So konnte Trade Me mit der CDP Segment und CustomerAI Predictions die Kampagnenleistung um 20 % verbessern

Herausforderung

Aufgrund der ständig steigenden Anforderungen an das Data-Science-Team benötigte das Marketing-Team von Trade Me eine Lösung, die es ihm erlaubte, seine Aufgaben im Bereich Data Science weitgehend selbst zu lösen.

Lösung

Mit CustomerAI Predictions konnte das Marketingteam von Trade Me flexible, sofort einsatzbereite KI-Modelle zur Vorhersage des Verhaltens von Käufer:innen und Verkäufer:innen nutzen und diese Vorhersagen dann für gezieltere, zeitnahe und personalisierte Kampagnen einsetzen, ohne dass eine spezielle Ressource aus dem Data-Science-Team erforderlich war. 

Als größte Online-Auktions-Website in Neuseeland ist Trade Me „der Ort, an dem Sie Ihr erstes Haus finden, ein neues Unternehmen gründen, ein Auto kaufen oder den nächsten Schritt in Ihrer Karriere machen.“ Jeden Tag besuchen mehr als 650.000 Neuseeländer:innen die Website. 

Trade Me verfügt zwar über ein Data-Science-Team, das Marketing-Anwendungsfälle und -Experimente unterstützt. Allerdings hat die steigende Nachfrage nach Data Science im gesamten Unternehmen dazu geführt, dass das Marketing-Team Schwierigkeiten hat, die benötigten Ressourcen zu erhalten.

„Jedes Mal, wenn wir einen Anwendungsfall haben“, so Vaibhav Miskeen, Senior Analyst of Customer Data & Martech, „wird er danach priorisiert, wie er zu den Gesamtzielen des Unternehmens beiträgt. Das Marketing sorgt zwar für Umsatz. Dennoch hatten andere wichtige Initiativen Vorrang. Deshalb suchten wir nach einer Lösung, bei der wir uns weniger auf Data-Science-Ressourcen und mehr auf Plattformen verlassen, die uns die Hauptarbeit abnehmen“, berichtet Miskeen.

Twilio Segment ist für das Team mittlerweile unverzichtbar geworden. Die Plattform liefert Trade Me einheitliche Profile der Kundschaft und eine vertrauenswürdige Datengrundlage und legt gleichzeitig die Möglichkeiten der prädiktiven KI direkt in die Hände der Marketingfachleute. Dank der sofort einsatzbereiten Vorhersagemodelle in CustomerAI Predictions von Segment konnte das Team das künftige Verhalten von Käufer:innen und Verkäufer:innen schnell vorhersagen und dann gezielte Kampagnen über alle Kanäle hinweg durchführen, ohne dass zusätzliche Data-Science-Ressourcen benötigt wurden. Das Ergebnis: Das Team konnte seine E-Mail- und Werbekampagnen erheblich ausweiten und gleichzeitig die Rendite der Werbeausgaben (ROAS) und die operative Effizienz verbessern. 

Verbesserung von Kampagnenleistung und ROAS mit prädiktiver KI 

Mithilfe von CustomerAI Predictions konnte das Marketingteam von Trade Me leicht vorhersagen, welche Nutzer:innen am wahrscheinlichsten auf welche Art und Weise auf dem Online-Marktplatz Interesse zeigen und konvertieren würden. Das war der Hebel, um den Umsatz zu steigern. 

Mithilfe des flexiblen, sofort einsatzbereiten Custom Predictive Goals-Modells von Prediction konnte das Marketingteam feststellen, welche Nutzer:innen innerhalb der nächsten 30 Tage am ehesten auf einen Artikel bieten, der auf dem Marktplatz versteigert wird, einen „Sofort-Kaufen“-Kauf eines Artikels oder einen Kauf in ihrem „Warenkorb“ abschließen würden. Das Team nutzte diese Vorhersagen, um gezielte und zeitnahe E-Mail-Kampagnen zu versenden und so die Interaktions- und Konversionskennzahlen zu steigern. Bei der Messung der E-Mail-Kennzahlen sowie der Website- und App-Sitzungen pro versendeter E-Mail wurde festgestellt, dass weniger E-Mails versendet, dafür aber mehr Sitzungen von den Zielgruppen generiert wurden. Das Team verzeichnete außerdem eine Verbesserung der Klickraten (Click-Through Rates, CTR) um 10 % und einen Anstieg der Öffnungsraten um mehr als 20 % bei den Kampagnen, die mit CustomerAI Predictions erstellt wurden.

Auf der Verkaufsseite nutzte das Marketingteam das Custom Predictive Goals-Modell, um die Wahrscheinlichkeit zu bestimmen, mit der Gelegenheits- und Profiverkäufer:innen ein Angebot erstellen und, noch genauer, die Wahrscheinlichkeit, dass sie ein Angebot in bestimmten Produktkategorien, wie „Computer“ oder „Fahrzeuge“, erstellen. Der Einsatz dieser KI-gestützten Vorhersagen für das Erstellen von Werbekampagnen mit Angeboten für Gelegenheitsverkäufer:innen, bei denen die Wahrscheinlichkeit am größten ist, dass sie ein Listing erstellen, führte zu einem 1,3-fachen Anstieg der Angebote in der Kategorie „Computer“ von Trade Me.

Miskeens Team testete bezahlte Kampagnen, die an Gelegenheits- und Profiverkäufer:innen gerichtet waren, bei denen Segment eine hohe Wahrscheinlichkeit eines Listings in der Kategorie „Fahrzeuge“ feststellte. Dabei stellte er einen Vergleich mit den Zielgruppen an, die mithilfe der KI-Technologie einer führenden Anzeigenplattform erstellt wurden. Das Ergebnis: Die mit CustomerAI Predictions erstellten Zielgruppen erbrachten eine 2- bis 3-Fach höhere Rendite der Werbeausgaben (Return on Ad Spend, ROAS).

Wechsel von einer DMP zu einer Strategie für First-Party-Daten mit einer Echtzeit-CDP

Als Greg Varley 2015 als Programmatic & Data Manager zu Trade Me kam, verfolgte das Unternehmen das Verhalten der Kundschaft auf seiner Website mithilfe einer Datenmanagement-Plattform (DMP). Aufgrund von Einschränkungen der DMP war Trade Me jedoch mit folgenden Problemen konfrontiert: 

• Nutzungsdaten waren auf verschiedenen Plattformen isoliert, sodass es schwierig war, einheitliche Profile zusammenzustellen und ein tieferes Verständnis der Zielgruppen zu gewinnen.
• Die Datensignale wurden nur während der Cookie-Lebensdauer erfasst, was bedeutete, dass keine echte Längsschnittansicht der Kund:innen erstellt werden konnte.
• Das Unternehmen musste sich darauf verlassen, dass große Technologieunternehmen wie Apple und Google ihre derzeitigen Richtlinien beibehalten, um die Nutzer:innen auf Geräteebene zu verfolgen. Wenn Apple zum Beispiel Unternehmen daran hindern würde, Identifikatoren für Werbetreibende (Identifiers for Advertisers, IFDAs) zu verfolgen, würden Unternehmen wie Trade Me Gefahr laufen, einen großen Teil ihrer Zielgruppendaten zu verlieren, die für Werbetreibende auf ihren Plattformen wertvoll sind.

Im Jahr 2020 begannen die Umstellung auf First-Party-Daten und das Unternehmen stellte schnell fest, dass es von seiner DMP auf eine Kundendatenplattform (Customer Data Platform, CDP) umsteigen musste.

Trade Me hat zwar realisiert, dass diese Umstellung eine Chance darstellt, die Kundschaft besser kennenzulernen, stärker personalisierte Erfahrungen zu bieten und den Marketing-ROI zu verbessern. Allerdings musste das Unternehmen auch abschätzen, wie sich diese Umstellung auf das Geschäft auswirken würde, und eine Lösung finden, die am besten zu seinen Anforderungen passt. 

„Einige Dienstleistende hatten ein gutes Angebot, aber sie passten nicht wirklich zum Anwendungsfall von Trade Me“, so Varley.

Varley hebt hervor, dass Data Governance bei Segment einen hohen Stellenwert hat und dass die Tools sicherstellen, dass die Daten auf eine Weise in die Plattform eingebracht werden, die die nachgelagerten Anwendungsfälle von Trade Me schützt. Varley fügt hinzu: „Ohne eine grundlegende Konsistenz der Daten wären die Ergebnisse, die wir unseren Kund:innen und Nutzer:innen liefern wollen, nicht so stark, effizient und effektiv wie sie es jetzt sind.“

Trade Me migrierte erfolgreich von seiner DMP zur CDP Segment. Dadurch konnte das Unternehmen die Dateninfrastruktur zukunftssicher machen, die jährlichen Werbeeinnahmen absichern und mit CustomerAI neue Wachstumsmöglichkeiten erschließen.

Verbesserung der Sicherheit durch Einschränkung des Zugriffs auf Nutzungsdaten

Trade Me bleibt seiner Verpflichtung zur Datensicherheit und zum Schutz der Privatsphäre der Nutzer:innen treu, indem es den Zugriff auf die Benutzeroberfläche mit personenbezogenen Daten (Personal Identifying Information, PII) während der Migration zu Segment einschränkt. Nur ein ausgewählter Kreis von autorisierten Personen erhält Zugriff. Andere Mitglieder des Trade Me-Teams können auf die Plattform zugreifen, allerdings mit geschwärzten Nutzungsdaten.

Trade Me verfügt auch über eine Governance, die vorgibt, wer Zugriff auf die Benutzeroberfläche (User Interface, UI) hat und berechtigt ist, diese zu nutzen und Zielgruppen in Segment zu erstellen.

Indem Trade Me seine Prozesse strafft und festlegt, wer auf das Segment-Dashboard zugreifen und Daten nutzen darf, kann das Unternehmen Zielgruppen für seine Werbestrategien effizienter und effektiver aufbauen.

Ausweiten der Nutzung von CustomerAI Predictions zur Verbesserung des Ad-Targeting und zur Steigerung der Marketingeffizienz

Das Team wird auch in Zukunft das sofort einsatzbereite CustomerAI Predictions von Segment nutzen, um das Suchmaschinenmarketing (SEM) zu skalieren – mit dem Ziel, die Werbeausgaben besser zu optimieren, indem das Budget auf Nutzer:innen mit hoher Kaufneigung konzentriert wird, während das Budget für Nutzer:innen mit geringer Kaufneigung minimiert oder Anzeigen unterdrückt werden. Das Team plant, CustomerAI Predictions-gestützte Zielgruppen für seine Meta- und Google-Retargeting-Anzeigen zu testen, um die Werbeausgaben effizienter einzusetzen und den ROAS zu erhöhen.

Mit Segment kann Trade Me jetzt:

• sofort einsatzbereite CustomerAI Predictions nutzen, um die Kampagnenleistung zu verbessern, die Werbeeinnahmen zu steigern und die Werbeausgaben zu optimieren
• ein umfassendes Verständnis der Kundschaft über alle Kanäle und Geräte hinweg erhalten
• sein Geschäft zukunftssicher machen, indem es von einer DMP, die sich auf Third-Party-Cookies stützt, zu einer Kundendatenplattform umsteigt, die auf First-Party-Daten basiert
• Zielgruppen über iOS-Geräte hinweg ansprechen, was bisher mit der DMP nicht möglich war 
• die betriebliche Effizienz durch die Lösung von Marketingproblemen ohne den Einsatz von Data-Science-Ressourcen steigern