Wie MECCA Kundenerlebnisse im Geschäft online widerspiegelt – mit dramatischen Ergebnissen

MECCA wurde 1997 gegründet und vereint einige der weltweit begehrtesten Schönheits- und Hautpflegeprodukte und verkauft über 120 Marken an zwei Millionen Kunden in Australien und Neuseeland. Laut IBISWorld repräsentiert es 10 % des australischen Schönheitsmarktes, der sich auf 4,2 Milliarden USD beläuft, und rund 25 % des Prestige-Schönheitssektors.

Eines der Erfolgsgeheimnisse von MECCA sind seine High-Touch-Beauty-Boutiquen mit hohem Service. Laut Vogue gibt MECCA rund 3 % seines Umsatzes für die Schulung des Personals aus, um jedem Kunden eine maßgeschneiderte, personalisierte Beratung anzubieten.

MECCA versucht nun, dieses einzigartige persönliche Erlebnis auf den Online-Markt zu replizieren. „Wenn Sie in ein MECCA-Geschäft gehen, möchten wir den personalisierten Service und die Empfehlungen, die Sie von unseren Gastgebern erhalten, in die Online-Welt übertragen“, erklärt Lauren Shepherd, Head of CRM and Loyalty bei MECCA.

MECCA ist einer der ersten Anwender von E-Commerce und startete 2001 Online-Shopping. Es wandte sich an seine strategischen Partner, Amazon Web Services (AWS) und Servian, um Hilfe bei der Nutzung von Daten und Analysen zur Verbesserung der Online-Kundenbindung zu erhalten.

Die Bereitstellung eines hyperpersonalisierten Produkts und einer maßgeschneiderten Customer Journey sind der Kern der Verbesserung des Kundenerlebnisses (CX), um das Unternehmenswachstum voranzutreiben. Doch laut Gartner „kämpfen über 70 % der CX-Führungskräfte damit, Projekte zu entwickeln, die die Kundenbindung erhöhen und Ergebnisse erzielen“.

Die Datentransformation von MECCA begann 2018, als es mit AWS zusammenarbeitete, um eine Datenplattform aufzubauen, und Tableau als Business-Intelligence-Berichtstool einsetzte.

Nachdem das Technologieteam von MECCA eine positive Reaktion im gesamten Unternehmen festgestellt hatte, wollte es das Maximum an Möglichkeiten ausschöpfen, indem es Daten nutzte, um einen Mehrwert für die Kunden zu schaffen. Ihr Endziel ist es, verschiedenen Teilen des Unternehmens Self-Service zu ermöglichen – eine Form von Business Intelligence, die es jedem ermöglicht, in Daten einzudringen, die für seine Rolle relevant sind. 

Die CRM- und Loyalty-Teams von MECCA waren besonders daran interessiert, Daten zu nutzen, um vorherzusagen, welche Produkte am wahrscheinlichsten für verschiedene Kunden attraktiv sind.

„Wir hatten viele Informationen über unsere Kunden, aber wir nutzten sie nicht wirklich, um ihre Erfahrung zu optimieren – jeder Kunde erhielt die gleichen Inhalte und Werbeaktionen“, sagt Shepherd.

Das MECCA-Datenteam hat in Zusammenarbeit mit Servian eine Testversion von Amazon Personalize gestartet, einem Service für Machine Learning, der ein einfaches Framework zum Erstellen und Ausführen von Personalisierungsmodellen bietet. Es wird von innovativen Einzelhändlern verwendet, um spezifische Produktempfehlungen, personalisierte Produktneubewertungen und maßgeschneidertes Direktmarketing bereitzustellen.

Vor dem Übergang zu KI-gestütztem personalisiertem Marketing musste MECCA die in seiner E-Mail-Plattform enthaltenen Daten aus 23 Jahren bereinigen und neu strukturieren, um ein organisiertes, sauberes und leicht zugängliches Datensystem zu schaffen.

Damit begann die „Entdeckungs“-Phase des ML-Weges von MECCA. Ein interdisziplinäres Technologieteam aus CRM-, Daten- und Servian-Experten kam zusammen, um einen Machbarkeitsnachweis (POC) zu entwickeln. Ihre Aufgabe war es, alle Hindernisse zu antizipieren und zu beseitigen, die den POC, der Amazon Personalize verwendet, um Produktempfehlungen als Teil einer gezielten Mascara-Marketingkampagne bereitzustellen, zum Scheitern bringen würden. Durch Nutzung bestehender Metadaten spricht die Kampagne Kunden 90 Tage nach ihrem letzten Einkauf mit Mascara-Werbe-E-Mails an.

In der Phase „Lieferung“ nahm das Technologieteam mehrere Änderungen vor, z. B. die Migration zu einer Amazon-S3-Datenumgebung und den Aufbau neuer Integrationen in das Marketingsystem, um eine automatisierte End-to-End-Datenverarbeitung zu ermöglichen. Sie verbrachten auch Zeit damit, Führungskräften und Managern dabei zu helfen, zu verstehen, wie die Personalisierung und die Umstellung auf Machine Learning ihren jeweiligen Geschäftsbereichen zugute kommen werden.

Laut Paul Erskine, IT Delivery Manager for Digital and Data bei MECCA, war dies der Schlüssel zum Erfolg des POC: „Viele Führungskräfte hatten Vorbehalte gegenüber der Komplexität von Datenwissenschaft im Allgemeinen. Sie hatten Fragen wie: „Wer wird das Modell verwalten, wenn jemand das Unternehmen verlässt? Was ist das Kosten-Nutzen-Verhältnis? Wer wird es im Laufe der Zeit warten?“

Um diese Bedenken auszuräumen, teilte das Technologieteam seine Vision und Pläne auf einem Data-Governance-Forum mit. Sie enthüllten die von Amazon Personalize generierten Produktempfehlungen und erklärten, wie Datenwissenschaft zur Optimierung der Kundenumwandlungs- und Bindungsraten eingesetzt werden kann. Ihre fundierten Argumente waren so überzeugend, dass das Führungsteam von MECCA dem POC ein klares grünes Licht gab.

Als Amazon Personalize Ende 2019 in Australien veröffentlicht wurde, haben MECCA und Servian es sofort bereitgestellt – als eines der ersten australischen Unternehmen, das dies getan hat. Innerhalb weniger Stunden begann es, maßgeschneiderte Produktempfehlungen zu erstellen, und es produziert heute Produktempfehlungen für den gesamten Katalog von MECCA.

„Einer der Vorteile der Verwendung von Amazon Personalize ist die einfache Schulung benutzerdefinierter Modelle mithilfe vorhandener Daten von verwalteten AWS-Services. Dies ermöglicht es Entwicklern, nicht nur Datenwissenschaftlern, Empfehlungsalgorithmen zu erstellen“, erklärt Erskine.

MECCA setzte außerdem ein Long Short Term Memory (LSTM)-Neigungsmodell ein, um den besten Zeitpunkt für die Produktauffüllung zu ermitteln. Bei AB-Tests enthielten 50 % der E-Mails personalisierte Produktempfehlungen, 50 % nicht. Diejenigen mit personalisierten Empfehlungen erzielten deutlich höhere Konversionsraten.

„Seit der Integration von Amazon Personalize sehen wir einen deutlichen Anstieg der E-Mail-Klickraten und einen Anstieg der E-Mail-Einnahmen in Bezug auf die empfohlenen Produkte“, sagt Sam Bain, Chief Digital Officer bei MECCA.

MECCA führt sein Personalisierungsmodell jetzt wöchentlich für alle aktiven Kunden durch und generiert jede Woche mehr als 10 Millionen Produktempfehlungen über alle Marketingkampagnen hinweg.

Amazon Personalize übertrifft auch das vorherige System von MECCA zur Implementierung von Produktempfehlungen unter Verwendung nativer Funktionen seines E-Mail-Verwaltungssystems.

Laut Shepherd: „Wir haben die Empfehlungen von Amazon Personalize mit den Systemempfehlungen unseres E-Mail-Anbieters verglichen. Theoretisch basieren die Empfehlungen, die über die E-Mail-Plattform kommen, auch auf dem Kaufverlauf, aber sie berücksichtigen nicht so viele Maßnahmen wie das Personalisierungsmodell, was es weniger effektiv macht.

„Wir haben wirklich bewiesen, dass sie viel wahrscheinlicher konvertieren, indem wir unseren Kunden Produkte zeigen, die für ihre Lebensphase und ihren speziellen Kaufverlauf relevant sind.“

MECCA arbeitet weiterhin mit AWS und Servian zusammen, um das digitale Erlebnis neu zu gestalten und treue Kunden zu begeistern. Sein Ziel ist es, die Leistungsfähigkeit des Machine Learning zu nutzen, um vorherzusagen, was Kunden gefallen wird, und die Fähigkeit von MECCA zu optimieren, die Nachfrage zu befriedigen – und gleichzeitig den zugrunde liegenden Datensatz zu verbessern, und so Modelle zu entwickeln, die eine ständig zunehmende Vorhersagekraft haben.