Produktbeschreibungen:
Pandora legt seit Jahren die Messlatte für Schmuckdesign und Handwerkskunst höher und verzeichnet dadurch jährlich 670 Millionen Besuche in mehr als 100 Ländern – online wie offline. Pandora erkannte, dass sie, um die Bedürfnisse ihrer Kunden zu erfüllen und das Online-Engagement zu steigern, Einkaufserlebnisse bieten mussten, die genauso personalisierbar sind wie ihre Produkte. Dafür benötigte Pandora eine einheitliche Sicht auf alle Daten des Unternehmens, um diese einfach zu segmentieren, zu kategorisieren und zu analysieren und den Verbrauchern so individuelle Botschaften zu übermitteln. Pandora baute das Master-Consumer-View-(MCV)-Dashboard auf der Databricks Data Intelligence Platform. Dank dieses Dashboards verfügt Pandora nun über die Einblicke, die das Unternehmen benötigt, um hochgradig zielgerichtete Botschaften zu übermitteln. Das steigert die Kundeninteraktion – vom ersten Öffnen einer Marketing-E-Mail über höhere Warenkorb-Conversions bis hin zu mehr Umsatz auf der Website.
Verbraucherdaten für Personalisierung nutzbar machen
Nur wenige Käufe im Leben spielen eine so wichtige Rolle wie ein Schmuckgeschenk für die Menschen, die wir am meisten lieben. Ob Verlobungsring oder Jubiläumsgeschenk, jedes Stück zelebriert eine einzigartige persönliche Verbindung. Die Mission von Pandora ist es, Menschen zu helfen, ihrer Liebe Ausdruck zu verleihen. Das Unternehmen erfüllt diesen Anspruch mit erschwinglichem, handgefertigtem Schmuck für viele statt wenige – mit Stücken, die personalisiert werden können, um unsere vielen Facetten zu zeigen und unvergessliche Momente zu schaffen.
Deshalb bietet Pandora entlang der gesamten Customer Journey ein stärker personalisiertes Erlebnis. Im Mittelpunkt dieser Strategie steht die Fähigkeit, die in Kundeninteraktionen entstehenden Daten zu nutzen. Pandora erfasst drei verschiedene Arten von Daten: Kundenprofile mit Informationen auf Produktebene, Online- und Offline-Bestellungen sowie Aktivitäten auf Webseiten. Die Altlösung des Unternehmens tat sich schwer mit Datenmenge und -komplexität. Teamübergreifende Zusammenarbeit war kaum möglich: Unterschiedliche Programmiersprachen und Zugriffsrechte verhinderten eine gemeinsame Sicht auf Probleme. Zudem verlangsamte das Altsystem die Data-Science-Teams, da komplexe Machine-Learning-Modelle (ML-Modelle) in ressourcenintensiven, manuellen Prozessen aufgebaut und trainiert werden mussten. Numan Ali, Solution Architect im Data & Analytics Center of Excellence bei Pandora: „Bei unserem Scale war es für die Datenteams zu komplex, Daten zu explorieren, gemeinsam daran zu arbeiten und sie zu analysieren. Und weil wir Daten nicht schnell genug bereitstellen konnten, litten auch Analytics-Innovationen.“
Zudem war es auf der alten Infrastruktur schwierig, zuverlässige, performante Pipelines für nachgelagerte Analytics- und ML-Use-Cases zu bauen. Das beeinträchtigte die Time-to-Market und damit die Wettbewerbsfähigkeit – und machte personalisierte Customer Journeys praktisch unmöglich. „Es dauerte mehr als einen Tag, bis die Daten von der Quelle zum Endpoint gelangten“, so Numan. „Um ein präzises, personalisiertes Einkaufserlebnis zu bieten, brauchten wir einen einfacheren, schlankeren Ansatz, der es uns ermöglichen würde, unsere wertvollen Daten zu nutzen.“
Datenteams mit einem einheitlichen Lakehouse stärken
Pandora entschied sich dafür, seinen Datenansatz mit der Databricks Data Intelligence Platform zu modernisieren. Das Onboarding war einfach und die Zusammenarbeit verlief reibungslos, was zu einer breiten Akzeptanz in den Datenteams von Pandora führte. Zum ersten Mal konnten diese Teams – einschließlich Business-Anwendern wie BI-Analysten – auf einer zentralen Plattform zusammenarbeiten. Numan sagt: „Die verschiedensten Leute mit den unterschiedlichsten Use Cases, die traditionell unterschiedliche Technologien nutzten – sie alle sind durch Databricks wirklich zusammengekommen. Sie konnten sich gegenseitig besser verstehen, Daten leichter auffinden und mühelos Einblicke austauschen. Die Zusammenarbeit wurde sehr, sehr einfach.“ Selbst Marketer können jetzt auf die Daten zugreifen und mit begrenzten SQL-Kenntnissen können sie Ad-hoc-Abfragen durchführen, ohne die Datenteams zu binden, und Einblicke direkt in Power BI visualisieren.
Mit der einheitlichen Datensicht im Lakehouse können die Datenteams die nötigen Pipelines bauen und so verschiedene Stakeholder – auch für Personalisierungs-Use-Cases – zuverlässig mit Daten versorgen. Die BI-Entwickler von Pandora erstellten das MCV-Dashboard in Power BI und speisen Daten nun direkt aus Databricks ein. So erhalten Marketer ein besseres Verständnis über 11 Segmente und können gezieltere Kampagnen entwickeln.
Personalisierung im B2C-Bereich bringt unternehmensweiten Erfolg
Seit der Einführung der Databricks Data Intelligence Platform hat Pandora erhebliche Steigerungen der betrieblichen Effizienz verzeichnet. So gelangen die richtigen Daten in die Hände der Datenteams – und das innerhalb von Stunden statt Tagen. Dadurch hat Pandora kanalübergreifend neue, personalisierte Erlebnisse geschaffen – und die Interaktion mit Kunden entlang der Customer Journey grundlegend verändert. Seitdem wurden die Personalisierungsmaßnahmen auf acht Kernmärkte skaliert (USA, Australien, Frankreich, Deutschland, Italien, Großbritannien, Niederlande und Polen). Daten als zentrale Basis der Personalisierung führten zu einer 50 % höheren Click-to-Open-Rate gegenüber standardisierten Newslettern; jährlich werden 65 Millionen E-Mails mit personalisierten Produktempfehlungen versendet.
Perspektivisch setzt Pandora weiter auf Databricks, um den erreichten Reifegrad in der Personalisierung auszubauen und auf zusätzliche Online- und Offline-Touchpoints zu übertragen. „Eine große Chance ist echte Omnichannel-Personalisierung: Wir verknüpfen das Surfverhalten auf unserer Website mit exzellentem Service – und steigern so die Verkäufe im Store“, so Numan abschließend. „Dafür brauchen wir den Schulterschluss aller Datenteams. Die Databricks Data Intelligence Platform ist der gemeinsame Nenner, der uns dorthin bringt.“