Scoring Case Study: Westfalia Werkzeugcompany
Scoring Case Study: Westfalia Werkzeugcompany © Pixabay / Capri23auto
Seit über 90 Jahren hat die Westfalia Werkzeugcompany, zu der auch ein weiterer Versandhändler gehört, einen festen Platz am Markt der deutschen Versandhandel. Als Fach- versender verlassen täglich bis zu 15.000 Artikel aus den Kategorien Werkzeug, Elektronik, Haus und Garten, Autozubehör sowie Landwirtschaft und Freizeit die Lager- hallen im westfälischen Hagen.
● Umstellung zu vereinfachter Selektion für Print-Mailings
● Gezielte Anstoßketten entwickeln
● Automatisierung des Datenexports/-uploads (Anpassung der Datenstrukturen)
● Selektion auf Basis des Scorings
● Verlässliche Prognosen zu CLV und Konversion stellen
● Kuratieren der Daten durch die Data Scientists
Unternehmen, die ihren Umsatz hauptsächlich über E-Commerce erzielen, verfügen über mehrere Sales-Kanäle. Dazu gehören zum Beispiel Newsletter oder die Versendung von Print-Katalogen. Sie dienen dazu, unterschiedliche Zielkunden individuell ansprechen zu können, d. h. basierend auf Customer-Journey-Präferenzen die passenden Anstoßketten zu entwickeln. Diesem Prozess geht eine Selektion voran, die die entsprechende Dialogstrategie bestimmt.
Bei der Westfalia Werkzeugcompany erfolgte dies bisher über aufwändige RFM-Selektionen, die sich bei den hohen Auflagen von Print-Mailings als unflexibel und zu langsam erwiesen. Mithilfe von Gpredictive wurde ein zuverlässiges Scoring in den Prozess eingebaut, das Vorhersagen über Customer-Lifetime-Value und die zu erwartende Konversion verschiedener Kampagnen zulässt.
Gpredictive arbeitet seit vier Jahren mit der Westfalia Werkzeugcompany (WWC) zusammen. Zu Beginn kam zunächst der Gpredictive Model Builder zum Einsatz, mit dem einfache Selektionen durchgeführt werden können. Später wurde auf den Expertenmodus erweitert, um damit zum Beispiel ein Neukundenmodell für das Schwesterunternehmen zu erstellen. Daraus erschließt sich die Höhe der Wahrscheinlichkeit, mit der ein WWCKunde ein Kunde des Schwesterunternehmens wird. Des Weiteren entwickelte Gpredictive mehrere Response- sowie Customer-Lifetime- Modelle.
Die Umstellung bei WWC zu Gpredictive erfolgte schrittweise, da hinter dem Selektionsprozess hohe Budgetentscheidungen und Umsätze stecken. Auf das Scoring wollte man sich bei WWC zunächst nicht ganz verlassen. Nach einem ersten Backtesting erfolgte die Selektion nach „alter Schule“ und das Scoring wurde nur zum Vergleich in einer Live-Kampagne, dann im A/B-Test, dann im Roll-out eines Modells durchgeführt. Die Selektion mit Gpredictive wurde schließlich sukzessiv von 20 % auf 100 % erhöht.
Anfänglich wurden sämtliche Daten manuell manuell per csv hochgeladen. Dabei kam es jedoch zu Fehlern und schließlich wurde auf wöchentliche Automatisierung des Datenexports und des Datenuploads umgestellt. Wichtig war hier, die Datenstrukturen der WWC so anzupassen, dass in einer Instanz der App das Neukundenmodell des Schwesterunternehmens erstellt werden konnte.
Zu Beginn der Zusammenarbeit mit Gpredictive gab es einen Datenschiefstand im ERP von Westfalia. Die Data Scientists der Software kuratierten daraufhin sämtliche Daten, um qualitativ hochwertige Ergebnisse bei Prognosen und Scores zu gewährleisten.
Mittlerweile erfolgt die Selektion bei WWC nur noch auf Basis des Scorings. Im Gesamtergebnis, das sämtliche Kampagnen beinhaltet, zeigte sich ein Umsatz-Lift von 10 %. In die Erfolgsmessung fließen immer der Bestellwert und der Katalogwert mit ein, also die Umsätze eines Kunden und die Kosten für die Versendung von Katalogen. Die Treffsicherheit des Scorings konnte durch die vorhergesagte und realisierte Konversion im Dezil-Vergleich aufgezeigt werden. Da die Ergebnisse immer sehr nah beieinander lagen, stieg bei Westfalia auch das Vertrauen in das Scoring der Gpredictive Software.
Für die das Schwesterunternehmen des Westfalia Konzerns wurden vor der Zusammenarbeit mit Gpredictive weder Scoring noch Machine Learning angewendet. Mit der Neukundengewinnungskampagne über die Daten der Westfalia-Kunden konnte das Cross-Selling-Potenzial der WWC optimal ausgenutzt werden. Mit großem Erfolg: Aus 50.000 Westfalia-Kunden konnten 5.000 Neukunden für die Schwester gewonnen werden. Das entspricht einer Neukundengewinnungsquote von 10 %.
Für die Zukunft sind weitere Optimierungen mit Gpredictive geplant. Das Scoring soll künftig erweitert in Modellen für Kataloge und Mailings zum Einsatz kommen. Außerdem ist ein Scoring für „Packages“ geplant. Das hieße, dass Print-Mailings aus mehreren kleinen Katalogen entsprechend der Artikelkategorien von Westfalia bestünden. Hier würde das Scoring entscheiden, welcher Kunde welche Paketzusammenstellung erhält (damit nicht alles an jeden versandt wird). Über die Aussteuerung von
Incentives und Kampagnen mit dem Predictive Customer Lifetime Value von Gpredictive soll überdies ersichtlich werden, wer von den 200.000 Neukunden aus 2017 wieder kaufen und wer wie hohe Umsätze tätigen wird.
Die Herausforderung
● Umstellung zu vereinfachter Selektion für Print-Mailings
● Gezielte Anstoßketten entwickeln
● Automatisierung des Datenexports/-uploads (Anpassung der Datenstrukturen)
Die Lösung
● Selektion auf Basis des Scorings
● Verlässliche Prognosen zu CLV und Konversion stellen
● Kuratieren der Daten durch die Data Scientists
Sales-Kanäle richtig nutzen
Unternehmen, die ihren Umsatz hauptsächlich über E-Commerce erzielen, verfügen über mehrere Sales-Kanäle. Dazu gehören zum Beispiel Newsletter oder die Versendung von Print-Katalogen. Sie dienen dazu, unterschiedliche Zielkunden individuell ansprechen zu können, d. h. basierend auf Customer-Journey-Präferenzen die passenden Anstoßketten zu entwickeln. Diesem Prozess geht eine Selektion voran, die die entsprechende Dialogstrategie bestimmt.
Bei der Westfalia Werkzeugcompany erfolgte dies bisher über aufwändige RFM-Selektionen, die sich bei den hohen Auflagen von Print-Mailings als unflexibel und zu langsam erwiesen. Mithilfe von Gpredictive wurde ein zuverlässiges Scoring in den Prozess eingebaut, das Vorhersagen über Customer-Lifetime-Value und die zu erwartende Konversion verschiedener Kampagnen zulässt.
Gpredictive übernimmt die Selektion
Gpredictive arbeitet seit vier Jahren mit der Westfalia Werkzeugcompany (WWC) zusammen. Zu Beginn kam zunächst der Gpredictive Model Builder zum Einsatz, mit dem einfache Selektionen durchgeführt werden können. Später wurde auf den Expertenmodus erweitert, um damit zum Beispiel ein Neukundenmodell für das Schwesterunternehmen zu erstellen. Daraus erschließt sich die Höhe der Wahrscheinlichkeit, mit der ein WWCKunde ein Kunde des Schwesterunternehmens wird. Des Weiteren entwickelte Gpredictive mehrere Response- sowie Customer-Lifetime- Modelle.
Das Scoring etabliert sich
Die Umstellung bei WWC zu Gpredictive erfolgte schrittweise, da hinter dem Selektionsprozess hohe Budgetentscheidungen und Umsätze stecken. Auf das Scoring wollte man sich bei WWC zunächst nicht ganz verlassen. Nach einem ersten Backtesting erfolgte die Selektion nach „alter Schule“ und das Scoring wurde nur zum Vergleich in einer Live-Kampagne, dann im A/B-Test, dann im Roll-out eines Modells durchgeführt. Die Selektion mit Gpredictive wurde schließlich sukzessiv von 20 % auf 100 % erhöht.
Daten kuratieren und automatisch auswerten
Anfänglich wurden sämtliche Daten manuell manuell per csv hochgeladen. Dabei kam es jedoch zu Fehlern und schließlich wurde auf wöchentliche Automatisierung des Datenexports und des Datenuploads umgestellt. Wichtig war hier, die Datenstrukturen der WWC so anzupassen, dass in einer Instanz der App das Neukundenmodell des Schwesterunternehmens erstellt werden konnte.
Zu Beginn der Zusammenarbeit mit Gpredictive gab es einen Datenschiefstand im ERP von Westfalia. Die Data Scientists der Software kuratierten daraufhin sämtliche Daten, um qualitativ hochwertige Ergebnisse bei Prognosen und Scores zu gewährleisten.
“Die Einfachheit zu selektieren mit entsprechendem Ergebnis hat uns überzeugt.”
Mittlerweile erfolgt die Selektion bei WWC nur noch auf Basis des Scorings. Im Gesamtergebnis, das sämtliche Kampagnen beinhaltet, zeigte sich ein Umsatz-Lift von 10 %. In die Erfolgsmessung fließen immer der Bestellwert und der Katalogwert mit ein, also die Umsätze eines Kunden und die Kosten für die Versendung von Katalogen. Die Treffsicherheit des Scorings konnte durch die vorhergesagte und realisierte Konversion im Dezil-Vergleich aufgezeigt werden. Da die Ergebnisse immer sehr nah beieinander lagen, stieg bei Westfalia auch das Vertrauen in das Scoring der Gpredictive Software.
Erfolge beim Pooling von Daten: “Ein sehr erfreulicher Case!”
Für die das Schwesterunternehmen des Westfalia Konzerns wurden vor der Zusammenarbeit mit Gpredictive weder Scoring noch Machine Learning angewendet. Mit der Neukundengewinnungskampagne über die Daten der Westfalia-Kunden konnte das Cross-Selling-Potenzial der WWC optimal ausgenutzt werden. Mit großem Erfolg: Aus 50.000 Westfalia-Kunden konnten 5.000 Neukunden für die Schwester gewonnen werden. Das entspricht einer Neukundengewinnungsquote von 10 %.
Scoring für Packages
Für die Zukunft sind weitere Optimierungen mit Gpredictive geplant. Das Scoring soll künftig erweitert in Modellen für Kataloge und Mailings zum Einsatz kommen. Außerdem ist ein Scoring für „Packages“ geplant. Das hieße, dass Print-Mailings aus mehreren kleinen Katalogen entsprechend der Artikelkategorien von Westfalia bestünden. Hier würde das Scoring entscheiden, welcher Kunde welche Paketzusammenstellung erhält (damit nicht alles an jeden versandt wird). Über die Aussteuerung von
Incentives und Kampagnen mit dem Predictive Customer Lifetime Value von Gpredictive soll überdies ersichtlich werden, wer von den 200.000 Neukunden aus 2017 wieder kaufen und wer wie hohe Umsätze tätigen wird.