Next Best Offer (NBO) für personalisiertes Marketing auf der Basis von Predictive Analytics

Herausforderung

Beim personalisierten Marketing ist es entscheidend, den Verbrauchern zur richtigen Zeit das richtige Angebot zu präsentieren. Bei der Implementierung von NBO-Use-Cases berücksichtigen wir bei Scigility auf Basis unserer Frameworks folgende Punkte:

• Erfassen und Verstehen der historischen Daten zu Kundenverhalten und Marketingkampagnen. Genaue Vorhersagen erfordern grosse Datenmengen und ein gutes Verständnis der Produktpalette, der Anzahl Produkte und der Häufigkeit, mit der Kunden neue Produkte kaufen.
• Erwägen, in welchem Umfang und wie das Modell verwendet werden soll: Werden die Vorhersagen zur Definition von Marketingkampagnen oder für Empfehlungen auf einer Website verwendet?

Personalisiertes Marketing entwickelt sich ständig weiter und sorgfältig umgesetzte NBO-Empfehlungen führen zu besseren Konversionsraten (Conversion Rates).

Lösung

Scigility unterstützt und befähigt Data-Science-, Engineering- und Marketing-Teams:

• bei der Beschaffung und Konsolidierung von Daten aus mehreren internen/externen Quellen On-Premise oder in der Cloud: z.B. CRM-Systeme, Google Analytics, Daten-Streaming aus Kafka-Topics, Data Warehouses usw.)
• bei der Exploration und Aggregation von Verhaltensdaten für das Feature-Engineering auf Einzelmaschinen oder Maschinenclustern (mit Tools wie Apache Spark, Presto, Dask oder Pandas)
• beim Trainieren von ML-Modellen (z.B. mit XGBoost, LightGBM, CatBoost), die auf die Marketingziele ausgerichtet und für Stakeholder nachvollziehbar sind.
• bei der Bereitstellung, der Wartung und dem Betrieb des Modells (Überwachung, Versionierung, Validierung usw.) sowohl in der Public Cloud (z. B. Azure ML, AWS Sagemaker) als auch in der Private Cloud oder On-Premise (z.B. Kubeflow, MLflow).