- Marketingkampagnen
- Recommandationsystem
- Optimierung
- Graph DB
- Angebotspersonalisierung
Zentrale Herausforderungen
Unser Kunde, ein französischer Konzern, ist europäischer Marktführer in der Einzelhandelsbranche und Pionier des Hypermarktkonzepts. Als Teil seiner Marketingstrategie werden jeden Monat Direktmailing-Kampagnen an mehr als 4 Millionen Besitzer*innen von Kundenkarten verschickt. Im Zuge einer Angebotspersonalisierung wird für jedes Mailing ein Angebotspool aus 500 verschiedenen Angeboten generiert. Die einzelnen Angebote sollen dabei möglichst genau die Kaufpräferenzen der individuellen Kund*innen treffen, der gesamte Angebotspool jedoch gleichzeitig auch die Präferenzen eines möglichst großen Teils der Kund*innen abdecken.
Da die Personalisierungsalgorithmen zunehmend veralteten und ihr Einsatz viele Ressourcen erforderte, strebte unser Kunde eine Erneuerung des Systems an. Dabei wurde besonderer Wert auf die Optimierung zum einen der Relevanz der generierten Angebote für die individuellen Kund*innen und zum anderen der anfallenden Ressourcenkosten gelegt.
Unser Ansatz
Um diese Bedürfnisse unseres Kunden bestmöglich zu erfüllen, untersuchten wir zunächst, ob eine Graphdatenbank die Grundlage für diese umfassende Optimierung darstellen könnte. Nach einem erfolgreichen, initialen Proof of Concept entwarfen und implementierten wir eine auf der state-of-the-art Engine Neo4j basierende Graphdatenbank, um die Hadoop/Spark-basierten Systeme zu ersetzen. Zur Verarbeitung der mit mehr als 100 Millionen Datenpunkten äußerst umfangreichen Datenmengen entwickelten wir zudem ein ETL-System in Scala. Auf dieser neuen technischen Basis wurde der gesamte Personalisierungsprozess neugestaltet und neue Angebotspools für die darauffolgenden Mailings generiert.
Zur Sicherstellung des erreichten Leistungsniveaus haben wir verschiedene monatliche Datentests in PySpark implementiert, welche zur weiteren Verbesserung des Personalisierungsprozesses beitragen (u.a. über Survival Analysis, Market Basket Analysis, Clustering). Dieser letzte, stark mit den Unternehmensprozessen verknüpfte Schritt wurde in enger Zusammenarbeit mit dem Marketing-Team realisiert, um eine größtmögliche inhaltliche Relevanz dieser Analysen zu erreichen.
Vorteile
- Optimierung des Personalisierungsprozesses von Mailings und Angeboten entsprechend der Bedürfnisse und Vorstellungen des Kunden
- Steigerung der Effizienz um das Zwei- bis Dreifache im Vergleich zum alten System
- Bewährung des neuen Systems bei der Testung an mehr als 100 Millionen Transaktionen von 100.000 Kund*innen aus den letzten 2 Jahren
Technologien & Partner
