Herausforderung
Kundenabwanderung ist für Retail-Unternehmen ein großes monetäres Risiko. Neben ausfallenden Zahlungseingängen verschwinden mit fehlenden Kund:innen auch langfristige Umsatz- und Margenpotenziale. Die Reaktivierung zuvor inaktiver Kund:innen birgt somit spannende Potenziale zur Erschließung bereits vorhandener Umsatz- und Margenquellen. Unser Kunde, ein nationales Retail-Unternehmen, wollte inaktive Bestandskund:innen wieder aktivieren und über automatisierte Marketingmaßnahmen dafür sorgen, dass durch regelmäßige Interaktionen die Wahrscheinlichkeit für erneute Inaktivität verringert wird.
Ansatz
Im ersten Schritt wurde die Bestandskundschaft im On- und Offlinegeschäft, soweit über Accounts oder Kundenkarten eindeutig erkennbar, in aktive und inaktive Kund:innen eingeteilt. Anschließend wurden unterschiedlich parametrisierte Aktivierungsmaßnahmen per E-Mail und Post an alle inaktiven Kund:innen versendet.
Auf Basis der Reaktionen konnte ein Machine Learning Modell trainiert werden, das ausgehend von einer Kombination aus Aktions- und Kundenparametern die Wahrscheinlichkeit einer Reaktion/Aktivierung berechnet. Weiterhin kann durch das Modell die optimale Konfiguration von Aktivierungsmaßnahmen pro Kund:in ermittelt werden. Schlussendlich wurde der Prozess in die IT-Infrastruktur unseres Kunden implementiert.
Ergebnis
Als Ergebnis erhielt unser Kunde einen automatischen, datenbasierten Prozess, der regelmäßig inaktive Kund:innen in optimaler Weise bespielt, um sie wieder zu reaktivieren. Durch die Lösung wird das Risiko, Kund:innen zu verlieren, deutlich reduziert; gleichzeitig werden regelmäßige Umsatz- und Margenpotenziale gesichert.