Die Zukunft des CRMs ist prädiktiv, nicht reaktiv!

Ist das wunderbar. Ist das wunderbar, euch wiederzusehen. Echt, so lange Zeit. Wie lange waren es her? Drei Jahre, die letzte UMKB? Ich glaub schon. Wir hatten Heroes im Oktober, die Heroes auf CRM und ich find es echt spannend, wieder auf der Bühne zu stehen. Und ich dachte mir, nach dem ganzen Tag von Performance Marketing, User Acquisition, gehe ich ein bisschen rein und erzähle euch über die Zukunft, die Zukunft des Bestandskundenmarketings. Aber ich muss euch enttäuschen. Das ist gar nicht die Zukunft. Das ist das Jetzt. Das ist das Jetzt. Das CRM und die Zukunft des CRM ist jetzt. Warum ist das so? Plattformökonomie haben wir alle schon gehört, ne. Und alle, die im Performance Marketing arbeiten, die wissen das ganz bestimmt. Acquisition Cost durch die Decke, die CPCs durch die Decke. Es wird immer teurer, die Kunden einfach nur einzukaufen. Apple ATT, kennt ihr das auf dem Apple, wenn ihr gefragt werdet, ähm, wollt ihr gecheckt werden oder nicht? Kennt ihr das? Habt ihr schon mal „Ja" geklickt? Blöd, ne? Zwei Hundert Prozent mehr, CPA. Gerade vom Kollegen von Marwave, keine Zielgruppe mehr, nur noch die Creatives. Was glaubt ihr, warum? Das machen die großen Plattformen. Das Geld liegt in den Zielgruppen. Und das müssen wir machen. Darum müssen wir uns kümmern. Und da gibt es noch viel mehr Themen, da können wir lange drüber sprechen. Third Party Data wird immer schwieriger zu bekommen. Das ganze Datenspiel in Performance Marketing, Acquisition Marketing wird mega schwierig. Und dazu kommt auch noch Apple ATT. Warum sollte ich eigentlich einem Unternehmen meine Daten geben? Wir haben irgendwie gemerkt, die sind ja was wert. Das heißt, diese spielen-- und das hat man ganz klar auch bei Mobile-Entwicklungen gesehen. Auf einmal war das da, das ATT, und jetzt steht das da vor jeder App und alle klicken "Nein", anstatt sich mal Gedanken zu machen: Warum sollten wir denn eigentlich "Ja" klicken? Ne Idee? Nee, ne? Die machen das schon, die User. Machen sie nicht. Und deswegen müssen wir uns doch vorbereiten auf das, was kommt in der Zukunft und die Zukunft ist jetzt. Und die Zukunft, die ist schon lange, lange bekannt. Das ist nämlich CRM. Und die erfolgreichsten Marketä, äh, Marken, die machen CRM. Oder Matthias? CRM, that's the game. Das haben wir vorhin gehört bei Peloton. Was machen die? Nutzer, Member Engagement, weil das nämlich verdammt teuer ist, die Kunden wieder einzukaufen. Wir haben es vorhin bei der Deutschen Bahn gehört: Kunden binden und nicht einfach nur auf TikTok Videos, Videos, das kostet nämlich 'ne ganze Menge. Und wir wissen, die Metriken, die sind appealing. Fünf Prozent höhere Kundenwasch, äh, Kundenbindung, fünfundzwanzig bis fünfundneunzig Prozent mehr unten. Quellen sind da, ist schon ewig bekannt. Gibt so super viel. Du kannst besser cross-sellen, kannst besser up-sellen und wir kennen das doch auch selber. Wenn wir eine Unternehmung haben, die uns gefällt, da bleiben wir, oder? Wenn die uns vernünftig mit uns umgeht, da bleiben wir. Und das macht es eigentlich aus. Und das war immer so weit weg. Ja, das machen wir mal. Wir schicken mal so einen Newsletter raus. Nein, alle männlich, weiblich. So, das war's jetzt. Vielleicht noch mal geht das jetzt noch ein bisschen diverser, aber das war's doch im Wesentlichen. Und das ist eine Katastrophe. Das ist eine Katastrophe, weil am Ende des Tages euch das ganz viel Geld kostet. Das ist die, äh, das ist die Katastrophe dahinter. Und die Frage ist eigentlich: Warum ist das so? Und obwohl 2020 neunzig Prozent der Leute gesagt haben oder Marken gesagt haben, First Party Data, ne, CRM, super wichtig, machen's eigentlich nur ein Prozent richtig gut, kanalübergreifend. Das war 2020. Und das hat sich geändert in den letzten zwei Jahren und das sieht man ganz gut darin an 'nem bestimmten Trend. Das, äh, Quelle könnt ihr alles immer nachschauen, ne. In den Earnings Calls von börsennotierten, ähm, Unternehmen, äh, wurde mal geguckt, wie oft häufig Customer Data Platform vorkommt, also First Party Data. Und ihr seht, die letzten eineinhalb Jahre geht das durch die Decke und der Grund ist die Slide davor. Das heißt, wenn ihr euch jetzt nicht darum kümmert, dann wird das ganz schön schwierig, einen vernünftigen ROI-Marketing zu machen und das haben Marken erkannt. Und dafür gibt's diese CDPs. Und das ist nicht gaaanz das Einzige, was wir irgendwie brauchen, nämlich nur das Speichern von den Daten, sondern wir müssen die aktivieren. Müssen wir irgendwas damit machen. Damit geht's weiter. Geht's weiter. Und dafür können wir Predictive CM nutzen. Also, was ist das überhaupt? Wir halt sammeln Daten von Kunden auf unseren Webseiten, in der App. Wenn die uns das erlauben, werden wir eine vernünftige Value Proposition haben. Aber dann können wir vorausschauen: Was macht der Till nächste Woche? Meldet der sich ab? Bleibt er, bleibt er bestehen? Was ist eigentlich der Wert von Till in der Zukunft? Ist das ein Froschkönig, der in drei Jahren ein Prinz ist? Der ist natürlich schon lange ein Prinz, aber, ne, du musst dich jetzt herhalten, Till. (lacht) Das macht Predictive CRM. Okay? Verstehen, was der zukünftige Wert eines Kunden ist und wie er sich verhält. Und das können wir nur machen, wenn wir eine vernünftige Value Proposition haben und die Daten über diesen Kunden vernünftig in der CDP gesammelt haben. Warum machen wir das Ganze? Weil am Ende – und jetzt sind wir mal, sind wir mal ehrlich – wer hat denn einen klaren Blick von euch auf eure CRM-Bestandskunden? Seid ihr sich-- Wisst ihr klar, wie eure Zielgruppen aussehen? Ja? Super. Sonst noch jemand? Ja, das ist das Problem. Viele Marken wissen eigentlich gar nicht, wie diese Zielgruppen, äh, aussehen, ja? Und das ist ein Problem, da kommen wir gleich raus. Ich hab, äh, drei Cases mitgebracht, um mal zu zeigen, was das eigentlich bedeutet, ähm, wenn man Predictive CRM macht und was eigentlich der Erfolg dahinter ist. Aber das ist ein ganz großes Problem. Was haben wir denn in unseren CRM-Datenbanken? Da ist irgendwie das Registrierungsdaten, da ist das Geschlecht da drin, da ist der Zeitpunkt des letzten Kaufes, ne, und so. Und dann war's das. Schickt mal einen weiteren Newsletter raus, das wird dann schon. Und das funktioniert eben nicht. Und was wir brauchen, ist das: 'n klaren Blick auf die Zielgruppen. Und wenn wir ganz ehrlich sind, ist es ja genau das, was die großen Plattformen machen, die Facebooks, die TikToks. Die sagen nämlich, wir haben's doch gerade von den Kollegen von, äh, von Marwave gehört: Macht noch ein Creative und die Zielgruppe, die kommt ganz magisch aus den Plattformen, weil das deren Geld ist. Und das ist genau das, was am Ende des Tages den Unterschied macht, die richtige Zielgruppe zu finden.Deswegen funktioniert es auf den Plattformen auch so gut. Die haben die Kundendaten und bilden die Zielgruppen. Und das müsst ihr nun mal und das sind die schlechten Nachrichten, vielleicht im CRM selber machen. Dafür gibt es aber auch Unternehmen wie CrossEngage, die euch dabei helfen. Aber das ist die Zukunft, das müsst ihr machen. Ansonsten werdet ihr eure Teilnehmer verlieren. Ihr kennt vielleicht noch alle Groupon früher. Ja, man hat sich irgendwo angemeldet und jeden Tag gab's irgendwie eine E-Mail. Das war irgendwie damals nicht so ein Problem. Da konnte man oben ordentlich Leute reinkippen. Das war nämlich nicht teuer, aber (Pfeil) man hat sich doch so schnell wieder abgemeldet, oder? Von den Newslettern war doch eine Katastrophe. Und wer hat sich dann wieder angemeldet? Jetzt mal ganz ehrlich, oder? Oder sieht das jemand anders? Das ging, weil man oben einfach Leute reinkippen konnte. Das funktioniert heute einfach nicht mehr. Ihr müsst das wissen. Wir müssen wissen, hat er eine Retourenwahrscheinlichkeit? Meldet er sich möglicherweise ab? Ist es ein Brand Promoter, den ich vielleicht fördern muss? Hoher CLV. Was ist denn dieser CLV überhaupt? Da spricht ja irgendwie jeder, äh, gerade drüber. Na ja, am Ende des Tages der CLV euer Steuermechanismus, ne? Der CLV ist im Wesentlichen, das kommt so aus der Investitionstheorie, das heißt im Wesentlichen, was ist der Wert eines Kunden in der Zukunft für eine Marke? Nicht in der Vergangenheit. Man kann das schätzen auf Basis der Daten in der Vergangenheit, aber ihr guckt in die Zukunft. Ihr müsst nämlich wissen, und das meine ich mit dem Froschkönig, wenn da also jemand ist, der vielleicht am Anfang noch gar nicht so profitabel war, vielleicht entwickelt der sich nämlich in eine positive Richtung. Und dann müssen wir natürlich frühzeitig, wenn wir diesen Kunden teuer akquiriert haben, müssen wir den binden und natürlich das auch verstehen. Und das ist intelligentes Audience-Management und dafür braucht ihr predictive CRM. Und was dann da rauskommt, sind nämlich gaaanz viele tolle Zielgruppen. Das ist schon ganz cool. Davon kann man schon drauf personalisieren. Was wir dann aber sehen, ist, dass CRM-Abteilungen sind häufig nicht so richtig groß und dann fängt es an: „Auf wen konzentriere ich mich denn jetzt? Soll ich lieber die Brand Friends nehmen oder lieber die High-Earn-Subscript-Leute und die Bewahren?" Was soll ich machen? Martin, wen würde ich jetzt nehmen? Genau. Brauchen ... Sehr gut, ja. Das machen wir auch gleich. Aber am Ende des Tages brauchen wir eine Priorisierung. Und das ist im Wesentlichen die Zukunft des CRMs. Ihr habt auf der einen Seite, habt ihr eine Dringlichkeit, ihr müsst irgendwie Zielgruppen in einer Dringlichkeit definieren. Wir haben ja früher loyale Kunden, die sind abwanderungsgefährdet und die mussten einen Wert dahinter legen. Und das macht ihr mit dem Customer Lifetime Value. Und wenn wir das mit jeder Zielgruppe machen, dann haben wir doch ganz klar eine Priorität. Um die müssen wir uns jetzt drum kümmern, sonst sind die nämlich weg. First to second Order, super Case auch mit Optilize. Der Kollege von Martin ist gleich dran. Kann man sich gleich anhören. Funktioniert super gut. First to second Order. Ist nämlich ein kurzer Insight. Umso schneller ihr einen Kunden vom Erstkauf zum Zweitkauf konvertiert, umso höher ist der Kundenlebenswert und umso schneller werden sie gebunden. Das sind empirische Werte, die sehen überall. Das heißt, es könnte nämlich Sinn machen, einen postalischen, wo man erst sagt: „Oh, das kostet aber viel Geld." Nein, wenn ihr die richtigen Kunden habt, dann könnt ihr darin investieren. Und darum brauchen wir genau diese Chart. Nur leider nutzt, nutzen die noch nicht so viele, aber das ist die Zukunft. So machen das die großen Marken, ja? Die gehen genau da rein und können die auch priorisieren. Jetzt haben wir diese drei Zielgruppen. Nächste Woche schauen wir uns andere an, okay? Und dann geht es weiter. Und dann müsst ihr testen, testen, testen. Und CRM ist eben nicht nur E-Mail-Marketing, ja? Das geht über das Call Center, das geht postalisch, ja? Ihr könnt auch Custom Audiences hochladen in Facebook, wenn ihr da schon Targeting machen wollt. Und ganz ehrlich, das ist nämlich gar nicht so unsinnig, weil am Ende des Tages (lacht) sagt, gebt ihr denen nämlich nicht eure Insights. Die First-Party-Daten, das ist euer Gold, ja? Was machen die mit der, mit der Conversion-API? Sagt: „Gib uns doch mal diese Post-Conversion-Daten, da können wir noch viel besser Zielgruppen finden." Die, die wollen euer Gold, die kriegt ja eigentlich nichts zurück, ne? Also testen, testen, testen, das Ganze und dann geht das gut. Wie sieht das jetzt mal aus? So, jetzt habe ich ja viel hier so theoretisch gesprochen. Wie sieht denn so was aus? Und wir haben 'ne Fallstudie, das Bäm-zu-Bäm. So, kennt vielleicht jeder den Fall: Management sagt: „Mensch, ey, wir brauchen jetzt Umsatz, ne? Schnell Umsatz, diese Woche noch, schnell Umsatz." „Pff, ja, äh, lass uns mal gucken, was wir da machen können." Ein kurzer Blick, ähm, auf den CPM zwischen E-Mail und Facebook. War noch relativ klar, ne, lass mal E-Mail schicken, oder? Raus. Diese Woche noch mal einen obendrauf. Crm-Abteilung, die weint eh schon, die hat schon drei E-Mails geschickt die Woche. Jetzt wie, wollen wir das noch mal machen, eins obendrauf, aber ist doch so günstig. Und das Management sagt auch: „Hier, prima, CRM for Life, E-Mail, Newsletter raus." (lacht) Kennt doch jeder, oder? Wer ist hier CRM-Manager? Ich weiß nicht, wie oft ich das gehört habe. Ja? (schmunzelt) Sehr gut. Und der CRM-Manager, ne? Der CRM-Manager sagt: „Ey, Freunde, Freunde, nee. Overcontacting, Öffnungsrate, Klickrate, Öffnungsrate, übrigens sehr, sehr schwer mit Apple Mail Protection, ne? Sieht man keine Öffnung mehr, muss man da noch viel mehr auf CLV gehen, anstatt nur irgendwie auf Öffnung und darauf testen. Also Sendinblue zum Beispiel sagt, wir machen gar nichts mehr mit, ähm, äh, Sendezeitoptimierung, weil wir gar nicht mehr sehen können, wann die Leute ihre E-Mails öffnen. Auch keine Trigger mehr auf Öffnung. Ne, das geht alles in den Wertbereich rein. Okay? Äh, (seufzt) und so weiter. Und das Management, was macht das Management? (lacht) Newsletter, ne? Verstehen ja gar nicht, was dahinter steht. Du musst ja in Geld sprechen, du musst ja anders sprechen. Und das ist genau der Trick. Ähm, ne, so 'n CRM-Manager, dann so unglücklich, den glücklich zu machen, ist ganz einfach. Ihr müsst nämlich zeigen, dass der kurzfristige Nutzen, ähm, die Kosten eben nicht übersteigt. Oder umgekehrt, ähm, der kurzfristige Nutzen übersch--, äh, übersteigt die Kosten überhaupt nicht und ihr müsst zeigen, die langfristigen Kosten übersteigen den kurzfristigen Nutzen. Und das kann man ganz einfach machen. Das haben wir nämlich gemacht. Das ist ein echter Case. Da hat jemand angerufen und hat gesagt: „Freunde, wir wollen noch einen Newsletter raussenden und wir haben schon eine hohe Abmelderate." Ähm, und wir haben schon eine, upsala, wir haben schon eine hohe Abmelderate, das ist ein großer Shop, machen gute Umsätze und die haben schon echt ordentlich rausgehauen und hat gesagt: „Wir müssen jetzt was tun."Wir müssen jetzt was tun." Dann haben wir gesagt: „Okay, das können wir." Wir haben eine Customer-Data-Plattform. Wir haben da drauf das, äh, No-Code-Predictive-Modeler, das heißt, dass auch Marketer ohne Data-Science-Kenntnisse diese Modelle rechnen können. Und in diesem Fall ist es ein Abmeldemodell gewesen. Ja? Wir haben also berechnet, wir haben also berechnet, wer der Kunden will eigentlich von uns hören und wer nicht. Und dann haben wir das gesplittet, einen fifty fifty Split und die oben haben die Testgruppe A, die normale Frequenz ge, äh, ge, na, bekommen und unten haben wir mal das Ganze reduziert. Das ist noch nicht mal ein ganz komplizierter Case, wo ich sage, ne, der John bekommt jetzt zwei Newsletter, ja, und der Till bekommt irgendwie drei. Das war noch mal ein ganz einfacher Test. Und dann haben wir das im Monat laufen lassen. (vier Sekunden Pause) Keine Unterschiede in der Conversion-Rate, kein Unterschied im Revenue-Kontakt, keinen einzigen Euro liegen lassen. Aber Abmelderate über die Wochen nur noch ein Drittel davon. Hört sich jetzt nach gar nicht so viel an. Und wir waren auch nicht so richtig sicher, ist das jetzt so, ne? Ist das irgendwie jetzt so 'n, so 'n vier Wochen Test? Hat das mal funktioniert? Nee, haben wir weitergemacht, haben wir zwei Monate gemacht und sehen das gleiche Ergebnis. Wir haben keine signifikanten Unterschiede zwischen Revenue pro Kontakt und Conversion-Rate. Mit anderen Worten heißt das, man konnte sich diese ganzen Mehr-E-Mails sparen. Das heißt, noch eine E-Mail weiter raus senden macht überhaupt keinen Sinn. Wie identifizieren wir das? Mit Predictive CRM. Das ist gut für den Kunden, für die User-Experience und das ist gut fürs Unternehmen. Beides, so einfach. Und das ist die Zukunft des CRMs. So müssen wir denken. Und das ist ja nur ein Beispiel. Denn wenn wir jetzt noch mal, o-o-oder viel mehr, wenn wir jetzt noch mal weiter rechnen, das hochrechnen, wir haben sieben Komma null sechs Prozent Abmelder reduziert. Wenn wir nun sagen, das sind siebzigtausend Kunden, die wir bewahrt haben auf einer Million Kunden, was schnell geht bei fünfundsiebzig Euro, äh, Durchschnittsumsatz, haben wir im Jahr fünf Millionen, ähm, gesaved. Das ist 'ne Menge Geld. Da müssen wir lange Crates für optimieren. Wenn ich das mal so sagen darf. So einfach. Das ist CRM und nicht einfach raussenden. Okay, zweiter Fall. Black-Friday-Audience-Discovery-Studie. Ja, 'n Kunde von uns hat zwar das ganze Engager-Modul, also kann E-Mails versenden und Nachrichten versenden und wir wollten immer: "Probiert doch mal hier die neue, unsere Data-Science-Komponente aus, unseren No-Code-Model-Builder aus. So, probiert das doch mal." Und dann, dann durften wir das sogar machen, und zwar in einer Black-Friday-Kampagne. Wir hatten also, ist auch wieder ein E-Commerce-Kunde und der Kunde war irgendwie nicht so richtig überzeugt. Der sagt: "Wir kennen doch unsere Zielgruppen. Kennen wir doch alle." Haben wir gesagt: "Lasst uns doch mal einmal machen." Ein Tag, ein Tag in der Black-Friday-Woche. Den haben wir gekriegt. So, was haben wir gemacht? Wir haben gesagt: "Passt auf, ihr, man selektiert manuell und wir machen das mit unserer Maschine. Die macht das automatisch." Das haben wir nur angestellt, dann hat er es gerechnet und dann konnten wir loslegen. Die anderen mussten manuell selektieren. So. Und dann haben wir natürlich mit unserem Modell, haben wir natürlich auch Kunden gefunden, die in der manuellen Selektion drin waren, aber wir haben noch mal einundfünfzigtausend weitere Kunden gefunden, die am Ende des Tages fünfundzwanzig Prozent des Gesamtumsatzes der Kampagne gemacht haben. Nur die, die wir exklusiv gefunden haben, die haben nicht mal den Überschnitt. Und das war die erfolgreichste Kampagne der Woche. Und das ging mit 'nem Mausklick am Ende des Tages, ja. Also das geht, da ist richtig Musik dahinter, wenn man das hat. Also, das noch mal zu-- Und das, Entschuldigung, da habe ich die weiteren KPIs sogar vergessen, ne? Das war die beste Kampagne pro Revenue per User, der Klicks pro Rate und Sessions, ähm, per Delivered E-Mail. Ne? Das steckt da drin. Das steckt in diesen ganzen Daten drin, wenn ihr das gut macht. Das ist richtig Geld, was dahinter steckt. Okay, also, ne? Fünfundzwanzig Prozent des Gesamtumsatzes und das Beste war, die haben gemerkt: "Da, da, da müssen wir ja gar nicht so viel machen. Müssen ja nicht selber uns Gedanken darüber machen, wen wir selektieren. Das macht die Maschine." Die versucht ja, Muster zu finden, die wir überhaupt nicht als Mensch sehen können. Wir sind sehr transparent als CrossEngage. Ihr könnt dann auch reingucken und dann wundert man sich manchmal so, was eigentlich die Einflussfaktoren sind. Da macht der Julius bei uns, äh, dem Head of Data Science, echt coole Sachen. Der kann nämlich dann auch erklären, warum diese Dinge so sind, wie sie sind. Total spannend. Wir haben nicht nur 'ne Prognose. Das ist nämlich ganz wichtig. Wenn ihr in Prognosen reingeht, kann man die eigentlich, kann man denen eigentlich glauben oder auch nicht. Da muss man ein bisschen was machen, aber gar nicht so schwer. Das kann man mit Ampeln machen. Ganz einfach: Rot, gelb, grün. Es ist gut oder nicht so gut. Okay, weiter geht's. Jetzt können wir weitermachen. Okay, jetzt haben wir Zielgruppe. Jetzt wollen wir natürlich mal personalisieren. Dritter Fall. So, wenn ich jetzt also ein CLV habe, ne? Willst du erst mal so 'ne E-Mail, die da so ist? Das ist, das ist 'ne Back-in-Stock-Kampagne, finde ich auch super. Mehr verhaltensbasierte E-Mails ist eigentlich super. Nicht mehr so wie früher, dass man so, man wusste eigentlich gar nicht, was die Kunden gemacht haben. Hier klar auf dem Verhalten getargetete E-Mail. So, wenn man die so sieht, da unten, irgendwie 'ne Herrenhose und Damenklamotten. Irgendwo passt das nicht so richtig mit der Personalisierung. Da kann man schon 'ne ganze Menge mehr machen. Auch hier. Also, irgendwie die Hose und aber kein Preis und keine Größe verfügbar und alles Mögliche, ne? Eigentlich ziemlich plain. Kann man 'ne ganze Menge mehr machen. Und wenn wir jetzt in meinen CLV reingucken, ja, ähm, genau, wenn wir jetzt in meinen CLV reingucken, dann sehen wir nämlich, oh, Vorsicht, Formel, am Ende des Tages gar nicht so wild. Ja, ein CLV, ein Customer Lifetime Value ist immer irgendwie... Mach ich's mal so: Was wird der Markus eigentlich im, was haben wir jetzt? April, ne? Im Mai kaufen und mit welcher Wahrscheinlichkeit? So, und das kann ich über den Mai machen, über den Juni, äh, April, über das nächste Jahr, über das nächste Jahrzehnt, nächste Quartal. So. Aber da stecken immer zwei Sachen drin. Nummer eins: Die Wahrscheinlichkeit, dass ich kaufe. Nummer zwei: der Warenwert. So, und wenn ich das jetzt mal nehme und sag, wenn ich jetzt die Hoch-CLV-Kunden nehme, dann kann ich die doch aufbrechen in hohe Kaufwahrscheinlichkeit, hoher Warenkorb, niedrige Kaufwahrscheinlichkeit, niedriger Warenkorb. Und das sind doch unterschiedliche Segmente. Wenn ich sowieso kaufe, ja, eine hohe Kaufwahrscheinlichkeit hat Matthias, ne, dann brauchst du mir keinen Coupon zu senden. Ich mach das ja sowieso. Ich kaufe ja sowieso.Und genauso können wir das auch machen, wenn wir einen hohen CLV haben und der kauft sowieso und kauft dann auch hoch, mache ich gar nichts. Ist der CLV hoch, aber die Conversion Probability, also die Kaufwahrscheinlichkeit ist niedrig, aber der Wert ist hoch, gebe ich ein Coupon. Ist es andersherum, versuche ich natürlich den Warenkorb zu heben. Und vielleicht bei denen, wo alles niedrig ist, dann mache ich vielleicht gar nichts und ich probiere das irgendwie aus. Und auf einmal können wir super personalisieren mit so einem CLV, wo wir doch eigentlich dachten, das ist nur so ein Wert für eines Kunden, der zukommt. Und auf einmal ist das ein sehr taktisches Maß, mit dem arbeiten kann. Sehr spannend. Wie sieht so was dann aus? Wenn du einen hohen CLV hast, hohe Conversion Probability, hohe Value, machen wir nichts. Hohen CLV, niedrige Conversion Probability, hoher Value, machen wir einen Coupon. Andersherum, ups, machen wir eine Schwelle, plus zehn Prozent ab hundertfünfzig. Ah, wollen wir hauen, dass das hochgeht. Und wenn, upsala, was ist denn hier? So weit sind wir noch nicht. Seh ihr schon, was kommt? Da sind wa. So. Und wenn alles niedrig ist, dann können wir mal spielen, ne? Dann kann man das mal ausprobieren. Aber seht ihr, wie einfach das ist? Das ist auf einmal eine komplett unterschiedliche Zielgruppen. Komplett unterschiedliche Zielgruppen basierend auf dieser, dieser E-Mail. Und das gibt euch Predictive CRM. Und das müsst ihr auch machen, damit ihr in irgendeiner Weise eine Effizienz dahinter habt. Also, wenn man sich jetzt mal fragt, ne, "Was wollt ihr-- Wie macht ihr das nächste Mal? Wie geht ihr vor das nächste Mal, wenn ihr Kunden vom Churn bewahren wollt? Wartet ihr dreißig, sechzig oder neunzig Tage? Oder erkennt die Kunden frühzeitig? Wer macht A? Wer will B machen? Sehr gut. Genau das ist es, wa? Machen wir das weiter. Ist doch ganz einfach. Wir schicken jedem einen Coupon oder eben denen Kunden, die eine hohe Kaufwahrscheinlichkeit haben. B, oder? Ja? Du gibst Coupons alle so raus. Wo arbeitest du? Das will ich. (Lachen) Das finde ich gut. Nur Spaß. Ähm, genau, machen wir natürlich das, ne? Aber da müssen wir hinkommen. Dahin kommen, das Ganze zu machen. Das Dritte natürlich auch, wenn wir einen Newsletter versenden, schicken wir uns an die Leute, die das wollen. Und das geht. Das geht mittlerweile. Ihr habt eure Daten, ihr habt die First-Party-Daten, ihr habt Predictive CRM. Diese Sachen gehen, kümmert euch darum, das zu tun. Denn ihr kauft Kunden zu Preisen ein. Das ist brutal. Und vielleicht sind auch Marken hier, die kriegen das super hin, aber im Durchschnitt ist das brutal geworden. Es gibt nicht ohne Grund, dass Shopify zum Beispiel im E-Commerce-Report im letzten gesagt hat: „Baut eigene Kundenbeziehungen auf. Baut eigene Kundenbeziehungen auf." Denn das ist das Spiel, das wir jetzt spielen müssen und nicht in Zukunft. Von daher danke für die Aufmerksamkeit zu dieser späten Stunde, denn wir sind CrossEngage, wenn ihr, ähm, das machen wollt und da-daran Interesse habt. Wir sind hier mit ein paar Kollegen. Ähm, wir sind Spezialisten im Bereich Customer-Data-Platform und Predictive CRM. Ähm, wir haben einen ganzen Haufen Data Scientists bei uns auch sitzen. Mit denen könnt ihr sprechen, die könnt ihr anrufen, wenn ihr diese Modelle baut. Ansonsten haben wir eine Software, mit der ihr das einfach bei euch am Schreibtisch als Marketer machen könnt. Und wir würden uns freuen, mit euch zusammenzuarbeiten. Von daher herzlichen Dank und gerne Fragen. (Applaus) Ich finde brauch. Ja. (Zwischenbruch) Ja, gerne. Ja. Ja. Ja, überall da, wo du, wo du auf Wiederkaufverhalten angewiesen bist, ne? Dass also, z.B. sagt dir der, 'n Fashion E-Commerce ist 'n ganz einfaches Beispiel, weil du brauchst mindestens zwei, drei Käufe, damit so'n Kunde irgendwie profitabel ist nach dem ganzen Einkaufen. Also musst du die ranbinden. Aber im Wesentlichen kannst du das anwenden, auch aufm Subscription-Modell bei Peloton. Ja, also wer bleibt? Was hast du da eigentlich für ein Nutzungsverhalten? Was gebe ich dir eigentlich für, für Angebote? Was sind denn die richtigen Kurse? Und das ist das Schöne: Du kannst es eigentlich auf super viele Businessmodelle, ähm, äh, aus, äh, ausweiten. Jetzt die, die sagen wir mal, auf den, Matratzen sind immer so 'n Beispiel, ne. Wie häufig kauft man Matratzen? Aber selbst da gibt's Möglichkeiten, das anzuwenden. Da wird's natürlich schwieriger. Aber im Wesentlichen, immer wenn ihr digitale Transa-, äh, Transaktionen habt, auf die ihr angewiesen seid und Kundendaten habt, dann macht es total Sinn, das zu tun. (Zwischenbrücke) Genau. Also es gibt Kunden, die von uns-- Wir sind ja sozusagen Dienstleister, die das im Einsatz haben. Ja, und es gibt Kunden, die genau in diese Richtung reingehen, die sich das ganz genau angucken pro Kunde: „Was ist eigentlich die Frequenz? Was müssen wir eigentlich raussenden und was ist eigentlich der Nutzen?" Und das ist genau das, was wir machen. Wir gucken immer und genauso wie bei diesem Test: Wo sind wir denn eigentlich bei den, wo sind wir denn eigentlich bei den Niveaus? Verlieren wir dann irgendwas? Es gibt auch 'ne Schwelle, wo es dann zu wenig ist, ne? Aber es geht ja den Punkt zu gucken, wann es eigentlich, wann haben wir sozusagen, äh, Imaginal Gain? Was ist das? Es gibt Grenznutzen, ja, dass, dass der gegen Null geht, ne? Das ist genau das. (Zwischenbrücke) Du, das ist natürlich total richtig, dass du in irgendeiner Weise 'ne signifikante Gruppe hast. Wenn du nur zwei oder drei Leute hast, dann wird das sehr, sehr schwierig, das zu machen. Du hast völlig recht. Du brauchst eine gewisse Gruppe, aber das ist, in der Regel ist es limitiert durch, durch Content. Das heißt, in der Regel sind, sind Firmen, haben die eine gewisse Kapazität, Content zu kreieren, was schon dadurch die minimale Größe einer Zielgruppe eigentlich limitiert.Ansonsten musst du ja auch wirklich, wenn du das konsequent durchdenkst, für jeden individuell Content ausspielen. Und da sind wir noch nicht, auch nicht mit diesen ganzen AI-äh-Themen, die da Textgenerierung und so weiter. Da sind wir halt noch nicht so richtig. Ja. (übersprechen 00:01:12) Wir haben hier diese Kombination von Frühjahrskampagne plus die Kurzschlussmailing, plus (...) Dann werden diese Kredite immer dünn. Ja, genau. Aber dafür gibt es sozusagen ... Du hast ja diese Priorisierungsmatrix, die ich hatte, ne, wo du sagst: „Was ist eigentlich deine jetzige Dringlichkeit? Wo willst du hin?“ Das geht auch ganz häufig in, sagen wir, in, in, in, in Business-Regeln rein, wo du sagt: „Wir wollen, aber dafür-- wir wollen auf keinen Fall turnen oder wir wollen auf jeden Fall einen First und Second Order. Das kommt ja auch manchmal die Strategie. So, dann hast du eine Dringlichkeit und du hast den CLV und dann hast du beides. Dann hast du ein bisschen Impact Urgency-Geschichten, die man dann macht. Und dann hast du eine Priorisierung und die anderen Zielgruppen lässt du auch mal vor oder machst das in der nächsten Woche. Da-darum diese zentrale Slide mit der Dringlichkeit und der, und der CLV. Gute Frage. Ich habe hier noch zwei Fragen, und zwar: Welcher Use Case oder welche Use Cases eignen sich gut für den Anfang?, wurde mir oder uns gestellt. Ja, also, äh, Anfang No Brainer ist der Newsletter Case, ne. Das wird euch die Augen öffnen. Das, das, das wird bei jedem funktionieren, ähm, und ihr könnt das auch auf die Zielgruppen dann auch weiter runterbrechen, auf was auch immer für Kommunikation ihr wöchentlich habt oder monatlich habt oder bei Themenbereichen. Aber der Case alleine wird euch die Augen öffnen, wie viel Arbeit wir reinstecken und wie viel wir Kunden eigentlich belasten, ohne dass wir einen Mehrwert dadurch haben. Das ist der erste Case, damit könnt ihr anfangen. Dann wird es eigentlich interessanter, wenn man da dann anfängt, das zu machen, dann geht es in Audience Discovery rein. Da haben wir eigentlich Zielgruppen, die wir eigentlich noch nicht gesehen haben. Gibt es eigentlich werthaltige ... Ähm, und dann geht's-- also es geht noch viel weiter, ne? Ähm, geht's noch weiter in: Welche Produkte ziehen eigentlich hochwertige Kunden an? Denn wenn wir wissen, ne, du hast ein bestimmtes Kund-- äh, Produkt X gekauft, warst am Anfang aber nicht profitabel. Hinten raus, ne, der Froschkönig sozusagen. Da wird hinten der Prinz raus. Dann wissen wir, dass diese Produkte extrem wichtig sind für Erstkäufer, weil die machen gute Kunden. Also, aber da geht es weiter, ne. Aber der einfachste Start ist wirklich dieses E-Mail-Newsletter. Ihr habt, die meisten haben E-Mail-Newsletter. Man muss mal, kann man mal damit anfangen, weil am Ende des Tages geht es darum, einmal Appetit dafür zu bekommen und nicht das-- macht nicht das große, den großen Fass auf, wir machen jetzt eine lange Strategie, sondern fart, fangt mit einem einfachen Case an und zeigt, dass das was bringt. Das ist, dann, dann sieht man eigentlich auch, ne, dann wird ganz schnell, Martin, du kennst das auch, wenn der Case erst mal funktioniert, dann wollen auf einmal alle. Dann kommen: „Oh, ich habe hier auch noch was", ne, weil dann geht es nämlich um P&L und dann macht das ganze Freude. Aber einfach anfangen. Okay, dann, ähm, aktualisieren sich die wertbasierten Zielgruppen automatisch, sodass man die gleiche Segmentdefinition immer wieder nutzen und damit automatisieren kann? Ja, so zwei Dinge. Natürlich schätzen wir diese Sachen regelmäßig. Es gibt sogar so Sachen, die nennt sich Model Drift. Ne, also bei Corona ganz viele Modelle, die man so in, so E-Mail-Service Providern auch gesägt, gesehen haben. Die haben überhaupt nicht mehr funktioniert, weil die Leute nicht mehr in Läden gegangen sind, dann ist die Performance runtergegangen. Das heißt, du musst diese Dinge sogar neu schätzen, sonst geht das gar nicht. Ne, und dann kann man das in regelmäßigen Intervallen kann man das schätzen. Und dann gibt es ein Segment Movement. Ja, du kannst natürlich auch sehen, wer von deinen Kunden, von den ersten zwei Käufern ist eigentlich aus dem Segment raus. Kannst die Werte berechnen und auch sehen, wie erfolgreich warst du denn eigentlich mit deiner Kampagne? Das heißt, es ist dynamisch, was sich über die Zeit letztendlich bewegt. Man kann ein Segment Monitoring machen, was wir auch bei, bei Cross Engage machen, ne. Wir sehen, wie sich Segmente sozusagen über die Zeit entwickeln. Also es ist sehr dynamisch, aber ja, immer wieder neue schätzen, immer wieder neue Segmente und die Wertigkeit, die man da verloren oder gewonnen hat, auch messen. Okay, dann noch eine Frage: Unterstützt sie auch bei der Umsetzung? Aber so was von. Ähm, (lacht) ja, ohne, es ist ja-- Ich meine, das Thema ist halt neu. Am Ende des Tages, die Leute wissen jetzt, sie müssen, wir müssen da ran. Wir müssen das jetzt machen und es ist für viele Organisationen einfach schwierig. Viele sind auf Acquisition aufgeregt. Ich kenne Brands, die haben einfach nur Influencer-Marketing, aber einen Mensch in BI, der muss dann irgendwie für die fünfzig Leute in Influencer-Marketing, aber einen in BI und dann noch irgendwie jemanden Teilzeit in CRM. Ähm, und dann wird es natürlich schwierig. Und das, da unterstützen wir. Da unterstützen wir vom Onboarding her und wie ich das auch gerade sagte, auch beim Data Science, weil wir wissen, das ist neu. Man muss ein bisschen die Angst davor verlieren. Und wir haben direkten Kontakt mit unseren Kunden, wo wir das auch helfen, wo wir auch unterstützen und helfen. Auch Use-Case-Entwicklung, zu gucken, sind die Daten da? Was haben wir? Und ganz wichtig: Ihr könnt auch mit Transaktionsdaten für CLV-Modelle starten. Da braucht man gar nicht so viel. Das sind ganz bestimmte Transaktionsdaten, die wir haben. Die hat jeder in seinem EHP, in seinem Shop-System. Damit starten, zeigen, dass man da, äh Erfolge mit hat. Und dann hat man nämlich eine viel einfachere Diskussion beim PO von, von der Webseite, 'n Tracking Snippet einzubauen, weil da liegt nämlich dann Geld dahinter. Anstatt dass man sagt: „Warum muss ich diesen Tracking Snippet wieder einbauen?" Ne, also. Aber ja, das machen wir. Sehr schön. Kommen schon zum Ende, wenn's keine Fragen mehr gibt. Noch hätten wir Zeit für eine, aber ich glaube, wurden schon viele Fragen gestellt. Insofern, Markus, ich bedanke mich, dass du hier heute bei uns warst. Äh, super spannendes Thema, super spannender Vortrag, ähm, und für dich natürlich auch. Wir verzichten heute dieses Jahr auf, ähm, Speaker-Geschenke, aber in der Form ist es ein Spendenzertifikat für Tech for Waterbird. Find ich gut. Und, ähm, ja, vielen Dank, dass du da warst und ich denke, wer noch Fragen hat, kommt einfach auf dich zu. Und, äh- Danke dir. Du wirst ihm weiterhelfen. Insofern vielen Dank, Markus. Herzlichen Dank.