Kundengewinnung ist nur die halbe Miete… So nutzen sie Daten um Kunden zu behalten.

Die letzten Jahre waren für das digitale Geschäft wie eCommerce oder Digital Subscriptions sehr gut, da die Rahmenbedingungen der Corona Pandemie die Konsumenten noch mehr in die digitale Welt getrieben haben.

Aber der Wind hat sich gedreht. Die initial positiven Effekte für das digitale Geschäft sind teils verflogen. Die Gründe dafür sind sehr unterschiedlich. Zum einen drücken die globalen Supply Chain Probleme auf den Online Umsatz bei Retailern, zum anderen sind viele Konsumenten durch die extreme Inflationsrate sensibler hinsichtlich der Ausgaben. Die Anzahl der Abos die man im Haushalt für den Medienkonsum hat werden in Frage gestellt und die Kaufkraft – und Lust hat sich ebenfalls reduziert.

Diese Trends durch erhöhte Kundenakquisition auszugleichen ist ebenfalls schwieriger geworden. Durch zusätzliche Restriktionen sind die Targeting Möglichkeit deutlich geringer und die generellen Kosten für Advertising sind stetig gestiegen.

Neben aktuellen Trends gibt es aber weitere Aspekte und Zahlen – die über Jahre von unterschiedlichen Studien erhoben worden sind – welche die Wichtigkeit des Retention Marketing hervorheben. 

Quelle: https://hbr.org/2014/10/the-value-of-keeping-the-right-customers

Die Frage ist nun, wie man an das Thema Retention Marketing ran geht bzw. welche Kampagnen bzw. Aktionen man dafür auf den Weg bringen kann. Als erstes muss man hier die relevanten Datenpunkte betrachten.

• Last Login/Aktivität
• Letzter Kauf
• Umfrageergebnisse
• Web/Portal Engagement
• E-Mail Engagement

Aus diesen Datenpunkte lassen sich dann Segmente oder besser noch Scores ableiten. Im Kontext von Retention Marketing bieten sich RFM Score, Net Promoter Score und Churn Score an. Wie genau diese berechnet bzw. gewichtet werden, hängt immer vom Geschäftsmodell ab. Ein RFM Score wird je nach Frequenz der Konvertierungen bzw. Touchpointst (Käufe, Logins etc.) anders berechnet. Die generierten Scores lassen sich dann entweder als Startpunkt für Kampagnen oder als Basis für spezielle Personalisierung innerhalb der Regelkommunikation nutzen.

Bei Retention Kampagnen sollte man zwischen zwei unterschiedliche Arten differenzieren. Obwohl beide Arten das gleiche Ziel verfolgen, werden diese an unterschiedlichen im Kundenlebenszyklus angesetzt.

1. Prävention: Nach erfolgreicher Akquisition und Onboarding eines neuen Kunden beginnt eigentlich schon das Retention Marketing. Aus Kampagnensicht kann man z.B. den Kauf eines Produktes oder Service dafür nutzen, um mit einer Post Purchase Kampagne direkt nachzufassen, um Feedback einzuholen oder mit dem richtigen Incentive einen Cross- oder Upsell zu erzeugen. Cross- und Upsell erhöhen die “Customer Stickiness”, d.h. den transaktionalen Wert eines Kunden. Je höher die “Customer Stickiness”, umso besser für die Customer Retention.
   
   Neben Multi-Touch Kampagnen spielt auch Personalisierung eine wichtige Rolle bei der Prävention. Das richtige Incentive, die richtige Ansprache im Rahmen der regelmäßigen Marketingkommunikation kann ebenfalls zusätzliche Käufe oder Konvertierungen erzielen.

2. Reaktivierung: Sollte die Prävention fehlgeschlagen sein und sich die Gefahr erhöht, dass der Kunde abspringt, kommt die Reaktivierung zum Tragen.
   
   Hier sieht man gängigerweise zwei unterschiedliche Typen von Kampagnen. Zum einen die klassische Reaktivierung mit Kampagnen basierend auf den o.a. Scores oder Datenpunkte (z.B. Re-Engagement basierend auf letztem Kaufdatum oder E-Mail Engagement Daten) bzw. Winback Kampagnen. Winback Kampagnen setzt man dann an, wenn die vorherigen Customer Retention Kampagnen nicht funktioniert haben. Auf den ersten Blick mag das eine rein semantische Unterscheidung sein, sie ist aber aus Sicht des Unternehmens sehr wichtig, denn die Höhe der Incentives die ich einsetze um einen Kunden zu halten bzw. zurückzugewinnen sind gängigerweise sehr unterschiedlich. Um einen Kunden im Rahmen einer Winback Kampagne wiederzugewinnen, muss ich deutlich mehr investieren.

Wie genau die Kampagnen aufgebaut sind bzw. die Datenpunkte – und Scores definiert werden sind je nach Industrie und Geschäftsmodell sehr unterschiedlich. In der Salesforce Marketing Cloud gibt es jedoch einige out-of-the-box Funktionalitäten, die ein Marketer jederzeit nutzen kann, um eine Basis für Customer Retention zu schaffen. 

1. Einstein Engagement Scoring: Basierend auf historischen E-Mail- und App Daten kombiniert mit Machine Learning bietet die Salesforce Marketing Cloud Prediction Modelle die zeigen wie Empfänger mit E-Mail oder Push-Benachrichtigungen interagieren. Hiermit lassen sich schöne Re-Engagement Kampagnen mit wenig Aufwand generieren.
2. Einstein Engagement Frequency: Auch hier kommt Machine Learning zusammen mit E-Mail Engagement Daten zusammen. Diese Funktion in der Salesforce Marketing Cloud gibt Marketers Einblicke in die Sättigung der Empfänger hinsichtlich der E-Mail Kommunikation. Schicken wir einer individuellen Person zu viele oder zu wenige Nachrichten? Bei Übersättigung ist die Gefahr einer Abmeldung vom E-Mail Newsletter höher. Die Untersättigung eines Empfängers kann nochmal Potential für weitere Kommunikation hervorheben und damit die Möglichkeit evtl. die Customer Stickiness zu erhöhen.
3. Einstein Content Selection: Personalisierung spielt in jeder Stufe des Kundenlebenszyklus eine enorm wichtige Rolle. Und wie bereits erwähnt, sollte sie auch gezielt für das Retention Marketing genutzt werden, um das richtige Incentive zur Reaktivierung oder Rückgewinnung zum richtigen Zeitpunkt anzusetzen. Mit Einstein Content Selection kann ich mein Regelwerk für die Personalisierung mit Machine Learning verbinden. Angenommen, man möchte ein bestimmtes Incentive zur Reaktivierung nutzen, kann man mit der Hilfe von Einstein Content Selection, mehrere Varianten dieses Incentives testen und die Performance kontinuierlich optimieren. Basierend auf den historischen Engagement Daten kann nämlich beziffert werden, ob ein Incentive bereits an einen Empfänger ausgespielt wurde und dieses zu einem Klick geführt hat. Sollte das Incentive initial keinen Anklang gefunden haben, wird durch das Machine Learning automatisch beim nächsten mal das Incentive bzw. der damit verbundene Content ausgetauscht. Eine wunderschöne Kombination aus Descriptive Rules und Machine Learning, die mit relativ geringem Aufwand konfiguriert werden kann.

Wir haben uns in diesem Artikel sehr auf die Marketing Perspektive beim Thema Customer Retention konzentriert. Generell gilt aber selbstverständlich dass die  wichtigste Komponente bei der Customer Retention der Kundenservice ist. Denn nicht umsonst sagt man, dass guter Service das beste Marketing ist. Und die besten automatisierten, personalisierten Kampagnen verlieren ihre Kraft, wenn der Kundenservice im Falle von Servicevorgängen enttäuscht. Aber diesen Punkt nehmen wir in der Zukunft in einem separaten Artikel auf.