Lagerbestand. Niemand möchte ein perfektes Angebot erhalten, was dann beim Kaufversuch nicht mehr auf Lager ist.

Tipp 4: Denken Sie daran kürzlich getätigte hochpreisige Käufe auszuschließen. Es macht wenig Sinn, nach dem Kauf einer Waschmaschine diese nach kurzer Zeit wieder als nächstes bestes Angebot zu bewerben.

#3 Next Best Time

Da jeder Kunde einen individuellen Kaufrhythmus hat, ist es wichtig, den jeweils richtigen Kontaktzeitpunkt abzupassen. In der Praxis sieht dies meist anders aus: Kunden werden häufig nach ein und derselben Regel selektiert, sodass beispielsweise alle Kunden, deren letzter Kauf 90 Tage zurückliegt, zum gleichen Zeitpunkt kontaktiert werden.

Insbesondere bei einer Repurchase-Kampagne spielt die Berechnung eines individuellen Kommunikationszeitfensters eine wichtige Rolle. Während der eine Kunde alle drei Wochen bestellt, ist der Kaufzeitpunkt bei einem anderen deutlich unregelmäßiger. Nun muss also die Frage beantwortet werden: Wann ist der beste nächste Kontaktzeitpunkt?

Aus den Transaktionsdaten, welche auch dieses Mal die Basis bilden, lassen sich die geeignetsten Zeitfenster für die nächste Marketing Botschaft berechnen. Mithilfe der Varianz als Parameter für jeden Kunden, können die Zeitpunkte identifiziert werden, wobei eine niedrige Varianz einen regelmäßigen und eine hohe Varianz einen unregelmäßigen Kaufrhythmus bedeuten.

Wirft man nun einen letzten Blick auf das vorangehende Beispiel, so können als Ergebnis dieser Berechnung die individuellen Zeitfenster festgehalten werden, in denen Sie Ihre Kunden jeweils am besten mit Ihrem Angebot kontaktieren sollten. Im ersten Fall, dem regelmäßigen Käufer, gestaltet sich dies noch relativ einfach: Bestellt jemand alle drei Wochen Kaffeebohnen bei Ihnen, macht es Sinn etwa zwei Wochen nach der letzten Bestellung mit der Kommunikation zu beginnen. Bei einem unregelmäßigen Käufer ist dies schon etwas schwieriger und Sie müssen mit einem breiteren Kommunikationszeitfenster rechnen.

Tipp 5: Für eine intensivere Personalisierung der Kontaktstrategie können Sie beispielsweise den besten Kontaktzeitpunkt nach Produktgruppen berechnen. Sicherlich gibt es deutliche Unterschiede zwischen hochpreisigen und günstigen Produkten.

Tipp 6: Um Einsparpotenziale zu identifizieren, können Sie Ihre eigene Kommunikationsfrequenz berücksichtigen und deren Zusammenhang mit einem Kauf analysieren. Sie könnten zum Beispiel die Zeitintervalle zwischen Ihrem Newsletter, dem Katalogversand und dem Versand eines Postmailings untersuchen. Des Weiteren lohnt es sich zu analysieren, wie diese in Verbindung mit einem Kauf eines Kunden stehen. Unter anderem lassen sich dadurch deutliche Einsparpotenziale feststellen, da einige Kunden auch unabhängig von dem Katalogversand kaufen.

Prädiktive Analyse - weitere Vorteile im Überblick

Einige Vorteile der prädiktiven Analyse wurden bereits erläutert, weitere sind unter anderem: 

• Wettbewerbsvorteile: Kundenwünsche, -bedürfnisse und -ansprüche können gezielt erfüllt werden und Produkte können entsprechend angepasst werden
• Prozesskostensenkung und keine Verschwendung von Ressourcen
• Zielgruppenbestimmung: die genaue Bestimmung einer geeigneten Zielgruppe für ein Produkt
• Optimierung von Marketingkampagnen und Minimierung von Risiken: je nach Kundenverhalten und Reaktionen auf Kampagnen können diese für die Zukunft angepasst und optimiert werden

Hier erfahren Sie noch mehr darüber, wie Sie Methoden der prädiktiven Analyse auch in Ihrem Unternehmen anwenden und so profitabler und kundenorientierter kommunizieren können. 

Wie Sie sehen, gibt es verschiedene Ansätze, wie Sie mithilfe von prädiktiver Analyse Ihre Conversions deutlich erhöhen können. Die zuvor erklärten Methoden basieren auf Daten, welche Sie mit hoher Wahrscheinlichkeit bereits in Ihrem Unternehmen gesammelt haben und die Sie, wenn nicht bereits geschehen, nur zusammenbringen und nutzen müssen. Nutzen Sie Ihr volles Potenzial und machen Sie Schluss mit niedrigen Conversions, indem Sie höchst relevante und personalisierte Kundenkommunikation durch Next Best X anwenden.

Wünschen Sie sich weitere Use Cases zum Thema Predictive Analytics? Dann laden Sie sich hier unser kostenloses Whitepaper herunter: