Video: Wie der Customer Lifetime Value Ihr Bestandskundenmarketing revolutioniert

(Husten) So, zehn Uhr dreißig. Herzlich willkommen, äh, liebe Teilnehmer. Ähm, danke, dass ihr bei unserer Session von CrossEngage dabei seid mit dem Namen "Wie der Customer Lifetime Value ihr Bestandskundenmarketing revolutioniert". Wir haben viel vor, darum starten wir einfach direkt rein. Ich hoffe, ihr hört mich alle gut, seht mich alle gut, seht die Slides. Wenn nicht, bitte eine Nachricht in den Chat, den habe ich parallel offen. Ähm, ja, von daher starten wir direkt rein. Mein Name ist Markus Wöbben. Ich arbeite bei CrossEngage, bin einer der Gründer von, ähm, CrossEngage. Wir sind eine Saas Plattform, nämlich eine Customer Data und Prediction Plattform, mit der man besonders gut, ihr habt euch denken können, Customer Lifetime Values berechnen können. Und warum das Sinn macht, ähm, das möchte ich mit euch in den nächsten gut fünfundvierzig Minuten besprechen. Die Session war auf dreißig angesetzt. Ich hoffe, das passt für alle. Ähm, die ersten dreißig Minuten sind sicherlich der Kern und hintenraus besprechen wir noch ein paar Cases. Sicherlich auch interessant, aber es wurde nur für dreißig Minuten eingetragen. Aber ich habe etwas Zeit. Ähm, so hat mir die Uhr im KB gestattet. Von daher legen wir doch direkt mal los, und zwar mit den richtig guten Nachrichten. Den jungen Mann kennt ihr vielleicht, das ist Gary Vaynerchuk. Und er, ähm, hat im März 2020 im Harvard Business Review, ähm, paar Zitate gegeben und, und eins fand ich besonders erstaunlich. Und dann sagte er: „Wir, wir kennen hier den Trend zu Direct Consumer, ähm, Plattform und Brands. Ähm, wir sehen, dass, dass extrem viel dort gemacht wird, äh, größere Companies, die großen FMCGler, ähm, bauen alle D2C Companies. Wir sehen viele D2C Companies auf dem Markt. Ihr habt bestimmt viel Werbung gesehen für-- von Hosen über Möbel und so weiter. Alles wird im Wesentlichen DTC, äh, DTCified, ähm, irgendwie DTC Business draus gemacht. Und er sagt, achtenneunzig Prozent dieser Marken sind im Wesentlichen schon tot. Sie wissen's nur noch nicht. Und das fand ich eine sehr, sehr, sehr spannende Aussage, wie er darauf kam. Und wenn man das weiter liest, dann sagt er das auch sehr direkt und er sagt: „Am Ende des Tages werden die Unternehmen nicht das Geld haben, um diese Kundenakquise-Strategie, die sie gerade fahren, weiterzuführen." So, und das ist ja, das ist ja extrem interessant, weil am Ende des Tages komplette E-Commerce in den letzten, sagen wir, zehn Jahren, fünfzehn Jahren über Performance Marketing gewachsen ist. Das war der Weg letztendlich, um, um, um profitabel zu wachsen. Und wie kommt er eigentlich im März 2020 auf diese Aussage? Ähm, dazu muss man sich, glaube ich, mal anschauen, was, was passiert ist in den letzten Monaten und Jahren. Das ist 'n Artikel aus-- von Bloomberg dot com und thematisiert die steigenden, ähm, Werbekosten bei, bei Amazon. Im Wesentlichen sagen sie oder haben sie festgestellt, dass von Mai 2021 bis 2020, also ein Jahr zurück, die Preise um fünfzig Prozent gestiegen sind, um fünfzig Prozent, ähm, allein auf, auf Amazon. (...) Von Mai 2020 bis 2021, ähm, wobei es vorher schon ein, ein Preisanstieg gab. Also das sind natürlich Wachstumsraten, die müssen wir-- Preiswachstumsraten, Kostenwachstumsraten, die müssen wir irgendwie wieder reinholen. Ähm, und das, das ist eine der Hauptherausforderungen. Und das Ganze alleine ist nicht nur Amazon. Wir wissen natürlich, Amazon extrem wichtig. Produktsuche beginnt auf Amazon. Ähm, das sind alles Themen. Ähm, das heißt, wir müssen da sein, wir müssen irgendwie in einen sauren Apfel beißen und diese Preise auch irgendwie zahlen, wenn wir die richtigen Kunden einkaufen. Aber was der Gary sagt, ist einfach: „Wenn du es nur tust, dann wirst du Probleme kriegen in der Zukunft." Und das sehen wir in der Tat auch bei vielen Companies, mit denen wir zusammenarbeiten, die viel über Performance Marketing gewachsen sind, die einfach sagen, wir kriegen nicht mehr die Cost per Order hin, die wir, ähm, die wir gerne hätten. Wir, wir sind nicht mehr erstkaufprofitabel, wir sind auch nicht zweit- oder dritt- oder viertkaufprofitabel. Wir zahlen im Wesentlichen obendrauf. Denn auch bei Facebook und, und, und Instagram, bei Facebook und Instagram sind die Preise unfassbar gesteig-- äh, gestiegen. Das sind Daten von Revealbot, das kann man nachgucken. Die haben sogar so eine Live View. Unten ist der Link. Äh, die Folien bekommt ihr ganz bestimmt. Ähm, die Firma heißt Revealbot, die monitort so die Preise, ähm, den CPM und in diesem Fall den CPC. Und ihr seht diese extremen Wachstumsraten, die man da gehabt hat, ähm, in 2000 und, und 20, und das Ganze setzt sich gerade einfach fort. Das, äh, heißt, wir müssen irgendwie einen CPC, der sechzig Prozent höher ist, leben, ähm, zumindest im Vergleich Januar, ähm, Dezember 2020. Das muss wieder reinkommen und auch der Cost per Order, der ist, äh, der ist durch die Decke geschnal-- äh, gestiegen und, ähm, wir sehen hier einen vierzig prozentigen Anstieg, ne, von, von, ähm, Januar 2020 bis Dezember 2020. Und das ist so ein bisschen ein Tipping Point gewesen, wo auch viele Companies auf uns zugekommen sind und gesagt haben: „Wir müssen eigentlich mehr aus, aus CM machen. Wir müssen mehr aus unseren bestehenden Kunden machen." Ähm, und, ähm, das ist jetzt nicht nur bei Facebook, Instagram so, sondern auch bei Google Ads. Das ist eine Cost per Action, äh, Average Cost per Action, die, die ich hier zeige, ähm, gesplittert nach Search und, und Display. Und wir sehen ja, dass das unfassbar hohe, ähm, Cost per Actions sind. Die müssen wir wieder reinholen. Wenn wir das-- wenn wir im Wesentlichen immer nur unsere Kunden wieder einkaufen, werden wir nicht profitabel. Ja, das ist, das ist das im Wesentlichen, was wir, was wir sehen. Ähm, und, und, und wir sehen, dass bei wirklich einem Großteil von Kunden, mit denen wir sprechen, die Wiederkaufverhalten stimulieren müssen, die nicht auf den ersten Kauf profitabel sind. Sagen wir mal, wenn du Matratzen verkaufst, ist es natürlich noch eine andere Sache. Dann, äh, musst du beim Erstkauf irgendwie profitabel sein, weil so häufig kaufst du dir keine Matratze. Da ist die Strategie, den Warenkorb zu verbreitern nach dem ersten Kauf, um dort eine gewissen, äh, gewisse Marge zu erzeugen. Aber für alle anderen, die auf Wiederkaufverhalten aufgebaut sind, das sind die meisten der D2C-Brands, ähm, die ich so sehe.(Husten) Dann werden Sie Schwierigkeiten haben oder Sie haben Schwierigkeiten, über Performance-Marketing profitabel zu wachsen. Profitab-- Was ich damit nicht sagen will, ist, dass Performance-Marketing in irgendeiner Weise ein Thema der Vergangenheit ist. Nein, ich sage nur, dass es, ähm, sehr viel schwerer wird, profitabel damit zu wachsen. Und das hat einer, auf der einen Seite natürlich mit den gestiegenen Kosten zu tun und einerseits oder andererseits natürlich auch mit den Themen, ähm, äh, der Third-Party-Pixels, äh, und Third-Party-Cookies, ähm, die große Veränderung natürlich, dass wir nicht einfach mal den, mir den Third-Party-Pixel oder 'ne, 'ne, 'ne Third-Party-Cookies speichern können. Also eine ganz grundlegende Technologie im AdTech, ähm, dass wir die ganze Effizienz von Performance-Marketing noch weiter, ähm, äh, äh, weiter erschweren. Ähm, wir kennen die Apple Frameworks, das ATT, wo am Ende des (...) Das kennt ihr bestimmt, wo ihr gefragt werdet: „Darf die App tracken oder auch nicht?" Die Opt-in-Raten sind extrem gering. Das heißt, für AdTech und für Performance-Marketing, da stehen ganz schön schwere Zeiten an. Ähm, und jetzt kommen wir als CRM-Manager und sagen natürlich: „Freunde, das ist ja alles, alles, äh, äh, überhaupt kein Problem. Wir erhöhen einfach die Kundenbindung und dann verdienen wir richtig Geld, ne? Und das sind auch Zahlen, ähm, die ihr seht. Also dieses minus fünf Prozent Return führen zu fünfundzwanzig bis fünfundachtzig Prozent höheren Profit. Also das sind Zahlen, die sind wirklich empirisch erhoben, ähm, und, und validiert. Ähm, und dazu muss man ein bisschen den Customer Lifetime Value, ähm, in, in, in Betracht ziehen. Der Customer Lifetime Value ist im Wesentlichen der, die Marge oder der Wert eines Kunden für eine Firma in der Zukunft. Also man schaut nicht in die Vergangenheit, was war er wert, sondern: Was wird der Wert sein? Was wird er an Käufen Tätigkeit, äh, tätigen? Was ist die Wahrscheinlichkeit, dass er einen Kauf in der Zukunft machen wird? Ähm, das muss man verstehen, um die Zahl zu verstehen. Und dahinter stehen im Wesentlichen vier Personen. Das sind einmal der Reichheld und der Sassa und der Gupta und der Lehman. Ähm, finde ich ganz interessant. Die haben nämlich rausgefunden, dass gerade die Kundenbeziehungsdauer extrem wichtig für den Customer Lifetime Value ist. Funfact: Der Reichheld ist am Ende des Tages auch verantwortlich für den NPS, den Net Promoter Score. Äh, den hat aber Wayne sozusagen, ähm, erfunden und dann auch groß gemacht. Ähm, das ist der, der liebe Herr Reichheld. Also der arbeitet schon sehr lange an, an Kundenbindungen und auch den Wert von, von Kundenbeziehungen über die Zeit hinweg. So, und was sie rausgefunden haben, am Ende des Tages, wenn man sich mal so eine Customer Lifetime Value-Formel anschaut, Vorsicht, die ist gar nicht so schlimm. Da steht im Wesentlichen drin, man muss die AC, die Customer Acquisition Cost, abziehen von dem, was man in der Zukunft, nämlich über verschiedene Zeiteinheiten, eins bis n, die Marge, ähm, welche Marge man mit welcher Wahrscheinlichkeit man, ähm, umsetzen wird. Also mit welcher Wahrscheinlichkeit werde ich einen Betrag X im September umsetzen, im Oktober, im November, im Dezember? Ähm, das ist letztendlich das. Und dann wird da Geld, in der, in der Zukunft weniger wert ist als heute, muss man das Ganze noch diskontieren. Es kommt jemandem bestimmt, der so Investitionsrechnung, äh, die Grundkurse belegt hat, sicherlich sehr ähnlich vor. Das ist im Wesentlichen der Barwert, ähm, eines Kunden. Das, daher kommt im Wesentlichen dieser Customer Lifetime Value. Und was die, was diese vier Herren, ähm, rausgefunden haben, war dass, am Ende des Tages kann man natürlich die, die Akquisitionskosten, ähm, letztendlich senken und, und man bekommt etwas höheren CLV, nämlich 0,02 bis 0,3 %. Ähm, okay. Ja, man kann die Marge um einen Prozent erhöhen, dann bekommt man ungefähr auch einen Prozent höheren CLV, aber wenn man die Retention um einen Prozent erhöht, bekommt man zwei Komma vier bis sechs Komma sieben fünf % mehr Kundenwert. Ja, mit anderen Worten, diese Retention Elasticity, ja, also, ähm, die Kundenbeziehungs-Elastizität, ne, die, die, die ist siebenmal so hoch, ähm, wie die, wie die Margin-Elastizität und, und wie die Akquisekostenelastizität. Und darum ist Kundenbindung und Kundenbeziehungsdauer so wichtig und darum müssen wir letztendlich mehr aus unseren Kunden machen. Das ist, das ist so ein bisschen der Hintergrund und das wissen wir ja auch alles und wir wissen auch ganz andere tolle Sachen, ne? Wir wissen eigentlich, dass, einen Neukunden zu akquirieren, fünfmal mehr irgendwie kostet, als einen Kunden zu halten. So, auch die Zahlen. Das wissen wir als CRMler. Die Kaufwahrscheinlichkeit beim Bestandskunden ist wesentlich höher als bei Neukunden, auch völlig klar. Und sieht super attraktiv aus. Wir wissen auch, dass die Cross-und Upselling-Initiativen einfacher bei Bestandskunden sind. Ja, das sind also alles eigentlich ganz, ne, ganz große Argumente für, für CRM, warum man CRM und warum man irgendwie Customer Lifetime Value, ähm, einsetzen sollte als Maßstab für, für die Kundenbindungs, fürs Kundenbindungsmanagement. Und, und dann kam jetzt in den letzten Jahren noch dieses Marketing-Flyway, das gesagt hat: „Hier, der Funnel ist im Wesentlichen tot. Ähm, ihr müsst euren Kunden ins Zentrum stellen und, und darum müsst ihr eigentlich eine Customer Experience bauen." Das hört sich alles irgendwie super attraktiv an, aber wenn man sich dann noch mal anschaut, wie sind eigentlich CRM-Abteilungen aufgebaut? Welche Wichtigkeit und welchen Wert haben CRM-Abteilungen? Dann passt das irgendwie nicht mit den doch sehr positiven Werten, die ich irgendwie gerade dargestellt habe. Und, ähm, und, und das ist eigentlich so die zentrale Frage, die ich mir, die ich mir in den letzten Jahren (Klingeln) gestellt habe, sogar, ähm, ist: Warum? Wenn ihr das mal hört, das ist hier die, die Online-Software, dieses Ticken, da kann ich leider nichts gegen machen. Also, ich hab mir die Frage gestellt: Warum, warum tun sich eigentlich so viele Companies schwer, die Vorteile von CRM zu hebeln? Das ist völlig klar, ne? Also wir sehen jetzt, Performance-Marketing ist extrem teuer, immer neue Kunden einkaufen. Das wird nicht dazu führen, dass wir profitabel wachsen. Wir haben eigentlich irgendwie, wir wissen, Kundenbindung erzeugen, das ist alles empirisch belegt. Ähm, was ist eigentlich, was ist eigentlich das Problem? Und ich habe drei Themen identifiziert, warum das so sein könnte. Ja, ähm, meine Hypothese ist nämlich, weil ich, ich glaube, es wird extrem schwer, wenn wir CRM, was aus meiner Sicht eine komplett andere Disziplin ist als das Performance Marketing. Wenn wir aber CRM wie Performance Marketing betreiben, dann werden wir die Vorteile von, von CRM nicht hier machen. (Klingeln) Warum ist das so? Kleiner diese Notifications mal weg machen. So, ähm, warum ist das so? Ich glaube, das Erste, was wir, was wir versuchen zu imitieren aus dem Performance Marketing, sind diese Kampagnen-KPIs. Was wir häufig sehen im E-Mail-Marketing, Bestandskundenmarketing, sind so die Öffnungsrate, die Klickrate, irgendwelche Klicks in Heat, in Heatmaps, in E-Mails. Wir schauen uns vielleicht noch an, wie viel Unsubscribeds gab es irgendwo. Wenn es dann noch weitergeht, dann, dann schauen wir uns den Revenue per E-Mail an, den Order per E-Mail oder den ROE. Und damit übernehmen wir ja irgendwie auch so, ne, wenn man sich das CPC, ähm, CPO-Modell anschaut, irgendwo so die Metriken, die wir im Performance-Marketing nutzen. Und jetzt haben wir aber ganz häufig gar nicht so diese Umstände wie im Performance-Marketing, dass uns viele Aktionen auch in E-Mail-Marketing oder auch auf Own Channels, ähm, wo Bestandskundenmarketing aktiv ist, haben wir ja eigentlich gar nicht so diese, diese Kostenstrukturen. Das heißt, wir könnten, müssten eigentlich doch mit einer ganz anderen Metrik da rangehen, mit einer viel langfristigeren Metrik, weil nicht jede Kampagne, die ich raussende, vor allem wenn sie günstig ist, ja direkt den Umsatz machen muss, ne. Das ist so ein bisschen... Ich bin ja nicht immer der Zeitungsdrucker an der Tür als CRMLer, der versucht, dir jetzt unbedingt ein Abo zu verkaufen, sondern ich muss über die Zeit hinweg sehen, dass dein Abo bestehen bleibt. Das ist eine komplett andere Disziplin aus, aus meiner Sicht. Und darum glaube ich, dass diese Metriken – und das ist meine Hypothese –, dass die Anwendung dieser Metriken zwar gut und richtig für die Taktik ist, aber für ein langfristiges Kundenbestandsmanagement, ähm, nicht adäquat sind. Und auch die analytischen Methoden, das finde ich noch viel, viel spannender, ne? Da gibt es dieses große Feld vom, vom Predictive CRM, ähm, und das wird... Wenn man, wenn man so Artikel sucht darüber, dann heißt es ja, ihr müsst euch die Daten suchen und dann müsst ihr aus diesen Daten eine größere, bessere User-Experience bauen. Und die Tiefe dieser Artikel geht oft genauso tief wie diese Zahlen, die ich euch vorhin gezeigt habe zu den Vorteilen vom Bestandskundenmarketing. Es steht eigentlich immer nur „Baut eine bessere User-Experience". Aber wa-was heißt das eigentlich genau? Und wie funktioniert das eigentlich? Und wie kann ich eigentlich auch als Unternehmen sozusagen die Kostenkontrolle oder verstehen, ob ich die richtigen Investments mache? Ähm, da-da, da muss man irgendwie, glaub ich, mit anderen Methoden rangehen, als diese Dinge, die wir da so berechnen. Wenn man sich mal verschiedenste Tools anguckt im, im, im, im Bestandskundenmarketing, dann haben wir da so eine Likely to Engage. Jetzt mal ganz ehrlich, also die Wahrscheinlichkeit, dass ein Kunde auf einem Kanal aktiv wird, was bringt mir das denn als CM-Manager, wenn ich weiß, der Kunde wird vielleicht auf dem Web konvertieren, vielleicht in 'ner E-Mail konvertieren? Ja, prima. Das, ja, aber das bringt mir ja erst mal den, nicht wirklich was für das Bestandskundenmarketing an sich. Wenn ich einen teuren Kanal habe, wenn wir zum Beispiel postalische E-Mails, äh, postalische Mailings raussenden – wir haben unseren Partner Optilize, darüber kann man das machen –, dann kann ich mir natürlich schon die Top zehntausend raussuchen oder bis zu einem Budget zehntausend und sagen, das sind die, die am wahrscheinlichsten darauf konvertieren werden, aber ist wieder eine Performance-Marketingsicht. Und in, in, in 'ner Warte der Kampagnenumsatz sagt mir was als Unternehmen, aber sagt mir auch nichts über die Kundenbindung. Der optimale Coupon-Wert? Ja, also sicherlich 'ne wichtige Sache, die man voraussetzen, äh, voraussagen kann. Aber bringt mir das wiederum was für, für'n systematisches Kundenbeziehungsmanagement? Produktriko? Ich sehe auch total den, den Wert. Das macht natürlich total Sinn. Aber wenn wir uns auch überlegen, wie sehen E-Mails eigentlich gerade aus? Dann sind sie eigentlich immer, absolut, sind sie eigentlich immer... Wir haben irgendwie Männer, Frauen, ja. Dann haben wir da einen kleinen Text, ne, was ist das Thema der Woche und dann sind da Produkt Recommendations drin. Das ist doch keine quasi systematische Kundenbindung, wo ich den Wert des Kunden über die Zeit hinweg steuere. Nicht, dass diese, nicht, dass diese Dinge nicht total richtig sind. Das sage ich nicht, ja, sondern ich sage, das ist eigentlich keine Struktur, die wir eigentlich brauchen, um, um, ähm, 'n Kundenbindungs-, -äh, -bindungsmanagen zu machen. Und dann gibt's noch ein weiteres Thema und, und ich performe, und ich glaube das, oder Performance-Marketing arbeitet auf unterschiedlichen Customer-Lifecycle. Ne, also Performance-Marketing ist für mich immer so die Dating-Phase. Wenn ich so eine Analogie spinne nach, dann ist das immer so, ich suche mir eigentlich, wenn ich Performance-Marketing, such ich mir 'n Date, ja? Ich geh dann in die richtige Bar, da, wo ich meine Peer Group finde, ja, also jemanden, den ich daten will. So, ich geh in 'ne bestimmte Bar. So entweder, ähm, ich schau mich dann so um in der Bar, was für Kunden ich oder mit wem ich ein Date haben will. Dann beobachte ich vielleicht noch die Präferenzen. So, ne, da ist vielleicht die Dame, die trinkt dann Rotwein, ähm, ich weiß, in welcher Bar ich die, die Dame getroffen habe, dann weiß ich, welchen Musikgeschmack und, und, und. Also ich hab irgendwo so die ersten Informationen, ne, im Retargeting sozusagen, habe ich, habe ich diese Person, die ich daten will, ähm, schon mal in 'ner anderen Bar gesehen, hab also schon mal jemanden beobachtet, was für'n Wein er trinkt, kann also dann dahin gehen und sagen: „Hey, darf ich dich einladen auf 'nen Wein? Äh, wie wär's mit 'nem Rotwein, ja?" Äh, und irgendwie habe ich das natürlich schon in einer anderen Phase gesehen. Und das versuche ich dann zu signalisieren. Ich will eigentlich zwei Dinge machen. Ich will Vertrauen aufbauen, ja. Das kommt der Markus, was will der Typ bei mir? Also ich will Vertrauen irgendwie ausstrahlen und irgendwo 'n Value, ne? Dass es vielleicht interessant ist, sich mit mir zu unterhalten, ja. Also zumindest so gut es irgendwie geht, will ich das irgendwie versuchen zu signalisieren. Das sind doch die beiden Themen. Das heißt, ich versuche, mich so gut wie möglich zu verkaufen. Wenn ich das mal so in der Analogie alte Beziehung, ne, Customer Relationship Management... Ich bin lange Zeit ein Kunde einer Firma. Wenn ich dann, wenn ich dann die Firma oder wenn ich mich als Partner meiner Partnerin, ähm- Ähm, immer noch sozusagen, ähm, wie soll ich sagen, wie am Anfang präsentiere, nicht? Also ich umgarne und ich, na ja, ich, ich, ich bin etwas überkandidelt, wie auch immer man das denn, ähm, sagen will, dann wird ich auch irgendwie sagen: „Markus, ich kenn dich, lass mal. Ich kenne deine Werte, ich kenne auch deine Fehler und ich kenne auch deine guten Seiten." So. Das heißt also, die Methoden, die ich am Anfang anwende, die werden später nicht mehr funktionieren. Und das ist 'ne ganz wichtige Sache, die wir auch im Bestandskundenmarketing sehen müssen. Ich hoffe, diese Analogie ist so, so ungefähr klar geworden, ne? Also, ich habe ja schon ein Vertrauensgefühl später in der Beziehung. Ich, ich, ich, ich hab 'ne-- Ich weiß, warum ich mit diesem Partner zusammen bin. Das ist eine ganz andere Phase am Anfang, ähm, einer Beziehung. Und das müssen wir auch auf, auf Kundenbeziehungen übertragen. Denn am Anfang, ja, wir sagen immer, personalisiert so schnell es geht, ja, ab dem ersten Kauf. Da bin ich sehr skeptisch, denn wenn ich ein Kunde bin und ich bin mit 'ner-- interagiere mit 'ner Company, ja, dann, äh, hab ich ja noch gar nicht so viel Daten hinterlassen, auch beim ersten Kauf. Das heißt, die Firma hat eigentlich noch gar nicht so viele Möglichkeiten, wirklich richtig gut zu, zu personalisieren und außerdem haben wir das Vertrauen dieser Kunden noch nicht. Auf der anderen Seite, umso länger ich quasi ein Kunde bei 'ner, bei 'ner Firma bin, umso mehr lässt die Skepsis nach und lässt auch die Werbeeffektivität, -aktivität nach von, von, von, von, ähm, Ads. Also jetzt Thema Deutsche Bahn. Ähm, der Kollege war ja vorhin auch auf der Main Stage, ja. Also wenn ich Ads sehe von denen, die wirken bei mir nur noch so, ne, so semigut, weil ich bin sowieso regelmäßiger Bahnfahrer und ich kenne die Bahn und ich achte auf ganz andere Dinge, auf ganz andere Dinge in der Verbindung und welche Züge das sind und so weiter, als sozusagen auf die Ads zu reagieren. Plus, sie haben ganz viele Daten von mir, was sie am Anfang der Kundenbeziehung auch noch nicht hatten. Ja, deshalb ist das so komplett unterschiedliche Themen. Das heißt, am Anfang von 'ner Kundenbeziehung mit den ersten Käufen muss ich doch vertrauen und 'ne Wertekommunikation aufbauen. Und später erst dann, wenn ich das habe und Kunden sozusagen ihre Daten gelassen haben, dann kann ich doch anfangen zu personalisieren, und das ist so 'n fließender Übergang. Und das, glaube ich, machen wir im CRM nicht unbedingt richtig. Ähm, und auf der anderen Seite Performance Marketing denken wir, dass diese Werbeeffektivität überhaupt nicht nachlässt und wir genau dieselben Ads spielen können wie jemand, der achtmal gekauft hat, wie jemand, der noch nicht oder vielleicht einmal gekauft hat. Und wir brauchen ja auch Daten und vor allen Dingen First-Party-Daten, das ist das Gold. Ich meine, für uns als CRM-Manager sind ja absolut goldene Zeiten angebrochen. Ähm, besser hätt's gar nicht laufen können, ähm, was so GDPR-mäßig und jetzt Third-Party-Cookie-mäßig. Für uns als CRM-Manager, die auf First-Party-Daten arbeiten, hätt das gar nicht besser laufen können. Ja, ist vielleicht auch sehr anstrengend. Ich weiß das mit der DSGVO, aber am Ende des Tages ist das das Gold, auf dem ihr arbeiten werdet und das .......................... könnt, solltet. Ähm, und es gibt 'nen Grund, warum Facebook zum Beispiel, ich glaub, das heißt, die Conversions-API, bestraft mich Lügen, die wollen alle Post-Conversion-Daten haben. Das heißt, man soll Server-to-Server-seitig alle Daten, die nach so 'nem Kauf, die nämlich Facebook nicht so einfach tracken kann, äh, die soll man denen schön zuschicken. Warum? Weil da natürlich die absolute Musik drin st-- steht und das ist CRM-Land, das ist euro Domain, das dürft ihr nicht nehmen. Ihr könnt das viel besser, die Kundenbeziehung aufnehmen. Und ihr wollt ja auch nicht immer nur auf den Plattformen die Kunden rekurrieren. Das sind eure Daten, die ihr habt, ja? Das ist aber, das ist der Grund, warum Facebook, ähm, das Ganze haben will. Und dass das in der Tat so ist, zeigt sich hier meine Umfrage, ähm, von martech.org, ähm, und im Wesentlichen sagt sie, sagen sie, ich-- Wir haben Kunden gefragt, unterschiedliche Altersstufen, unterschiedliche Einstellungen zum Leben. Ähm, aber im Wesentlichen sagen alle: „Wenn ich schon mal irgendwo Daten hinterlassen habe und das lief irgendwie gut, dann mache ich das noch mal und vielleicht auch mehr." Und wenn man das vergleicht, auch mit früher, wenn ich so 2010, 11 Check-outs gehabt habe beim E-Commerce, auch als Zalando, da hast du mehrere Seiten von Daten ausgefüllt. Das geht nicht mehr. Heute ist es so: E-Mail-Adresse, ähm, dann vielleicht noch die, natürlich die Lieferanschrift und dann war's das. Und dann haben wir diese Daten. Und das, und das sind so die maximalen Daten, die man irgendwie am Anfang, ähm, irgendwie abrufen kann. Aber die Kunden sind, wenn sie erst mal gelernt haben, offensichtlich, das läuft gut, dann geben sie dir auch mehr Daten dazu, ja? Und da auch noch mal diese, 'ne weitere Umfrage: Was motiviert eigentlich Kundendaten zu teilen? Und da ist auch ganz klar auf dem obersten Punkt „I trust the organization". Das heißt, die Aufgabe von Performance Marketing ist ganz klar, Vertrauen und Wertekommunikation zu machen und nicht nur, jemanden über die Klippe zu schubsen, sozusagen zu kaufen. Ja, das ist wichtig. Das ist richtig, aber vor allen Dingen, ähm, das Vertrauen und, und die Wertekommunikation zu bauen, weil später habt ihr dann die Daten, um dann super zu, zu personalisieren. Ähm, und, und deswegen unterscheiden sich auch die taktischen Maßnahmen zwischen frühen Kundenbeziehungen und spätesten, äh, späteren. Ich habe das mal so eingeteilt in, in Get into the Consideration Set und Stay in the Consideration Set. Am Ende des Tages das Consideration Set, die ... Bei jeder Kaufentscheidung habe ich irgendwie 'n Set von Marken im Kopf. Also wenn ich mir das nächste Mal ein Handy kaufe, was fällt mir da ein? Samsung, Huawei, Apple. So, das ist mein Consideration Set für Mobiltelefone. Das heißt, wenn ich jetzt irgendwie Socken anbiete oder Möbel, oder, na ja, bleiben wir mal bei Socken, dann möchte ich gerne, dass hier Markus Socks immer sofort im Kopf der Kunden ist, ähm, wenn sie an Socken denken. Das ist eigentlich, da muss ich erst mal rein. Und wenn ich da erst mal drin bin, dann ist die Aufgabe von CRM, ist es, im Consideration Set zu bleiben, und zwar das zu möglichst wenig Kosten, weil ich kann das natürlich mit ganz vielen Ads immer spielen, die Effektivität nimmt aber ab. Aber da kommt die Stärke von CRM rein, weil da habe ich ja nun mal den Kunden kennengelernt, hab die ganzen persönlichen Präferenzen und kann dann systematisiert – und dazu kommen wir gleich – systematisiert die richtigen Aktionen spielen. Aber gerade in der frühen Kundenbeziehung ist das eben, ähm- Eine andere Geschichte. Da versuchen wir erstmal Vertrauen aufzubauen und sollten wir das Ganze machen, vielleicht einen Kauf zu machen. Und was gerade passiert, ist, wir sind in diesem grauen Bereich, den versuchen wir über alle Käufer auszurollen. Und das halte ich für sinnlos. Das ist die eine Perspektive dahinter. Und hier vielleicht auch noch mal, da habe ich eine andere Studie gesehen, ähm, wo ich mir auch gedacht habe: „Mensch, wir treiben das Performance-Marketing zu weint. Da wurde ein Mädel gefragt, ähm, ein Team: „Wem folgst du denn so auf Instagram und so? Und dann sagt er: „Ja, ich folge einer Lip-Balm-Marke, weil die mir immer so schön zeigen, was für unterschiedliche Flavors es gibt, was für unterschiedliche Sorten es gibt und dann der Coffee Chain, weil die halt viele Coupons rausgibt und die anderen Closed und Stuff, weil die mir sagen, wann Sales ist. Und da habe ich mir so gedacht: „So, das erwartet die von Facebook, Instagram. Dafür zahle ich. Ich kenne diese Kundin, die hatte also offensichtlich schon x-mal gekauft. Ja, das sagt sie ja. Und dafür gehe ich auf die Acquisition-Kanäle, die wieder einzukaufen. Also wenn das nicht die Aufgabe von CRM ist, genau dieser Dame die richtigen Angebote zur richtigen Zeitpunkt zu bringen, mit den richtigen Bundles, basierend auf dem, was sie gekauft haben, dann weiß ich das auch nicht mehr. Und ich habe doch alle Kaufdaten, also muss ich doch total individuell berechnen können. Brauche den Coupon und wenn ja, welche Höhe. Und da kommen wir dann wieder zu den taktischen Mitteln im CRM, die richtig sind. Ja? Also das habe ich mich da gefragt und ich denke, darum müssen wir eigentlich als CRM-Manager, gerade genau in dieser Phase, First Party Data, wo ihre Daten wichtig sind, wo es genau diese Privacy Concerns gibt. Wir müssen da irgendwie unseren Home Turf wieder zurückholen, weil das ist unser Home Turf. Ähm, und ich glaube, ein Problem daran ist, dass wir nicht eine richtige Struktur haben. Ja? Also auf der einen Seite betrachten wir CRM wie Performance Marketing. Das ist das eine. B: Wir nehmen irgendwie, wir haben irgendwie nicht die richtige Metrik, nach vorne zu gucken. Und das ist natürlich der Customer Lifetime Value, habe ich mir natürlich schon gedacht. Steht ja auch da. Und das andere: Wir müssen das mit dem Lifecycle mischen. Und das ist der Vorschlag, den ich hier machen möchte, wie man das Ganze mit dem Lifecycle und dem CLV nutzen kann, systematisiertes Bestandskundenmarketing machen kann, indem man viel besser messen kann, was eigentlich der Effekt ist von dem, was wir tun. Denn wenn wir uns noch mal überlegen: Was ist eigentlich der Ziel von Kundenbindung? Am Ende des Tages – das ist jetzt meine Wiederkaufdarstellung, wo ich sage: „Okay, den ersten Kauf, den haben wir jetzt mal ... Ich nehme jetzt mal alle Kunden, die mal einen Kauf gemacht haben, und dann schaue ich mir an, wie viele davon machen den zweiten, den dritten, den vierten, fünften Kauf. Und die einzige Aufgabe, die Kundenbindung hat, ist, dafür zu sorgen, dass die Kunden, die den ersten Kauf gemacht haben, auch einen zweiten Kauf gemacht haben, die den zweiten Kauf gemacht haben, auch einen dritten Kauf gemacht haben, den dritten auch einen vierten Kauf gemacht haben und so weiter. Und das natürlich irgendwie unter einer Deckungsbeitragsperspektive, weil ansonsten gebe ich die Sachen einfach for free im Wesentlichen raus und ich kriege alle Wiederkäufe. Das ist klar. Aber ich muss irgendwo unter Deckungsbeitragsperspektive diese Wiederkauffragen steigern. Das ist meine Hauptaufgabe als CM. So verstehe ich im Wesentlichen CM, weil das ist letztendlich die Verhaltensreflexion von allen Maßnahmen, die wir irgendwie machen und so können wir auch zeigen, wenn wir die nach oben bekommen, wie gut unser Bestandskundenmarketing eigentlich läuft. Und wenn wir jetzt uns mal so eine Kaufkohorte rausnehmen, ja, mal die Links, die blaue, das ist die Entekaufkohorte, von der es der Zweitkauf oder der Drittkauf, dann kann ich das ja irgendwie einteilen, diese Kohorte, die ich da habe, an Kunden, die den dritten Kauf gemacht haben, in profitable und weniger profitable Kunden. Ne? Und das kann ich mir anschauen einmal in die Vergangenheit, wo ich anschaue: Ja, wie profitabel waren die denn in der Vergangenheit, diese Kunden, auf ihren ersten drei Käufen oder auf den ersten zwei Käufen? Dann kann ich mir anschauen: Wie profitabel waren die auf dem letzten Kauf? Und jetzt, CLV: Wie profitabel werden sie sein? Also vergangene, Past, Present, Future. Kann ich mit jeder Kaufkarte machen. Wie profitabel waren sie vor dem letzten Kauf, beim letzten Kauf und in der Zukunft? Ja, ganz, ganz einfach. Wenn ich das jetzt noch kombiniere und sage, ich nehme mir jetzt nur mal die vergangene kumulative Marge und den zukünftigen CLV, dann kann ich doch Kunden eigentlich in vier Klassen einteilen. Das eine sind so diese Poor Dogs, das ist so angelehnt an die BCG-Matrix. Die waren nie profitabel und die werden es auch nie sein. Dann haben wir die Fragezeichen, die waren noch nicht profitabel beim Erstkauf, ne? Unsere Performance-Marketing-Kriterien würden sagen: „Oh Gott, einen unprofitablen Kunden eingekauft, aber eine CLV-Prognose wird sagen: „Aha, Kunden, die dieses Produkt gekauft haben, haben eine hohe Wahrscheinlichkeit, extrem werthaltig zu werden. Also sind das für mich Fragezeichen, die ich konvertieren muss. Die Stars sind super. Die waren in der Vergangenheit profitabel und die werden auch profitabel sein. Und die welkende, ähm, wie welkende Blume, die war mal profitabel, ähm, und die wird es in der Zukunft nicht mehr sein. Das kann ich mit jeder Kaufkohorte machen, diese, diese ganz einfache Einteilung. Und was mein Ziel nämlich ist, ähm, ist im Wesentlichen, über die Zeit hinweg diese Poor Dogs zu reduzieren, die Fragezeichen zu realisieren, ähm, die, ähm, die welkende Blüte zu reaktivieren und den Style zu maximieren. So, das hört sich sehr esoterisch an, aber am Ende des Tages ist genau das, was wir eigentlich machen wollen und wo wir uns genau anschauen wollen, was können wir eigentlich mit den unterschiedlichen Kunden machen? Denn jemand, der einen Erstkauf gemacht hat und noch nicht profitabel ist, aber es vielleicht sein wird, der unterscheidet sich von jemandem, der fünfmal gekauft hat und es noch nicht ist. Das sind völlig unterschiedliche Ansätze, die ich auch machen muss mit den Tools, die ich dann später habe, nämlich: Welche Produkte personalisiere ich? Und so weiter. Und wenn wir uns da nämlich noch mal den CLV anschauen, ist der CLV immer irgendwie das Produkt aus einem Wert, was werde ich kaufen und mit welcher Wahrscheinlichkeit werde ich das kaufen über diese Zeiträume hinweg? So, und das ist ganz wichtig jetzt in diesem Fall nur, dass wir uns mal den Wert, also die Wahrscheinlichkeit, den wahrscheinlichen Warenkorb und die wahrscheinliche Wiederkaufsrate anschauen. Und jetzt denkt noch mal an das Muster von gerade. Dann kann ich das doch in so eine Systematisierungstabelle eintragen, ne? Ich habe jetzt mal die erste Kohorte dort abgetragen, noch mal ganz beispielhaft, ne? Da hat jetzt ein Kauf gemacht, das ist ein Star. Der erste Kauf, der war super. Meine CLV-Prognose ist super. Innerhalb der CLV-Prognose steht da, die Wahrscheinlichkeit, dass er kauft, ist top und der Wert, den er kaufen wird, ist auch top. Muss ich da was machen? Nö. Das ist ja schon mal gut. Beim zweiten, das ist ein Star, der hat beim ersten Kauf gut, ähm, gut gekauft, hochmarschig gekauft, im zweiten die CLV-Prognose ist eigentlich auch super, aber da steckt was anderes dahinter. Nämlich, wenn dieser Star noch mal kauft, dann wird der Warenkorb riesig sein. Nur die Wahrscheinlichkeit, dass er kauft, ist noch nicht so richtig hoch. Diese Kombination gibt's. Ja, was mache ich da? Dann kann ich mir überlegen: Ha, diesen Kunden, den könnte ich einen Coupon schicken. Und dann kann ich natürlich unsere ganzen taktischen Maßnahmen, wie die optimale Höhe der Coupon-Höhe, äh, die, die Höhe der Coupons, den kann ich natürlich dann auch berechnen lassen. Aber ich muss erst mal wissen, wem soll ich den überhaupt so einen Coupon geben? Und zwar, wenn ich die dritte, ähm, Zeile mir anschaue, diese welkende Blume, ne, also früher wird gekauft, jetzt aber nicht. Der, der hat 'ne hohe Wahrscheinlichkeit zu kaufen, aber halt nicht 'nen besonders hohen Warenkorb. Wenn ich da einen Coupon bringe, also das bringt ja gar nichts, weil der kauft ja sowieso, aber der Wert ist noch nicht gut. Und so kann ich dieses, kann ich jede Kundenkohorte komplett systematisiert aufbauen. Und das ist ein entscheidendes Framework am Ende des Tages, um die Dinge nämlich genau da hinzubekommen, nämlich so, dass wir letztendlich die Stars wachsen lassen. Aber wir können uns genau über die Zeit hinweg auch anschauen für diese Kundenkohorten: Was hat denn da unsere Aktion gebracht und waren das die optimalen Aktionen? Und wenn wir das nicht in diese Werte-und-Life-Cycle-Kommunikation runterbrechen, dann werden wir auch die unterschiedlichsten, also verschiedenste-- Wie soll ich sagen? Also, die Effizienz wird einfach nicht so hoch sein, weil auf dieser-- wie ich vorhin sagte, auf der Kohorte, die nur einen Kauf gemacht hat, da kann ich jetzt nicht großartig personalisieren. Da muss ich halt irgendwo einen Coupon-- Ich muss irgendwie, ich muss, muss schauen, dass ich diesen Kunden da rein bekomme, dass er halt noch mal zwei und mal ein drittes Mal kauft, dass er halt das Vertrauen und die Wertewahrnehmung richtig, richtig übernimmt. Und das kann ich vielleicht mit einem Coupon machen, mit der richtigen Botschaft: „Hey, pass auf, ne, du bist bei uns genau an der richtigen Stelle, kein Risiko. Du hast uns ja schon kennengelernt und wir wollen noch mal unser Werteversprechen hier, hier stärken." Das, wenn ich das mit 'nem Kunden mache, der fünf oder sechs Käufe gemacht haben, dann funktioniert das nicht. Da muss ich die richtigen Personalisierungen finden. So kann ich das Ganze sehr cool, ähm, aufgliedern. Von daher verstehen wir nämlich CRM als intelligentes, intelligentes, systematisiertes, CLV-basiertes Audience-Management. Und wir sehen, dass Kunden das tun. Wir haben Kunden, die haben über zweihundert CLV-Modelle im Einsatz, und zwar ohne dass mehr Menschen im Marketing angestellt worden sind, die auch irgendwie Data Science verstehen müssen. Dafür ist unsere Software gemacht, nämlich genau diese Customer Lifetime Values zu berechnen und auch Werteprognozen. Also nicht nur CV-basierte oder CLV-Prognosen, sondern CV-basierte Prognosen. Da sind die Wahrscheinlichkeiten drin. Ne, also wir können genau sagen, was ist die Wahrscheinlichkeit, dass jemand kauft in der nächsten Woche, in dreißig Tagen, sechzig Tagen aus 'ner bestimmten Warengruppe, aus 'nem bestimmten Land und, und, und. Also es sind genau diese Dinge, die man da, ähm, machen kann. Jetzt gibt es noch so ein bisschen die Frage jetzt-- Jetzt hatten wir ja dieses Fragezeichen, ähm, gerade als, als-- Entschuldigung, dass ich da so rübergegangen bin, ne, bei der, bei der, ähm, bei der welkenden Blüte. Das Fragezeichen, was mache ich denn jetzt mit diesem niedrigen Value? Wie kriege ich denn den Value jetzt hoch? Jetzt kann ich sagen: Okay, ich muss ein höhermargiges Produkt da reinbringen, aber möglicherweise muss ich auch einfach verstehen, warum der CLV oder warum die Wahrscheinlichkeit so gering ist. Und dort haben wir auch was. Da bauen wir, ähm, gerade ganz interessante Sachen. Ähm, nämlich wir wollen den CLV sozusagen nicht nur prognostizieren können, sondern wir wollen ihn auch erklären können. Also wir wollen wissen: Was tun können wir eigentlich tun als Marketer, damit der CLV oder die Wahrscheinlichkeit oder der Warenkorb eigentlich nach oben geht? Und da gibt es so interessante Sachen, die nennen sich Chappy Values. Und wenn ich mir jetzt mal so einen Conversion Score angucke, steht ja im CLV drin, ne? Conversion Score, also Conversion-Wahrscheinlichkeit mal Value, ist irgendwie mein Warenkorb für die nächsten Tage, einen Monat, Jahr, was ich auch zeiteinheitlich auch mal gehabt habe. Und wenn ich dann so eine durchschnittliche Score von 0,489, was ziemlich gut wäre oder ziemlich gut ist, anschaue und dann mir einen individuellen Kunden angucke, dessen Score nur 0,37-- 0,327 ist, dann möchte ich gerne wissen: Äh, was hat denn dazu geführt? Und in diesem Fall sind diese blauen Punkte, die, die senken den Score und da gucke ich mir mal an und sehe irgendwo ganz oben den Umsatz, ähm, in einer bestimmten Zeiteinheit für, für bestimmte Produkte der Marke X. Also, das sind echte Daten. Ich habe jetzt Marke X nur mal ausgetauscht. Und da muss ich mir dann schon anschauen: Sagt mal, warum sorgen denn Produkte der Marke X bei diesem Kunden eigentlich für eine schlechtere Conversion Score? Was ist denn das eigentlich für ein Produkt? Muss ich das rausnehmen? Vielleicht verkauft sich das gut, aber hat keine guten Reviews. Da muss man mal hinterher. Und so kann man das für jede einzelne Variable machen. Wir übernehmen bei Crossing Age die Berechnung der Einflussvariablen. Das heißt, bei uns gebt ihr uns einfach nur eure Transaktionsdaten und was ihr so habt über eure Kunden und wir berechnen euch diese Scores und diese ganzen Features auch, also die Einflussfaktoren, um CLV zu berechnen. Das ist eine der, glaube ich, entscheidenden Lösungen, warum unsere Kunden sozusagen den CLV so ausgiebig nutzen, ist, weil sie sind so einfach berechnen können. Sie brauchen eben keine Data Science und BI-Abteilung bei uns. Das ist ganz wichtig und so kann ich mir auch angucken bei allen Kunden, was ist zum Beispiel der Zeit, der Einfluss des letzten Kaufs? Viele sagen immer, umso höher der letzte, umso näher der letzte Kauf ist, umso höher ist der Customer Lifetime Value. Ja, weit gefehlt. Nämlich bei den links, da gibt es so welche, diese blauen, da ganz links in diesem grünen Kreis, ne, da ist ein Shapley-Value, der hat der, der Zeitpunkt des letzten Kaufes, diese blauen Punkte haben eine hohe, ähm, äh, hohe Prediction, also einen sehr, sehr hoch Conversion Score. Und, und die haben wir, aber da hat bei diesen Kunden und darum ist der Shapley-Value da so bei null Komma null fünf, hat das überhaupt keinen Einfluss auf, ähm, den Customer Lifetime Value. Das heißt, dieses Set von Kunden, die müsste ich überhaupt nicht sofort zum nächsten Kauf irgendwie bewegen. Das wird ihren CLV nicht in die Höhe treiben. Da muss ich andere Dinge tun. Und so kann ich das mit jeder, jeder Variable machen. Das ist nur mal eine andere Darstellung, ähm, wie das aussieht. Aber man kann sehr, sehr schön einfach sehen, wie unterschiedliche, ähm, Variablen und Einflussfaktoren den, den Customer Lifetime Value treiben. Das ist das, woran wir arbeiten. Und dann können wir den CLV nämlich auch steuern und nicht nur prognostizieren. Und den müssen wir sowieso flexibel prognostizieren, um diese Systematisierungstabelle zu haben. Und diese Systematisierungstabelle hilft euch wirklich dabei zu überlegen, ihr müsst das ja nicht auf ersten Kauf, zweite Kauf, dritte Kauf, vierte Kauf machen, sondern macht drei Gruppen: frühe Kundenbeziehungen, mittlere und lange. Und man kann sehr schön systematisiert dann sehen, was, was hat eigentlich funktioniert, was hat nicht funktioniert? Und sind wir auf dem richtigen Weg, unsere wertigen Kunden dorthin zu entwickeln, wo wir sie haben wollen? Das heißt, die Wiederkaufkohorten und das CLV, diese beiden Dinge zusammen, also diese Wiederkaufsraten und diese Wiederkaufkohorten, eingeteilt nach dem CLV, wenn ihr das macht, dann habt ihr ne systematisierte Art und Weise, n Kundenglimmungsmanagement zu machen, was auf der einen Seite eine Wertkomponente hat. Wir müssen ja zeigen, was, was letztendlich unsere Maßnahmen gebracht haben und auf der anderen Seite den Lifecycle. Und das sind die unterschiedlichen kognitiven Zustände im Kunden, im Kopf eines Kunden, das mit abbildet. Die beiden Dinge habt ihr damit eigentlich kombiniert und das ist das, was wir im CM machen müssen. Wer, ähm, kann euch dabei helfen? Das sind wir Cross Engage. Wir leben den Customer Lifetime, äh, Value und wir sind wie gesagt eine Customer- , ähm, -Data- und Prediction-Plattform. Wir haben verschiedenste Key Capabilities, aber, ähm, was ich euch da sehr, sehr ans Herz legen möchte, ist der No Code Predictive Modeler. Ähm, das ist das zweite von oben. Am Ende des Tages ist es ein Tool, mit dem ihr selber diese CLV-Modelle berechnen könnt, ohne dass ihr Data Science Kenntnisse haben müsst. Das ist das Spannende dahinter. Ähm, und ganz wichtig, warum? Viele Tools haben ja ein CLV drin, aber unser CLV ist wirklich geschätzt auf euren Daten. Das heißt nicht irgendein Out-of-the-box-Modell, das über alle irgendwie drüber gepflanscht wird, sondern die sind individuell, die Modelle. Die Modelle sind super flexibel. Ob ihr ne Konversionsrate die nächsten sieben Tage, drei Tage, dreißig Tage berechnen wollt, ob ihr das für bestimmte Kunden aus einem bestimmten Land machen wollt, Kunden, die aus einem bestimmten Kanal akquiriert haben, äh, habt, ähm, und, und, und. Ähm, das könnt ihr da modellieren und zwar ohne dass ihr Data Science könnt. Und das ist so aus unserer Sicht die Grundlage, dass man wertbasiertes, ähm, Marketing gut machen kann. Wir haben natürlich noch viel flexiblere Use Cases. Ganz wichtig, ähm, nur mal rüberzugehen, was man alles machen kann. Investitionshöhe natürlich. Wir haben die Custom Acquisition Cost, also wenn ich weiß, was ein Kunde wert sein wird, dann kann ich natürlich auch schauen, was kann ich ausgeben und so, das ist so einer der ersten Use Cases, die Performance Marketing und CRM zusammenbringen kann. Weil am Ende des Tages, wenn ihr euch diese Kurven noch mal vorstellt, ne, Abnahme der Werbeeffektivität, Zunahme der Effektivität von CRM, dann muss es da ein Zusammenspiel geben. Und ich glaube, dass wir mehr Relevanz bekommen, und CRM ist einer, einer der Schlüssel dazu ist, dass wir mit Performance Marketing auch zusammenarbeiten. Da gibt es natürlich auch solche Analysen wie Froschkönige, wo man sagt, der Kunde, wen muss ich eigentlich wachküssen, damit er irgendwie ein profitabler Kunde wird? Das sieht man manchmal auf den ersten Kauf nicht. Ähm, und, und das können wir natürlich mit einer Customer Lifetime Value Modellierung zu sagen, ha, der Markus, der hat am Anfang echt niedrigschwachig gekauft, aber später, da geht es los. So was kann man mit einem CLV identifizieren. Reaktivierung muss ich nicht drüber sprechen. Lookalike Modeling auch wieder ein super Ding, um mit Performance Marketing zusammenzuarbeiten. Hier nehmt euch diese Kunden, die werden sich gut entwickeln, die will ich wiederhaben. Call Center Priorisierung. Wir hatten vorhin einen Talk von Messenger People. Ja, am Ende des Tages muss ich da trotzdem irgendwo drauf antworten, ne? Wem antworte ich denn als erstes? Ähm, wem schicke ich denn eigentlich auch postalische Mailings mal, ne, wo es teurer ist? CLV ist da die Lösung. Produktanalyse hatte ich vorhin schon, ne? Also das Thema, einfach auch zu verstehen, welche Produkte sorgen eigentlich für einen hohen Customer Lifetime Value? Welche für eine große Bindung? Also das ist alles, die Daten habt ihr und das basiert alles auf dem Customer Lifetime Value. Und das ist so wertvoll, diese Information, da wird euer Produktmanagement euch lieben und Category Management. Kanalanalyse, genau dasselbe Kampagnen analysieren. Ähm, das sind nur mal so ein paar Dinge, die ihr tun könnt mit dem Customer Lifetime Value und die unsere Kunden auch tun. Ähm, das ist da in vielen Unternehmen CRM ein ganz, ganz integraler Bestandteil geworden und eben nicht mehr nur der einmal die Woche Newsletter, die Welcome, die Welcome-Strecke, hier ist der Warenkorbabbrecher, hier sind die Produkte, die du dir gestern auf der Website angeguckt hast. Das ist irgendwie kein Kundenbindungsmanagement und wir verkaufen uns da einfach unter Wert. Ähm, und man kann die Werte so schön hebeln. Ähm, wir machen verschiedenste Cases. Hier haben wir das mal mit Budni in Hamburg gemacht. Die haben immer in, die haben eigentlich immer im Nachhinein, wenn sie gesehen haben, Kunden haben nicht mehr gekauft, dreißig, sechzig Tage, haben sie ein postalisches Mailing rausgesendet. Ähm, und wir wollten einfach mal schauen, mittels des CLVs können wir das eigentlich besser? Und da haben wir uns angeguckt, ähm, Vergangenheitsperiode, was wäre eigentlich die CLV-Prognose gewesen und was hat der Kunde wirklich umgesetzt? Und dort, wo so ein- Großes Delta war. Diese Kunden haben wir angeschrieben und davon nur die besten x, um einfach Budget sozusagen auch zu sparen. Und wir haben eine vierzig Prozent weniger große Printauflage gehabt, aber zehn Prozent mehr Ertrag. Also einfach eine CLV-Analyse in die Vergangenheit gesteckt, ja, dann kann man sich das vorstellen, wo hat eigentlich unser Algorithmus gesagt, da der Markus, der hätte eigentlich besser performen müssen, als er, als er hat, den müssen wir uns jetzt mal vornehmen, hat wunderbar funktioniert. Ähm, dasselbe, man kann auch werbeaffine Kunden im CLV anschauen, nämlich zu schauen, wir nehmen uns zwei Gruppen, eine Gruppe wird mit 'ner Werbung bespielt und dann schauen wir uns an, ähm, wer sozusagen, ne, der mit der Kontrollgruppe zusammen matcht, wer hat da eigentlich mehr Umsatz gemacht, basierend auf dem Stimulus? Ja, und so kann ich eigentlich auch schauen, wem sollte ich eigentlich 'ne Werbung schicken? Alles auf Basis des Customer Lifetime Values. Atelier Goldener Schnitt, extrem viel ausgesendet, auch sechsundzwanzig Marketingmaßnahmen. Ähm, wir haben mittels unserer CLV-Berechnungen herausgefunden, ähm, dass wir, äh, bei vierzig bis sechzig Prozent der Kunden die, die Maßnahme auf zehn reduzieren konnten, ähm, bei gleichbleibenden Umsatz. Das ist natürlich ein Riesenhebel. Ähm, man kann aber auch so was machen wie Next Best Offer oder Next Best Category, ähm, Schätzung. Weil der Customer Lifetime Value nimmt ja sozusagen, der nimmt ja alle Käufe, ähm, rein. Und wenn ich dann diese Modelle nur restriktiere auf, auf Wein käufe, dann kann ich natürlich auch schauen, was ist mein erwarteter Umsatz in der Kategorie Wein. Also eigentlich kein intuitiver Case so fort, wie komme ich denn auf den Next Best Category Analyse, äh, mittels CLV? Ist aber da drin, weil ich ja die Kaufwahrscheinlichkeiten habe und ich muss ja dieses CLV-Modell schätzen. Und das kann ich einfach restriktieren auf bestimmte Warengruppen, können die bei uns in der Software mit einem Klick machen. Ja, und so machen die das. Und wir haben dreizehn Prozent der Kunden sorgen für achtzehn Prozent des, des Umsatzes in Wein. Die haben wir getroffen. Ähm, da ging's darum, wie kam E-com? Darf nicht sagen, wer es, wer es ist, aber im Wesentlichen die Corona-Krise gewesen. Offline-Händler wollte unbedingt seine Kunden in den Onlinehandel bekommen, ähm, und die Frage war, wen? Und die hatten halt fast keine Onlinekontakte und wir mussten ein Set identifizieren von den besten Kunden, die wir irgendwie in den Onlineshop bekommen. Auch das haben wir sehr schön geschafft. Ähm, vielleicht als Kontrollgruppe fünfundsechzig Prozent höhere Conversionrate und hundertfünfunddreißig Prozent mehr Umsatz pro Kontakt plus 'nen langfristigen Effekt. Das heißt, diese Kunden sind wirklich zu Multichannel-Kunden geworden, gehen noch in den Laden und kaufen online. Ähm, D2C-Brand, mit der wir gerade arbeiten, wir haben verschiedenste Brands und hier geht's darum rauszufinden, wen welchen Kunden, der von Marke A gekauft hat, könnte eigentlich 'n profitabler Kunde für Marke B, C oder D werden. Aber auch dort wieder, ne, wir wollen, wir wollen den, ähm, die Kommunikation sehr, sehr gut targeten. Ähm, das läuft gerade, ähm, sehen hier erste sehr gute Ergebnisse. Also auf Basis des CLVs irgendwie zu verstehen, wer könnte eigentlich bestimmte Kategoriepräferenzen haben? Wer hat bestimmte Wertigkeiten, Affinitäten? Ähm, genau. Und das ist das, was wir tun. Und, ähm, wir glauben, wir euch helfen können, ähm, per CLV-basiertes CRM auf die nächste Stufe zu bringen. Wir glauben an den Customer Life Time Value. Wir glauben daran, dass das-- Wir sind davon überzeugt, dass das der Schlüssel ist, CRM am Ende des Tages, ähm, effizienter zu machen, ähm, dass wir dadurch einen viel größeren, ja, Impact eigentlich auch haben werden am Marketingtisch, wenn diskutiert wird, weil das sind echte Werte, die generiert werden. Aber wenn wir immer wieder nur die Performance-Marketing-Kriterien ansetzen und irgendwie nur unsere Taktik da irgendwie machen, Sendezeitoptimierung, dann können wir nie zeigen, wie wir langfristig unsere Kunden entwickelt haben und unsere Maßnahmen werden eben nie auf den Lifecycle abgestimmt werden. Wenn ihr das aber kombiniert, CLV und Lifecycle, dann könnt ihr die Wertigkeit zeigen, die ihr generiert, könnt das wunderbar über die Zeit einfach abbilden, wie sich die Gruppen entwickelt haben. Und B, ihr seid ziemlich sicher, ähm, dass ihr auf den Lifecycle angepasste Kommunikationen macht. Und ich glaub, das, ähm, liegt ja im Herzen von allen CI-Managern, dass wir eben nicht nur den AbverkaufsNewsletter machen, sondern echte Kundenbindung betreiben. Und das könnt ihr mit diesem Framework machen und mit CrossEngage. Von daher herzlichen, herzlichen Dank für die Zeit. Ähm, ich hab 'ne Viertelstunde länger gebraucht. Stehe jetzt gerne für eure Fragen zur Verführung. Schreibt mir einfach. Genau. Also vielleicht noch mal so ein bisschen im Hintergrund, wie unsere Kunden damit arbeiten. Es ist wirklich so, dass also viele unserer Kunden Dutzende von diesen Modellen haben. Und wenn ihr so was mal habt, dann war euch in der Software vielleicht auch ein Customer Lifetime Value, dann würde ich mich mal fragen, ist, welchen Daten ist der eigentlich geschätzt? Welche Zeithorizonte prognostiziert der eigentlich? Sind das dreißig Tage? Sind das sechzig Tage? Sind das, ähm, hundertachtzig Tage? Wie valide ist der eigentlich, ja? Also, nur weil ich 'ne Prediction mache, heißt das ja nicht, dass die gut ist. Ich kann ja auch morgen sagen, dass das Wetter morgen schön wird in Berlin. Glaubt mir das einer. Na ja, ich muss ja irgendwie zeigen können, dass ich auch da im Wesentlichen gut bin. Das sind so die Themen, die wir, ähm, in unserer Software mit abgebildet haben, ja. Das könnt ihr also alles sehen. Wir haben dann Ampelsysteme, die sagen, sind die Modelle gut oder sind sie nicht gut. Ähm, und das ermöglicht uns einfach, unseren Kunden direkt im, im CRM zu arbeiten, diese Modelle zu machen. Wir haben auch Data Scientists, die ihr anrufen könnt und sagen: „Ey, das funktioniert hier nicht. Was, was muss ich denn tun?" Ähm, ja, und ich glaube, das wird uns, das wird 'n-- Das ist ein Riesenhebel, ähm, schon. Ähm, ja, würd mich interessieren, ob ihr auch ähnliche Erfahrungen gemacht habt, gerade im Performance-Marketing mit den steigenden Kosten. Ähm, ich glaub, da ist 'ne ganzen-- 'ne ganze Industrie ziemlich nervös und das vielleicht dann, wenn sonst keine Fragen kommen, als letzten Satz: Für uns stehen echt nicht goldene Zeiten, sondern Platinzeiten voraus, wenn wir's hinbekommen, ähm, den Lifecycle und den Customer Lifetime Value in unser Bestimmungskundenmarketing zu integrieren. Ihr habt die Cases gesehen. Das geht echt so weit auf und ihr habt 'ne Systematisierung. Ähm, wenn ihr da weiter Fragen habt, kontaktiert mich sehr gerne unter marcus.puppe@crossengage.io oder auch auf LinkedIn werdet ihr mich direkt finden. Ähm, meine Kollegen, die sind auch, die haben so 'n virtuellen Stand. Wenn euch das interessiert, was wir da bauen-- Wir haben ja noch, ähm, wir haben ja noch, ähm, ja, wir haben ja noch eine Customer-Data-Plattform, unsere Customer-Data-Management-Solution mit im Einsatz. Dann bitte die Kollegin Carla oder Maxi bei unserem virtuellen Stand ansprechen. Von daher herzlichen, herzlichen Dank für die Zeit. Ähm, ich hab 'ne Viertelstunde länger gebraucht. Stehe jetzt gerne für eure Fragen zur Verfügung. Schreibt mir einfach. Genau. Also vielleicht noch mal so ein bisschen im Hintergrund, wie unsere Kunden damit arbeiten. Es ist wirklich so, dass also viele unserer Kunden Dutzende von diesen Modellen haben. Und wenn ihr so was mal habt, und bei euch in der Software vielleicht auch ein Customer Lifetime Value, dann würde ich mich mal fragen, ist, welchen Daten ist der eigentlich geschätzt? Welche Zeithorizonte prognostiziert der eigentlich? Sind das dreißig Tage? Sind das sechzig Tage? Sind das, ähm, hundertachtzig Tage? Wie valide ist der eigentlich, ja? Also, nur weil ich 'ne Prediction mache, heißt das ja nicht, dass die gut ist. Ich kann ja auch morgen sagen, dass das Wetter morgen schön wird in Berlin. Glaubt mir das einer? Na ja, ich muss ja irgendwie zeigen können, dass ich auch da im Wesentlichen gut bin. Das sind so die Themen, die wir, ähm, in unserer Software mit abgebildet haben, ja. Das könnt ihr also alles sehen. Wir haben dann Ampelsysteme, die sagen, sind die Modelle gut oder sind sie nicht gut. Ähm, und das ermöglicht uns einfach, unseren Kunden direkt im, im CRM zu arbeiten, diese Modelle zu machen. Wir haben auch Data Scientists, die ihr anrufen könnt und sagen: „Ey, das funktioniert hier nicht. Was muss ich denn tun?" Ähm, ja, und ich glaube, das wird uns, das wird 'n-- das ist ein Riesenhebel, ähm, schon. Ähm, ja, würde mich interessieren, ob ihr auch ähnliche Erfahrungen gemacht habt, gerade im Performance-Marketing mit den steigenden Kosten. Ähm, ich glaube, da ist 'ne ganzen-- 'ne ganze Industrie ziemlich nervös und dass vielleicht dann, wenn sonst keine Fragen kommen, als letzten Satz: Für uns stehen echt nicht goldene Zeiten, sondern Platinzeiten voraus, wenn wir's hinbekommen, ähm, den Lifecycle und den Customer Lifetime Value in unser Bestimmungskundenmarketing zu integrieren. Ihr habt die Cases gesehen. Das geht echt so weit auf und ihr habt 'ne Systematisierung. Ähm, wenn ihr da weiter Fragen habt, kontaktiert mich sehr gerne unter marcus.puppe@crossengage.io oder auch auf LinkedIn werdet ihr mich direkt finden. Ähm, meine Kollegen, die sind auch, die haben so 'n virtuellen Stand. Wenn euch das interessiert, was wir da bauen, wir haben ja noch, ähm, wir haben ja noch, ähm, ja, wir haben ja noch 'ne Customer-Data-Plattform, unsere Customer-Data-Management-Solution mit im Einsatz. Dann bitte die Kollegin Carla oder Maxi bei unserem virtuellen Stand ansprechen. Von daher herzlichen, herzlichen Dank. Ähm, ich hoffe, es war ein bisschen unterhaltsam, ein bisschen lehrreich. Ähm, freue mich auf die Konversation mit euch. Bis dann. Danke. Ciao.