FINALIST

beim Best use of FastStats Award 2015

Kundeneinblicke im Mittelpunkt der Direktmarketingaktivitäten: Der richtige Content zur richtigen Zeit 

Über Ageas Retail Ltd

Ageas Retail Ltd ist Anbieter von Auto-, Haus-, Reise- und Lebensversicherungen. Über die Marken RIAS und Castle Cover vertreibt das Unternehmen Versicherungsprodukte an knapp 1 Mio. Versicherungsnehmer per Telefon, Website und über Vergleichsportale. Die Ageas Insurance Ltd ist Anbieter von Versicherungen an Partnerkunden.

Die Ziele 

Ageas neues Marketing-Führungsteam hatte klare Ziele: Kundenerkenntnisse sollten das Herz der Direktmarketingaktivitäten bilden – relevanter Content zur richtigen Zeit.

Dieses simple Ziel erforderte eine komplette Umstrukturierung des Database Marketing Teams, der Prozesse, der Technologie und der Daten. Von einer arbeitsintensiven, dezentralen Ist-Situation zu Effizienz und effektiven Kampagnen. Das ursprüngliche Team, zuzüglich des Managed Services Elementes, war zu kostenintensiv, um dies weiterhin zu rechtfertigen. Um akzeptable Kosten pro neugewonnen Kunden zu erzielen, mussten Einsparungen, sowohl in der Mitarbeiterkapazität, als auch in den Kosten gemacht werden.

FastStats lieferte uns unsere erste segmentierte Sicht auf unsere Kunden und führte neue Level der Personalisierung ein, die zu signifikanten Steigerungen der Responseraten führten.

Der Business Case für das Umstrukturierungsprojekt identifizierte signifikanten Geschäfts-, Kunden- und Mitarbeiternutzen. Dieser konnte folgendermaßen realisiert werden:

  • Datenkonsolidierung zu einer Kunden- und Marketing-Datenbank;
  • Einführung einer passenden Technologie zur automatisierten Kampagnenaussteuerung;
  • Integration von Kundeneinblicken in Kampagnen-Selektionen;
  • Einführung von Personalisierung und Multichannel Kampagnen, um eine Steigerung der Responseraten von 6-12% zu erzielen;
  • Kosteneinsparungen, indem interne Marketing SQL Server für andere IT-Projekte zweckentfremdet wurden.

Outsourcing

Communisis

Ageas Retail selbst hatte, aufgrund eines strategischen IT-Wechsels und des laufenden Marketingbetriebs,  weder die Kapazität, noch die Fähigkeit diese Umstrukturierung in-house durchzuführen. Das Projekt wurde an Communisis Data Intelligence outgesourct. Communisis sollte die Kunden- und Marketing-Datenbank entwickeln, hosten und warten. Dadurch war es Ageas Retail, unterstützt von Communisis, möglich, Analyse und Kampagnenmanagement intern abzubilden.

Im Fokus des Projektes stand der Aufbau einer „Single Customer View“ (SCV) Marketing-Datenbank aus Ageas Retail Kundendaten, Interessentendaten, bereinigten Stammdaten, Communisis Alliance Interessentendaten sowie bereinigten Stammdaten von Drittanbietern. Der Grundstein war gelegt. Die SCV Datenbank musste aber auch Zukunftsbestrebungen berücksichtigen, wie beispielsweise das Anbinden neuer Ageas Retail Marken oder Datenquellen und häufigere Datenaktualisierungen, ohne den ETL-Prozess immerzu erneut starten zu müssen. Ageas Retail Analysten sollte es möglich sein, sich auf das Analysieren der Daten zu konzentrieren und nicht ihre Zeit darauf zu verschwenden die Datenverarbeitung zu managen oder sich auf externe Dienstleister verlassen zu müssen.

Die Lösung

In der ersten Phase ging es darum, eine SCV aus Ageas Retails Daten zu erstellen, diese mit den Communisis Alliance Daten abzugleichen und fehlende Datenfelder anzureichern. Im nächsten Schritt wurde ein Prozess entwickelt, mit dem „Delta Records“ wöchentlich ergänzt und hinzugefügt werden sollten. Dies kann bei Bedarf auf eine tägliche Aktualisierung erweitert werden.

Als Teil des wöchentlichen “Data Builds” wurden 11 Feeds aus 46 Datenquellen mit durchnittlich 1.13 Mio. Datensätzen zu einer SCV zusammengesetzt und den Anwendern von Ageas Retail als 500 Systemvariablen präsentiert.

Für Ageas Retail war es ebenfalls wichtig, dass Anwender eigene Variablen erstellen konnten, ohne auf IT oder Administratoren angewiesen zu sein. Benutzer können in FastStats viele virtuelle Variablen, als Ableitungen oder Datenimporte, erstellen, die anschließend für Analyse- und Kampagnenzwecke genutzt werden können.

Zum ersten Mal wurden Kunden- und Versicherungsdatenquellen zusammengebracht und Anwendern über das FastStats Front-End (Discoverer, PeopleStage & Excelsior) zur Verfügung gestellt. Analyse und Kampagnen-Aussteuerung mit segmentierten Kunden-, Interessenten- und inaktiven Kundendaten war nun realisierbar. Durch das Zusammenführen der Daten der beiden Direktmarken (RIAS und Castle Cover) war es möglich, die Daten der einen Marke, mit Daten der anderen anzureichern. Die Qualität der Kontaktdetails, wie E-Mail-Adressen, konnte verbessert werden, ebenso die Anzahl und das Vertrauen in Vertragsverlängerungsdaten. Als Ergebnis, konnte die Anzahl von kontaktierbaren Personen für Kampagnen um 20% erhöht werden. Das gestiegene Vertrauen in Vertragsverlängerungsdaten führte zu gesteigerten Responseraten und weniger Streuverlusten.

Ageas Venn

Durch FastStats Discoverer wurde die Sicht auf die Überlappungen von Kunden, Marken und Produkten für alle Daten vereinfacht. Das Ausmaß von Kannibalisierungen der beiden Marken konnte identifiziert und untersucht werden, ebenso konnten markenübergreifende Verkaufschancen identifiziert werden. Es war nun möglich, spezifische Kampagnen für die jeweils andere Marke auszusteuern, Interessentendaten zu deduplizieren und Kosten für Dateneinkäufe zu verringern. Das nebenstehende Venn-Diagramm zeigt Kunden über beide Marken sowie Produktbeziehungen.

Eine Sicht auf Produkte pro Kunde und pro Haushalt führte zu einer ersten Makro-Segmentierung der Kundenerkenntnisse. Geeignete Personen für die Kampagnen-Journeys der Hauptsegmente konnten leicht identifiziert werden: Get (Akquise), Grow (Cross- und Upsell), Keep (Behalten). Ebenso wurde maßgeschneidertes Messaging eingeführt - abhängig von der Kundenbeziehung, dessen Intensität und der Lebenszyklusphase in der sich das Versicherungsprodukt derzeit befindet.

Modelling

Zuvor dauerte es Monate ein neues Modell zu erstellen, dieses Modell gegenüber der RIAS Kundendatenbank anzuwenden hätte weitere 20 Tage pro Monat in Anspruch genommen. Mit der Einführung von FastStats war es, durch das Profiling und Modelling Modul in FastStats Discoverer, möglich, eine Folge von Modellen zu entwickeln, die in wenigen Stunden angewendet werden konnten.

Diese Modelle haben klare Unterscheidungen innerhalb der Kundenbasis offenbart, wodurch verbessertes Targeting vereinfacht und stärkere Personalisierung möglich war.

Kampagnenmanagement

Ageas Retail konnte mit dem FastStats Discoverer Kundendaten verstehen, segmentieren und davon lernen. Diese Erkenntnisse hat das Versicherungsunternehmen in die Kampagnenmanagementprozesse aufgenommen. Mit FastStats PeopleStage war es möglich Kampagnen zu entwickeln, die die Marken- und Produktbeziehungen eines jeden Kunden berücksichtigen. Ageas Retail war das erste Mal in der Lage Daten beider Marken zu deduplizieren und Multichannel-Kampagnen mit Postmailings, Telemarketing und E-Mail, durchzuführen. 

Derzeit hat Ageas Retail 86 Kampagnen in PeopleStage aufgesetzt, wovon über 60 bereits veröffentlicht, also ausgesteuert, sind: 11 wöchentliche, 3 tägliche, 6 monatliche, 2 produktgetriebene 15-stufige und zahlreiche Ad-Hoc Kampagnen, welche ein Follow-up Element beinhalten.

Durch Training und das Verständnis für die Funktionalitäten innerhalb PeopleStage dauert es heute weniger als einen Tag eine neue Kampagne aufzusetzen. Hierzu nutzt Ageas Retail die Editier-Funktion, die ohne manuellen Eingriff auf multiple Datenquellen auskommt. Die Bearbeitungs- und Aussteuerungszeit für Kampagnen hat sich seit Tool-Einführung drastisch verkürzt. Analysten und Kampagnenmanager haben nun Zeit neue Erkenntnisse und Tests zu entwickeln, anstatt Kampagnen, wie früher, manuell auszusteuern. Ohne diese Prozesseffizienz hätten die geplanten Einsparungen der Mitarbeiterkapazitäten nicht erreicht werden können.

Durch die Automation von PeopleStage, ist es Ageas nicht nur gelungen, das Kampagnenmanagement zu modernisieren, sondern das Team hat nun Zeit zum Planen und Testen, um davon zu lernen. Kontrollzellen können inkludiert werden, wie beispielsweise ein Kontrollgruppensplitting oder „No-Mail“-Zellen. Dies hilft dabei, Ergebnisse von Post- und E-Mail-Marketing besser zu verstehen. Durch die Nutzung von FastStats ist es Ageas gelungen verbesserte Einblicke in Kampagnenleistungen über mehrere Kanäle zu erhalten. Sie haben es geschafft, ihre Abhängigkeit von reinem Telefon-Response-Reporting zu reduzieren und mittels Response-Matching über Telefon, Web und Outbound eine umfangreiche Sicht auf die Kampagnen-Performance zu gewinnen. 

Mit PeopleStage erstellen Anwender nun ein Kampagnendiagramm für eine automatisierte, mehrstufige Kampagne, die durch einen Zeitplan und Ereignistrigger ausgesteuert wird. Dies wurde beispielsweise bereits in einer Geburtstagskampagne umgesetzt, bei der einen Monat, eine Woche und einen Tag vor dem Geburtstag verschiedene Messages ausgesteuert wurden. All das wurde zuvor händisch versendet. 

Die Personalisierung wurde durch den Einsatz des sogenannten „Content Steps“ in jeder Kampagne ermöglicht. Eine der Kampagnen personalisiert den E-Mail-Inhalt in acht verschiedenen Wegen, abhängig vom Beziehungsstatus, des Haushaltstyps (Home Kampagne) oder des erwarteten Kilometerstands (Auto Kampagne). Auch das war zuvor ein manueller Prozess. Durch PeopleStage waren die gewünschten Splittings möglich, um relevantes Kundenengagement innerhalb eines bestimmten Kampagnenzeitraumes zu lenken, was zu höheren Response-Raten führte.

Geo-targeting using FastStats Geo

Geo Targeting

Um den Analytics-Bereich zu komplettieren und relevantes Targeting zu betreiben, wurde FastStats Mapping eingesetzt. Mit dem Geo-Modul können Daten klar und visuell dargestellt werden, was das Teilen mit anderen Abteilungen vereinfacht. Ageas war es möglich schnell diejenigen Postleitzahlen zu identifizieren, die 20 Meilen rund um die Werkstätten lagen, um gezielte Kampagnen für diese Zielgruppen auszusteuern, während Kunden außerhalb dieser Bereiche nicht angesprochen wurden.

Reporting

Die Kunden- und Marketing-Datenbank, MIDAS, wurde nicht nur exklusiv vom Knowledge Management Team im Marketing genutzt. Durch die Entwicklung des MIDAS Wikis in Excelsior konnten Schlüsselinformationen aus der Datenbank innerhalb des Marketing Teams, aber auch mit anderen Geschäftsbereichen geteilt werden, um das Verständnis für die Chancen, die in den Daten schlummerten, zu schaffen und zu fördern. Discoverer und Excelsior ermöglichten mit dem MIDAS Wiki Einblicke intern aufzuzeigen, das Bewusstsein für Trends zu schaffen und die Wichtigkeit von gutem Datenmanagement hervorzuheben. Es muss sichergestellt sein, dass Kundendaten korrekt erfasst, regelmäßig aktualisiert (wo möglich) und Lücken in Kundeninformationen, die, wenn vorhanden, zu besserer Personalisierung und relevanteren Kampagnenaktivitäten führen würden, geschlossen werden. 

Durch die Datenbank, FastStats, und die Erstellung des MIDAS Wikis konnten Kampagnenaktivitäten von einem produktzentrierten zu einem kundenzentrierten Ansatz gelenkt werden, was wiederum zu erhöhtem Engagement und Responses, sowie zu verbesserter Kampagnenleistung und Effizienz führte. FastStats ist ein wichtiger Hebel für diesen Wechsel. Nicht nur, weil die Kampagnen nun automatisiert durchgeführt werden, sondern auch wegen wichtiger Funktionalitäten wie Kampagnenbeschränkungen, der Integration von einzelnen Kampagnen in eine Serie von zusammenhängenden Kampagnen und dem Einbezug von ereignis-/trigger-gesteuerten Interaktionen, die dazu beitragen eine individuelle Customer Journey und Kommunikationsstrategie zu formen.

Die Ergebnisse

Die folgenden rund um den Business Case identifizierten Ziele, und sogar noch weitere, konnten erreicht werden:

  • Die Datenkonsolidierung zu einer Kunden- und Marketingdatenbank hat zu Einsparungen geführt. Durch die Inbetriebnahme neuer Daten Services wurden weitere Einsparungen identifiziert;
  • Die Einführung einer passenden Technologie zur automatisierten Kampagnenaussteuerung führte zu Kosteneinsparungen;
  • Die Integration von Kundeneinblicken in Selektionen für Kampagnen resultierte in Steigerungen der Responses und erhöhter Kundenbindung;
  • Die Einführung von Personalisierung und Multichannel-Kampagnen führte zu mehr Kampagnen als ursprünglich geplant, inklusive nicht-budgetierter Steigerungen von Kundenbindungsaktivitäten;
  • Durch die Zweckentfremdung eines der beiden Marketing SQL Servers für andere IT-Projekte  konnten Kosten reduziert werden.

Seit der Implementierung hat das Team ein höheres Kampagnenlevel erreicht, sowohl im Bereich der Kanäle als auch der Marke. Das Volumen der E-Mail-Aussendungen wurde verdoppelt bei nur 5% der Kosten vor der Veränderung. Der IT-Einfluss konnte minimiert werden, da die Feeds zur Datenbank automatisiert ablaufen. Außerdem kam es, durch die markenübergreifende Lösung zu Wartungs- und Kosteneinsparungen.

>> Case Study als pdf downloaden