Se ha denunciado esta presentación.
Se está descargando tu SlideShare. ×

Wie Predictive CRM wirkt und wie ihr damit starten könnt! – Moonova

Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio

Eche un vistazo a continuación

1 de 38 Anuncio

Wie Predictive CRM wirkt und wie ihr damit starten könnt! – Moonova

Descargar para leer sin conexión

Was ist Predictive CRM und wie fängt man damit an?

Unser CMO Dr. Markus Wübben erklärt in diesem Talk anhand einer aktuellen Fallstudie die Auswirkungen von Newsletter Overcontacting und wie Sie mit Predictive CRM Ihren Umsatz steigern und gleichzeitig Abmelderaten, Arbeitsaufwand und Kampagnenhäufigkeit reduzieren können. Starten Sie mit Predictive Marketing in Ihrem Unternehmen durch und bringen Sie Ihr Newsletter-Marketing auf ein neues Level.

Was ist Predictive CRM und wie fängt man damit an?

Unser CMO Dr. Markus Wübben erklärt in diesem Talk anhand einer aktuellen Fallstudie die Auswirkungen von Newsletter Overcontacting und wie Sie mit Predictive CRM Ihren Umsatz steigern und gleichzeitig Abmelderaten, Arbeitsaufwand und Kampagnenhäufigkeit reduzieren können. Starten Sie mit Predictive Marketing in Ihrem Unternehmen durch und bringen Sie Ihr Newsletter-Marketing auf ein neues Level.

Anuncio
Anuncio

Más Contenido Relacionado

Presentaciones para usted (20)

Similares a Wie Predictive CRM wirkt und wie ihr damit starten könnt! – Moonova (20)

Anuncio

Más reciente (20)

Anuncio

Wie Predictive CRM wirkt und wie ihr damit starten könnt! – Moonova

  1. 1. Dr. Markus Wübben Co-Founder & CMO, CrossEngage Die Spam-To- Fallstudie: Wie Predictive CRM wirkt und wie ihr damit starten könnt!
  2. 2. Was ist „predictive CRM“? Mithilfe von predictive CRM können Unternehmen Vorhersagen über das Kundenverhalten in den Bereichen Vertrieb, Marketing und Service treffen. Die Analyse des bisherigen Kundenverhaltens dient dazu, die Kundenbindung zu stärken und Möglichkeiten für Cross- bzw. Up-Selling zu ermitteln, um den Customer Lifetime Value zu maximieren.
  3. 3. Warum „predictive CRM“?
  4. 4. Wir leben in Zeiten bedeutender technologischer, gesellschaftlicher und rechtlicher Veränderungen im digitalen Marketing – Wir leben in einer Plattform-Ökonomie. Höherer Wettbewerb im E-Commerce (z. B. 10 von 3) Welt ohne Cookies (Third-Party-Cookie) Gestiegene Plattform-Kosten (CAC + CPO) Schlechte Verfügbarkeit aussagekräftiger Third-Party-Daten (Schlechtes Targeting) DSGVO/Consent Management (z. B. Apple ATT) Veränderte Erwartungen der Kunden (z. B. Value-First)
  5. 5. Die Kaufwahr- scheinlichkeit eines Bestands- kunden ist wesent- lich höher Höhere Kunden- bindung ergibt deutlich höhere Profitabilität Einen Neukunden zu akquirieren kostet 5x mehr als einen bestehen- den Kunden zu halten Bestandskunden sind eher bereit ein neues Produkt zu probieren & mehr Geld auszugeben +5% Kundenbindung +25-95% Profit 50% Neues Produkt probieren 31% Mehr Geld ausgeben 60-70% Bestandskunden 5-20% Neukunden Die erfolgreichsten Marken konzentrieren sich auf den Aufbau langfristiger, wertvoller Kundenbeziehungen statt auf kurzfristige digitale Kampagnen
  6. 6. Viel zu oft haben Marken nur eine verschwommene Sicht auf ihre Kunden. Das Ergebnis: Vergeudete Mühe und Zeit, unnötige Werbemaßnahmen, schlechte Personalisierung, übermäßige Kontaktaufnahme Noch schlimmer: Ein schlechtes Nutzererlebnis und ein schlechter ROI Es fehlt Ihnen ein vollständiges Bild davon: Wer ihre Kunden sind | Was ihre Kunden getan haben Welche Vorlieben sie haben | Wie wertvoll sie sind Was sie zukünftig wahrscheinlich tun werden
  7. 7. Klarer Blick auf Kundengruppen Retoure wahrschein- lich Hoher CLV Abmeldung wahrschein- lich Brand Promoter
  8. 8. Prio 3 €300,000 Potential Prio 2 €1,000,000 Potential Prio 1 €1,000,000 at risk Priorisieren Sie Ihre Bemühungen auf Zielgruppen mit der größten Wirkung und Dringlichkeit Customer Lifetime Value (€) Urgency high risk of unsubscribing (1,000 customers) one-time buyer audience (1,500 customers) cross-buying audience (1,500 customers) high return propensity audience (500 customers) €200,000 at risk
  9. 9. Spam to Fallstudie
  10. 10. Management: Wir brauchen schnell Umsatz! Günstigen Umsatz! Ich muss unbedingt Produkte in meiner Kategorie abverkaufen Wir brauchen „günstigen“ Umsatz! Schnell! Lasst uns schauen, was wir da machen können Wir brauchen Umsatz, damit wir die Wochenziele erreichen!
  11. 11. „E-Mails kosten nix!“ (CPM: 0,30-0,50 EUR) Zumindest wenn man den E-Mail-CPM mit dem Facebook-CPM vergleicht JAN 2021 – JAN 2022 CPM E-Mail CPM
  12. 12. Und deshalb alle so: Lasst uns morgen einen weiteren E-Mail-Newsletter verschicken! Ein weiterer Newsletter an die Bestandskunden! E-Mail-Newsletter! Yeah, das ist günstig! CRM for life! E-Mail-Newsletter! Yeah, das ist einfach und schnell!
  13. 13. CRM Manager:in Bedenken Öffnungs- & Klickrate Abmelderate Overcontacting Spam/ Reputation Zusatzaufwand/ Ressourcen Öffnungs- & Klickrate Abmelderate Overcontacting Spam/ Reputation Zusatzaufwand/ Ressourcen
  14. 14. Gegenargument: „Unsere aktivsten Kunden werden nicht glücklich sein“ Source: https://returnpath.com/wp-content/uploads/2017/05/RP-Frequency-Report-FINAL.pdf 1 Secondary Primary Dead 24 67 9 83 16 1 50 49 1 % of Users % of Reads % of Complaints
  15. 15. Gegenargument: „Es werden weniger Kunden unsere E-Mails lesen“ 2 Source: https://returnpath.com/wp-content/uploads/2017/05/RP-Frequency-Report-FINAL.pdf 0 1 2 3 4 5 6 7 8 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0 1 2 3 4 5 6 7 8 0.10 0.15 0.20 0.25 0.30 0.35 0.40 Expected Complaints per Person per Week Complaints per Person per Week Average Messages per Week Frequency vs. Red Rate Average Read Rate per Week Average Weekly Frequency Linear Regression
  16. 16. 3 Gegenargument: „Wir werden in der Zukunft richtig Spam-Probleme bekommen.“ Quelle: https://www.bloomberg.com/press-releases/2018-02-21/return-path-research-finds-email-senders-with-strong-subscriber-engagement-are-likely-to-see-less-email-delivered-to-spam
  17. 17. 4 Gegenargument: „Es wird eine Weil dauern, bis wir den zusätzlichen Newsletter produziert haben.“ Quelle: https://www.litmus.com/resources/state-of-email-workflows/ 0% 10% 20% 30% ≤ a few days 1 week 2 weeks 3 weeks 4 weeks 5 weeks 6 weeks 7 weeks 8 weeks 23% 24% 23% 9% 11% 2% 3% 1% 4% 53% of Brands Spend Weeks Producing Email How long is your company’s production cycle for a single email – from the time brainstorming or concepting begins until it is sent? The bigger the team is, the longer the production cycle. 20% of the large teams (that’s teams of 11 email employees or more) need more than a month to produce a single email
  18. 18. Und trotzdem sagt das Management: Yeaaaaaaaaaaahh, Zusatz-Umsätze per Newsletter! Aber ich brauche die Umsätze für die Kategorie-Performance! Denkt nur an die Umsätze, die wir generieren können! Es geht doch am Ende des Tages um Umsatz!
  19. 19. Warum versteht niemand meine Argumente…. CRM Manager:innen: Warum versteht niemand meine Argumente…. CRM Manager:innen: Warum versteht niemand meine Argumente?
  20. 20. Der Grund ist einfach: Das Management denkt, dass der kurzfristige Nutzen die Kosten übersteigt Zusatz- umsatz Kosten
  21. 21. Das Argument für Euch muss sein: Nein! Die langfristigen Kosten übersteigen den kurzfristigen Nutzen! Zusatz- umsatz Kosten
  22. 22. Nur wie zeigt man das?
  23. 23. E-Mail-Frequenz: 4 Mal / Woche Marketingmaßnahmen: E-Mail, Social, Performance-Marketing Umsatz 2021: > 200 Mio. € Anzahl Kunden: > 13 Mio. in 30 Shops Industrie: E-Commerce Spam-to- Fallstudie: Der Kunde Problem: Sehr hohe Abmelderate ! ! Mitarbeiter: > 600
  24. 24. Gefährdete Kunden Testgruppe A: |normale NL-Frequenz 50 % 50 % Unsubscription Model Scoring der Kunden Auswertungsperiode Auswertungsperiode Randomisierte Aufteilung auf zwei Testgruppen Testgruppe B: reduzierte NL-Frequenz Kunden mit Score in den oberen 50 % Spam-to- Fallstudie: Das Test-Design KPI: 1. Unsubscription Rate 2. Umsatz pro Kontakt 3. Conversion Rate
  25. 25. Umsetzung in den CrossEngage „Stories“
  26. 26. Testauswertung: 04. Okt. – 01. Nov. 2021 Group Contacts Sent Unsubscribes Buyer Revenue Revenue per contact Revenue per buyer Conversion rate Unsubscription rate Control 3796 37379 260 274 11339.2 2.99 41.38 0.0721 0.0685 Test 3807 11743 107 263 10746.71 2.82 40.86 0.0691 0.0281 Differenz <1% -68% -58%* -4% -5% -5% -1% -4% -58%* *Statistically significant differences in unsubscriptions on a 95% confidence level. No statistically significant differences regarding the conversion rate and the revenue
  27. 27. Group Contacts Sent Unsubscribes Buyer Revenue Revenue per contact Revenue per buyer Conversion rate Unsubscription rate Control 3783 134169 455 558 28238.62 7.46 41.38 0.1475 0.1203 Test 3800 34487 189 560 25504.85 6.71 45.54 0.1474 0.0497 Differenz <1% -74% -58%* <1% -9% -10% -10% <1% -58%* *Statistically significant differences in unsubscriptions on a 95% confidence level. No statistically significant differences regarding the conversion rate and the revenue Beide Wochen-Gruppen werden zusammengezählt und nur Kunden mit einem Umsatz unter 300 € werden berücksichtigt Langfristige Evaluation: 04. Okt. – 13. Dez. 2021
  28. 28. 1.000.000 Kunden 12,03 % - 4,97 % = 7,06 % weniger Abmelder 70.600 Kunden „bewahrt“ 75 EUR/Jahr Durchschnittsumsatz 5.295.000 EUR / Jahr „bewahrt“
  29. 29. Beginnt heute mit Predictive CRM! Die Möglichkeiten und Tools sind da! Ihr braucht hierfür keine Data Scientists in-house CLV / Kundenwert ist zentral Wenn man den CLV betrachtet, d.h. über die Lebensdauer eines Kunden argumentiert, werden die langfristigen Kosten noch höher sein: Zukünftige Analysen werde ich bald vorstellen! Langfristige Effekte sind massiv Die langfristigen Kosten übersteigen den “gefühlten” kurzfristigen Effekt massiv. Andererseits sind die Kosteneinsparungen durch Frequenzreduzierung massiv Kurzfristiger Effekt wird verpuffen Der vermeintliche Zusatzumsatz ist nur eine Umverteilung der Umsätze von mehreren Kampagnen (Stichwort: Vorgezogener Konsum) Vorsicht bei Adhoc Kampagnen Dieses Mittel kann man nur sehr begrenzt und gezielt einsetzen. Use-Case und monetäre Betrachtung Startet mit dem richtigen use-case und setzt auf eine monetäre Perspektive. Wie das geht, zeige ich morgen! 1 2 3 4 5 6
  30. 30. Tipp #1 Startet mit einem Use-Case und findet ein Test-Design
  31. 31. Was ist ein „predictive Model“?
  32. 32. Was ist ein Modell? ● Ein Modell ist ein Abbild der verfügbaren Daten und der Frage, was mit diesen Daten zu beantworten ist. ● Ein Modell liefert eine Berechnungsvorlage basierenden auf vergangenen Daten, wie man mit neuen Daten (die dem Modell noch nicht bekannt sind) eine Zielfrage beantwortet.
  33. 33. Tipp #2 No-Code Model Builder verwenden!
  34. 34. Tipp #3 Mit Transaktionsdaten starten!
  35. 35. Optional: Verhaltensdaten (Klickdaten), Outbound-Daten, Produktdaten usw. Die Daten, um zu starten, habt ihr! Transaktionen (Rechnungs- bzw. Bestelldaten) ● Eventformat mit Datum ● Historie mind. 1-2 Jahre; mehr ist häufig besser ● Datenfelder: - Kunden-ID - Datum des ersten Kontaktes mit dem Kunden - PLZ - Alter - Geschlecht - Kunden ID - Rechnungsdatum - Positionsnummer in einer Bestellung - Artikel ID - Menge - Preis - Bestellart (Kauf, Rückgabe) - Bestellkanal - Produktgruppe - Voucher-Information - Deckungsbeitrag ● Datenfelder: Kundenstammdaten
  36. 36. Tipp #4 Automatisierung und A/B-Tests
  37. 37. Nutzer Verhalten Engagement Produkt Devices E-Mail Push Nachrichten Social Mailings Website Daten Kanäle Transaktionen CrossEngage Customer-Data- und Prediction-Plattform Customer Data Management Mit unserer Lösung für das Kundendatenmanagement entgeht Ihnen kein einziger Datenpunkt. No-Code Predictive Modeling Erstellen und verwalten Sie Ihre eigenen Vorhersage- modelle, ohne eine einzige Zeile Code. Intelligent Audience Management Erkennen und verstehen Sie intuitiv wertvolle Zielgruppen. Cross-Channel Campaign Management Erstellen Sie ansprechende Customer Journeys. Data Activation Aktivieren Sie Ihre Kundendaten auf allen Kanälen. Enterprise Ready Sie können sich auf uns verlassen. Punkt.
  38. 38. Dr. Markus Wübben crossengage.io Danke! Dr. Markus Wübben Founder & CMO markus.wuebben@crossengage.io

×