Wie lässt sich die Effizienz des klassischen Direktmailings durch die Übersetzung in eine Online-Kampagne erhöhen? Die Zurich Gruppe Deutschland hat die Frage in Kooperation mit Google beantwortet. Beim maßgeschneiderten Geo-Experiment wurde zusätzlich gezeigt, wie die Effizienz des Direktmarketings durch die Integration von Google Display Ads als Kampagnenkanal erhöht werden kann – und wie Machine Learning die Ergebnisse signifikant verbessert, wenn man sich an ein paar zentrale Maximen hält.
ZIELE
- Nutzung von Google Display Ads (GDA) als Direktmarketing-Instrument (Push Marketing)
- Effizienzsteigerung im Direktmarketing durch Machine Learning
- Verbesserung der Präzision im Measurement
ANSATZ
Übersetzung von Offline-Targeting in Digitalstrategie, Ermöglichung der Vergleichbarkeit und Bewertung unterschiedlicher Maßnahmen im Direktmarketing (offline und online), dazu Untersuchung zum zusätzlichen Effekt von Machine Learning auf CPO und Effizienz.
Gute Kommunikation muss messbar sein
Es gibt wenige Märkte, in denen es im Wettbewerb – neben der Servicequalität – so sehr auf das dauerhafte, oft stark emotional grundierte Kundenvertrauen ankommt wie bei Versicherern. Die Suche nach der auch in Nuancen bestmöglichen Ansprache spielt daher eine besondere Rolle, wenn ein Unternehmen wie die Zurich Versicherung ihren Marketingmix weiter optimieren will.
Die Zurich Gruppe Deutschland, Teil der in der Schweiz ansässigen Zurich Insurance Group, gehört mit Prämieneinnahmen von rund 5,5 Milliarden Euro (2018) und ca. 4.600 Mitarbeitenden zu den führenden Versicherern in Deutschland, hat zuletzt kontinuierliches Wachstum gezeigt und verfolgt im immer hitziger umkämpften Markt ehrgeizige Zukunftsziele, was Neuabschlüsse und Bestandspflege betrifft. Das ist natürlich nur auf Basis einer adäquaten Bewertungsgrundlage zu erreichen, die es erlaubt, diverse Push-Marketing-Strategien hinsichtlich ihrer Wirksamkeit realistisch einzuschätzen und miteinander zu vergleichen.
Wie man analog in digital übersetzt
Bei dem Experiment, das Google mit Zurich aufsetzte, standen zwei Push-Kanäle im Fokus: zum einen die Online-Werbeschaltungen im Google Display Network – und zum anderen der analoge Mailingversand per Post. Die zwei Ansätze, auf die Zurich beide strategisch baut, gehören auf den ersten Blick zu unterschiedlichen Werbewelten. Während Google Display Ads in der Regel vom Online-Marketing geschalten werden, fallen Mailings ins Feld des Direktmarketings. Ergibt die gedankliche Trennung noch Sinn? Oder könnte es auch für Direktvermarkter absolut denkbar und sinnstiftend sein, digitale Tools einzusetzen, die gefühlt zur anderen Sphäre gehören?
Genau diese Frage sollte das Geo-Experiment von Google in Kooperation mit der Zurich Versicherung beantworten. Vorher galt es aber noch, ein Problem zu lösen: Der Vergleich zwischen verschiedenen Kanälen, was Wirksam- und Wirtschaftlichkeit betrifft, liefert oft nur verzerrte Ergebnisse – weil sich mehrere Koordinaten von Kanal zu Kanal signifikant unterscheiden, zum Beispiel die Definitionen von Conversion, die Verzögerungen zwischen Ausspielung und Conversion etc. Um die Effizienz der verschiedenen Kanäle ernsthaft vergleichen zu können, hat Google in Abstimmung mit Zurich ein Konzept entwickelt, das auf all diese Faktoren Rücksicht nimmt – das maßgeschneiderte Geo-Experiment.
Das ganz spezielle Geo-Tagging
Das Grundprinzip: ein Versuchsansatz aus vier parallel durchgeführten Szenarien, die in einer Matrix gegeneinander evaluiert werden sollten. Als gemeinsame Basis mietete Zurich, wie bei einer postalischen Direktmailing-Aktion, ein Set von Adressdaten an, clusterte sie regional gemäß interner Analysen. Davon ausgehend starteten Google und Zurich eine analoge Mailing-Aktion (Szenario eins) sowie eine parallele GDA-Kampagne, für die die besagten Adress-Cluster eins zu eins in ein Geo-Tagging übersetzt wurden (Szenario zwei). So wurden Offline-Merkmale in Online-Daten übersetzt.
In bestimmten Segmenten wurde der Push über beide Kanäle gleichzeitig eingesetzt (Szenario drei). Zudem kam ein viertes Szenario hinzu: ein Gebiet, in dem weder Mailing noch GDA ausgespielt wurden. Mit diesem Gebiet (Nullgruppe) wurde gewissermaßen das Grundrauschen gemessen: Wie viele Neukunden werden im Betrachtungszeitraum gewonnen, wenn sie nicht explizit zur Zielgruppe einer Marketing-Aktion gehörten?
Alle vier Gruppen/Szenarien hatten dabei die selbe Adressqualität, weshalb die Abschlusswahrscheinlichkeit in den Gebieten identisch war. Zudem wurde eine fünfte Region ausgewählt (Szenario fünf), die nach den Offline-Adressdaten eine weniger hohe Abschlusswahrscheinlichkeit hatte. Hier wurde ein flexibleres Targeting gewählt und Machine Learning aktiviert. Der Algorithmus identifizierte also selbst die User mit der höchsten Abschlusswahrscheinlichkeit.
Was künstliche Intelligenz im Marketing bringt
Die Versuchsanordnung wurde von Google designt, als Geo-Experiment durchgeführt und nach rund zwei Monaten Laufzeit ausgewertet. Das Ergebnis knapp zusammengefasst: Offline-Direktmarketing lässt sich in der Tat vollwertig in online überführen – und mithilfe von ML noch vollends zur Erfolgsformel mit wirtschaftlichen und inkrementellen Abschlüssen stricken.
Was der Test im Einzelnen ergab: Die per Geo-Tagging gesteuerte GDA-Kampagne brachte im direkten Vergleich bessere CPOs als das entsprechende Direktmailing, das auf demselben Adressdatensatz basierte. Noch viel besser allerdings, vor allem was den Cost-per-Order und damit die Wirtschaftlichkeit betrifft, schnitt das Testszenario fünf ab – die rein vom Algorithmus und von ML getriebene GDA-Aktivität. Was flapsig klingt, konnte durch das Experiment belegt werden: Wer die künstliche Intelligenz im klug gesteckten Rahmen einfach arbeiten lässt, kann im Marketing die mit Abstand höchste Effizienz erzielen.
Aufs Feintuning kommt es an
Nur in eine Falle darf man dabei nicht tappen: Erfahrungsgemäß benötigt ML eine gewisse Zeit, um tatsächlich zu lernen und die Performance zu optimieren. Es kann durchaus passieren, dass eine vom Algorithmus gesteuerte GDA-Kampagne zu Anfang noch nicht die gewünschten Ergebnisse zeigt. Wer hier zu schnell eingreift, verpasst mitunter den großen Mehrwert von ML. Man sollte die Lernphase schon vor Start der Kampagne einkalkulieren.
Auch Zurich kann dieses Learning bestätigen und war sich innerhalb der ersten zwei Wochen unsicher, ob ML wirklich die Ziel-CPOs erreichen würde. Nach der Lernphase wurden diese dann allerdings bei Weitem übertroffen.
Ein weiteres Ergebnis des Experiments ist zentral: Um Direktmarketing optimal aus der analogen in die digitale Welt zu heben, muss man die Offline-Strategie erst vollständig durchdrungen und verstanden haben – so wie Zurich und Google das im Anwendungsfall demonstriert haben. Beim Targeting wie beim Measurement muss das Feintuning stimmen. Als nächster gewinnbringender Schritt kann dann zur Optimierung das Machine Learning eingesetzt werden.
Offline wird online – eine Perspektive
Für Zurich hat Google, als Follow-up zum überaus erfolgreichen Experiment, schon weitere Aktionen in Planung: die Online-Übersetzung zusätzlicher Offline-Cases zu Themen wie Neukundensuche oder Cross Selling. Zu spät, um die ersten Schritte zu gehen, ist es allerdings für kein Unternehmen, das sein Direktmarketing zukunftsfähig machen will. Hier gibt es eminent viel zu lernen – nicht nur für die Algorithmen.
DIE ERGEBNISSE:
- GDA-Kampagnen, die Offline-Targeting optimal in Online-Targeting übersetzen, bringen im Vergleich bessere Ergebnisse (CPOs) als entsprechende Direktmailings
- GDA-Kampagnen, die auf Basis von Machine Learning ausgesteuert werden, erzielen nach einer kurzen Lernphase signifikant bessere Ergebnisse als GDA-Kampagnen, die auf klassischem Targeting basieren
- GDA ist ein starker Treiber von Offline-Conversion. Daher sollte dieser Kanal ganzheitlich bewertet werden.
"Mit den Ergebnissen des Geo-Experiments sind wir dank Google in der Lage, unser Push-Marketing nachhaltig und optimal evaluierbar in die Zukunft zu übersetzen. GDA ist nun ein fester Bestandteil im Direct Marketing Mix geworden," resümiert Annika Kristina Bäcker, Chief Marketing Officer der Zurich Gruppe Deutschland.