Webinar-Zusammenfassung: Wie Personalisierung die Segmentierung schlägt, um das nächstbeste Erlebnis zu schaffen

Letzte Woche hatte ich die Ehre und das Privileg, gemeinsam mit Brandon Purcell, Principal Analyst bei Forrester Research, ein Webinar zu veranstalten. Ich habe Purcell erst kürzlich kennengelernt, aber unser Gespräch war einfach, weil wir drei sehr wichtige Interessen gemeinsam haben: Personalisierung, künstliche Intelligenz und Charles Dickens.

Unser Ausgangspunkt war ein Bericht von Purcell, der auf den Punkt bringt, was viele von uns angesichts der revolutionären Veränderungen im E-Commerce empfinden. Dieser Bericht trägt den Titel The Best Of Times and the Worst Of Times For Segmentation: Stürzen Sie die traditionelle Kundensegmentierung in der Revolution der Personalisierung.

Die besten Zeiten und die schlechtesten Zeiten

Ein Großteil der Handlung von Charles Dickens‘ Klassiker Eine Geschichte aus zwei Städten dreht sich um eine Verwechslung zwischen dem adligen französischen Emigranten Charles Darnay und dem trinkfesten Anwalt Sydney Carton, der genau wie Darnay aussieht. Segmentierung und Personalisierung werden, wie Carton und Darnay, oft als ein und dasselbe verwechselt, mit ebenso dramatischen Folgen (ohne Guillotine). Wenn ich mir dieses großartige Werk der Belletristik noch einmal ansehe, habe ich den Eindruck, dass Dickens die Personalisierung vielleicht hat kommen sehen.

Zu Beginn unseres Webinars erläuterte Brandon Purcell die jüngste Geschichte unserer Datennutzung. Dieser lange Bogen hat uns vom Zeitalter der Fertigung (1900-1960) mit seinem geringen Volumen an hochpräzisen Daten über das Zeitalter des Vertriebs (1960-1990) mit wachsenden Mengen an Finanz-, Verkaufs- und Produktdaten bis hin zum Zeitalter der Information (1990-2010) mit seinen eher amorphen Daten über Transaktionen und Kunden geführt.

Wir befinden uns jetzt im Zeitalter des Kunden, und wir Kunden erzeugen eine Kakophonie von Verhaltens-, sozialen, mobilen, Umwelt- und Sensordaten. All diese Datenmengen und -vielfalt haben den Lebenszyklus der Kundenerkenntnisse durchbrochen, der eigentlich von sauberen Daten zu klaren Erkenntnissen und zu geordneten Maßnahmen führen sollte. Jetzt können die Herzen, Köpfe und Hände der Menschen mit den Daten nicht mehr Schritt halten.

Purcell erläuterte, wie künstliche Intelligenz (KI) verspricht, den Lebenszyklus von Erkenntnissen zu automatisieren und zu optimieren, und zwar in weitaus größerem Umfang und mit weitaus höherer Geschwindigkeit, als dies bisher möglich war. Dies ermöglicht es Fachleuten für Customer Insights, das unvollendete Versprechen der Kundenanalyse zu erfüllen: die richtige Botschaft an den richtigen Kunden zur richtigen Zeit.

Eine Vielzahl von Menschen und doch eine Einsamkeit

Diese „einsame Menge“, die auch eine Phrase aus Tale of Two Cities ist, beschreibt, wie wir uns oft fühlen, wenn wir durch unsere moderne Digiscape wandern. Unternehmen versuchen, „die Menge“ auf ein Segment zu reduzieren, das auf einer kleinen Anzahl vereinfachender Merkmale wie Alter, Geschlecht, Wohnort oder Beruf basiert. Aber wenn sie uns anhand von Faktoren segmentieren, die nicht vorhersagen, wie wir uns verhalten, behandeln sie uns wie einen von einer Million, nicht wie einen von einer Million. Das Ergebnis? Wir fühlen uns immer noch allein und unverstanden.

Was die Personalisierung erfordert, so Purcell, ist eine Kombination von Analysemethoden. So erfordert die Personalisierung beispielsweise eine Analyse der Cross-Sell- und Upsell-Möglichkeiten, der Produktempfehlungen und der nächstbesten Aktionen. Die Analyse der nächstbesten Aktion erfordert jedoch eine Analyse der Kundenneigung und wird durch eine Analyse des Kundenstandorts verstärkt, und so weiter und so fort.

Forrester-Bericht, TechRadar™: Methoden der Kundenanalyse, Q2 2016.

An dieser Stelle des Webinars nickte ich enthusiastisch mit dem Kopf, denn Brandon sprach über etwas, das wir bei Lucidworks anstreben: Verbindungen.

Diese Verbindungen gibt es überall, und wir ignorieren sie zu unserem Nachteil. Wenn wir eine Analysetechnik mit einer anderen verbinden, sehen wir ein viel klareres Bild der Realität. Wenn wir das Verhaltenssignal eines Online-Käufers mit den Signalen verbinden, die Millionen von Kunden vor ihm gesendet haben, können wir die Verbindung zu dem herstellen, was diese Person in diesem Moment braucht. Wenn wir einen Mitarbeiter mit dem Fachwissen eines Kollegen verbinden, befähigen wir ihn, schwierigere Probleme zu lösen.

Ich diene heute viel besser, als ich jemals gedient habe.

Ja, ich habe mir Freiheiten bei diesem berühmten Zitat genommen, das Carton wenige Minuten, bevor er sein Leben gab, damit Darnay leben konnte, aussprach. Wer identifiziert sich nicht mit diesem Moment des erlösenden Heldentums? Carton gab sich bereitwillig einer höheren Berufung hin (Liebe, wahre Liebe), die er in seiner verwegenen Art als Mann in der Stadt nicht verstanden oder gefühlt hatte.

Carton fand Frieden, als er einen besseren Weg fand, zu dienen.

Einer unserer Lucidworks-Kunden, der E-Tailer für Outdoor-Bekleidung Kuhl, nutzt die Lucidworks Fusion-Plattform, um seinen Online-Käufern das bestmögliche Erlebnis zu bieten. Kuhl hat uns großzügig seine Produktkatalogdaten zur Verfügung gestellt, die wir für die Erstellung einer Digital-Commerce-Demo verwendet haben.

Während des Webinars habe ich etwa 10 Minuten dieser Demo gezeigt, so dass die Zuhörer einen Eindruck davon bekommen haben, wie gut sich Personalisierung anfühlen kann. Das nächstbeste Einkaufserlebnis ist wichtig für KPIs wie Klickraten, Add-to-Cart und den durchschnittlichen Bestellwert. Aber es ist auch wichtig für die Merchandiser, die bei Kuhl arbeiten. Da Fusion und die Predictive Merchandiser-Zusatzanwendung maschinelles Lernen nutzen, um einen Großteil der täglichen Arbeit bei der Pflege von Geschäftsregeln zur „harten Programmierung“ von Such- und Browsing-Ergebnissen automatisch auszulagern, verbringt das Kuhl-Team mehr Zeit mit der Pflege des Gesamterlebnisses der Website. Oder sie gehen Skifahren.

Nach der Demo verknüpfte Brandon alle Teile mit einem Überblick darüber, wie Kundenerfahrungsexperten (CX) ihre Erkenntnisse und Anwendungen optimieren können, um zuverlässig die nächstbesten Erfahrungen anzubieten. Er zeigte ein Gedankenexperiment, wie ein CX-Experte in Echtzeit zwischen einem Produktangebot, einem Anreiz zur Kundenbindung oder einem proaktiven Service wählen sollte (anstatt alles auf einen Kunden zu werfen, in der Hoffnung, dass etwas hängen bleibt). Brandon gab dann ein Beispiel aus der Praxis, wie Charles Schwab maschinelles Lernen einsetzt, um die Gespräche im Call Center zu verbessern, und ich gab ein weiteres Beispiel von einem unserer Kunden. Die Vermögensverwalter nutzen Fusion, um bei telefonischen Beratungsgesprächen Echtzeitempfehlungen für Kunden mit hohem Wert zu geben.

Ich vermute und hoffe, dass dies nicht das letzte Webinar sein wird, das Brandon Purcell und ich gemeinsam halten. Es hat mir Spaß gemacht, mit Purcell über den revolutionären Wandel zu sprechen, der von Personalisierung, KI und den nächstbesten Erfahrungen angetrieben wird. Die digitale Revolution, die uns umtreibt, ist vielleicht nicht so blutig wie die Französische Revolution. Aber ab und zu befinden sich Ihre Kunden entweder in der „Jahreszeit des Lichts“ oder in der „Jahreszeit der Dunkelheit“. Wenn Sie die Personalisierung der Segmentierung vorziehen, können Sie sie ins Licht führen, indem Sie ihnen das nächstbeste Erlebnis bieten.

Kontaktieren Sie uns, um mehr darüber zu erfahren, wie wir Ihnen dabei helfen können.