Video: Kunden nachhaltig binden – Wie KI dabei helfen kann

Keywork Consulting GmbH, einem Full Service Dienstleister für Datenmanagement und Marketing Automation, Daten, Software und passende Infrastruktur. Mit über fünfundzwanzig Jahren Erfahrung im Direkt-, Online-und Handelsmarketing unterstützt Sie Unternehmen in der praktischen Umsetzung datengetriebener Geschäftsmodelle. Und Ihr Schwerpunkt dabei ist das Kunden-und Kampagnenmanagement. Mit tiefem Verständnis für Vision, Motivation und Businessziele entwickelt sie passgenaue Strategien für die Umsetzung. Ihr Motto ist „Think big, start small, grow fast und deswegen begrüße ich jetzt Petra Wutring mit ihrem Vortrag „Kunden nachhaltig binden, wie KI dabei helfen kann. Bitte schön, Petra. (klatschen) Hallo erst mal zusammen. Zum einen ist quietsch, zum anderen, wir sehen noch nichts. Ich habe auf meinen Rechner umgestellt. Ich bräuchte da jetzt wahrscheinlich ein bisschen Hilfe, dass wir auch sehen mit den Kampagnen. Guck an, wunderbar, super. Vielen Dank. Dann starten wir auch direkt rein. Ich habe euch heute mitgebracht in meinem Beitrag das Thema Kampagnenmanagement und wie uns KI dabei unterstützen kann, dass das gute Handwerk noch besser funktioniert als bisher. Kampagnenmanagement, Kundenbindung. Wir sind also unterwegs im Thema CRM, aber letztendlich auch im Bereich Lead-Generierung, ah Inbound-Marketing, Data-based-Marketing. Das heißt, alle Kampagnen, wo ich versuche, direkt mit Endkunden oder mit einzelnen Personen zu sprechen und die genug Daten auch abwerfen, dass man denn da auch Analysen drauf setzen kann. So, also CRM. Brauchen wir uns einfach mal an: „Kunden, Lebenszyklus. Ah Es gibt ja bestimmte relevante Phasen, die wir uns als Kampagnenmanager immer anschauen sollten, was wir denn da tun können, tun sollen. Und fünf habe ich mal mitgenommen für heute. Dieses Wert ist anzuschauen. Ähm Das heißt, fünf Kapitel schauen wir uns an jetzt in den nächsten Minuten. Das Erste wäre das Thema des Onboardings. Da geht es Mehrwert gegen Daten. Dann schauen wir rein in die Pre-Sales-Phase. Wer wird denn wohl nach Pre-Sales? Schauen wir die After-Sales-Phase an. Ich nenne sie die Langstrecke. Werden wir nachher sehen, warum. Und das Thema Reaktivierung, da geht es Gutschein oder Goodbye. Und dann haben wir natürlich auch noch die wertigste Kundengruppe, nämlich unsere Top-Kunden. Das heißt, Bindungsphase im Customer Lifecycle. Das heißt, dort geht es das Thema Wertschätzung dringend gesucht. So, starten wir mit der Onboarding-Phase, gucken rein ins Kampagnenmanagement. Vielleicht einfach mal so zum Sortieren typischer Kampagnensteckbrief, den wir uns angucken. Es geht das Thema Kontakt aufnehmen, also dort, wo ich es noch mit anonymen Menschen zu tun habe, mit denen ich aber sprechen möchte. Ähm Das heißt, das kann im Grunde genommen sein, Interessenten, die noch nicht gekauft haben, die ich aber irgendwo schon sehe in meinen Kampagnen, vielleicht auch auf der Webseite, vielleicht auch im Laden. Oder es sind auch schon Käufer, die gekauft haben, die sich aber letztendlich hinter einem anonymen Kassenzettel verstecken. Ich weiß nicht, wer mein Produkt gekauft hat. Um die wird es gehen, diese Zielgruppe. Kampagnenziel heißt natürlich, wenn ich mit jemandem sprechen möchte, brauche ich heute eine Werbeeinwilligung für so ziemlich alles. Und insofern ist das Thema, das wir uns hier anschauen, Kundenentwicklungsziel. Ich möchte aus anonymen Kunden Bekannte machen. Nehmen wir uns ein Beispiel. Hmmm Ich habe einen Rucksack gekauft zum Wandern. Das habe ich vielleicht im Fachhandel getan. Vielleicht ähm habe ich ihn auch online gekauft. Letztendlich schauen wir uns aber an aus der Perspektive des Herstellers oder des Fachhändlers, der einfach nicht weiß, wer hat denn den Rucksack gekauft? Was kann ich denn tun anstelle dieses Anbieters, rauszufinden, wer hat denn jetzt diesen Rucksack gekauft? Was ist das für 'ne Person? Und kann ich dort einen Beziehungsaufbau tatsächlich starten? Möglichkeiten, die ich habe in der Kampagne, vielfach auch schon eingesetzt, sind sogenannte Product Codes, QR Codes, wo ich auf die Webseite führe oder auf any other owned media, ah wo ich ein bisschen mehr erzählen kann über mich als Anbieter, über das Produkt als solches, in Tutorials oder in anderen Informationen. Je näher wir jetzt das Thema setzen wollen in Richtung „Wir wollen eine Werbeeinwilligung haben, desto eher ist dann auch das Thema „Wie komme ich denn an die Werbeeinwilligung ran? Manche Services lassen sich kombinieren. Also eine Garantieverlängerung für ein Produkt ist so ein typischer Kandidat dafür, der sagt: „Da brauche ich schon die Daten dafür. Dann muss ich wissen, wer hat denn den Rucksack gekauft? Wenn ihr euch über Kampagnen Gedanken macht, aus anonymen Kunden Bekannte zu machen, macht insbesondere eines eigentlich Folgendes: Setzt euch auf den Stuhl eurer Kunden. Versucht, sie zu verstehen und versucht dann, die Frage zu beantworten: Warum sollen die Newsletter abonnieren? Warum sollen sie deine Werbeeinwilligung geben? Was ist der Mehrwert, den ihr bieten könnt, damit jemand sagt: „Ja, du kriegst meine Daten, du kriegst eine Werbeeinwilligung, kannst mir Informationen zukommen lassen? Darum geht es ganz, ganz stark. Ki hat da drin mehr als eine Aufgabe.Das eine wenn wir uns dann anschauen, an welcher Stelle ist es denn sinnvoll mit 'ner Werbeeinwilligung überhaupt die Ecke zu kommen? Also wann bin ich wirklich nur im ich liefere Mehrwerte? Ich lade ein, ich zeige auf, ich mache aber noch keinen Push auf die Werbeeinwilligung und wann ist 'n guter Zeitpunkt, ein guter Ort, ein guter Touchpoint, an dem ich dann auch wirklich sage, ich hätte gerne eine Einwilligung, dir Werbung schicken zu dürfen. Das sind die Mehrwerte dafür. Dafür tatsächlich Customer Journey oder auch Kampagnen Journey Analysen zu machen, sagen, an welcher Stelle kommt das Thema Werbeeinwilligung ins Spiel? So, bei dieser Onboarding Phase, wenn wir es einfach mal zusammenfassen, Fragestellungen, die ihr mit KI beantworten könnt, die euch helfen können, diese Kampagnen besser zu machen, ähm, die drehen sich zum einen darum, ganz klassisch zu fragen, wie wird sich denn dieser Interessent, wie wird sich denn dieser Kunde zukünftig entwickeln? Neukundenscorings, Entwicklungsprognosen, das sind Fragestellungen für die KI, letztendlich dann auch in der Zielgruppe zu entscheiden, wie intensiv gehe ich denn wem nach in dieser Onboarding Phase? Von wem will ich wirklich die Werbeeinwilligung haben? Wen will ich wirklich entwickeln? Wo ist denn Potenzial? Und wo war der Einmalkäufer, den Geschenk für die Freund, für den Freund gekauft hat? So, jede unserer Kampagnen, wenn wir heute, ähm, data driven Kampagnen machen, führt auf die Webseite oder any other owned Media. So, das heißt letztendlich auch, wir müssen in der Lage sein und auch da spielt KI eine große Rolle, Webseiten zu personalisieren, also Inhalte, äh, besser in den Kontext zu bringen, zu sagen, welche Information kommt wann? Ich hatt es eben davon, wann bringe ich denn die Werbeeinwilligung? Typisches Pop up Fenster. Ähm, wann kommt die? Wie oft? Bei wem? Und, äh, was sind die Informationen, die vorhergesetzt werden? Es ist ja heute gut technisch möglich, Webseiten zu personalisieren, auszusuchen, welche Inhalte für wen ausgespielt werden sollen und das solltet ihr an der Stelle wirklich gut gut einsetzen, gut nutzen. Hoppa. So, Nummer zwei, die Presales Phase. Wer wird denn wohl, wer wird denn wohl kaufen? Das ist die typische Frage. Wir haben's ganz viel in Standardtools, ne, Kaufwahrscheinlichkeit für die nächsten dreißig Tage in ganz vielen Tools, äh, standardmäßig drinnen. Letztendlich ist diese Presales Phase, das kann an Interessenten gehen, das kann an Kunden gehen, was wir da an Kampagnen aufsetzen. Unser Ziel in den Kampagnen ist, aus Interessenten Kunden zu machen oder Kunden zu aktivieren und dann alle E-Commerceler, richtig relevante Gruppe, die ihr anschauen solltet, sind Einmalkäufer. Wenn man es schafft, aus Einmalkäufer zu 'nem höheren Prozentsatz Mehrfachkäufer zu machen, äh, da geht der Druck aus der Neukundenakquise bedeutend runter. So, also interessante Gruppe, ähm, aus dem Kundenbestand, den man sich anschauen sollte. Ziel einer jeder Kampagne im Presales ist das Interesse zu erkunden. Also rauszufinden, ist da jemand Windows Shopping? Hat da jemand latenten Bedarf? Kann ich da was mit Marketing tun? Oder ist da tatsächlich, ne, ist da jemand kurz vor 'ner Kaufentscheidung, weil brauche das jetzt? Das rauszufinden, ist Sache von Presales Kampagnen und, ähm, es ist im Grunde genommen ein ganzes Stück weit Königsdisziplin für KI. Also ich, ne, mein jetzt nicht den Standard von Kaufwahrscheinlichkeit in den nächsten dreißig Tagen bei Verbrauchsgütern, wo ich einfach viele Transaktionen habe, sondern der spannende Part für die KI ist, den richtigen Zeitpunkt rauszufinden. Und für jedes Unternehmen, für jede Organisation gibt es Ereignisse im Leben der eigenen Kunden, die hochrelevant sind. Einfaches Beispiel, wenn ich Möbel verkaufe, dann ist Umzug ein ganz relevantes Ereignis. (hustet) So, und diese Ereignisse für sich herauszufinden, fürs eigene Unternehmen herauszufinden, ist ein Stück weit auch Sache für KI, wenn's nicht gerade so auf der Hand liegt, wie wenn ich Möbel verkaufe, ist Umzug ein relevantes Ereignis. Für alle aber, egal was die relevanten Ereignisse sind, ähm, ist KI an der Stelle gefragt zu sagen, wie finde ich denn raus, dass jemand umziehen wird? Also der richtige Zeitpunkt hat einmal damit zu tun, je nachdem, was ich anbiete, kann der sehr unterschiedlich sein. Also wenn ich, ähm, wenn ich eben Möbel anbiete und es geht das Thema Umzug, das sind dann vielleicht acht Wochen, zwölf Wochen vorher der relevante Zeitraum, wo klar ist, braue jetzt eine neue Küche oder nicht? Was brauche ich an Möbeln? Die Dinge, die längeren Anschaffungszeitraum haben. Also was ist der richtige Zeitpunkt, wann ich's wissen sollte und dann ist die Aufgabenstellung für die KI, finde heraus, wer wahrscheinlich in drei Monaten umziehen wird. So, das aus den Daten rauszufinden, wie gesagt, die Aufgabe. Wenn man anschaut, ne, wie funktioniert das Moment heute in der Praxis, kann man eine riesengroße Herausforderung festhalten. Das ist das Thema Datenmodellierung. Ähm, daran scheitert im Moment unglaublich viel und ich kann im Moment erst mal einfach nur mitgeben, sorgt dafür, dass eure Analysten gute Werkzeuge, aber vor allem ein gutes Datenmodell haben. Typischerweise werden hier die Daten redundant gehalten und das ist gut so, denn achtzig Prozent der Zeit, die ein Analyst verwendet für solche Prognosen, gehen dahin, die Daten so zurechtzustrubbeln, dass man zu 'nem Ergebnis kommen kann.So, wenn man jetzt sagt, ich habe aber nicht nur eine Fragestellung, sondern mehrere, dann braucht es einfach eine Datenmodellierung, die es erlaubt, solche ja solche Analyseaufgabenstellungen in endlicher Zeit gut umzusetzen. So, letztendlich heißt das ne, wir brauchen einen Zeitstrahl. Wir müssen uns angucken unten noch mal die Lebensereignisse, die die uns interessieren oben, alles, was wir in den Daten selbst erkennen können. Das Prinzip, wie dann ahhm KI funktioniert oder die Analyse funktioniert, ist ja dann relativ einfach zu Folie zu bringen, deutlich schwieriger dann in der Praxis zu leben. Es gibt natürlich in meinen Daten dort, wo ich ahhm als wie soll ich sagen, als als sichere Erkenntnis sehe, aha, ein Adresswechsel in den Daten meiner Kunden aus der Vergangenheit, das kann ich festhalten. Datenmodellierung, Herausforderung. Wir brauchen natürlich statistische Masse ah und dafür ist das Datenmodell da, eine solche zu schaffen, so dass man dann wirklich schauen kann für die Leute, die in der Vergangenheit umgezogen sind, wie haben die sich denn drei Monate vor dem Umzug verhalten? Gibt es Muster, gibt es Verhaltensänderungen? Wie ist jemand über die Webseite gegangen? Nach was hat jemand gesucht? Auf was hat jemand reagiert? Wie intensiv, um rauszufinden, wie zeichnet sich denn ein Verhaltensmuster ab vor einem Umzug? Das ist es, womit sich KI an der Stelle beschäftigt. Die Schlussfolgerung wird eben dann andersrum sein, zu sagen, ich gucke jeden Tag auf meinen Datenbestand und suche genau nach diesen Mustern und suche eben genau nach diesen ahmm mittelblauen, helleren blauen ahhh Aktivitäten von Kunden, die umgezogen sind, um dann eine ahhm Vorhersage zu machen und am Ende zu sagen, aha, Alex aus meinem Kundenstamm, der wird wahrscheinlich umziehen. So, und wenn wir sagen, wahrscheinlich auch da steckt ein ganzes Stück ahhhm Herausforderung mit drin, denn mit wahrscheinlich kommt dann unser Data Scientist zurück. Wenn wir das in den Kampagnen umsetzen sollen, dann heißt es natürlich, wie setze ich das in den Kommunikationen um? Wenn jetzt mein Data Scientist sagt ja, die Wahrscheinlichkeit, dass Alex umzieht, sind achtundsechzig Prozent. Und nu? Genau das wird dann Auseinandersetzung sein zwischen Data Scientist und Kampagnenmanager. Hinzuschauen, zu sagen, wie lange schicke ich Inspiration, Ideen für ein schönes Zuhause. Also ich laufe so etwas um das Thema herum und gucke, wie interessant ist das denn gerade? Ein neu-- ein ein schönes Zuhause? Und ab welchem Punkt sage ich denn, hier sind unsere Services und Angebote für deinen Umzug? Also wann bin ich mir sicher genug, dass ich einen Verkaufsdialog eröffne, dass ich direkt sage, ich glaube, ich bin hier richtig mit meinem Angebot für deinen Umzug. So, das ist Zusammenspiel zwischen KI und Kampagnenmanagement. Hochwichtig, da einfach zu schauen, das eine, was sagen die Daten und das andere, wie übersetzen wir das in Kommunikation. Deshalb Presales, Königsdisziplin für KI. Ahhhm Ein Spoiler vorab, das sind die Kampagnen, die am umsatzstärksten sind. Also wenn wir jetzt noch mal zum Beispiel zurückgehen, ahhh ein Anbieter verkauft Möbel, Umzug ist relevant. Ich habe den Umzug war ich entweder dabei als Anbieter oder ich habe ihn verpasst. Ahhh Und genau darum geht es letztendlich in dieser kurzen Entscheidungsphase, bei wem kaufe ich denn dann jetzt meine neuen Möbel, die ich brauche, dort dabei zu sein, also den diesen Zeitpunkt zu erwischen. Erwische ich den, großer Impact aufs Business, erwische ich ihn nicht, dann wird ein anderer das Business machen. So, fassen wir es zusammen. Ahhhm KI in der Pre Sales Phase bedeutet letztendlich, sich damit auseinanderzusetzen, was sind denn die Trigger für mein Unternehmen? Also was sind Veränderungen, was sind Lebensereignisse, was sind ahhhm was sind die wichtigen Dinge, die ich wissen sollte, die in meinem Kundenstamm passieren, die den größten Effekt auf mein Geschäft haben? Das wirklich zu gucken. Manches liegt auf der Hand, wie Möbel und Umzug. Anderes versteckt sich aber auch. Vielleicht ist er ein Jobwechsel für mich hochrelevant oder ich arbeite nur noch Teilzeit oder ich gehe in Rente oder oder oder. Ahhh Oder in meiner Familie ist eine Veränderung und deshalb verändert sich mein Bedarf. Es ist manchmal nicht ganz so griffig, aber es lohnt sich, sich die ein, zwei, drei Trigger rauszuarbeiten und zu sehen, wie verhalten sich Menschen kurz vor einer solchen Veränderung, ahhhm um eben dann Kommunikation Presales am richtigen Zeitpunkt zu platzieren. So umsatzstärkste Kampagne habe ich schon genannt. Das zweitausendein dritte, was einfach wichtig ist, schaut auf die Botschaften. Ahhhm Wenn es eine solche Prognose gibt, Wahrscheinlichkeit für ahhh einen Umzug, der eintritt, dann ist einfach die Frage, wie lange schicke ich Inspiration? Ab wann schicke ich wirklich Angebote? So, dritte Phase, Reaktivierung. Nein, die After Sales Phase. Ein Kunde hat gekauft, das heißt, wir sind auf alle Fälle in der Zielgruppe der Kunden unterwegs. Und letztendlich geht es jetzt ganz klassisch Cross und Upsell, viel mehr, auch moderner, sehr viel stärker um das Thema Beziehung zu pflegen. Vielleicht ist es nicht mehr nur Cross und Upsell, sondern tauschen, recyceln, Kreislaufwirtschaft, andere Modelle finden, reparieren. Ahmmm Letztendlich geht es darum, Kunden ihrer Produktnutzung zu begleiten. Und je nachdem, was man verkauft, ist so eine Produktnutzung kann ja schon sehr lange sein. Also der Rucksack hält ja hoffentlich ganz, ganz viele Jahre und wird mein mein treuer Begleiter sein.Ähm, was im Kundenstamm dort passieren soll, Kundenentwicklungsziel, heißt ja letztendlich, wie viel Kunden aktiv halten. Ah, ich möchte aber auch ihren Wert erhöhen. Also es geht letztendlich um Kundenwertsteigerung beim Kunden selbst oder eben auch möglicherweise, weil er mich weiterempfiehlt und ich dadurch zu neuen Kunden kommen kann. So, die lange Strecke. Rucksack kann-- wird hoffentlich jahrelang halten. Das heißt, ich muss mir tatsächlich im Kampagnenmanagement anschauen und sagen, äh, wie begleite ich denn jetzt meinen Kunden durch seine Nutzungsphase? Ähm, also ganz, ganz wichtig auch hier das Timing. Wann schicke ich denn welche Kampagnen raus? Also nur so der Klassiker, kaum ist das Paket da, schon Feedback: „Und wie ist das Produkt?" Man sagt: „Ich hab's gerade ausgepackt." Ahhm, so viel Produkterfahrung habe ich noch nicht. Das heißt, schaut einfach, wann gehen Einladungen zum Feedback raus? Vielleicht ist der Rucksack so nach vier Wochen, kann ich sagen, da wird er mindestens einmal dreckig geworden sein. Vielleicht fange ich dann einfach mal an mit Pflegehinweisen. Ah, wann vielleicht Jahre später komme ich mit dem Hinweis für ein Reparaturservice? Wann gehe ich hin? Also Beispiel, ne, wenn ich auf der Webseite unterwegs bin, schaue mir mittlerweile keine Wanderschuhe mehr an, sondern Kletterschuhe. Könnte ein Trigger dafür sein, zu sagen: „Mensch, der Rucksack geht aber fürs Klettern nicht. Brauchst du 'nen Kletterrucksack oder möchtest du den, den du hast, vielleicht eintauschen gegen einen, mit dem du auch klettern kannst? Also auf solche, ähm, ja auf solche Möglichkeiten einfach hinzuweisen, zu sagen: Nutze das Produkt gut, ähm, und womöglich aus dem, was man einfach aus dem Verhalten des Kunden mitbringen kann, das als Auslöser zu nehmen, zu sagen Cross Sell, Up Sell, recyceln, tauschen, Service, alles, was das Produkt herum, ähm, sich wirklich anbietet, um den Kunden in seiner Nutzung zu begleiten und nicht nach drei Jahren tatsächlich als Anbieter schon vergessen zu sein. Ahhm. An der Stelle im After Sales ist natürlich ganz wichtig, sich noch mal anzugucken, den Kunden Wert. Wie wird sich ein Kunde entwickeln? Das machen wir ganz früh nach der Onboarding-Phase hier aber noch mal. Also auch da einfach zu sehen, war das ein Einmalkauf? War das ein Geschenk? War das-- Was war das? Ist das jemand, der, der regelmäßig das Produkt nutzt? Der-- Wie wird der es nutzen? In welchem Kontext? Was-- Wie kann sich dieser Kunde entwickeln? Was kann ich ihm denn anbieten? Ähm, es gibt die neuralgischen Punkte, auf die man schauen sollte, Risiken und Chancen, die in 'ner, in 'ner Kundenbeziehung eben entstehen. Äh, wie merke ich, dass ein Kunde abwanderungsgefährdet ist? Also auch dafür gibt es ja Anzeichen. Wie sehe ich aber auch Chancen, ähm, dass sich der Kunde sehr gut weiterentwickelt, lange Kunde bleibt und womöglich sehe ich einfach auch Chancen auf Weiterempfehlungen. Wertvoll, unglaublich wertvoll. Ähm, wenn-- Ich kann in den Kampagnen natürlich auch einiges dafür tun, dass ich dem, dass ich meine treuen, meine guten, loyalen Kunden dazu auffordere zu sagen: „Hey, du hast was davon, wenn ich nicht einfach nur einen guten Review kriege, sondern wenn du mich auch aktiv weiterempfiehlst." Genau, anschauen, KI, letztendlich dann auch, ne, klassisch im Kleinen die Warenkorbanalyse, hier allerdings auf den gesamten Kundenlebenszyklus ausgeweitet, sich anzuschauen, sagen, welche Produkte, welche Services könnten denn diesen Kunden noch interessieren und in welchem Kontext tue ich das? Tue ich das im Kontext Kauf, Cross-Upsell? Tue ich das im Kontext Produkt möglichst lange nutzen? Tue ich das im Kontext mieten, leasen, recyceln, reparieren, Servicethemen? Ähm, dafür könnt ihr KI sehr, sehr gut einsetzen. So, jetzt aber Nummer vier, vierte Phase, die Reaktivierungsphase. Dann, wenn der Kunde schon inaktiv geworden ist, das ist die Zielgruppe. Hm, Entwicklungsziel aus dem Kundenstamm heraus von inaktiv zu aktiv wieder zu machen. So weit, so einfach. Kampagnenziel, ja klar, wir hätten gerne, dass ein aktiver Kunde wieder kauft, also ein Kauf. Aber, äh, letztendlich geht's da, wenn wir auf KI gucken, ganz besonders darum, Gründe zu verstehen. Zu verstehen, warum ist denn jemand inaktiv? So, schauen wir wieder unser Rucksackbeispiel an. Ähm, so, was heißt denn inaktiv? Auch das wichtig, dass sich das jeder für seine Organisation überlegt. Heißt das einfach nur, hat nicht gekauft die letzten neunzig Tage? Oder heißt das, hat in irgendeinem Zeitraum nicht mehr gekauft, öffnet auch keine E-Mails mehr, war schon seit x Monaten nicht mehr auf der Website, interagiert auf keinem Kanal, der vorher funktioniert hat. Also was heißt inaktiv? Ganz wichtig, das zu definieren, damit man damit auch gut steuern kann. Ähm, KI braucht Daten und gerade in der Reaktivierungsphase, da ist man dann oft einfach am Raten. Es könnte ja alles Mögliche sein, warum Kunden inaktiv sind. Manches ist veränderbar, manches Verhalten nicht. Um das rauszufinden, hier sind einfach auch so was wie, einfach, ne, Kundenfragen, wir müssen reden, Fragebogen, ähm, mit einzusetzen, zu sagen, was-- ich würde gerne verstehen. So, letztendlich fürs Kampagnenmanagement ist dieses „Ich möchte besser verstehen". Ich frage meine Kunden, warum sind sie inaktiv geworden? Dann so in der Weggabelung, die Entscheidung zwischen versuche ich zu reaktivieren, schick 'nen Gutschein, wenn mir nichts Besseres einfällt, oder sage ich Goodbye. Im Kampagnenmanagement, wenn ihr solche Goodbye-Kampagnen anguckt, haben die höchsten Eröffnungsraten. Ähm, da fischt man dann tatsächlich noch mal die raus, die sagen: „Nein, nein, Moment, stopp. Also nicht aufhören. Also so uninteressant war es jetzt dann doch nicht." Oder man kriegt tatsächlich Antworten auf die Frage:Warum? Ahh(übersprechen 00:01:13) warum dieses Verhalten? Ist das temporär oder ist das permanent, dass jemand inaktiv geworden ist? Ahhhm(übersprechen 00:01:21) so, es geht letztendlich darum, auch zu überlegen, wen spreche ich denn noch an mit, mit inaktivi also an inaktiven Kunden? Wen möchte ich reaktivieren? Wie groß ist diese Zielgruppe? Reaktivierung kostet. Es geht um Inzentivierung, ahhhm(übersprechen 00:01:35) und insofern erste wichtige Frage, wen spreche ich denn alles an und wer bekommt denn dann wirklich welche Inzentivierung? So, im Zweifel, im einfachsten Fall ist das dann auch da, an der Stelle wieder ein Gutschein. Schauen wir uns noch mal an, KI-Fragestellungen für die Phase der Reaktivierung. Ganz, ganz wichtig, wen? Nicht alle. Ahhhm(übersprechen 00:01:56) Es gibt einfach 'ne Menge Kunden, da ist der Bedarf einfach durch. Ahhhm(übersprechen 00:02:00) Das macht wenig Sinn, sie zu reaktivieren, die zu erkennen, Aufgabe für KI. Wo lohnt es sich, wo nicht? Wen möchtet ihr als Kunden halten, wieder aktivieren und bei welchen, das sind einfach Kunden, die kommen und gehen. So, dann aber auch die Frage, welche Inzentivierung? Ich habe gerade gesagt, wenn einem nichts Besseres einfällt, ist es halt der Gutschein. Da gibt es, ah, mit Sicherheit auch noch eine ganze Menge bessere Ideen, gerade auch aus dem Servicebereich. Ne, also hier mit dem Rucksack, ob das dann Reparaturen oder ähnliches sind. Es kann sein, dass es tatsächlich einfach Servicethemen sind, die den Kunden wieder aktiv werden lassen. Ja, stimmt, liegt verstaubt in der Ecke. Außerdem geht der Reißverschluss nicht mehr. Wenn der ginge, könnte ich auch mal wieder wandern gehen. Solche Sachen einfach anschauen und dann ganz, ganz wichtig auch zu schauen, wie hoch ist denn eine Inzentivierung? Wie oft setze ich fünf Euro ein oder fünfzig? Ahhhm(übersprechen 00:03:00) Und wie oft? Also diene ich das einmal an oder fünfmal in einer Woche oder sechs Monate lang? Also wie lange laufe ich einen Kunden mit wie viel hinterher, um ihn zu reaktivieren? Das sind die Fragestellungen für KI, wenn wir uns die Reaktivierungsphase anschauen. So, einen haben wir noch. Last but not least, Bindungsphase für die Best-Kunden. Ahhhm(übersprechen 00:03:26) Not least sage ich deshalb so ganz bewusst, wird meistens vernachlässigt. Ahhtreue Kunden, loyale Kunden sind ja da und werden morgen hoffentlich dasselbe tun, wie bisher immer auch, nämlich unser Geschäft zu stützen. Ahhhm(übersprechen 00:03:36) Es sind die Kunden, von denen wir leben und die ganz wenig Einsatz brauchen, weil sie ja von alleine wiederkommen und so das, was man so generell tut, ja einfach ausreicht, könnte man meinen. Mhh(übersprechen 00:03:46) Ziel der Kampagnen, wenn wir in die Bindungsphase reingucken, ist natürlich die Dauer der Kundenbeziehung positiv zu beeinflussen und inhaltlich geht es an der Stelle ganz, ganz viel um Wertschätzung. Also wenn jemand schon fünf Rucksäcke gekauft hat, dann geht es nicht darum, den sechsten irgendwie (lacht leise) auch noch zu verkaufen. Das ist auch nichts, was irgendwie im Gehirn irgendein Glücksgefühl auslöst, wenn man dann noch ein Stück Produkt, das man eh schon x-mal mal gekauft hat, noch mal kriegt oder noch mal ein Rabatt auf das nächste Produkt desgleichen, das man ja schon ganz oft gekauft hat, auch noch mal kriegt. Ne, das sind die zwei Sekunden Gehirn. Super. Dann ist es vergessen. Ahhhm(übersprechen 00:04:23) Und insofern geht es letztendlich in dieser Bindungsphase darum, was Besseres zu finden als den Gutschein für zehn Euro „Danke für die Treue". Letzte Woche gab es zehn Euro, weil es war letzte Woche und nächste Woche gibt es zehn Euro, weil es ist nächste Woche. Ne, also tatsächlich herauszustechen in dem, was man an, an Wertschätzung oder was man in dieser Kampagne tut. So, heißt für die KI, wir müssen erst mal tatsächlich verstehen, was ist denn die Motivation dieser Best-Kunden? Warum mögen die, diese Kunden, ahhh, diesen Anbieter? Mhh(übersprechen 00:04:58) Warum sind die aktiv? Warum sind sie treu? Da muss man ein bisschen tiefer gucken, einfach auch in Werte, in Haltungen. Ahhh Geht rüber zu den Marketingleuten, die Marke machen, die den Markenkern beschreiben können, verbindet das mit Daten, um wirklich anzuschauen und zu sagen, welche Werte, welche Haltungen verbinden diese Kunden mit meiner Marke? Daraus entstehen typischerweise die besseren Ideen als der zehn Euro Gutschein. Ahhhm(übersprechen 00:05:24) Und damit kann man dann hier in der Bindungsphase wunderbar arbeiten. So, dann ein Thema noch: Personas. Also wenn man tatsächlich an Werbehaltungen arbeitet, Profile herausarbeitet, wie sehen denn meine Bestkunden aus, wird typischerweise dann ahhh unter dem Begriff Personas gehandelt. So, wir sind durch, durch die fünf Phasen und ich würde das Ganze einfach kurz zusammenfassen und gebe euch gerne fünf goldene Regeln noch mit. Ahhhm(übersprechen 00:05:57) Das eine Thema ist: Bitte definiert euer Kampagnenportfolio. Also ich sage nicht die einzelne Kampagne. Oftmals ne, ein neues Tool eingeführt, nach einem Jahr, yay, die Willkommenstrecke des Newsletter Onboardings ist da. Ne, ne, ne. Also Herausforderung heißt Kampagnenportfolio definieren. Was braucht ihr? Fünf, zehn, fünfzehn Kampagnen aus diesen fünf-- ahhh diese fünf Phasen unterstützen und dieses Portfolio steht innerhalb der zwölf Monate. Das heißt tatsächlich durchkommen, machen, ist da das ganz große Thema, damit ihr wirklich alle Phasen erfassen könnt. Ahhhm(übersprechen 00:06:33) Das zweite Pre-Sales-Phase, Königsdisziplin, findet diese Trigger, findet diese Lebensereignisse, findet die Trigger, die ihr braucht für die Kampagne. Dort kommt für euer Management der ROI her, warum die vielen hunderttausend Euro Investitionen sich denn gelohnt haben. Dann Personas. Wir müssen Kunden verstehen. Warum kaufen die bei uns? Was hält sie bei uns? Ahhh Und damit meine ich jetzt nicht die Personas im Sinne der dreihundertachtundzwanzig Gruppen, die aus dem Werkzeug der Wahl rauspurzeln als Profile, sondern die zwei, drei.Und nicht mehr mehr Personas, die wir im Marketingkampagnenmanagement dann uns, äh, tatsächlich genau vornehmen können. So, wichtigster Satz, der, der gesamten, des gesamten Fachvortrags: Warum machen wir das eigentlich mit dieser Kundenbindung? Wir machen das deshalb, weil wir Kundenbestandsentwicklung machen. Der Kundenbestand von heute ist die Unternehmensbasis von morgen. Das, was ihr jetzt im Kampagnenmanagement plant, ist die Geschäftsbasis, also der Kundenbestand von übermorgen. So, dafür machen wir das. Deshalb sollte auch die Erfolgskontrolle nicht nur jede einzelne Kampagne sein, sondern euer gesamtes Kampagnenportfolio. Welchen Effekt hat das auf den Kundenbestand? Welche Qualität hat der Kundenbestand? Wie wird er sich entwickeln? Das ist das Potenzial für die Zukunft eures Unternehmens. So, zuallerletzt, ihr kennt das gelbe Schild an den Baustellen: Eltern haften für ihre Kinder. Wenn ihr mit KI arbeitet, bitte lasst euren Algorithmus nicht unbeaufsichtigt. Und damit bin ich durch mit meinem Vortrag.(applaus) Ja, vielen lieben Dank, Petra. Ähm, wir wollen auch dir noch die Zeit geben. Vielleicht gibt es hier die eine oder andere Frage im Publikum zu dem Thema KI. Hier haben wir doch schon eine. Kann er einmal dann wiederholen, ja? Sie haben gesagt, Wertschätzung, äh, was gibt es denn sonst noch außer (...). Mit einem Blumenstrauß vor der Tür stehen oder einen Blumenstrauß schicken. Ähm, es gibt tatsächlich auch, ähm, einfach eine Geschichte zu schicken, zu sagen: „Was hat denn, ne, also wo, was hat, was macht's?" Andersherum. Wenn ein Kunde ein Unternehmen unterstützt, ne, also man sich dann sagt: „Das ist der Kunde, der meine Gehälter zahlt für mein ganzes Team, sich tatsächlich einfach auch zu zeigen und zu sagen: „Schau mal, das unterstützt du durch deine Käufe. Wir sind das Team, das hinter dem Marketing steht. Ähm, ihr erhaltet unsere Jobs, also nicht ganz so platt, aber, ähm, tatsächlich einfach Verbindung schaffen in der, in der Kommunikation. Und ich hatte tatsächlich Modeversandhändler, die haben wirklich Blumensträuße geschickt. Gibt es denn noch weitere Fragen? Hier rechts, ja. Wenn wir jetzt in der Reaktivierungsphase sind, dann muss die KI ja entscheiden, welche Form von Reaktivierung wir verwenden für wen und welche am sinnvollsten ist. Und welche Daten dafür am geeignetsten sind, findet das die KI heraus oder müssen wir selber filtern, welche Daten dafür relevant sind? Wir müssen die Frage vielleicht einmal wiederholen, ähm, damit wir es im Stream, nein, damit wir es im Stream auch hören, ne. Wir haben ja noch vorhin im Stream. Also die Frage war, wir sind in der Reaktivierungsphase, ne, und ob die KI das dann selbst herausfinden muss, welche Daten relevant sind und welche nicht. So. Also, wenn der KI, wir müssen ja konkrete Fragen stellen. Also tatsächlich dieses Ranking, wie ist das Potenzial dieser inaktiven Kunden, um zu beantworten, wen versuchen wir zu reaktivieren und wer kommt in Goodbye? Ah, und dann tatsächlich Kundenwertanalyse, um zu entscheiden, fünf Euro oder fünfzig. Ah, und dann tatsächlich auch Analyse, was hat wie gewirkt, um zu entscheiden, äh, einmal oder fünfmal hinterherlaufen, 'ne Woche oder sechs Monate hinterherlaufen. Das wären so die konkreten Fragestellungen an die KI, aber dann bekommen wir auch den Input zurück, um die Kampagne aufzusetzen. Und dann heißt einfach testen, messen, optimieren, anschauen, wie das läuft, äh, und dann an genau den Messschrauben, wen, wie viel, wann, wie oft, wie lange, äh, an den Messschrauben dann zu drehen. Ach so. Ah, nein. Ähm, da sind wir so bei 'ner Blackbox-Algorithmen oder man führt halt ihr konkret Daten zu. Ähm, es kommt drauf an, wie weit man ist. Ich bin am Anfang sehr dafür zu sagen, nix Blackbox, sondern man muss verstehen. Ähm, man kann tatsächlich ja einfach sehen, wie ist der Long Tail. Also man sagt, das ist der Datensatz, von dem wir glauben, der ist relevant. Wir geben auch immer alle Daten rein, um dann von der KI zurückzukriegen und zu sagen: „Wie relevant waren denn welche Merkmale für das Ergebnis?" Und dann tatsächlich im Zusammenspiel mit der KI rauszufinden, was ist der richtige Datensatz? Wo hört der Long Tail auf, äh, äh, an Daten, die wir reingeben und an welcher Stelle macht das noch Sinn? Iterationen durchlaufen, anschauen. Beantwortet? (lacht leise) Sehr schön. Eine Frage haben wir noch für dich da hinten. Hast du eine Lieblings-KI sozusagen? Nein. (lacht) Also ich glaube, es ist tatsächlich, es ist wichtig, am Anfang mit, ähm, Sachen zu arbeiten, die man verstehen kann. Ähm, ich habe gesehen, dass die Werkzeuge gar nicht so furchtbar den Unterschied machen. Der Riesenunterschied ist das Zusammenspiel zwischen Analyst und Kampagnenmanager. Ein Analyst ist in der Regel ja ganz stark darauf angewiesen, gute Fragestellungen zu kriegen, sagen: „Wofür brauchst du die Antwort? Was willst du damit machen?" Ähm, jemanden, der nicht Analyst ist, auf Daten mit zu gucken und sagen: „Oh, das ist aber interessant. Nee, das finde ich weniger interessant", und zu steuern, wo geht denn ein Analyst mit den Daten hin? Ähm, und letztendlich aber auch andersherum, äh, viel, viel Input zu kriegen aus KI und vom Analysten zu sagen: „Ach so, ach so ist der Zusammenhang und ach da ist was, das kann ich ja verwenden." Es ist stärker dieses Zusammenspiel als das Werkzeug. Das ist untergeordnet in, in aller Regel. Was es braucht, ist tatsächlich ein ordentliches Datenmodell. Das erleichtert dem Analysten um achtzig Prozent seine Arbeit. Also man sieht ihn nicht nach drei Monaten wieder, sondern übermorgen, um an dem Thema weiterzuarbeiten. Und dann würde ich wirklich empfehlen, wer startet, macht, nimmt offene Algorithmen, also wo man erkennen kann, wo man erklären kann, was ist denn der Unterschied zwischen achtundsechzig und zweiundsiebzig Prozent? Was hat den Unterschied gemacht? Wenn es dann irgendwann läuft, kann das auch Blackbox und zu. Ähm, aber bis dahin würde ich auf alle Fälle empfehlen, Dinge, die man, Algorithmen, die man verstehen kann. Ich glaube, eine schaffen wir noch, eine schnelle. Ja, und das ist jetzt noch mal ein bisschen zu konkretisiert. Wäre das dann etwas, was man über Python beispielsweise baut? Geht, ja. Oder es, oder gibt es gewisse Tools, wo man sagt: „Ey, das könnt ihr auf jeden Fall nutzen, das ist super einfach integriert." Oder, also einfach, dass man mal so ein bisschen konkreter 'nen Marker hat oder 'nen Tool hat, ähm ... Python ist ein, ein gutes Mittel der Wahl, ja. Ja. Ob wir dann noch (...), oder Webminera, oder was auch immer, oder es gibt ja ein Stück weit KI, auch in CDPs etc. drin. Da ist es, schaut eher, was sind die Kompetenzen im, im Haus, mit was kann man gut umgehen, ne? Ganz-- Manche können klassisch auch noch super mit SaaS arbeiten, why not? Ähm, aber ja, Python im Moment, glaube ich, ist so eines der populärsten. Super. Ich denke mal, die Petra ist auch noch ein bisschen da. Falls die eine oder andere Frage kommt, kann man sie bestimmt noch ansprechen, oder Petra? Sehr gerne. Super. Dann sage ich vielen lieben Dank für den spannenden Vortrag und schön, dass du da warst. Danke schön. (Applaus)