Predictive Customer-Needs

Predictive Customer-Needs
Der Kunde ist jetzt!
Prof. Dr.-Ing. Andreas Ittner
Hochschule Mittweida (FH) in Kooperation mit Conspicaris GmbH
Email: [email protected]
WWW: www.hs-mittweida.de/~ittner
Motivation und Hintergrund
Prof. Dr.-Ing. Andreas Ittner, Professur Informatik/Verteilte Informationssysteme, Fakultät MNI,
Hochschule Mittweida (FH)
14.05.2011
2
Zwei Negativ-Beispiele für persönliche Empfehlungen
… ich sammle keine Reiseführer!
… kaufe ich wirklich zuerst die Druckerpatrone und danach einen Drucker?
Prof. Dr.-Ing. Andreas Ittner, Professur Informatik/Verteilte Informationssysteme, Fakultät MNI,
Hochschule Mittweida (FH)
14.05.2011
3
Dimensionen: Kunde und Produkt
Klassisches Database Marketing
“Ich suche ein Kunden-Segment, das
für dieses Produkt affin ist.“
“Ich habe ein Produkt … ”
Recommendation Engines
“Ich habe einen Kunden … ”
“Gib mir das best passende
Produkt für diesen Kunden.“
?
Prof. Dr.-Ing. Andreas Ittner, Professur Informatik/Verteilte Informationssysteme, Fakultät MNI,
Hochschule Mittweida (FH)
14.05.2011
4
Angebots-Dimensionen
Kommunikationskanal
Angebot
Produkt
Kunde
Zeitpunkt
Preis
Prof. Dr.-Ing. Andreas Ittner, Professur Informatik/Verteilte Informationssysteme, Fakultät MNI,
Hochschule Mittweida (FH)
14.05.2011
5
Was ist ein Kunden-Interaktionsserver?
Ein Kunden-Interaktionsserver bietet
dem richtigen (affinen) Kunden, User, Besucher, Interessent, …
das richtige (passende) Produkt, Service, …
zum richtigen (günstigen) Zeitpunkt (Kunde ist auch aufnahmebereit!),
über den richtigen (geeigneten) Kommunikationskanal,
zum richtigen (akzeptablen) Preis an,
um die Transaktionswahrscheinlichkeit (Kauf, Abschluss, … ) und damit schließlich
Absatz und Umsatz zielgerichtet zu erhöhen.
Angebot = f (Kunde, Produkt)
Angebot = f (Kunde, Produkt, Zeitpunkt, Kanal, Preis)
Prof. Dr.-Ing. Andreas Ittner, Professur Informatik/Verteilte Informationssysteme, Fakultät MNI,
Hochschule Mittweida (FH)
14.05.2011
6
Welche Informationsquellen nutzt ein KundenInteraktionsserver?
alle Stammdaten der Kunden/User die verfügbar sind (z.B. Alter, Geschlecht, Herkunft, … )
oder berechnet werden können (z.B. Marken-Affinität, Preis-Sensitivität, … ),
historische Produktangebote, -käufe, -bewertungen und -retouren,
aktuelle Interaktionsdaten (Kontakte, Klicks, Verweildauern, Produkt in den Warenkorb gelegt,
auf die Wunschliste gesetzt, Newsletter geöffnet, … ) - auch mit zeitlichem Bezug!,
externe mikro- und soziodemografische Daten (z.B. Kaufkraftkennziffern regional und/oder
kundensegmentbezogen zur Preis- und Kanaloptimierung),
eine Vielzahl weiterer Daten, die automatisch vom Kunden-Interaktionsserver erhoben und/oder
zur Optimierung verwendet werden, wie z.B.
Produktpreise (und -verfügbarkeiten) des Wettbewerbs,
zeitlich abhängige Werteverläufe von Produkten (Yield Management, Frischeprodukte, … ),
Geolocation-Daten (IP, HTML5) um Bezug zur regionalen Kaufkraft herzustellen,
beim Webseitenzugriff übermittelte techn. Information (mobil/fest, Browser, Betriebssystem,
Sprachen, Plugins, Bildschirmauflösung, Schriftarten, … ),
Daten der Browserhistorie (URLs) zur Zuordnung der Kunden zu Profil-Segmenten,
etc.
Prof. Dr.-Ing. Andreas Ittner, Professur Informatik/Verteilte Informationssysteme, Fakultät MNI,
Hochschule Mittweida (FH)
14.05.2011
7
IT-Infrastruktur (A3S - Analytics-as-a-Service)
1. Ausbaustufe des KIS befindet sich in der Erprobungsphase bei mehreren Shops/Portalen,
als klassischer Empfehlungsservice unter Verwendung von Interaktionsdaten, z.B.
ETS - Event-Tracking-Service (Interaktionen, Online-Experimente),
Daten der Browser-Historie,
techn. Daten, die beim Seitenzugriff erhoben werden, etc.
kann den Datenumfang kleiner und mittelständischer Unternehmen beherrschen,
Server-Antwortzeiten von durchschnittlich 0.02 Sekunden, maximal 0.035 Sekunden,
Serverlösung ist für ca. 100 Requests pro Sekunde ausgelegt
leicht integrierbar:
setzt außer Webschnittstellenfunktionalität keine weiteren integrierten Komponenten
voraus,
für die Nutzung des Dienstes ist lediglich die Einbettung des A³S Client Script notwendig
(JavaScript)
Auslieferung kanalspezifischer Empfehlungsartefakte (via REST-Template-Service, um
neben Web z.B. CC-Software etc. integrieren zu können),
Plugins für die leichte Integration in E-Commerce-Systeme (z.B. für Magento),
Prof. Dr.-Ing. Andreas Ittner, Professur Informatik/Verteilte Informationssysteme, Fakultät MNI,
Hochschule Mittweida (FH)
14.05.2011
8
Welchen Nutzen bietet ein Kunden-Interaktionsserver?
klassische Empfehlungsmaschinen haben im praktischen Einsatz bei zahlreichen
Webshops Umsatzsteigerungen i.H.v. 5-15% unter Beweis gestellt,
bei einem Kunden-Interaktionsserver kann (aufgrund seiner ganzheitlichen
5-dimensionalen Angebotsoptimierung) mit einer Steigerungen des Umsatzes
i.H.v. mind. 10-25% gerechnet werden,
diese hohe Steigerung resultiert aus
einem erhöhten Click-through,
einer höheren Conversion Rate (CR),
deutlich mehr Umsatz pro Warenkorb (Monetary),
häufiger getätigten Käufen (Frequency) und
einer signifikant geringeren Retourenquote.
da ein Kunden-Interaktionsserver eine konsequente Weiterentwicklung einer
klassischen Empfehlungsmaschine ist, können die o.g. Umsatzsteigerungsraten der
Empfehlungsmaschine als Untergrenze („worst-case“-Szenario) des Umsatzsteigerungspotentials eines Kunden-Interaktionsservers angesehen werden.
Prof. Dr.-Ing. Andreas Ittner, Professur Informatik/Verteilte Informationssysteme, Fakultät MNI,
Hochschule Mittweida (FH)
14.05.2011
9
Voraussetzungen für den Einsatz
eines Kunden-Interaktionsservers
für den Anwender sind die notwendigen technischen Voraussetzungen für den
Einsatz minimal, da
der Kunden-Interaktionsserver modular aufgebaut ist (in der niedrigsten
Ausbaustufe handelt es sich um eine klassische Empfehlungsmaschine),
der Kunden-Interaktionsserver als SaaS-Lösung (Software-as-a-Service) über
das Internet zur Verfügung steht (in der niedrigsten Ausbaustufe muss lediglich
ein JavaScript-Fragment in die eigene Webseite eingebunden werden),
die Leistungsfähigkeit des Kunden-Interaktionsservers mit der Anzahl der
benutzten Informationsquellen wachsen kann (in der niedrigsten Ausbaustufe
sollte lediglich ein Produktkatalog zur Verfügung stehen - natürlich gilt hier
auch: je mehr Daten, desto bessere Ergebnisse!).
der Aufwand für die JavaScript-Einbettung und das Bereitstellen eines
Produktkatalogs beträgt lt. unserer Erfahrung (inkl. Kommunikationsaufwand)
weniger als ein Arbeitstag auf der Seite des Anwenders.
Prof. Dr.-Ing. Andreas Ittner, Professur Informatik/Verteilte Informationssysteme, Fakultät MNI,
Hochschule Mittweida (FH)
14.05.2011
10
Fragen und Diskussion
?!
Wir sind auf der Suche nach Praxispartnern für
die Intensivierung unseres FuE-Vorhabens!
Prof. Dr.-Ing. Andreas Ittner, Professur Informatik/Verteilte Informationssysteme, Fakultät MNI,
Hochschule Mittweida (FH)
14.05.2011
11