Kundengewinnung optimiert.

Künstliche Intelligenz (KI) für Neukundenaquise am Beispiel eines Energieversorgers.
Branche
Thema
Methoden

Herausforderung.

Der Konkurrenzdruck bei Energieversorgern ist hoch, besonders was die Preise der Anbieter angehen. Vergleichsportale machen es dem Verbraucher so einfach wie nie, sich innerhalb kürzester Zeit über die Tarifpreise verschiedenster Anbieter zu informieren. Und hier offenbart sich ein Problem: Wie gut oder schlecht sich ein Anbieter mit seinen Preisen präsentiert ist nicht allein von der eigenen Preisstrategie abhängig, sondern auch maßgeblich davon, wie günstig oder teuer vergleichbare Tarife bei der Konkurrenz sind. Unter der Annahme, dass Verbraucher sich i.d.R. bei vergleichbaren Tarifen zweier Anbieter für den günstigeren entscheiden, gewinnt die relative Preisstellung im Rahmen der Neukundenakquise enorm an Bedeutung. Daraus entwickelten wir die Idee, dann verstärkt in Werbemaßnahmen zu investieren, wenn die eigenen Preise günstiger sind als die der Konkurrenz. Umgekehrt reduzieren wir Werbeausgaben wenn die Konkurrenz günstiger ist. Um die eigene relative Preisstellung beurteilen zu können, müssen also die Preise der Konkurrenz analysiert werden. An der Stelle steckt der Teufel im Detail: Energieversorger bepreisen ihre Tarife von Region zu Region unterschiedlich, was ein schier unermesslicher Aufwand für eine manuelle Preisbeobachtung bedeuten würde.

Herangehensweise.

Wir wurden damit beauftragt, die Ausgaben für laufende Suchmaschinen-Kampagnen auf der Basis der relativen Preisstellung zu steuern. Die Datenbasis zur Ermittlung der relativen Preisstellung bildeten die Preise aller Tarife pro Postleitzahl und Verbrauchsklasse unseres Kunden sowie die jeweiligen Wettbewerbspreise. Daraus errechneten wir ein gemitteltes Ranking über alle Tarife unseres Kunden pro Postleitzahl, bei dem das jeweils erfolgreichste Produkt am stärksten gewichtet wird. Zuletzt wurden die historischen Erfolgsquoten der Postleitzahlen mit einbezogen und mit dem Ranking verrechnet. Daraus ergibt sich ein Score pro Postleitzahl. Dieser Score diente als Steuerungsvariable für eine optimale und tagesaktuelle Aussteuerung der SEA- Kampagnen-Budgets.

Ergebnis & Nutzen.

Der Nutzen dieses Vorgehens zeigte sich schon nach Abschluss der Testphase: Die Kosten pro Klick konnten durch unsere automatisierte Lösung signifikant reduziert werden – und das bei gleichbleibenden Klickzahlen. Im Durchschnitt konnten wir bei unserem Kunden den CPC um bis zu 20% reduzieren. Die Tragweite dieser Kostenreduktion wird vor allem dann deutlich, wenn wir dies auf mehrere, zielgruppenspezifische Kampagnen gleichzeitig anwenden. Damit hat sich der Einsatz einer automatisierten Budgetanpassung für unseren Kunden mehr als gelohnt.

IHRE EXPERTEN FÜR
SMART DATA.

Marco Butz

Geschäftsführer PERFORMANCE ONE BRAIN

Über 14 Jahre Erfahrung in der Unternehmensberatung – und das in unterschiedlichsten Bereichen: Marco Butz hat schon so einige Unternehmen zum Erfolg geführt. Ob bei Preismanagement-Projekten, in der IT-Leitung oder bei der Digitalisierung von Vertriebsprozessen – Butz behält immer das »big picture« im Kopf und weiß, wie die Chancen des digitalen Wandels erfolgreich genutzt werden können.

Dr. Thomas Johann

Leader Data Science & Architect PERFORMANCE ONE BRAIN

Ob ökonomische Zusammenhänge, Machine Learning oder Smart Data – Thomas Johann hat sie alle. Der promovierte Betriebswirt forscht zu Themen wie Algorithmic Trading oder Blockchain-Technologie in der Finanzbranche und bringt sein stets auf dem aktuellsten Forschungsstand stehendes Wissen seit 2011 bei PERFORMANCE ONE ein. Seit der Gründung von PERFORMANCE ONE BRAIN agiert Johann federführend bei der Durchführung von Datenanalysen.

Share on whatsapp
Share on email
Share on facebook
Share on twitter
Share on linkedin
Share on reddit
Share on print

NEWSLETTER-REGISTRIERUNG.

Reden Sie mit, wenn es um Daten geht:
Bleiben Sie up-to-data mit unserem Newsletter.