Offer Decisioning
In diesem Handbuch wird das Anwendungsfallmuster für Offer Decisioning beschrieben, das mithilfe von Adobe Journey Optimizer (AJO) Decisioning und Adobe Real-Time Customer Data Platform (RT-CDP) eine zentralisierte Angebotsauswahllogik implementiert, die kanalübergreifend das nächstbeste Angebot für jedes Kundenprofil bestimmt. Er wurde für Lösungsarchitekten, Marketing-Techniker und Implementierungstechniker entwickelt, die verstehen müssen, was dieses Muster bewirkt, welche Geschäftsziele es unterstützt, welche taktischen Anwendungsfälle es ermöglicht und welche Adobe-Anwendungen beteiligt sind.
Das Muster entkoppelt die Entscheidung, was angezeigt werden soll, von der Kanallogik, wo es angezeigt werden soll, und ermöglicht eine konsistente, optimierte Angebotsauswahl über E-Mail, Web, Mobile App und jeden anderen Touchpoint. AJO Decisioning verwaltet den gesamten Angebotslebenszyklus: die Angebotserstellung und -katalogverwaltung, Eignungsregeln (wer die einzelnen Angebote sehen kann), Rangfolgestrategien (wie die Auswahl unter geeigneten Angeboten erfolgt), Platzierungen (wo Angebote angezeigt werden) und Entscheidungsrichtlinien (die alles miteinander verbinden).
Anwendungsfallmuster
In diesem Abschnitt werden der Ausführungsplan und die Musterdefinition für Offer Decisioning beschrieben.
Offer Decisioning
Verwenden Sie eine zentralisierte Entscheidungslogik, um kanalübergreifend das nächstbeste Angebot oder den nächstbesten Inhalt für ein Profil auszuwählen.
Ausführungsplan: Zielgruppenbewertung > Angebotseignung > Rangfolgestrategie > Entscheidungsausführung > Versand > Reporting
Anwendungsfall - Übersicht
Unternehmen müssen häufig jedem Kunden zum Zeitpunkt der Interaktion das relevanteste Angebot, die relevanteste Promotion oder den relevantesten Anreiz unterbreiten. Unabhängig davon, ob die Interaktion in einer E-Mail-Kampagne, auf einer Website-Homepage, in einer Mobile App oder an einem Entscheidungspunkt innerhalb einer mehrstufigen Journey stattfindet, ist die Herausforderung dieselbe: Wählen Sie aus einem Katalog verfügbarer Optionen das optimale Angebot aus, je nachdem, wer der Kunde ist, für was er sich qualifiziert und welches Angebot am ehesten das gewünschte Ergebnis erzielt.
Offer Decisioning löst dieses Problem, indem es die gesamte Angebotsauswahllogik in der Entscheidungs-Management-Engine von AJO zentralisiert. Anstatt die Angebotszuweisungen in einzelne Kampagnen oder Kanäle zu hartcodieren, wertet die Entscheidungs-Engine die Attribute jedes Profils, die Zielgruppenzugehörigkeit und kontextuelle Signale aus, um das beste Angebot in Echtzeit zu ermitteln. Durch diese Zentralisierung wird sichergestellt, dass derselbe Kunde konsistente, optimierte Angebote erhält, unabhängig davon, über welchen Kanal er interagiert.
Dieses Muster unterscheidet sich vom Umfang der Web-/App-Personalisierung bekannter Besucher - die Angebotsentscheidung ist kanalunabhängig und zentralisiert, während die Personalisierung bekannter Besucher sich auf die Personalisierung digitaler Oberflächen konzentriert. Sie unterscheidet sich von Verhaltensempfehlungen im Katalogmodell - verwenden Sie Offer Decisioning , wenn der geeignete Elementsatz durch Geschäftsregeln, Eignungsbegrenzungen oder regulatorische Anforderungen (Promotions, Finanzprodukte, Incentives) geregelt ist. Verwenden Sie eine Verhaltensempfehlung, wenn der Elementsatz groß ist und sich ständig ändert und die Auswahl durch Ähnlichkeits- oder Affinitätssignale (Produktkataloge, Inhaltsbibliotheken) gesteuert wird.
Wichtige Geschäftsziele
Die folgenden Geschäftsziele werden durch dieses Anwendungsfallmuster unterstützt.
Bereitstellen personalisierter Kundenerlebnisse
Passen Sie Inhalte, Angebote und Nachrichten an individuelle Voreinstellungen, Verhaltensweisen und Lebenszyklusphasen an.
KPIs: Interaktion, Konversionsraten, Kundenzufriedenheit (CSAT)
Umsatz durch Crosssell und Upsell steigern
Werben Sie für ergänzende und Premium-Produkte oder -Services für bestehende Kunden auf der Grundlage des Verhaltens und der Kaufhistorie.
KPIs: Upsell/Crosssell %, Inkrementeller Umsatz, Kundenlebenszeitwert
Steigerung der Kundentreue und des Lebenszeitwerts
Vertiefung der Kundenbeziehungen und Maximierung des langfristigen Nutzens durch Treueprogramme, Prämien und personalisierte Interaktion.
KPIs: Kundenlebenszeitwert, Kundenbindung, Upsell/Crosssell %
Beispiele für taktische Anwendungsfälle
Die folgenden Szenarien veranschaulichen, wie Offer Decisioning in der Praxis angewendet werden kann.
- Nächstbestes Angebot in E-Mail-Kampagnen — Wählen Sie die zum Sendezeitpunkt relevanteste Promotion pro Empfänger aus.
- Werbebanner in Echtzeit auf Website - Decisioning wählt das Angebot beim Laden der Seite auf der Grundlage des Besucherprofils aus
- Personalisierte In-App-Karte mit dem besten Anreiz für die Lebenszyklusphase des Benutzers
- Kanalübergreifende Angebotskonsistenz - Dieselbe Entscheidungslogik dient E-Mail, Web und Push, damit der Kunde ein einheitliches Angebotserlebnis sieht
- Dynamische Gutschein- oder Rabattauswahl auf Basis der Kundenwertstufe (z. B. erhalten hochwertige Kunden ein Premium-Angebot)
- Auswahl von Angeboten für Produktaktualisierungen oder Upsell-Angebote auf Basis der aktuellen Abonnementebene
- Personalisierung des Treueprämienangebots basierend auf der Stufe und dem Aktivitätsverlauf
Wichtige Performance-Indikatoren
Mit den folgenden KPIs kann die Effektivität einer Offer-Decisioning-Implementierung gemessen werden.
Programme
Die folgenden Adobe-Anwendungen werden in diesem Anwendungsfallmuster verwendet.
- Adobe Journey Optimizer (AJO) - Entscheidungs-Management-Engine für die Angebotserstellung, Eignungsregeln, Ranking-Strategien, Platzierungen und Entscheidungsrichtlinien; Kanalkonfiguration und Nachrichtenbearbeitung für den Versand von Angeboten; Kampagnen und Journey-Ausführung
- Adobe Real-Time Customer Data Platform (RT-CDP) - Zielgruppenbewertung für Angebotseignungssegmente; Profildaten und berechnete Attribute, die in Eignung und Ranking verwendet werden
- Adobe Experience Platform (AEP) - Einheitlicher Profilspeicher, Identitätsauflösung und Data Foundation, die sowohl AJO als auch RT-CDP unterstützen
Verwandte Dokumentation
Die folgenden Ressourcen bieten zusätzliche Details zu den Komponenten, die in diesem Anwendungsfallmuster verwendet werden.