In vielen Branchen geht es längst nicht mehr um Produkte und deren Funktionalitäten. Der entscheidende Wettbewerbsfaktor ist die Customer Experience. Um den Kunden zeitnah mit relevanten Angeboten ansprechen zu können, brauchen Unternehmen zwingend Technologien wie Advanced Analytics und Machine Learning.

Ziel ist es, Produktempfehlungen exakt auf die Bedürfnisse und Interessen des Kunden zuzuschneiden – und zwar in Echtzeit. Das Stichwort lautet: Realtime Decisioning. Jeder bekommt dann genau den Artikel angezeigt, der am besten zu seinem bisherigen Kaufverhalten passt. Der Wechsel von einem regelbasierten hin zu einem analytischen Ansatz versetzt Vertriebsteams in die Lage, auf Basis von automatisierten Prozessen in Echtzeit und direkt am Interaktionspunkt (beispielsweise, wenn der Kunde sich gerade auf der Website befindet) eine Entscheidung darüber zu treffen, welches Angebot angezeigt werden soll.

Realtime Decisioning verbessert jedoch nicht nur die Kundenansprache, sondern ermöglicht es, langwierige manuelle Prozesse zu automatisieren, was zu enormen Einsparungen führen kann. Im Versicherungssektor lassen sich Entscheidungen zu Forderungen, Preisgestaltung und Vertragsabschluss automatisieren. Fünfstellige Millionenbeträge können pro Jahr eingespart werden, wenn auf diese Weise ein Kfz-Schadensfall schnell überprüft wird, wofür sonst ein monatelanger Prozess notwendig wäre.

Informierte Echtzeitansprache

Ein konkretes Beispiel: Shop Direct, einer der größten britischen Online-Händler, hat mit SAS sein Geschäft transformiert. Das Unternehmen, seit mehr als 40 Jahren am Markt, startete einst als Versandhandel – und kann auf einen entsprechend großen Bestand an Kundendaten zugreifen. Dieser Datenpool sollte nun genutzt werden, um jedem Kunden ein maßgeschneidertes Online-Erlebnis bieten zu können, das ihm das Einkaufen erleichtert. Denn auf der Website wurden Kunden zuvor oftmals bis zu 50 Bildschirmseiten an Produkten angezeigt, durch die sie sich durchscrollen mussten. Durch eine Analyse der vorhandenen Daten kann Shop Direct nun vorhersagen, wofür sich ein Kunde höchstwahrscheinlich interessiert, und die Sortimentsreihenfolge in Echtzeit individualisieren. Dank dieser Personalisierung stieg der Umsatz des Online-Händlers um 43 Prozent.

Fall zwei: Ein globales Telekommunikationsunternehmen steigerte mit Realtime Decisioning seine Antwortrate bei Top-up-Angeboten, die es seinen Kunden unterbreitet, sobald diese sich ihrer vorgegebenen Datenvolumengrenze nähern. Zuvor verfolgte es zwei Ansätze: Echtzeitansprache, aber ohne Kundeninformation, da diese nicht in dem System hinterlegt war, das den Trigger ausführte. Oder Analyse der Kundendaten über Nacht, die zwar zu besser an die Nutzerbedürfnisse angepassten Angeboten führte (beispielsweise Aufladen geringerer Datenmengen, wenn der nächste Monatszyklus und damit „frisches“ Datenvolumen nicht mehr so weit entfernt sind), aber eben eine zeitliche Verzögerung mit sich brachte. Mit SAS hat das Unternehmen die beiden Ansätze zusammengebracht, indem es auf Echtzeitdaten basierende Modelle entwickelt, mithilfe von SAS Event Stream Processing Kunden identifiziert, deren Datenvolumen fast aufgebraucht ist, und eine entsprechende Aktion einleitet. SAS Real-Time Decision Manager wird genutzt, um die Modelle in Echtzeit anzuwenden und anhand der Analyseergebnisse die beste Option für den Kunden zu bestimmen. Resultat: höhere Kundenzufriedenheit, mehr Umsatz und weniger Kosten.

Fazit

Entscheidend bei diesen Erfolgsgeschichten ist der Einsatz von Advanced Analytics, der es ermöglicht, wahrscheinliche Ergebnisse vorherzusagen und Entscheidungen bezüglich der profitabelsten oder relevantesten Customer Experience in Echtzeit anzupassen. Mit dieser Funktionalität können Unternehmen ein enorm hohes Maß an Personalisierung schaffen – und damit die Maxime „Customer First“ tatsächlich umsetzen.

Mit Machine Learning zum besten Ort der Welt!

Doch der Nutzen dieser neuen Technologien bleibt nicht auf den B2B-Bereich beschränkt, sondern lässt sich auf den Alltag übertragen, wie SAS mit dem Projekt „Paradise Found“ gezeigt hat. Mithilfe von Big Data Analytics und Machine Learning ermittelte der Softwarehersteller aus rund 150.000 Locations weltweit und anhand von 69 Kriterien den „besten Ort der Welt“. Ohne vorgefertigte Fragestellung oder Hypothese wurden mehr als fünf Millionen Datenpunkte aus 1.124 Datenquellen analysiert, und zwar strukturierte ebenso wie unstrukturierte Daten, um den Sieger zu ermitteln: West Perth. Vorgestellt wurde das Projekt auf dem SAS Forum Deutschland Ende Juni in Bonn.

Als „bester Ort der Welt“ ermittelt: Perth, die 1,6-Millionen-Metropole und Hauptstadt des australischen Bundesstaates West Australia.

Einblicke in neue Trends und Entwicklungen bei Technologien wie Machine Learning und Big Data Analytics gibt SAS als nächstes in Amsterdam auf seiner internationalen Konferenz Analytics Experience 2017 vom 16. bis 18. Oktober in Amsterdam.

Über den Autor: Andreas Heiz ist Senior Manager Competence Center Customer Intelligence bei SAS DACH.