„Wenn Daten nahtlos zwischen Plattformen ausgetauscht werden können, entstehen zahllose Nutzungsmöglichkeiten“, so Gopinath. „Man versendet nicht bloß E-Mails oder Push-Benachrichtigungen – man orchestriert ein echtes Omni-Channel-Erlebnis. Das hat enorme Wirkung.“
Ein strategisches Fundament.
Gemeinsam mit dem Implementierungspartner Bounteous, einem Beratungsunternehmen für digitale Transformationsdienste, erarbeiteten Gopinath und sein Team eine Personalisierungsstrategie für CCETH, die im Wesentlichen aus vier Schritten bestand:
- Aufbau einer Team-Struktur, um optimale Zusammenarbeit zu ermöglichen
- Zentralisierung der Daten, um eine präzise Kundenansicht zu erhalten
- Definition von Use Cases als strategischem Fundament
- Umsetzung der Strategie anhand der Use Cases
Aufgrund seiner umfassende Erfahrung im Digital Marketing wusste Gopinath, dass das Technologie-Team von Anfang an einbezogen werden musste. Anstatt des üblichen Übergabeprozesses, bei dem das Businessteam seine Ideen zur Umsetzung an das Technologie-Team weitergibt, vereinte er alle an einem Tisch, um die Planung, Ausführung und Iteration während des gesamten Prozesses gemeinsam zu steuern. Zu diesem Zweck musste ein System entwickelt werden, über das sie auch mit den Team-Mitgliedern auf der anderen Seite der Erde zusammenarbeiten konnten.
Der nächste Schritt bestand darin, Silos aufzubrechen und Daten aus verschiedenen Quellen zu zentralisieren. Das Team musste eine Möglichkeit finden, um E-Commerce-Daten aus Adobe Commerce – einschließlich verhaltensbezogener Aktionen wie das Hinzufügen von Artikeln zu einem Warenkorb, Back-Office-Daten wie den Bestellverlauf und Profildaten – mit Informationen aus anderen Quellen wie dem ERP und CRM des Unternehmens zu kombinieren. Diese Daten wurden über die Erweiterung Adobe Commerce Data Sharing an Experience Platform und Real-Time CDP übertragen, wo sie zu einheitlichen Kundenprofilen standardisiert wurden.
„Mit der Commerce-Integration sind wir in der Lage, jeden Touchpoint zu erfassen“, erklärt Gopinath. „So können wir ab dem ersten Website-Besuch ein Kundenprofil erstellen.“
Durch die Möglichkeit, umfassende Kundenprofile zu erstellen, waren Gopinath und sein Team nun in der Lage, sich der Personalisierung von Customer Journeys zu widmen. Sie konzentrierten sich dabei auf mögliche Use Cases in den Bereichen Kundeninteraktionen, Marketing-Maßnahmen und Personalisierungstaktiken und erstellten ein Rahmenwerk mit drei Säulen:
- Use Cases, die den Umsatz steigern
- Use Cases, die Interaktionen steigern und die Kundenbindung stärken
- Use Cases, bei denen sie die Effekte analysieren und iterieren können
Ein echtes Omni-Channel-Erlebnis.
Das Team begann mit dem klassischen Use Case bei Interaktionen: Bestellabbrüche. Vor der Datenintegration hatte das Team bis zu 48 Stunden warten müssen, um zu sehen, ob CCETH-Kundschaft einen Kauf tatsächlich abgeschlossen hatte. Da die Daten nun in Echtzeit vorlagen, konnten unverzüglich personalisierte E-Mail-Erinnerungen an Personen versendet werden, die ihren Kauf nicht innerhalb einer Stunde abgeschlossen hatten. Die Folge war eine Steigerung der E-Mail-Öffnungsraten um 36 %, der Klickraten um 21 % und der Conversion Rates um 8,5 %.
Abgesehen von E-Mails konnte das Team auch Erinnerungen in Popup-Nachrichten auf der Website und in Push-Benachrichtigungen versenden, darunter auch über eine neue WhatsApp-Integration. Journey Optimizer half bei der Auswahl der richtigen Versandhäufigkeit und der passenden Kanäle für die Mitteilungen. Als Grundlage dafür wurden das Kundenverhalten, KI-Tendenzbewertungen und andere Informationen herangezogen.
„Journey Optimizer eröffnete uns zahlreiche Kanäle“, meint Gopinath. „Wir konnten damit ein echtes Omni-Channel-Erlebnis bereitstellen.“
Durch den Zugriff auf Echtzeit-Informationen und Adobe Customer Journey Analytics erlangte CCETH auch ein besseres Verständnis über das Bestellverhalten seiner Abfüller und Lagerhäuser. Das Team von Gopinath konnte damit nicht nur sofort feststellen, wo Bestände zur Neige gingen, sondern auch mithilfe von Journey Optimizer individuelle Mitteilungen entsprechend der Postleitzahl der Abfüller versenden, bei denen aufgrund saisonaler Faktoren mit einer steigenden Nachfrage zu rechnen war.
Zusätzlich nutzte das Team Analysen, um Kauf-Trends zu erfassen und Produktempfehlungen entsprechend anzupassen, was den Umsatz steigerte. „Die von uns empfohlenen Produkte müssen durch entsprechende Umsatzzahlen gestützt werden – ansonsten können wir unsere Aktionen nicht rechtfertigen“, erklärt Gopinath. „Mit Adobe Customer Journey Analytics und den von uns erstellten Dashboards erkannten die Stakeholder im Unternehmen sofort unsere Erfolge.“
Customer Journey Analytics bot dem Team außerdem neue Möglichkeiten, selten aktive Kundinnen und Kunden gezielt anzusprechen und ihnen Freude zu bereiten, beispielsweise durch den Versand personalisierter Gutscheine im Geburtstagsmonat der jeweiligen Person oder als Reaktion auf ein möglicherweise negatives Erlebnis, wie den Versuch, einen abgelaufenen Gutschein-Code einzulösen. Gleichzeitig war für das Team auch leicht feststellbar, welche Personen am wenigsten wahrscheinlich einen Kauf tätigen würden, sodass die Medienausgaben effizienter eingesetzt werden konnten.
Das Potenzial der Personalisierung.
Gopinath und sein globales Team erstellten ein Playbook für die Personalisierung, mit dem die weltweite Strategie von Coca-Cola neu ausgerichtet wird. Sie haben bereits damit begonnen, diese Strategie im Coca-Cola Store in den USA umzusetzen, wo die personalisierte Produktsuche mithilfe von Adobe Sensei, der Adobe-Technologie für KI und maschinelles Lernen, unverzüglich einen Mehrwert geschaffen hat.
Erste Ergebnisse zeigten, dass individualisierte Produktempfehlungen, die auf Verhaltensmustern und Käuferpräferenzen basieren, zu einem Anstieg bei Klicks um 117 % und einer Umsatzsteigerung um 36 % führten. Bei Crossselling-Empfehlungen vom Typ „Häufig zusammen gekauft“ verzeichnete der Store zudem eine Klickrate von 17 %. Die Conversion Rate bei der Website-Suche erreichte 19 %, wobei das von der Kundschaft Gesuchte normalerweise unter den drei ersten Ergebnissen war.