Mosaique 1.0

‍Komplexe Datenprozesse bremsen Marketingteams

Marketingteams stehen täglich vor der Herausforderung, schnell und effizient datengetriebene Entscheidungen zu treffen. Die Realität jedoch konfrontiert sie mit einer komplexen und ressourcenintensiven Datenintegration in abnehmende Systeme. Sie müssen umfassende Prozesse vom Extrahieren der Daten über das Laden, Integrieren und Transformieren bis hin zum Modellieren und Reverse ETL bewältigen – Aufgaben, die ein tiefes Verständnis in den Bereichen Data Engineering und Data Science erfordern.

In zahlreichen Kundenprojekten haben wir festgestellt, dass diese technischen Anforderungen eine bedeutende Herausforderung darstellen. Viele Teams verfügen weder intern noch in ihrer Gesamtorganisation über die nötigen Ressourcen und das spezialisierte Marketing- und CRM-Know-how, um diese Aufgaben effektiv zu meistern. Dies führt oft zu Verzögerungen, hohen Investitionen und suboptimalen Ergebnissen, da wichtige Details in der Anforderungsbeschreibung der Use Cases übersehen oder unterschätzt werden.

Unsere Lösung: Mosaique 1.0

Um diesen Herausforderungen entgegenzutreten, haben wir Mosaique 1.0 entwickelt. Unsere Lösung und Architektur ist darauf ausgelegt, die komplexen und technisch anspruchsvollen Schritte der Datenverarbeitung, von der Extraktion bis zum Reverse ETL, zu übernehmen. Basierend auf einem Order-Stream berechnet Mosaique 1.0 präzise Kundenprofile, den Customer Lifetime Value (CLV) und dynamische Segmente. Das Modell vereinfacht nicht nur den Arbeitsalltag der Marketingteams, sondern ermöglicht es ihnen auch, sich auf das zu konzentrieren, was sie am besten können: kreatives und effektives Marketing, gestützt auf datengetriebene Einblicke. Zudem ist unsere Lösung headless konzipiert und lässt sich mit wenigen Klicks in alle gängigen visuellen und BI-Oberflächen integrieren, was eine nahtlose und flexible Nutzung in bestehenden Systemen ermöglicht.

1. Datenextraktion und Anonymisierung: Mosaique 1.0 beginnt mit dem Aufsetzen auf einem Order-Stream, den wir aus jeder beliebigen Schnittstelle extrahieren können. Dabei definieren Nutzer selbst den gewünschten Zeitraum, wie die letzten 12, 24 oder 36 Monate, auf dem wir dann rollierend aufsetzen. Während des Ladeprozesses transformieren und anonymisieren wir alle personenbezogenen Daten. Order-IDs werden verschlüsselt und Kundenummern oder E-Mail-Adressen ebenfalls, um Datenschutz, Sicherheit und Flexibiliät des Modells von Anfang an zu gewährleisten.

2. Sichere Datenspeicherung: Nach dem Laden ist die Order-Historie vollständig anonymisiert und sicher in einer PostgreSQL-Datenbank in der Google Cloud mit Server Standort in Deutschland abgelegt. Dies geschieht unter Einhaltung höchster Sicherheitsstandards und Schutzmechanismen. Marketingteams müssen sich nicht mit dem Betrieb und der Verwaltung von Servern, Docker-Containern, Auto-Scaling oder Kubernetes beschäftigen – diese technischen Aspekte übernehmen wir.

3. Datenverarbeitung und Kundenanalyse: Die bereits zu UUIDs transformierten Kundennummern oder E-Mail-Adressen werden gruppiert und zu einem verschlüsselten Kundenprofil zusammengefasst. Auf Basis dieser Gruppierung berechnen wir für jede UUID den Customer Lifetime Value (CLV), die Bestellfrequenz sowie die Aktualität der Kundenbeziehung, gemessen an den Tagen zwischen der letzten Bestellung und dem heutigen Tag.

4. Scoring und Segmentierung: Anschließend werden die Profile basierend auf CLV, Bestellfrequenz und Aktualität bewertet, wobei jedem Profil drei Scores zugeordnet werden. Die Scores reichen von 1 bis 5, wobei 1 einen niedrigen und 5 einen hohen CLV, hohe Frequenz und Aktualität beschreibt. Für die Einstufung nutzen wir Quantile, um Profile im Vergleich zu allen anderen in Segmente einzuordnen.

5. Flexible Kundensegmentierung: Im letzten Schritt bietet unser Modell flexible und dynamische Kundensegmente. Standardmäßig gibt es neun Segmente, die Kunden entsprechend ihres CLVs, ihrer Bestellfrequenz und der Aktualität der Kundenbeziehung kategorisieren. Diese Segmentierung ermöglicht es Marketingteams, zielgerichtete Strategien effektiv und effizient umzusetzen.

Mosaique 1.0 generiert über seinen API-Endpunkt ein strukturiertes JSON-Objekt, das eine Liste von Arrays enthält. Jedes Array repräsentiert ein Kundensegment mit detaillierten statistischen Daten. Dies ermöglicht eine tiefe Einblicknahme in verschiedene Kundenkategorien, die für gezielte Marketingstrategien entscheidend sind. Hier ein Beispiel für die Struktur des Outputs:

● Gruppe: Der Name des Segments (z.B. „Neukunden“, „VIPs“, „Wackelkandidaten“), der die Art des Kundensegments beschreibt.

● Anzahl UUIDs: Die Anzahl der Kunden-UUIDs in diesem Segment.  

● Order Count: Die durchschnittliche Anzahl der Bestellungen pro Kunde innerhalb des Segments.

● CLV (Customer Lifetime Value): Der durchschnittliche Lebenszeitwert eines Kunden in diesem Segment.

● Aktualität: Die durchschnittliche Anzahl von Tagen seit der letzten Bestellung der Kunden in diesem Segment.

● Prozentanteil: Der prozentuale Anteil dieses Segments an der gesamten Kundenbasis.

Durch die API-Ausgabe dieses detaillierten Datenobjekts können Marketingteams die Informationen nahtlos in beliebige BI- und Visualisierungstools wie Tableau, Google Sheets oder Microsoft Power BI integrieren. Dies erleichtert das dynamische Visualisieren und tiefgehende Analysieren der Kundendaten, was wiederum strategische Entscheidungen und gezielte Marketingmaßnahmen unterstützt.