Data Science im Dialogmarketing
Kundenbindung erhöhen: Der optimale Kontaktzeitpunkt im Dialogmarketing
Im Dialogmarketing bezeichnet der Begriff "End-of-Term" Aussendungen mit dem Ziel, den Kunden zu einem bestimmten Zeitpunkt ein attraktives Folgeprodukt anzubieten, um so nicht nur einen Wiederkauf zu generieren, sondern auch die Kundenbindung an die Marke zu stärken.
In der Praxis wird zur Bestimmung des Kontaktzeitpunktes oft ein Durchschnittswert für alle Kunden, wie zum Beispiel der Zeitraum zwischen zwei Käufen, gewählt. Da dieser Durchschnitt stark verallgemeinert, werden nun mit Data Science individuelle Kontaktzeitpunkte bestimmt, welche besser für End-of-Term Aussendungen geeignet sind.
Durch die Umstellung auf eine datenbasierte Steuerung mit individuellen Kontaktzeitpunkten, ist der Auftraggeber in der Lage, seine Kunden zu präzisen Zeitpunkten zu kontaktieren und ökonomische Ziele schneller zu erreichen.
Wann ist der Kontaktzeitpunkt optimal?
Der richtige Kontaktzeitpunkt ist entschiedend, denn die Kaufbereitschaft eines Kunden ist nicht konstant. Die folgende Grafik zeigt die Entwicklung der Kaufbereitschaft eines fiktiven Kunden, welcher zu vier verschieden Zeitpunkten ein neues Folgeprodukt kauft. Dabei kann sich der Kunde stets für eine andere Marke entscheiden und unterliegt keinen vertraglichen Bindungen.
Abbildung 1: Entwicklung der Kaufbereitschaft für vier für Folgekäufe
Wie der Verlauf zeigt, steigt die Kaufbereitschaft bis zum Folgekauf an und fällt anschließend auf Null. Wird ein Kunde zu früh kontaktiert, so ist die Kaufbereitschaft nicht ausreichend. Wird ein Kunde zu spät kontaktiert, so ist die Kaufbereitschaft sehr gering.
Der optimale Kontaktzeitpunkt liegt kurz vor einem Folgekauf und ist durch eine hohe Kaufbereitschaft gekennzeichnet.
Um verspätete Aussendungen zu vermeiden, wird der durchschnittliche Kontaktzeitpunkt oft vorgezogen. Aufgrund der individuellen Präferenzen der Kunden ist diese Strategie jedoch nur bedingt erfolgreich, wie im folgenden Abschnitt gezeigt wird.
Bestimmung des individuellen Kontaktzeitpunktes
Der individuelle Kontaktzeitpunkt richtet sich nach den Präferenzen des Kunden und dessen Produkt. Zum Beispiel deutet eine intensive Nutzung auf eine kurze Haltedauer hin, sodass der Kunde früher kontaktiert werden sollte. Eine intensive Pflege wiederum, lässt auf eine längere Nutzungsdauer schließen, sodass es zunächst keinen Sinn ergibt, den Kunden zu einem durchschnittlichen Zeitpunkt zu kontaktieren.
Das Versenden nach einem Durchschnittswert vernachlässigt die Präferenzen des Kunden und führt zu ökonomischer Ineffizienz.
Um dies zu zeigen werden drei theoretische Kundengruppen mit unterschiedlicher Nutzungsdauer erstellt:
- A: Folgekauf nach 1097 Tagen,
- B: Folgekauf nach 1516 Tagen und
- C: Folgekauf nach 1903 Tagen.
Die Kundengruppe A nutzt das Produkt intensiv und tauscht es durchschnittlich alle 1097 Tage aus. Kunden der Gruppe B gelten als durchschnittliche Nutzer mit einer Nutzungsdauer von 1516 Tagen. Die Kundengruppe C nutzt das Produkt nachhaltig und legt zum Beispiel Wert auf eine gute Pflege. Über alle drei Gruppen (N = 1200) beträgt die durchschnittliche Nutzungsdauer 1505 Tage. Die folgende Abbildung stellt die Verteilung der Nutzungsdauer für die drei Kundengruppen gegenüber.
Abbildung 2: Simmulierte Kundengruppen mit unterschiedlichen Laufzeiten
Bei einem durchschnittlichen Kontaktzeitpunkt von 1505 Tagen nach dem Kauf, wird die Kundengruppe A immer zu spät kontaktiert und die Kundengruppe C in den meisten Fällen zu früh. Die Kaufbereitschaft ist zu diesem Zeitpunkt zu gering. Besonder bedauerlich ist dies bei der Kundengruppe A, weil hier häufigere Folgekäufe durch kürzere Laufzeiten versäumt werden.
Das Vorziehen des Kontaktzeitpunktes führt wiederum dazu, dass mehr Kunden mit kurzer Laufzeit kontaktiert werden, vernachlässigt aber mehr Kunden der Gruppe B und fast alle Kunden in Gruppe C.
Der individuelle Kontaktzeitpunkt berücksichtigt die Präferenzen der Kunden und verbessert so die Wahrnehmung der Marke und ökonomischen Ziele.
Implementierung
Die Implementierung einer datengetriebenen Lösung, muss den Bedingungen in der Praxis gerecht werden. Zum Beispiel müssen vertragliche Regelungen aus Leasing- oder Kreditverträgen, Datenschutz oder Vorgaben zur zahlenmäßigen Auflage berücksichtigt werden.
Methode
Die Bestimmung des individuellen Kontaktzeitpunktes ist als Regressionsproblem bekannt und lässt sich durch eine Vielzahl an Methoden des maschinellen Lernens, wie zum Beispiel Entscheidungsbäumen oder neuronalen Netzen aber auch klassischen Verfahren wie Regression und Überlebensanalysen lösen.
Daten
Die Genauigkeit der Vorhersage ist abhängig von der Qualität der Daten. Der Auftraggeber verfügt über eine solide Datenbasis, mit Beobachtungen zu validierten Folgekäufen und Produkteigenschaften. Die Datenaufbereitung und das Finden erklärender Einflussgrößen war der entscheidende Arbeitsschritt.
Die Daten werden durch das Programm um unlogische Beobachtungen, welche zum Beispiel durch falsche Eingabe verursacht werden, bereinigt und anschließend fehlende Beobachtungen, welche strukturiert und zufällig auftreten, durch statistische Methoden ergänzt.
Das Anreichern der Daten mit Informationen aus externen Quellen sowie den Daten selbst ist ebenso wie eine Doublettenbereinigung implementiert.
Die Optimierung des Modells zur Vorhersage des Kontaktzeitpunktes wird monatlich durchgeführt und die Aktualisierung des Kontaktzeitpunktes für die Kunden findet wöchentlich statt. Alle Implementierungen dienen dem Ziel, die modellbasierte Vorhersage fortlaufend an die Anforderungen der Kunden anzupassen.
Ergebnis: erhöhte Kundenbindung durch Data Science
Seit März 2020 versendet der Auftraggeber seine End-of-Term Aussendungen auf der Grundlage aktueller Daten zu individuellen Kontaktzeitpunkten. Der Effekt wird dabei fortlaufend gemessen und in einem Reporting vergleichen.
Die Umstellung von einer allgemeinen auf eine individuelle Kontaktierung der Kunden im Rahmen des Dialogmarketings, wurde durch den Kunden mit einer Verbesserung der Conversion und besseren Wahrnehmung der Marke belohnt.