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.
Sven-Ole Binder, CoPiloten: Wo bleibt die Botschaft?
Wie Predictive CRM wirkt und wie ihr damit starten könnt! – Moonova
1. Dr. Markus Wübben
Co-Founder & CMO, CrossEngage
Die
Spam-To-
Fallstudie:
Wie Predictive CRM
wirkt und wie ihr
damit starten könnt!
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.
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. 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. 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
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
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. „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. 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!
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. 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. 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. 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. 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!
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. 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
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. 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
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
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.
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
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.