Entwicklung einer Scoring Engine für optimiertes Kampagnenmanagement

Ausgangslage

Bei einer mehrere Millionen großen Kundenbasis, ist es nicht trivial für das Direktmarketing auszuwählen, für welchen Kunden, welche Ansprache interessant ist. Aber nur dann wirkt Werbung: wenn sie relevant für den Empfänger ist. Wir standen vor der Herausforderung, ein System zu entwerfen, das prognostiziert wann, welche Kampagne, in welchem Kontaktkanal für den einzelnen Kunden die größtmögliche Wirkung entfalten kann.

So konnten wir helfen

In einem iterativen Prozess haben wir, zusammen mit dem Einkauf und dem Marketing von GALERIA, eine Scoring Engine pilotiert und operationalisiert. Die LAYA Solutions hat aus klassischen Data Mining Ansätzen ein Subset an Scoring Methoden getestet, diese in Kampagnen verprobt und deren Ergebnisse wieder in die Optimierung der Scores einfließen lassen. Die Scoring Engine ist dabei eine in Python programmierte Applikation, die unter Zuhilfenahme von neuronalen Netzwerken stetig weiterentwickelt wird. Ihre Scores werden im Datawarehouse historisiert, und über unser API-Gateway den Marketing-Automatisierungssystemen zur Verfügung gestellt, so dass sie als Selektionskriterium für das operative Kampagnen Management nutzbar sind.

Das haben wir erreicht

  • Berechnung von Kundenscores 37x schneller als mit manuellen Data Mining Ansätzen
  • Berechnung der Response Wahrscheinlichkeit über 140 Attribute aus Stamm- und Kundenverhaltensdaten
  • Über 50 verschiedene Scoring Modelle für den Kundenstamm konfigurierbar
  • Ermittlung der relevanten Kundengruppe je nach Zielsetzung der Kampagne
  • Definition von Kundengruppen bspw. über „best customer score“, Marken- oder Produktaffinität, Content-Relevanz oder Kontaktkanalaffinität

0 x

schnellere Berechnung von Kundenscores als mit manuellen Data Mining Ansätzen

0

Attribute aus Stamm- und Kundenverhaltensdaten für Berechnung der Response Wahrscheinlichkeit

>0

verschiedene Scoring Modelle für den Kundenstamm konfigurierbar