Fehlende Werbeeffektivität durch fehlgerichtete Selektion

Die IWAN BUDNIKOWSKY GmbH & Co. KG verfügt über 185 Drogerie-Filialen und 1.950 Mitarbeiter:innen in der Region Hamburg. Eine Million Kund:innen sind im Besitz der Budni-Kundenkarte – 40 % davon seit über 14 Jahren. Bei Beginn der Zusammenarbeit sorgten die Kund:innen mit Kundenkarte für 50 % des Gesamtumsatzes, galten jedoch als wenig werbeaffin. Die über 90 jährlich versendeten Printkampagnen erzielten bei zu wenigen einen nennenswerten Lift im Kaufverhalten.

Das bisherige Marketing basierte auf einer groben Selektion jener Kund:innen, die in den vergangenen Monaten bestimmte Produkte kauften. Dieses Vorgehen erforderte großen operativen Aufwand und entsprechend hohe Auflagen und Werbekosten.

Es entstand 2019 der Wunsch, die Aussteuerung der Werbemaßnahmen effizienter zu gestalten, Streuverluste zu reduzieren und entsprechend Werbekosten zu sparen. Da interne Ressourcen nicht ausreichten, um präzise Kundenwerte (CLV) zu prognostizieren, fiel die Wahl damals auf die CrossEngage Customer Data- und Prediction-Plattform. Mit ihrer Hilfe können Prognosemodelle auf Basis von Automated Machine Learning (AutoML) mit wenig operativem Aufwand erstellt werden.

 

Individuelle Kundenwert-Prognosen (CLV)

Innerhalb eines Monats wurde CrossEngage ins Tagesgeschäft der CRM-Zuständigen bei Budni integriert. Mit dem No-Code Predictive Model Builder berechnete sie zunächst den individuellen, prognostizierten CLV jede:r Budni-Kund:in. Die Kundenselektion und -ansprache konnte so entsprechend kundenwertorientiert ausgesteuert werden.

„CrossEngage ist für mich eine wahnsinnige Zeitersparnis mit dem Wissen:
die Qualität der Ergebnisse ist immer gut.“

 

– Gabriele Schilling, Strategisches CRM, IWAN BUDNIKOWSKY GmbH & Co. KG

Insbesondere die präzise Identifikation und Reaktivierung abwanderungsgefährdeter Kund:innen (Churn) und die Ansprache von Kund:innen mit hoher Werbeaffinität sorgte für einen erstaunlichen Uplift.
Rising Profit
– 30 % Kosten

Als Resultat der Neuausrichtung konnten die Werbekosten um 30 % gesenkt werden.

Rising Profit
+ 12,5 % Ertrag

Der Einsatz der CPP verhalf Budni zu einer Ertragssteigerung von 12,5 %.

In dieser Case Study erfahren Sie, welche Use Cases Budni erfolgreich umsetzte und welche drei langfristigen Erfolge Predictive Analytics der Drogerie-Kette brachte.
Budnikowsky Case Study
  • Hidden
  • Wir respektieren den Schutz Ihrer Daten. Mit dem Absenden dieses Formulars stimmen Sie der Verarbeitung der an CrossEngage übermittelten Daten gemäß unserer Datenschutzerklärung zu. Sie können Ihre Zustimmung jederzeit widerrufen, indem Sie auf den Abmeldelink in einer beliebigen E-Mail klicken oder uns kontaktieren.
  • Dieses Feld dient zur Validierung und sollte nicht verändert werden.