Anmeldung Newsletter

Wie Magazine zum Globus AI im Marketing skaliert hat.

Posted by David Spray on 12.12.2019 07:00:00

Management Summary: 

David Spray, Head of CRM beim Schweizer Warenhaus Magazine zum Globus, ist dort verantwortlich für alle Marketing-Maßnahmen und -Teams rund ums CRM. Er bringt jahrelange Erfahrung auf dem Gebiet von Transformations-Projekten in Unternehmen mit und berichtet während der touchpoints.ai 2019 von der Evolution bei Globus weg vom Daten-Primaten hin zum Menschen. 

Transkript: 

Was werde ich Ihnen heute erzählen? Ich halt mich relativ kurz. Stehe zwischen Ihnen und Ihrem Mittagessen, von dem her versuche ich das nicht zu lange zu nehmen. Die Geschichte, die ich heute erzählen werde, geht vom "Wie haben wir bei Globus in den letzten drei Jahren den Wandel geschafft von zeitlich dem Daten-Primaten in den letzten drei Jahren wahrscheinlich bis zum Höhlenmensch?" Also weiter sind wir noch nicht gekommen, aber das ist das, was wir in den letzten drei Jahren gemacht haben und glücklicherweise muss ich nicht Millionen Jahre von Evolution heute präsentieren, sondern diesen drei Jahre. 

Globus ist wahrscheinlich am besten vergleichbar mit dem Warenhaus Breuninger In der Schweiz sind wir mit elf Warenhäuser und 28 Fachgeschäfte machen wir ungefähr 800 Millionen Franken Umsatz. In der zentrale in Zürich sind wir ungefähr 250-300 Angestellten. Mein Team besteht nur aus 2 Data Scientisten und 4 CRM-Spezialisten. Also nicht vergleichbar mit anderen, die schon präsentiert haben. Was verkaufen wir? Wir verkaufen viel Mode: Damenmode, Herrenmode, Kindermode; Accessoires, aber bekannt sind wir vor allem wegen unserer Heim- und Haushalt- und unserer Delikatessenabteilung. die wirklich, wirklich toll ist. 

Wo beginnt die Geschichte? Vor drei Jahren war die Frage: "Was wollen wir mit Scores machen?" Also wir hatten wirklich keine Erfahrung. Da kamen die zwei Bereiche auf: Einkauf und Marketing. Wir haben uns auch im Bereich Einkauf mit einer Firma in Hamburg zusammengetan. Aber schlussendlich meine Präsentation geht um das Marketing, also Kundenentwicklung, Zweitkauf, Churn und vor allem das Thema Personalisierung. 

Nun die ersten Herausforderungen, haben wir heute mehrfach gehört, Technologie: Wo sind meine Daten? Was für Technologien will ich einsetzen, um überhaupt groß aufzubauen? Da gab es schon einige Fragen. Die zweite Frage: fachliches Wissen. Also wie komme ich möglichst schnell in einem stark ausgetrockneten Markt an Data Scientists? Data Scientists, die wahrscheinlich bei Pure Players unterwegs sein wollen oder bei Unternehmen, die etwas mehr Erfahrung haben als wir. Das war eine große, große Herausforderung und nicht zuletzt die bisherige Marketing- Ansätze. Bis vor drei Jahren hatten wir vier Magazine. Diese vier Magazine wurden einfach an 250.000 Kunden gesandt. Da kam es nicht drauf an, wann sie kaufen, was sie kaufen, sondern der ging einfach raus und dazwischen gab es die klassischen Mid-Season-Sales-Aktivitäten. 

Sogar noch ein Thema wie Beauty Days. Also das war sehr strukturiert und immer zum Magazin gab es einen 10 Prozent-Gutschein auf alles. Also wir hatten ein Magazin, 10 Prozent-Gutschein und der Erfolg wurde bemessen: Wie viele Leute haben jetzt diesen Gutschein eingelöst? Oder wenn jetzt die Delikatessen-Spezialisten, die uns 20 Mal im Jahr besuchen, natürlich eine Einlöse-Rate von 40 Prozent alle hatten, freute es uns, ist auch super toll. Und haben eigentlich nichts damit erreicht. Da ist noch keine Kundenentwicklung drin, da ging eigentlich gar nichts. Das war die Situation vor ungefähr drei Jahren. 

Nun die ersten Erfolge, die kamen eigentlich relativ schnell, also wir konnten sehr schnell unsere Transaktionsdaten, Kundendaten, Kampagnen-Historik auf einem Main SQL-Server packen. Glücklicherweise kommt der auch mit ganz vielen statistischen Funktionen out of the box, ist wirklich toll. Add-Ons für Excel, Leute konnten sich zum ersten Mal mit dem Thema Scores auseinandersetzen und die ersten RFM-Modelle zeigen auch einen gewissen Erfolg, auch wenn alle noch sehr kritisch gegenüber diesem Erfolg waren. Wir konnten relativ schnell einen erfahrenen Data Scientist gewinnen. Der war auch glücklicherweise auf dem M SQL Stack sehr erfahren und und dementsprechend die ersten Modelle. Dazu haben wir einige Berater hinzugezogen, die uns ganz kurz in der konzeptuellen Phase geholfen hatten. 

Was aber bei Weitem am Wichtigsten war, war eigentlich die Diskussion mit dem Marketing. Also was für Ziele habt ihr eigentlich, wenn ihr den zehn Prozent-Gutschein an alle sendet? Ist das Loyalität? Wollt ihr den Kunden entwickeln? Wie messt ihr eigentlich den Erfolg? Glaubt ihr wirklich, dass Erfolg rein durch die Einlöse- Rate, das wichtigste Kriterium ist? 

Und glücklicherweise gab es da einige Wechsel und wir konnten diese ganzen Ziele neu definieren. Die KPIs neu definieren und auch einige Kompetenzen von der Marketingabteilung in die Digital-Abteilung wechseln. Es ging darum eigentlich neue Kompetenzen aufzubauen, um Daten, um Scores und die, wenn sie aufgebaut sind, wieder dem Marketing einzugliedern. 

Aber das war sehr wichtig in dem Sinn vom Change-Management-Prozess. Relativ schnell kam aber die erste Ernüchterung. Also erstens brauchen wir viel Zeit, und Modelle zu bauen. Sechs Wochen ist ein gutes Beispiel, es waren eher drei Monate und das war natürlich sehr frustrierend, weil die Liste war enorm groß. Also wir hatten ganz viele Ideen: Der Webshop müsste zweistellig oder dreistellig Wachstum aufbringen und die Liste war unendlich lang. Und bei einer Firma von unserer Größe war es ganz schnell klar: das geht niemals auf mit den Ressourcen, die wir haben. 

Also mit zwei Data Scientists ist das nicht machbar. Und deshalb haben wir einige Firmen eingeladen und glücklicherweise war eine dieser Firmen Gpredictive. Und da kam der Philippe damals rein und hat gesagt ihr könnt Scores über Nacht machen. Da war natürlich eine gewisse Skepsis darin, bei uns und wir haben gesagt: Okay, also wenn das wirklich machbar ist, dann ist das toll, dann schauen wir uns das an. 

Und tatsächlich ist es so, dass wir heute Scores sehr schnell erstellen können, mit den Daten, die wir haben. Also wir brauchen Stunden oder Tage, um neue Modelle zu erstellen. Die Liste ist abgearbeitet und die Skalierung ist geglückt. Aber mit dem kamen ganz viele Fragen, die wir uns vorher gar nicht gestellt hatten. Weil plötzlich mussten wir enorm viel Überzeugungsarbeit leisten und dem E-mail-Team zum Beispiel sagen: Nein, ihr müsst nicht die 250.000 anschreiben, es reichen schon diese 20.000 Leute. Nein, das bringt nichts, wenn ihr die E-mails nicht thematisch aufbereitet, weil wir haben neun Hauptsektoren, wir haben neun Segmente. Wir haben Beauty-Addicts, lecture-lovers, Daily-Enthusiasten. Und diese Sachen müssen berücksichtigt werden. Und was auch dazu kam, war natürlich auch Training und Beratung. 

Also wir haben eine Kooperation, die gut funktioniert, indem wir eigentlich jede Woche einen Austausch haben mit dem Team von Gpredictive, wo wir ihnen unheimlich viele Fragen stellen zu den Modellen, was sie aussagen, was sie bedeuten und was wir tatsächlich damit machen können und was nicht. Also das ist auch ganz wichtig: Was diese Modelle eben nicht können, weil da wird das Management-Team ganz excited und sagt: Wow, die Präzision! Wow, wir gehen jetzt auf Wochen-Prognosen und wow! Und dann muss man sagen: Ne, das funktioniert nicht. Das muss alles innerhalb eines gewissen Rahmen stattfinden. Was heute aber ganz spannend ist: Was machen wir heute? 

Globus ist eines der noch wenigen Warenhäuser; Wir gehen fünf, sechs Mal im Jahr und machen eine Riesen Produktion, also zu Themen wie Puglia, zum Beispiel. Machen ein Shooting über Essen, Mode. Wir haben auch unsere eigene sozialen Medien- Botschafter, die wir eigens aufbauen. Also versuchen unseren Content wirklich zu personalisieren, da wirklich Emotionen reinzubringen. Wir erhalten natürlich auch viel Werbematerial von unseren Partnern. Also bei uns finden Sie alles Mögliche an Marken. Und nicht zuletzt haben die unsere ganze Angebote. Das gibt uns zehnmal im Jahr ein riesiges Portfolio an Content. Angebote, die wir natürlich personalisiert ausspielen wollen. Und jetzt sind wir ein Testphase, wo wir mit über 150 Prognose-Modellen diesen Content personalisiert ausspielen. Also als Beispiel haben wir letzte Woche E-mails von 20.000 Leute raus gesandt und da waren 18.000 oder 18.500 verschiedene Versionen drin, weil wir so viel Content haben und so eine große Breite an Kundensegmenten haben. Und das ist, diese Skalierung war vor 12-18 Monaten für uns komplett nicht denkbar. Also das war nicht möglich und das ist jetzt, dank solcher Tools möglich und das denke ich, was auch noch hervor zu heben ist: es ist keine Black Box. Also unsere Data Scientists, die können sehr gut einsehen, was eigentlich da die Modelle rechnen. Das war für uns sehr wichtig, auch gegenüber andere Produkten, die wir uns angeschaut haben. Das heißt, in der Zwischenzeit haben wir auch mit der Marketing Automation, die wir haben, ein Regelwerk. 

Dass wir schauen, dass Kunden nicht nur das erhalten, was sie kaufen würden, sondern dass wir auch in die Breite gehen. Dass die Beauty-Addicts auch etwas aus der Accessoire-Abteilung sehen oder dass die Ladies aus der Damenmode auch etwas aus dem Heim- und Haushalt zu sehen bekommen. Das steuern wir dann über Marketing Automation Tool. Das sieht dann so ungefähr so aus. Dass die App oder der Newsletter oder der Webshop ist immer so personalisiert, dass es eine gesunde Mischung aus Content, unserer eigenen Botschafter, Inhalte von unserer besten Top-Marken, sowie Angebote wie 20 Prozent auf dies oder dies. Was mich auch gleich zur nächsten Folie bringt, ist was wir im Moment testen. Wir sind jetzt zur Zeit in einer sogenannten Up-Trading-Strategie. Das heißt, wir wollen etwas mehr Premium und Luxus sein, als wir es bis anhin waren. Um uns aus der Mitte zu lösen, die jetzt stark umkämpft ist auf dem Markt. Und wir hatten das Glück, dass unser Management dafür den Mid-Season-Sale abgeschafft hat und entsprechend uns ein großer Playground zur Verfügung steht, um da einige Tests zu machen. 

Das heißt, im Moment versuchen wir über den Einsatz von Gutscheinen, Kunden dazu zu bringen eigentlich über mehrere Sektoren einzukaufen. Also wenn Beauty Addicts nur Beauty kaufen, dann wollen wir weg von diesen zehn Prozent-Gutscheinen, sondern 20 Prozent auf ein Accessoire-Artikel. Also stufen wir die Kunden zuerst ein. Kommt der Kunde? Kommt der Kunde eventuell? Oder kommen sie nicht in den nächsten vier Wochen? Oder 60 Tage, weil die Kauffrequenzen ja verschieden sind. Und je nachdem bieten wir aus einem Topf von 120 vordefinierten Angeboten dem Kunden das an, wovon wir davon ausgehen, dass es zur richtigen Bewegung führen würde. Also wollen wir die Frequenz erzeugen? Wollen wir den Kunden dazu bewegen, etwas zu kaufen, was sie sonst nicht kaufen oder sind wir da irgendwo zwischendrin? Plakativ gesehen, sieht es so aus. 

Natürlich ist es auch ganz wichtig, das halt bei Neukunden zu machen. Das heißt bei Neukunden, wenn der Kunde bei uns eingekauft hat, dann geben wir dem für den Zweitkauf die bestmöglichen Gutscheine und bestmöglichen Inhalte, die wir haben. Weil wir einfach unbedingt diesen zweiten Kauf wollen und ein positives Einkaufserlebnis erzeugen wollen. Nun zur letzten Folie. Wo soll die Reise hingehen? Für uns sind die nächsten Etappen, von diesen Tests zu lernen. Also wir hatten wirklich das Glück, dass wir am offenen Herzen operieren konnten, viel testen konnten und daran sind jetzt enorm viel Daten sammeln und so wahren, wie diese verschiedene Aktionen verschiedene Reaktionen erzeugen. 

Aber in Zukunft wollen wir vor allem auch die Click- Daten komplett integrieren aus E-mail und Webshop. Also da haben wir schon bereits sehr gute Erfahrungen gemacht, dass das ein Prognose-Modell extrem stärkt. Da sind wir heute nicht so weit. Wir wollen vor allem die Prognosen für den Zweitkauf-Zeitpunkt optimieren, weil das vor allem für unseren Wachstum im Webshop wichtig ist. Es ist nicht unbedingt der Zweitkauf an sich, sondern einen zweiten Kauf im Webshop. Diese Kanaländerungen, Prognosen für Fast Moving Consumer Goods: Bei uns Mascara. Mascara geht meistens nach drei Wochen oder drei Monaten aus. Dies wieder interpretieren und einfach da Kunden die Treue zu halten und nicht zuletzt ist eine weitere Automatisierung in den Marketingaktivitäten bei ungenügenden Umsätzen. Also wirklich individuell auch Kunden zu identifizieren, wo Umsatz für den Monat X x-100 Euro vorgesehen waren, aber nur einiges weniger eingekauft wurde und da die richtige Aktion zu betätigen. Da wäre ich fertig.

Topics: Mailing, Marketing, Data Science, Kundenmanagement, Touchpoints, Zweitkauf, Predictive Model, Change Management

SOMETHING TO SAY?