Produktbeschreibungen:
Burberry ist eine globale Luxusmarke mit einer reichen britischen Tradition. Das Unternehmen hat weltweit 413 Geschäfte und plant, weiter zu wachsen, indem es ein herausragendes, personalisiertes Kundenerlebnis bietet. Bis vor Kurzem war dieses Ziel aufgrund erheblicher Verzögerungen bei der Datenverarbeitung schwer zu erreichen, die das Unternehmen daran hinderten, die Clickstream-Daten von Burberry.com zeitnah zu analysieren. Durch die Implementierung der Databricks Data Intelligence Platform und der Behavioral Data Platform von Snowplow hat Burberry eine vollständige Sicht auf jede Kundin und jeden Kunden aufgebaut (AI-Ready Customer 360) und die Grundlage für schnellere, relevantere Interaktionen geschaffen. Die Kundenberater im Geschäft können jetzt Informationen über das neueste Online-Verhalten von Kunden, die zugestimmt haben, auf ihren Smartphones und Tablets abrufen, was ihnen hilft, ein wirklich überragendes Kundenerlebnis (NextGen CX) zu bieten.
Tägliche Batches mit Clickstream-Daten kamen zu spät an, um nützlich zu sein
Ob sie nun den legendären Burberry-Trenchcoat oder ein anderes luxuriöses Kleidungsstück suchen, Kundinnen und Kunden aus aller Welt strömen in Burberry-Stores, um ein personalisiertes Erlebnis zu erhalten. Viele informieren sich jedoch zunächst online über das Angebot – eine Praxis, die als Webrooming bekannt ist. Burberry analysiert das Online-Verhalten der Nutzer, um den Service gezielt zu verbessern und den Absatz zu steigern. Jahrelang bezog das Unternehmen Clickstream-Daten aus einem cloudbasierten Data Warehous, wünschte sich aber eine präzisere Kontrolle über die Datenbereitstellung.
„Mit unserem Data Warehouse erhielten wir die Daten des Vortages irgendwann zwischen 14:00 und 19:00 Uhr GMT“, erinnert sich Benjamin Stephens, Senior Manager, Decision Analytics bei Burberry. „Für viele Unternehmen mag dieser Zeitplan passen. Bei Burberry stehen wir jedoch permanent unter Druck, unsere Webdaten zu aktivieren, damit unsere Kundenberaterinnen und -berater in den Stores weltweit damit arbeiten können. Dieses Tempo ist entscheidend, um das Service-Niveau zu bieten, für das Burberry bekannt ist.“
Burberry brauchte zudem mehr Transparenz in den Daten. Das Data Warehouse aggregierte und bereinigte die Daten automatisch – dadurch war es schwer, Details zu Kundenbesuchen zuverlässig nachzuvollziehen. Die Webdaten mussten regelmäßig validiert werden, um sicherzustellen, dass sie verwertbar waren.
„Je tiefer wir in unsere Daten eintauchten, desto mehr schwand unser Vertrauen, valide Schlüsse daraus ziehen zu können“, so Stephens. „Einfache Anfragen wie: ‚Was ist gestern auf der Website passiert?‘ blieben unbeantwortet. Wir standen oft vor der Wahl, entweder eine schnelle oder eine gute Entscheidung zu treffen.“
Bessere, schnellere Daten, smartere Modelle: Machine Learning als CX-Motor
Um diesen Herausforderungen zu begegnen, implementierte Burberry die Databricks Data Intelligence Platform und die Behavioral Data Platform (BDP) von Snowplow. So kann Burberry eine Next-Gen Customer Experience auf Basis verlässlicher, hochwertiger Daten bieten. Während Clickstream-Daten von Burberry.com einfließen, erzeugt Snowplow BDP in Echtzeit KI-bereite 360°-Kundenprofile über alle digitalen Touchpoints hinweg. Von dort gelangen die Daten in die Databricks Data Intelligence Platform, die 40 personalisierte Modelle für Tasks wie Produktempfehlungen, Propensity Scoring und Lifetime Value betreibt. Diese Modelle berechnen die Signale umgehend neu, bevor sie ins Aktionssystem ausgespielt werden.
„Ein NextGen-CX-Programm ist nur so gut wie die Geschwindigkeit und Genauigkeit der Daten, die man damit gewinnen kann“, erklärt Stephens. „Mit der Databricks Data Intelligence Platform und Snowplow BDP haben wir den Sprung von täglichen Daten-Batches zu einer genauen Echtzeit-Sicht der digitalen Aktivitäten unserer Kunden geschafft. Unsere personalisierten Modelle bleiben automatisch auf dem neuesten Stand, indem sie Verhaltensdaten verarbeiten. Und während des gesamten Prozesses hilft uns Snowplow, den Datenschutz zu gewährleisten, indem es uns die volle Kontrolle darüber gibt, wie viele Informationen wir von Kunden sammeln, und es uns ermöglicht, die Zustimmung der Nutzer zu verfolgen.“
Auch den Marketing-ROI sieht Burberry heute klarer – dank verfeinerter Marketing-Attribution. Snowplow schärfte die Business-Definitionen für alle Marketingaktivitäten und Taxonomien. Über das dbt-Plug-in für Databricks zog Burberry zusätzliche Details aus Referral-Quellen, Consent-Bannern und serverseitigen Cookies. Ergebnis: eine reichhaltige, vollständig eigene Marketing-Grundlage mit einem einfachen Attributionsmodell,m um nahezu in Echtzeit zu verstehen, was funktioniert.
„Mithilfe von Verhaltensdaten von Snowplow haben wir eine Last-Click-Attributionsansicht gebaut, die einige der vielen Variablen aus unserer Arbeit berücksichtigt“, fügt Stephens hinzu. „Wir sind deutlich smarter in der Entwicklung unserer datengetriebenen Attributionsmodelle, was uns helfen wird, bessere Entscheidungen darüber zu treffen, wo wir in Zukunft unser Marketingbudget investieren.“
Next-Gen CX mit starker Personalisierung
Nach der Einführung von Databricks und Snowplow hat Burberry überwand Burberry viele langjährige Hürden bei der Personalisierung. Zuvor war das Unternehmen bei der Verwendung von Cookies stark eingeschränkt, da der Safari-Browser die Cookie-Laufzeit auf sieben Tage beschränkt. Nach der Umstellung auf serverseitige Cookies mit Snowplow sind die Cookies von Burberry nun 12 Monate lang gültig. Das Beste daran: Serverseitige Cookies sind datenschutzfreundlicher als Third-Party-Cookies und unterstützen die Einhaltung der DSGVO, beides Prioritäten für Burberry.
„Der Sprung von einer Woche auf ein Jahr bei unseren anonymen Cookies ist enorm“, so Stephens. „Wenn wir Nutzer bis zu einem Jahr lang begleiten können, ist die Wahrscheinlichkeit viel größer, dass sie sich irgendwann identifizieren – etwa durch einen Klick auf eine E-Mail. Dann können wir ihre Historie einer Kundin oder einem Kunden zuordnen und beginnen, ihnen einen besser personalisierten Service zu bieten.“
Der Fokus auf besseren Service für Webrooming-Kundschaft zahlt sich für Burberry aus. Die durchschnittliche Webrooming-Journey dauert zwei bis sechs Stunden – vom ersten Online-Stöbern des Burberry-Kunden bis zum Eintreffen im Store. Mit Databricks und Snowplow erhalten die Kundenberaterinnen und -berater rechtzeitig Einsicht in das Online-Verhalten von Kundinnen und Kunden mit Opt-in.
„Unsere Kundenberater können ihr iPad oder iPhone zücken und sofort sehen, was ein Kunde wirklich möchte und welche Produkte sie empfehlen können“, bemerkt Stephens. Verpassen wir diesen Moment, kommt die Kundin oder der Kunde womöglich erst in ein bis zwei Wochen zurück. Wir hätten keine Chance, diesen Use Case zu unterstützen, wenn wir unsere Clickstream-Daten immer noch in täglichen Batch erhalten würden.“
Die Kombination aus Databricks und Snowplow ermöglicht Burberry, Clickstream-Daten nach eigenem Takt zu verarbeiten – nicht nach dem Zeitplan eines Datenanbieters. „Wir arbeiten daran, die Datenlatenz auf fünf Minuten zu senken, was für ein Unternehmen wie unseres enorm ist“, schließt Stephens. „Snowplow hat es uns ermöglicht, mehrere Datenquellen und ihre Transformationen durch einen einzigen Satz von Definitionen zu ersetzen. Und wir setzen auf Databricks, um verschiedenste Verhaltenssignale aus unterschiedlichen Quellen und in unterschiedlichen Frequenzen zusammenzuführen. Das ist der Beginn einer völlig neuen Ära des Kundenservices bei Burberry.“