Analyse der Customer Journey und Attributionsmodellierung

Dieser Beitrag ist eine DATANOMIQ Success Story, für mehr Informationen über unsere Erfolgsgeschichten, besuchen Sie unsere Success Story Seite.

Quelle: datanomiq.de

Analyse der Customer Journey und Attributionsmodellierung mit Data Science Methodik

• Identifizierung von Einflussgrößen in der Customer Journey
• Analyse und Vorhersage der Bedeutung jeweiliger Marketing-Kanäle
• Optimierung der Kanal- und Kampagnen-Planung

Ausgangssituation

Das Unternehmen ist einer der führenden europäischen eCommerce-Händler von Brillen und Kontaktlinsen, verfügt jedoch auch über stationäre Läden in Innenstädten und Einkaufszentren. Hinzu kommt ein mit mehr als 500 lokalen Augenoptikern stetig wachsendes Partnernetzwerk.

Die Attribution bezeichnet im Marketing den Vorgang der Zuordnung von Relevanz von Marketing-Kanälen für den Kauf oder für eine andere Art von Leads. Die im Unternehmen bisher eingesetzten Attributionsmodelle sind der First-Touch, Last-Touch, die Gleichverteilung und die U-Verteilung (auch als Badewannen-Modell bekannt). Während der First-Touch bedeutet, dass der erste Touchpoint einer Customer Journey zählt und es beim Last-Touch genau andersherum ist, bedeutet die U-Verteilung, dass der First und der Last Touch jeweils 40% ausmachen und die restlichen Kanäle sich die verbliebenen 20% untereinander gleichverteilen.

Die Realitätsferne dieser Attributionsmodelle weckte bei dem Unternehmen das Bedürfnis, die Marketing-Kanäle nach tatsächlicher Relevanz innerhalb der Customer Journey zur Kundenbestellung zu erfassen.

Maßnahmen – Methodik und Technologie

Die ersten Schritte umfassten die Erhebung und Zusammenführung von Daten aus dem ERP-System und dem Webtracking-System des Unternehmens zur Herstellung von Customer Journey Chains. Diese wurden aus dem Data Warehouse in das DATANOMIQ eigene Analyse-System geladen.

Nach einer ersten statistischen Datenanalyse setzten unsere Data Scientists auf Due Methoden der Spieltheorie und der Wahrscheinlichkeitsmodellierung.

Der finale Ansatz für die daten-getriebene Attributionsmodellierung kommt aus der Wahrscheinlichkeitsmodellierung und ist Insidern als sogenannte Markow-Kette (Markov Chain) bekannt. Mit ihr kann die Customer Journey basierend auf der Historie als Graphen modelliert und die Auftretenswahrscheinlichkeit von Wegen zwischen den Kanälen als Wahrscheinlichkeit interpretiert werden. Marketing Manager sprechen hier von der Modellierung der Conversion Funnels. Diese Funnels lassen sich auch bei größeren – und deswegen unübersichtlichen – Journey-Netzwerken etwas leichter verständlich als sogenannte Transition Matrix darstellen, die für den Computer leicht zu verarbeiten ist.

Die probabilistischen Modelle erlauben es, Customer Journeys zu in einer Monte-Carlo-Simulation zu verarbeiten und über den sogenannten Removal-Effect zuverlässige und belastbare Vorhersagen zu treffen, welche Bedeutung ein jeweiliger Kanal oder auch ein bestimmter Kampagnen-Typ für die Generierung einer Kundenbestellung aufweist.

Das Deployment – die Bereitstellung der Prädiktoren in das Produktivsystem – erfolgte über die Cloud-IT-Infrastruktur des Kunden, die vom Data Warehouse täglich angestoßen und die Prädiktionsergebnisse für jede Kundenbestellung abgerufen wird.

Erfolge und Ergebnisse

Die Konsequenz dieser Maßnahme und der erzielten Ergebnisse ist eine laufend verbesserte Budgetierung der Marketing-Kanäle auf Grundlage der berechneten Relevanz, die nun keine feste Form als U-Modell mehr aufweisen, sondern auch andere Verteilungen annehmen, die sich dem realen Gefüge annähern.

Als Nebeneffekt wurden Geschäftsregeln im operativen Marketing, die im Vorfeld als gegeben betrachtet wurden, durch diese Form der Analyse sowie der Implementierung als Vorhersage-Automation infrage gestellt und teilweise korrigiert.

Was dies für Sie bedeutet

Intelligente Attribution ist ein Weg in die data-driven Company, bedingt aber auch die Erfüllung derselben Voraussetzung für den Erfolg. Das bessere Verständnis der Customer Journey und die intelligente Attributionsmodellierung ist heute dank einfacher Methoden aus der Data Science zu erreichen.

Sie interessieren sich allgemein für die Möglichkeiten im Bereich der Customer Analytics und möchten versteckte Potenziale heben? Sie möchten mit uns eine individuelle Problemstellung besprechen? Besuchen Sie uns auf www.datanomiq.de oder schreiben Sie uns eine E-Mail an info@datanomiq.de.