Suchen

Kommentar von Abhay Doshi, Flytxt Entscheidungen in Echtzeit verbessern das Mobilfunkmarketing

Autor / Redakteur: Abhay Doshi / Nico Litzel

Mobilfunkkunden erwarten an jedem Berührungspunkt einen wertorientierten Ansatz. CSPs (Communication Service Provider) müssen auf diese Erwartungen ihrer Kunden eingehen und ihnen personalisierte Dienstleistungen anbieten. Genau hier wird die Marketing-Agilität eines CSP auf die Probe gestellt und der Wert von Big-Data-Analysen kommt zum Tragen.

Firmen zum Thema

Der Autor: Abhay Doshi ist Senior Vice President Product und Marketing bei Flytxt
Der Autor: Abhay Doshi ist Senior Vice President Product und Marketing bei Flytxt
(Bild: Flytxt)

Der riesige Kundenstamm stellt für CSPs keine Herausforderung mehr dar. Die Hauptaufgabe ist die Handhabung mehrerer Komplexitätsebenen aufgrund der Menge und Vielfalt an verfügbaren Informationen in Netzwerken, Unternehmenssystemen und der Partnerumgebung. In dieser Datenflut steckt eine Goldgrube an Möglichkeiten, die man mithilfe von Big-Data-Analysen ausschöpfen kann.

Doch Big Data sind nur halb so viel wert, wenn sie nicht mit Fast Data kombiniert werden. Da Mobiltelefone ständige Begleiter sind, bieten sich Providern unzählige Gelegenheiten, aus denen sie Kapital schlagen können. Hierfür sind eine kontinuierliche Überwachung und schnellere Reaktionszyklen eine Voraussetzung. Durch die Kombination von Big Data mit Fast Data lassen sich diese Ergebnisse erzielen.

Während herkömmliche Big Data Tools auf effektive Weise Verlaufsdaten im „Datensee“ speichern und analysieren, werden mithilfe von Fast Data eingehende Daten erfasst – insbesondere vom Netzwerk. In einem Offline-System werden Daten in ein Big-Data-System gezogen und die Analyse-Engine erkennt, dass ein Trigger (in der Vergangenheit) ausgelöst wurde.

Höhere Reaktionsquote

Wenn dann ein Provider den Kunden anspricht, ist es möglicherweise schon zu spät zum Handeln. Im Gegensatz dazu haben von Ereignissen ausgelöste Echtzeitentscheidungen oder -empfehlungen eine wesentlich höhere Reaktionsquote zur Folge, da sie zu kontextbezogenen Aktionen führen. Somit verbessern Entscheidungen in Echtzeit die Marketing-Effektivität eines Mobilfunkanbieters.

Es gibt eine Reihe von Anwendungsfällen im Telekommunikationsbereich, die den Nutzen einer Integration von Big Data/Fast Data Streams für Analysen und Entscheidungsfindung belegen. Beispielsweise können Echtzeitempfehlungen im Zuge von automatisierten gezielten Marketing-Aktionen konfiguriert werden. Wenn die Mobilfunkkunden bestimmte Nutzungskriterien erfüllen oder eine gewisse Anzahl von Treuepunkten erreichen, können ihnen mithilfe eines Triggers Sonderangebote zugesendet werden. Wenn sich dementsprechend ein Kunde für ein bestimmtes Produkt entscheidet, kann ein passendes Produkt angeboten werden, nachdem sichergestellt wurde, dass der jeweilige Kontostand hierfür ausreicht.

Ein weiteres Beispiel könnte auf Ereignissen basieren, die eine Aktion auslösen. Beispiel: Wenn ein Mobilfunkkunde einen bestimmten geografischen Bereich betritt, können passende Werbeangebote gesendet werden. Das erhöht die Wahrscheinlichkeit, dass ein Geschäfts an diesem Standort besucht wird.

Anonymisierung von Kundendaten

Datenschutzrechtliche Bedenken, die dabei auftreten können, lassen sich ausräumen, wenn die richtige Analysetechnik verwendet wird. Diese berücksichtigt die Privatsphäre und Berechtigungen und anonymisiert darüber hinaus die Kundendaten. So werden diese zu personenunabhängigen Informationen.

Echtzeitanalysen von Streaming-Daten können ebenfalls äußerst effektiv sein, will man Vertragskündigungen verhindern oder Kunden zurückgewinnen. Mobilfunkanbieter profitieren von langfristigen Einblicken (Big Data, etwa „dieser Abonnent wird wahrscheinlich wiederkommen und muss im Auge behalten werden“) sowie Echtzeiteinblicken (z. B. „dieser Abonnent hat heute weniger Anrufe getätigt als im Durchschnitt“). Die Kombination aus Verlaufs- und Echtzeiteinblicken hilft dem Anbieter, umgehend mit relevanten Angeboten in Aktion zu treten. Ereignisorientierte Auslöser und erworbene Informationen werden miteinander kombiniert, um dem Abonnenten in Echtzeit über dessen bevorzugten Kanal ein Angebot zu unterbreiten.

Die Personalisierung von Produkten und Dienstleistungen basierend auf dem Kontext könnte ebenfalls deutliche Auswirkungen auf die Verbesserung der Customer Experience haben. Big-Data-Analysen, basierend auf Verlaufsdaten, informieren den CSP über die Neigungen und Präferenzen des Abonnenten, während Echtzeitdaten dem Anbieter mitteilen, womit der Kunde im Moment beschäftigt ist.

Maßgeschneiderte Werbeaktionen

Wenn das kombiniert wird, können maßgeschneiderte Werbeaktionen durchgeführt werden, die sich auf den aktuellen Kontext des Mobilfunkkunden beziehen. Beispiel: Ein umsatzstarker Kunde sieht sich Videos auf einem Mobilgerät an und erlebt eine Datendrosselung. Mithilfe einer Echtzeitanalyse wird das erkannt und der Mobilfunkkunde erhält umgehend ein Upgrade auf ein Hochgeschwindigkeitsnetz. Das hat umgehend eine positive Auswirkung, wovon wiederum der Anbieter profitiert.

Um die Auswirkungen einer Echtzeitverarbeitung zu verstehen, sehen wir uns einmal deren Anwendung in einem Szenario in der Praxis an. Flytxt bietet seinen CSP-Kunden auf der ganzen Welt Big-Data-Analyselösungen an. Flytxt verarbeitet dabei jeden Tag Event-Streaming von über 200 Millionen Mobilfunkkunden. Diese Zahlen – von gerade einmal einem Anbieter – zeigen die Datenmanagement-Herausforderungen innerhalb des Telekommunikationssektors, der mehr Kapazitäten fordert, als herkömmliche Big-Data-Plattformen bieten. Flytxt hat sich daher mit VoltDB zusammengetan – einem führenden Unternehmen für Fast Data, das ein In-Memory-Datenbanksystem anbietet – um seine Echtzeitkapazitäten zu erweitern.

Mithilfe von VoltDB verarbeitet Flytxt jeden Tag fast vier Milliarden Ereignisse. Die Ergebnisse lassen sich in Zahlen beschreiben: Echtzeit-Trigger-Kampagnen erreichen eine um 40 bis 300 Prozent höhere Wandlungsrate und eine Reduzierung der Reaktionszeit bei Kundenereignissen (30 Minuten im Gegensatz zu 24 Stunden) im Vergleich zu Kampagnen, die nicht in Echtzeit durchgeführt werden.

Fazit

Big-Data-Einblicke ermöglichen in Kombination mit Stream-interner Datenverarbeitung dem CSP, auf jede Gelegenheit vorbereitet zu sein, die sich zukünftig ergeben könnte, egal wie klein das Fenster oder wie kurzfristig die Gelegenheit auch ist. Der Mobilfunkanbieter erhält so einen Rundumüberblick in Bezug auf den Kunden, der für die Verbesserung des Kundenerlebnisses, die Personalisierung der Kommunikation und die Wahrung der Dienstgüte unabdingbar ist. Dank schnellerer Entscheidungszyklen und Produkt- bzw. Diensteinführungszeiten kann der CSP einen beträchtlichen Ertragszuwachs generieren.

(ID:43579042)