Wie Künstliche Intelligenz und Customer Analytics Muster in Kundendaten erkennen und nutzbar machen
Die Planung und Durchführung einer Reise ist ein Paradebeispiel für die digitale Customer Journey, die Besucher entlang der Nutzung von Portalen, Apps und Services absolvieren. Wer es schafft, die dabei generierten Datenmengen – unter Einhaltung der DSGVO - in einem Customer Analytics Hub zusammenzuführen, kann mithilfe von KI-getriebenen Analysen beispielsweise die Besuchererlebnisse verbessern, Touristenströme systematisch lenken und die Nutzeransprache situativ und individuell gestalten. Das Customer-Analytics-Team von pmOne widmet sich entsprechenden Lösungen, die mit der Analyse der Customer Journey Mehrwerte für die Bereiche Tourismus, Smart City, Destinationsmarketing oder Stadtplanung schaffen.
Instagram, Blogs und YouTube liefern erste Ideen für die Traumreise. Mit Google wird die Suche verfeinert, um anschließend über Reisportale oder Sharing-Plattformen Anreise oder Übernachtung zu buchen. Vor Ort nutzen Besucher digitale Dienste und Apps zum Informieren und Navigieren. Nach der Reise wird evtl. ein digitales Fotobuch erstellt und eine Hotelrezension verfasst. Diese grobe Skizze zeigt, wie viele digitale Touchpoints Reisende durchlaufen. Das Ergebnis: eine Customer Journey, die die Tourismusbranche, aber auch Stadtplaner, das Städtemarketing oder der Retail-Bereich nutzen können, um Kunden zielgerichtet, effizient und am besten in Echtzeit anzusprechen.
Von rohen Daten zu veredelten Erkenntnissen
Doch mit der reinen Datensammlung ist es natürlich nicht getan. Erst durch den Einsatz von Data Science und Künstlicher Intelligenz lassen sich in den – oftmals unverknüpften – Datenmengen bis dato unbekannte Zusammenhänge entdecken und durch aussagekräftige Muster belegen. An dieser Stelle kommt das Customer-Analytics-Team von pmOne ins Spiel. Mit entsprechenden Tools und den passenden Algorithmen können wir in sehr kurzer Zeit große Datenmengen analysieren. So entstehen umfassende Personenprofile und zugleich Vorhersagen über das Verhalten entlang der Touchpoints – natürlich unter Einhaltung der DSGVO. Der technologische Prozess gliedert sich dabei in die drei Digitalisierungsbereiche Datenbereitstellung, Analytics und (betriebswirtschaftlicher) Nutzen mit Zwischenschritten wie der Datenanbindung, dem Aufsetzen einer Plattform, Machine Learning bis hin zur Identifikation wertvoller Business Insights oder der Entwicklung neuer KI-basierter Geschäftsmodelle (siehe Abb. 1).
Abb. 1: Stufen der Digitalisierung auf dem Weg zu Advanced Analytics
Mit der Bewegungsstromanalyse zum optimalen Besuchererlebnis und -umsatz
Für die Bewegungsstromanalyse gibt es zahlreiche Anwendungsfelder. pmOne hat dieses Verfahren z.B. für die Bereiche Tourismus, Retail und „Smart City“ eingesetzt. Dabei haben die Datenexperten das Besucherverhalten und Bewegungsmuster während des Aufenthaltes am Reiseort untersucht. Geo-Lokationsinformationen von Apps oder Beacons erlauben dabei Aussagen über die Aufenthaltsdauer, aber auch über die Abfolge besuchter Sehenswürdigkeiten, Restaurants, Geschäfte oder Freizeitattraktionen. Vor allem durch das Herstellen von Korrelationen lassen sich wertvolle Erkenntnisse gewinnen und für die Kundenansprache aber auch für die Planung und Steuerung von Touristenströmen nutzen: Welche Routen verfolgen die Besucher und in welcher Reihenfolge werden Points of Interest besucht? Wo beginnen die Routen und wo enden sie? Wie unterscheiden sich die Bewegungsprofile von Touristen und Einwohnern oder von Familien mit und ohne Kinder? Wie beeinflussen Wochen- und Feiertage, Großveranstaltungen oder das Wetter die Wege von Besuchern? Die Ergebnisse lassen sich unter anderem in Heat-Maps darstellen (siehe Abb. 2).
Abb. 2: Visualisierung der Daten aus einer Bewegungsstromanalyse als „Heat-Maps“
Was auf Basis dieser Analyse an Maßnahmen erfolgt, hängt von den jeweiligen Zielsetzungen ab. So lassen sich durch Antworten auf die oben genannten Fragen beispielsweise entlang der Routen auf die Zielgruppen bezogene informative oder werbliche Angebote einbringen. Auch die Steuerung der Besucherströme kann auf diesem Wege erfolgen, indem entsprechende Hinweise auf Wegpunkte – beispielsweise per App – erfolgen. Dadurch wird der Aufenthalt der Besucher im Idealfall relevanter und die Besucherfrequenz am Point of Interest lässt sich optimieren.
Ein weiterer Anwendungsfall auf Basis der Bewegungsprofile ist die Vorhersage von Besucherströmen abhängig von Wetter, stattfindenden Events, Jahreszeit, Auslastung oder verfügbaren Angeboten. Mithilfe solcher Prognosen können entsprechende Touren passend zu den jeweiligen Ausgangskonditionen definiert oder auch situativ angepasst werden. So lassen sich beispielsweise Warteschlangen – und damit Besucherfrust – vermeiden. Diese Auslastungssteuerung kann zudem einen Mehrwert für Partner bedeuten, indem Besucherströme verstärkt zu deren Angeboten geführt werden.
Korrelationsanalysen ermöglichen es wiederum, Zusammenhänge zwischen Besucherströmen an unterschiedlichen Orten zu erkennen und zu nutzen. Ein Beispiel ist der Zusammenhang von Veranstaltungen wie Messen oder Sport- und Kulturevents und der Hotelauslastung oder den Besucheransturm auf Attraktionen.
Mit personalisierter Besucheransprache Bedürfnisse antizipieren
Bildet man auf Basis der gewonnenen Daten Besuchersegmente, lassen sich einzelne Segmente vor, während und nach einem Aufenthalt gezielt mit Vorschlägen oder Zusatzinformationen versorgen. Maßgeblich sind dabei die den Segmenten zugeordneten Bedürfnisse je nachdem ob es sich z.B. um einen Familienbesuch einen Tagestrip oder einen Nightlife-Ausflug handelt. Sofern die Interaktionen auf verschiedenen Kanälen erfasst und zumindest anonym getrackt werden, ermöglicht dies außerdem eine einheitliche Benutzeransprache.. Hierzu gehören beispielsweise passgenaue Antwortmails nach der Buchung, individuelle Aktivitätenvorschläge kurz vor Reiseantritt bis hin zu passenden Empfehlungen im Anschluss an die Reise. Besonders hilfreich können intelligente Aktivitätsvorschläge in Echtzeit sein, um eine tagesaktuelle Reiseplanung in Abhängigkeit von Wetter, Wochentag, Alter oder Lebensphase zu bieten. Im besten Fall fließen an dieser Stelle die ermittelten Besucherprofile und die Erkenntnisse von Customer Analytics zusammen. So lässt sich beispielsweise berücksichtigen, was bisher Nutzern mit ähnlichen Präferenzen vorgeschlagen wurde und welche dieser Vorschläge tatsächlich Anklang fanden.
Für Unternehmen und Organisationen sind all diese Maßnahmen eine effektive Möglichkeit, um beispielsweise im Rahmen von Destinationsmarketing Kunden zu binden oder zu gewinnen, die Kundenzufriedenheit oder die Reichweite zu erhöhen sowie Cross- und Upselling-Potenziale zu nutzen.
Planungsgrundlage für die Smart City
Auch Smart-City-Konzepte profitieren von den Erkenntnissen, die sich mit Customer Analytics gewinnen lassen. Auf Basis von Bewegungsinformationen und zusätzlichen aggregierten Statistiken – etwa zur Auslastung und Nutzung von Infrastruktur und Sehenswürdigkeiten – ist eine bessere Planung und Verbesserung von Abläufen im Stadtraum möglich. Dadurch lassen sich das Besuchs- und Einwohnererlebnis aktiv gestalten, die Verkehrsströme optimieren und nachhaltige Stadtkonzepte entwickeln.
Der Customer Analytics Hub als technologische Grundlage
Voraussetzung für alle vorgestellten Maßnahmen und Ansätze ist eine einheitliche Datenplattform, der „Customer Analytics Hub“. An dieser Datendrehscheibe kommen Daten aus einer oder mehreren Richtungen eines Unternehmens und von deren Partnern zusammen und können von dort aus in eine oder mehrere Richtungen datenschutzkonform weitergeleitet werden. Die Daten im „Customer Analytics Hub“ verfügen dabei über einen gemeinsamen Standard, so dass beliebige Geschäftsprozesse unterstützt bzw. überhaupt erst ermöglicht werden.
Der Customer Analytics Hub erstreckt sich vom Unternehmen bis hin zu Kooperationspartnern und etabliert in der IT-Landschaft eine konsistente und durchgängige Kundensicht. Im Sinne der Customer Journey entsteht somit eine einheitliche (technische) Schnittstelle für alle Kundeninteraktionspunkte und für Analyse-Algorithmen von Marketing- und Vertriebsinteraktionen mit Kunden. Das Ergebnis sind optimierte Marketingkanäle und -reichweiten.
Der Hub liefert außerdem Transparenz über die verfügbaren und erfassten Daten sowie zu deren Nutzung. Dies ist eine zentrale Voraussetzung für das Vertrauen in digitale Dienste. Die damit möglich werdenden neuen Kundenservices und die höhere Relevanz der angebotenen Informationen steigern in der Folge die Kundenzufriedenheit. Die von pmOne aufgesetzte Architektur ist so konzipiert, dass sie sich laufend an neue Anforderungen anpassen lässt (siehe Abb. 3).
Abb. 3: Das Spektrum eines möglichen Datenhaushalts
