Katalog der Intelligence Workbench-Modelle der Oracle Unity Customer Data Platform

Leadbewertungsmodell für Account

Das Leadbewertungsmodell für Accounts ist ein prädiktives, einsatzbereites Data-Science-Modell, das B2B-Accounts anhand ihrer Konvertierungswahrscheinlichkeit anhand ihres Profils, Umsatzes, Verhaltensdaten und ihres Engagementmusters bewertet. Die Bewertungen identifizieren die Neigung für Konten, Einkäufe zu tätigen.

Vorteile

• Pflegen Sie proaktiv die richtigen Konten mit höheren Conversion-Chancen.
• Erhöhen Sie die Effektivität der Bemühungen um kontobasiertes Marketing (ABM).
• Erhöhen Sie die Anzahl von Marketing-qualifizierten Leads (MQLs) und Konvertierungsraten.

Anwendungsfälle für die Industrie

• Fertigung: Ein globales Fertigungsunternehmen kann die Vorhersage-, Account-Lead- und Kontaktbewertungsmodelle von Oracle Unity verwenden, um die Wahrscheinlichkeit einer Verkaufskonvertierung basierend auf Profil- und Engagement-Mustern zu schätzen und zu bewerten.
• Technologie: Ein Technologieunternehmen kann Predictive Account Scoring nutzen, um die ABM-Bemühungen zu beschleunigen, indem es ermittelt, welche Kontakte in einem bestimmten Account die höchste Chance auf Konvertierung haben, und sie dann proaktiv zu Kampagnen und Outreach-Programmen hinzufügt.

Leadbewertungsmodell kontaktieren

Das Leadbewertungsmodell für Kontakte ist ein prädiktives, einsatzbereites Data-Science-Modell, das Kontakte anhand ihres Profils, ihres Umsatzes, ihrer Verhaltensdaten und ihres Engagementmusters nach ihrer Konvertierungswahrscheinlichkeit bewertet.

Das Modell generiert Leadscorewerte mit Zeitstempeln für die Leadbewertung für jeden Kontakt. Es hilft, die Kontakte zu bestimmen, die in verschiedenen Ebenen des Verkaufstrichters aktiv sind, und ihr Potenzial, Einkäufe zu tätigen, so dass Sie Kundensegmente präzise anvisieren und Vertriebs- und Marketingstrategien effektiv ausrichten können.

Vorteile

• Pflegen Sie proaktiv Kontakte mit höheren Conversion-Chancen.
• Erhöhen Sie die Anzahl von Marketing-qualifizierten Leads (MQLs) und Konvertierungsraten.

Anwendungsfälle für die Industrie

• Technologie: Ein Unternehmen für Unternehmenssoftware kann dieses Modell nutzen, um die Vertriebsanstrengungen zu beschleunigen, indem es ermittelt, welche Kontakte in einem bestimmten Account die höchste Chance auf Konvertierung haben, und sie dann proaktiv zu Outreach-Programmen hinzufügt.

Modell des Kundenlebenszeitwerts

Das Customer Lifetime Value-(CLV-)Modell ist ein einsatzbereites Data Science-Modell, das den Wert eines Kunden über einen bestimmten Zeitraum schätzt. Diese Vorhersage basiert auf mehreren Kontaktpunkten, einschließlich Kundenprofildaten, vergangener Transaktionshistorie sowie dem monetären Wert und der Häufigkeit der Transaktion.

Business-Anwender können das CLV-Modell anpassen, um ihren Kunden einen Lifetime-Wert von drei, sechs oder zwölf Monaten zu bieten.

Vorteile

• Budgetieren Sie Marketingausgaben effektiver, wenn Sie Kunden akquirieren, binden und bedienen.
• Identifizieren und konzentrieren Sie sich mehr auf hochwertige Kunden, um die Kundenbindung zu erhöhen und den Umsatz zu steigern.

Anwendungsfälle für die Industrie

• Verpackte Konsumgüter: Ein Online-Kosmetikunternehmen verwendet das Customer Lifetime Value-Modell, um den Wert eines Kunden im Laufe der Zeit auf der Grundlage seines Profils und seiner Transaktionsmuster zu schätzen. Sie erstellen eine Kampagne für ein neues High-End-Hautpflegeprodukt, die sich an Kunden richtet, die in den letzten sechs Monaten weniger als zwei Hautpflegeprodukte gekauft und mehr als 200 USD ausgegeben haben.
• Automobilindustrie: Ein Automobilhersteller nutzt das CLV-Modell, um Kundenausgabenbereiche zu identifizieren und Angebote für Autos zuzuschneiden, die innerhalb dieser Ausgabenbereiche liegen.
• Einzelhandel: Ein Lebensmittelgeschäft führt das CLV-Modell aus, um Kunden zu identifizieren, die einen hohen Lifetime Value bei der Marke haben, die in eine Kampagne aufgenommen werden soll, um ihr neues Treueprogramm zu fördern.

Kampagnenumsatz Attributionsmodelle

Die Kampagnenumsatz Attributionsmodelle sind einsatzbereite Data-Science-Modelle, mit denen Sie den Erfolg von Kampagnen ermitteln können, indem Sie die Touchpoints analysieren, die zu Umsatz und Conversions führen. Es gibt zwei Arten von Kampagnenumsatz-Attributionsmodellen.

• Das Attributionsmodell für Umsatzkampagnen misst die Effektivität von Kampagnen, indem jeder Kampagne ein monetärer Wert zugewiesen wird.
• Das Attributionsmodell für umsatzunabhängige Kampagnen misst die Effektivität von Kampagnen, indem jeder Kampagne ein prozentualer Attributionswert zugewiesen wird. Das Modell berechnet einen Attributionsprozentsatz als Prozentsatz der Kampagnen, die für jede einzelne Kampagne in Gesamtkonvertierungen konvertiert wurden.

Jedes Modell berücksichtigt alle Touchpoints, die zur Konvertierung der Kampagne beigetragen haben.

Vorteile

• Verstehen Sie die Zuordnung über die umsatzbasierte Ausgabe hinaus.
• Treffen Sie Entscheidungen basierend auf objektiven Datenanalysen statt auf subjektiven Entscheidungen.
• Verstehen Sie, welche Ereignisse die effektivsten Konvertierungen generieren, und bestimmen Sie, wo Sie Budget ausgeben müssen, und verbessern Sie den ROI.

Anwendungsfälle für die Industrie

• Einzelhandel: Ein Einzelhändler kann das Kampagnenattributmodell verwenden, um Multichannel-Journeys besser zu verstehen und einen Einblick zu erhalten, welcher Kanal dabei hilft, die meisten Conversions zu erzielen.
• Technologie: Ein SaaS-Technologieunternehmen kann das Kampagnenattributmodell nutzen, um Multi-Touch-Kampagnen besser zu verstehen und zu verstehen, welche Inhalte, Kanäle und Kampagnenanstrengungen für den Umsatzabschluss am einflussreichsten waren.

Aktualität, Häufigkeit und monetäres Modell

Das Modell für Aktualität, Häufigkeit und Währung (RFM) ist ein einsatzbereites Data-Science-Modell, das numerische Scores für Aktualität, Häufigkeit und monetäre Werte basierend auf Ereignis- und Transaktionsdaten generiert. Damit können Sie Kunden in verschiedene Personas trennen und sie dann mit dem relevantesten Messaging ansprechen.

Das RFM-Modell verwendet die folgenden Merkmale, um das Engagement und das Kaufverhalten zu messen:

• Aktualität: Die letzte Transaktion des Kunden.
• Häufigkeit: Wie oft macht der Kunde eine Transaktion?
• Monetär: Größe/Gesamtwert der Transaktion des Kunden.

Jedes Merkmal wird durch einen Score zwischen eins und fünf dargestellt: einer ist der jüngste, am wenigsten häufige oder niedrigste Kaufwert und fünf ist der letzte, häufigste oder höchste Kaufwert.

Das Modell verwendet die folgenden Personas, um den Wert jedes Kunden anzugeben.

• Verloren: Ihre schwächsten Mitarbeiter mit minimaler Aktivität im beobachteten Zeitraum.
• Gefährdet: Einsteiger, die den Beginn von Inaktivität und geringem Kaufverhalten zeigen.
• Kann nicht verlieren: Abonnenten mit einem stärkeren Footprint in Inaktivität. Noch zu retten.
• Versprechen: durchschnittliches Recency- und Wertniveau.
• Neu: Jüngste Mitarbeiter mit einem starken und wertvollen Engagement.
• Champion: Das Beste vom Besten. Ihre letzten Engager mit dem stärksten und wertvollsten Engagement.

Vorteile

• Verwenden Sie RFM-Personas, um Ihre Kunden mit den relevantesten Nachrichten und Angeboten basierend auf dem relativen Kundenwert anzusprechen. Diese verbesserte Kundenbindung kann die Antwortraten, die Kundenzufriedenheit, die Kundenbindung und den Customer Lifetime Value erhöhen.

Anwendungsfälle für die Industrie

• Einzelhandel: Ein Einzelhändler kann das Targeting, die Personalisierung und die Gesamtkonvertierung verbessern, indem er das RFM-Modell nutzt, um Zielgruppen (hohe Werte, vielversprechende, gefährdete, verlorene usw.) für verschiedene Feiertagskampagnen basierend auf ihren früheren Interaktionen zu identifizieren und zu segmentieren.

Nach oben

Abwanderungswahrscheinlichkeitsmodell

Das Abwanderungsneigungsmodell ist ein einsatzbereites Data-Science-Modell, das die Wahrscheinlichkeit einer Kundenabwanderung basierend auf ihren Transaktions- und Verhaltensmustern bewertet und misst.

Sie identifiziert die Kunden mit größerer Abwanderungswahrscheinlichkeit und gibt Marketingspezialisten Einblick, welche Kunden mit bestimmten Kampagnen oder Messaging angesprochen werden sollen, um sie zu binden.

Vorteile

• Mit dem Modell können Sie Zielgruppen und Segmente (einschließlich hochwertiger Kunden) proaktiv identifizieren, die von Abwanderung bedroht sind. Marketing- und Werbeteams können dann Win-Back-Kampagnen für diese Kunden mit relevantem Messaging auslösen, um die Kundenbindungsrate zu verbessern.

Anwendungsfälle für die Industrie

• Kommunikation: Ein Telekommunikationsanbieter kann automatisch eine spezielle Aktion an Kunden senden, die über einen Wechsel zu einem anderen Anbieter nachdenken.

Engagementneigungsmodell

Das Engagementneigungsmodell misst die Wahrscheinlichkeit, dass ein Kunde E-Mails (öffnen, klicken, abonnieren oder abbestellen) basierend auf seinen früheren Interaktionen nutzt.

Vorteile

• Verbessern Sie das E-Mail-Targeting und das Kampagnenengagement.
• Erhöhen Sie die Kampagnenkontaktpunkte genau, indem Sie sich auf die Zielgruppen konzentrieren, die am ehesten erschöpft sind, und entfernen Sie Zielgruppen.

Produktneigungsmodell

Dieses einsatzbereite Modell prognostiziert die Wahrscheinlichkeit, dass Kunden ein bestimmtes Produkt basierend auf historischen Interaktionen und Kundenprofildaten kaufen.

Mit dem Modell können Sie ermitteln, welche Kunden am ehesten ein bestimmtes Produkt kaufen, indem Sie sich den Neigungsscore für Kunden- und Produktkombinationen ansehen.

Vorteile

• Verbringen Sie Marketingbudgets effektiver, indem Sie Kunden- und Produktkombinationen mit hoher Neigung anvisieren.

Gewinnen Sie Erkenntnisse, die Ihrem Unternehmen sonst nicht zur Verfügung stehen, um die Entscheidungsfindung zu verbessern.

Anwendungsfälle für die Industrie

• Einzelhandel: Ein Einzelhändler kann das Produktneigungsmodell nutzen, um die richtigen Produktangebote für neu engagierte Kunden zu identifizieren und die Konversion und Kundenakquise zu verbessern.
• Telekommunikation: Ein Mobilfunkunternehmen kann das Produktneigungsmodell nutzen, um Kunden bei neuen Telefon-, Hardware- und Serviceupgrades zu unterstützen.

Rückkaufneigungsmodell

Das Rückkaufneigungsmodell misst die Wahrscheinlichkeit, dass Kunden bestimmte Produkte zurückkaufen. Die Bewertungen der Wiederkaufneigung werden basierend auf früheren Kundentransaktionen sowie demografischen und Verhaltensdaten berechnet.

Vorteile

• Nutzen Sie die Neigungsergebnisse für den Rückkauf für Zielgruppen, die in der Oracle Unity Customer Data Platform erstellt wurden, um kanalübergreifende Engagementkampagnen zu optimieren und Kunden anzusprechen, die am ehesten ein Produkt zurückkaufen.

Nach oben

Optimales Folgeaktionsmodell

Das nächstbeste Aktionsmodell ist ein einsatzbereites Data-Science-Modell, das die Kundenanforderungen vorhersagt und die relevantesten Aktionen für jeden Kunden basierend auf Vertriebs- und Transaktionsmustern empfiehlt.

Das Modell verwendet Kundenprofildaten, Kundenbindung, Produktkatalogdaten und Käufe, um die fünf wichtigsten empfohlenen Aktionen für den Kunden zu generieren. Anhand dieser Empfehlungen können Sie die relevanteste Aktion für einen bestimmten Kunden bestimmen.

Vorteile

• Steigern Sie die Konversionsraten, indem Sie mit den Kunden auf die richtige Weise interagieren, mit der nächsten, besten Aktion auf der Customer Journey.

Anwendungsfälle für die Industrie

• Automobilindustrie: Eine globale Automobilmarke kann die NBA- und NBO-Modelle (Next Best Offer) von Unity nutzen, um die relevantesten Maßnahmen und Angebote für jeden Kunden basierend auf Vertriebs- und Transaktionsmustern zu empfehlen.
• Finanzdienstleistungen: Ein Finanzdienstleistungsunternehmen kann die nächstbesten Aktions- und nächstbesten Angebotsmodelle verwenden, um Zielgruppen zu identifizieren, die wahrscheinlich auf neue Angebote für Finanzprodukte wie ein Anlagekonto, eine Kreditlinie oder eine Hypothek umwandeln werden, und die Erfahrungen seiner Kunden kanalübergreifend basierend auf dieser Empfehlung personalisieren.
• Reisen und Gastgewerbe: Eine Kreuzfahrtgesellschaft kann mithilfe der NBO- und NBA-Modelle ermitteln, welches Angebot einem Kunden gesendet werden soll, damit er seine nächste Reise oder seinen nächsten Aufenthalt buchen kann.

Next Best Offer Model

Das nächste beste Angebotsmodell von Oracle Unity ist ein einsatzbereites Data-Science-Modell, das Kundenanforderungen vorhersagt und basierend auf Vertriebs- und Transaktionsmustern die relevantesten Angebote für jeden Kunden empfiehlt.

Das Modell verwendet Kundenprofil-, Kundenbindungs-, Produktkatalog- und Kaufdaten, um Empfehlungen zu generieren. Es ermöglicht Benutzern, aus Top-Empfehlungen zu Angeboten zu wählen, die an verschiedene Produkte oder Dienstleistungen gebunden sind. Benutzer können diese Empfehlungen verwenden, um die relevantesten Angebote zu bestimmen, die an bestimmte Kunden gesendet werden.

Vorteile

• Steigern Sie Ihre Conversion-Rate, indem Sie das nächstbeste Angebotsmodell nutzen, um mit Ihren Kunden mit den relevantesten Inhalten oder Angeboten in Kontakt zu treten.

Anwendungsfälle für die Industrie

• Automobilindustrie: Eine globale Automobilmarke kann die NBA- und NBO-Modelle (Next Best Action) nutzen, um die relevantesten Maßnahmen und Angebote für jeden Kunden basierend auf Vertriebs- und Transaktionsmustern zu empfehlen.
• Finanzdienstleistungen: Ein Finanzdienstleister kann die Modelle der nächstbesten Aktion und des nächstbesten Angebots verwenden, um Zielgruppen zu identifizieren, die wahrscheinlich auf neue Angebote für Finanzprodukte wie ein Anlagekonto, eine Kreditlinie oder eine Hypothek umwandeln werden, und die Erfahrungen seiner Kunden über Kanäle hinweg basierend auf dieser Empfehlung personalisieren.
• Reisen und Gastgewerbe: Eine Hotelkette kann mithilfe der NBO- und NBA-Modelle ermitteln, welches Angebot einem Kunden gesendet werden soll, damit er seine nächste Reise oder seinen nächsten Aufenthalt buchen kann.

Nächstbestes Promotionmodell

Das nächstbeste Promotionmodell ist ein einsatzbereites Data-Science-Modell, das die historischen Produktkäufe von Kunden verwendet, um den Preis zu bestimmen, den ein Kunde für ein bestimmtes Produkt zahlen möchte. Mit diesem Modell können Sie die Preisgestaltung von Produkten für Ihre Kunden intelligent personalisieren.

Vorteile

• Das nächstbeste Promotionmodell ermöglicht eine personalisierte Preisgestaltung von Produkten, was zu höheren Konvertierungsraten, Gesamtumsatz und durchschnittlichem Auftragswert führt.

Anwendungsfälle für die Industrie

• Gesundheitswesen: Ein Gesundheitsunternehmen kann das nächste beste Promotionmodell verwenden, um seine Preise für ein neues Schlafhilfeprodukt basierend auf früheren Einkäufen einzelner Kunden zu optimieren.
• Versicherungen: Eine Versicherungsmarke kann das nächstbeste Promotionmodell nutzen, um personalisierte Preise für Add-on-Versicherungspakete bereitzustellen, um die Konversionsraten zu verbessern und Kunden dabei zu unterstützen, diese zu bündeln und zu sparen.

Nach oben

Kampagnenempfehlermodell

Das Kampagnenempfehlermodell ist ein einsatzbereites Data-Science-Modell, das die effektivste Kampagne identifiziert, die für jeden Kunden gesendet wird, basierend auf dem Engagement und den Conversion-Trends des Kunden in der Vergangenheit über verschiedene Kampagnen hinweg.

Das Modell verwendet verschiedene Zeiträume (drei Monate, ein Jahr und drei Jahre), um wiederkehrende und einmalige B2C-Kampagnen für jeden Kunden in jeder Instanz basierend auf der Wahrscheinlichkeit von Konvertierungen einzustufen.

Vorteile

• Verbessern Sie die Conversion und den ROI Ihrer Kampagnen, indem Sie intelligent vorhersagen, welche Kampagnen basierend auf aktuellen Engagement- und Conversion-Trends für Kunden optimal sind.

Anwendungsfälle für die Industrie

• Gesundheitswesen: Eine Gesundheitsorganisation kann das Modell nutzen, um basierend auf der früheren Konversion und dem Engagement zu ermitteln, welche zukünftigen digitalen Kampagnen zur Patientenbindung für jeden Patienten geeignet sind.
• Einzelhandel: Ein Einzelhändler kann das Modell verwenden, um die Kampagnenkonvertierung und den Customer Lifetime Value zu verbessern, indem er Zielgruppen in Kampagnen platziert, mit denen er am ehesten basierend auf dem früheren Engagement und der früheren Konvertierungshistorie interagieren wird.

Kanalempfehlermodell

Dieses einsatzbereite Data Science-Modell empfiehlt den besten Marketingkanal für Kunden basierend auf historischen Interaktionsdaten.

Das Kanalempfehlermodell ordnet die Interaktionskanäle für jeden Kunden in jeder Instanz basierend auf der Wahrscheinlichkeit von Konvertierungen ein. Sie erhalten Einblicke, welche Kanäle den Umsatz steigern, und können Möglichkeiten finden, den Umsatz zu steigern, indem Sie Ausgaben kanalübergreifend mit hohen Konvertierungsraten verteilen.

Folgende Kanäle werden bewertet:

• E-Mail
• SMS
• Übertragung
• Internet

Vorteile

• Verbessern Sie die Konvertierung, indem Sie den am besten prognostizierten Kanal verwenden, um Kundenprofile anzusprechen, während sie sich durch den Verkaufstrichter bewegen.

Anwendungsfälle für die Industrie

• Versorgungsunternehmen: Ein Elektrizitätsunternehmen kann das Modell verwenden, um zu bestimmen, ob E-Mail, SMS, Push oder Web am besten geeignet sind, um mit bestimmten Kunden während der On- und Off-Peak-Energiezeiten zu kommunizieren.

Ermüdungssegmentierungsmodell

Dieses einsatzbereite Data Science-Modell klassifiziert Kunden basierend auf ihrem Profil und ihrem Engagement in verschiedene Ebenen der Nachrichtenermüdung.

Das Ermüdungssegmentierungsmodell verhindert die Ermüdung von Kunden, indem es Einblicke in die Anzahl der Kampagnen und Nachrichten bietet, die an jedes Kundenprofil gesendet werden müssen.

Es misst die Nachrichtenermüdung jedes Kundenprofils basierend auf dem Engagement des Kunden, der Historie der erhaltenen und geöffneten Kampagnen und vor allem der Persona des Kundenprofils. Sie bestimmen und steuern die optimale Anzahl von Nachrichten, die an jedes Kundenprofil gesendet werden sollen, um Ermüdung zu vermeiden.

Vorteile

• Heben Sie Kunden, die aktiv sind und bereit sind, sich von denen zu unterscheiden, die müde sind.
• Erhalten Sie Einblicke, mit denen Sie die Kampagnenreichweite für jeden Kunden basierend auf seinem Ermüdungsniveau kontrollieren können.
• Steigern Sie das Engagement und/oder die Conversions und reduzieren Sie Ausfälle.

Anwendungsfälle für die Industrie

• Fertigung: Ein Hersteller von Solarzellen verwendet das Modell, um Kunden auf der Grundlage ihres Profils und ihres Engagements in verschiedene Müdigkeitsebenen zu klassifizieren. Auf diese Weise kann der Hersteller den Umfang der Mitteilungen an seine Zielkunden anpassen.
• Technologie: Ein B2B-Technologieunternehmen nutzt das Modell, um potenzielle Kunden zu identifizieren, die aus den Bemühungen der High-Touch-ABM-Kampagne entfernt und wieder in allgemeine kanalübergreifende Kampagnen aufgenommen werden sollten.

Sendezeitoptimierungsmodell

Das Sendezeitoptimierungsmodell ist ein einsatzbereites Data-Science-Modell, das den optimalen Zeitpunkt für das Senden von Kampagnen-E-Mails an Kunden basierend auf dem bisherigen E-Mail-Verhalten bestimmt.

Beispiel: Das Modell löst das Senden von Kampagnen-E-Mails aus, bevor Kunden in der Regel ihre Posteingänge überprüfen. Infolgedessen wird die Nachricht oben im Posteingang des Kunden angezeigt, sodass sichergestellt ist, dass die E-Mail am wahrscheinlichsten angezeigt und geöffnet wird.

Vorteile

• Steigern Sie die Kundenbindung und -konvertierung, indem Sie Kampagnen optimieren, indem Sie Kunden in den Zeiten ansprechen, in denen sie E-Mails am ehesten sehen, öffnen, lesen oder bestätigen.
• Senden Sie E-Mails kurz bevor ein Kunde in der Regel seinen Posteingang überprüft, was die Wahrscheinlichkeit erhöht, dass Ihre E-Mails angezeigt und geöffnet werden.

Anwendungsfälle für die Industrie

• Einzelhandel: Ein Modehändler kann die Wahrscheinlichkeit von Kundenbindung und -konvertierung bei neuen Kampagnen erhöhen, indem er das Modell nutzt, um die Kampagnenlieferzeiten kanalübergreifend zu verbessern.
• Reisen und Gastgewerbe: Ein Resort kann sicherstellen, dass seine wöchentlichen E-Mails zu günstigen Urlaubsangeboten an Kunden gesendet werden, wenn sie am ehesten mit den Inhalten in Kontakt treten.

Nach oben