Fallstudie
ICA - Wie personalisiert man Angebote und Rezeptempfehlungen?
Ende 2017 erkannte ICA das Potenzial des Einsatzes von künstlicher Intelligenz (KI), um seinen Markt Teilen zu vergrößern, indem das Marketing und die Online-Suche auf der Grundlage aller Daten besser personalisiert werden (unter Berücksichtigung der GDPR-Vorschriften). Infolgedessen wurde die Recommendation Engine (RecEngine) Projekt gestartet, um sicherzustellen, dass ICA die gesammelten Transaktionsdaten nutzen kann. Mit Hilfe von KI würde das Team Kampagnen und spezifische Angebote personalisieren - um dem Kundensegment einzigartige Angebote und Rezepte für jeden Haushalt zu geben.
Mit Millionen von Website-Besuchern pro Monat benötigte ICA Unterstützung bei der Entwicklung präziserer Analysemöglichkeiten. Da das schwedische Einzelhandelsunternehmen sowohl auf Web- als auch auf Ladeninteraktionen zugreifen konnte, bestand die Möglichkeit, die Suche nicht nur auf der Grundlage früherer Webinteraktionen, sondern auch auf der Grundlage des realen Verhaltens zu personalisieren.
Daher war die ICA entschlossen, ihre analytischen Fähigkeiten zu verbessern, um die Kundenerlebnis und ihren Kunden die bestmögliche Erfahrung zu bieten.
Technologische Perspektive:
1. Umwandlung von regelbasiert zu modellbasiert
Organisatorische Perspektive:
2. Bildung und kompetenzübergreifende Zusammenarbeit
= Auf der Überholspur zu Ergebnissen
Umwandlung von regelbasiert zu modellbasiert
Keines der vorhandenen Systeme verfügte über KI, da sie alle regelbasiert waren. Avaus wurde an Bord geholt, um zunächst die bestehenden regelbasierten Systeme in eine neue Umgebung zu migrieren und anschließend die Regeln durch KI zu ersetzen, um die Effizienz zu steigern.
ICA entschied sich für Avaus und nicht für eine Standardlösung, da ICA seine Lösung individueller gestalten wollte, als dies mit diesen Lösungen möglich gewesen wäre.
Schließlich wurde eine Reihe von Modellen für maschinelles Lernen entwickelt und implementiert, um das Verhalten und die Präferenzen der Nutzer vorherzusagen. Diese Modelle können in verschiedenen Angebotstypen eingesetzt werden, um das derzeitige Angebotsportfolio zu erweitern und zu verbessern und so ein Ensemble von Modellen zu schaffen, das auf jeden Kunden zugeschnitten ist.
Seit 2018, im Laufe einiger Jahre, hat das RecEngine-Team unbestreitbare Geschäftsergebnisse erzielt. Die Verkörperung des Data x Algo x Action-Frameworkwurden mehrere Modelle direkt mit den Systemen verbunden, die die Kommunikation an die Kunden senden.
Bildung und kompetenzübergreifende Zusammenarbeit sind der Schlüssel
Ein großer Teil der Aufgabe von Avaus bestand darin, die Organisation darüber aufzuklären, wie Datenwissenschaft in das Marketing integriert werden kann. Avaus konzentrierte sich auf die langfristige Lebensfähigkeit und die Selbsterhaltung von ICA, indem es die Personen, die mit dem RecEngine-Team interagieren, ständig unterrichtete, um die Datenkompetenz innerhalb des Unternehmens zu fördern. Bei verschiedenen Gelegenheiten wurde das Marketingwissen der Organisation in KI-Algorithmen integriert, um deren Leistung zu verbessern.
"Es ist von Vorteil, möglichst viele Mitarbeiter des Unternehmens in KI-Projekte einzubeziehen. Da die Mitarbeiter am meisten über die Produkte und Kunden ihres Unternehmens wissen, führt die Einbeziehung ihres Wissens in die Modelle zu den besten Ergebnissen", erklärt Eric Hörberg.
Auf der Überholspur zu Ergebnissen
ICA entwickelte sich von keinen KI-Modellen zu einem mehr als 10-köpfigen Team von Datenwissenschaftlern und Dateningenieuren. "Ein Leitstern dafür, wie ein Analyseteam geführt werden sollte," beschreibt Martin Lennartsson, ehemaliger Delivery Lead bei ICA.
Das Ergebnis war eine prädiktive Modellierung und eine recommendation engine, die es ICA ermöglichte, seinen Kunden ein stärker personalisiertes Nutzererlebnis zu bieten. ICA hat mit lead ein bedeutendes Angebot an Personalisierungsmöglichkeiten geschaffen und gezeigt, dass personalisiertes Marketing auf Haushaltsebene sowohl kurz- als auch langfristig ein äußerst effektiver Ansatz ist:
- Verbessern Sie Vertrieb
- Loyalität erhöhen
- Wachsender Gewinn
Dies beweist, dass die Modelle nicht nur "Couponjäger" hervorgebracht haben, sondern auch die Gesamtausgaben der Kunden erhöht haben.
Mit mehreren KI-Modellen, die in noch mehr A/B-Tests optimiert wurden, wurde ihr Gesamtergebnis auf einen großen Anstieg der jährlichen Vertrieb über alle Kanäle, in denen die Modelle eingesetzt werden, geschätzt. Ein anderes, unabhängiges Team bei ICA berechnete die späteren Ergebnisse und ihre statistische Signifikanz. Vertrieb stieg so stark an, dass die Wirkung des Modells statistisch nachgewiesen werden konnte.
Über ICA
Ein Lebensmitteleinzelhandelsunternehmen in Schweden mit rund 1 300 Geschäften und einem Marktanteil Teilen von etwa 36%. ICA ist der führende Lebensmitteleinzelhändler des Landes und einer der wichtigsten Akteure der Region skandinavisch im Bereich der schnelllebigen Konsumgüter (FMCG).
Industrie: FMCG
Größe des Unternehmens: Unternehmen (8.600 Mitarbeiter, ICA Schweden)
Standort: Schweden
Projekt: Data Science für personalisierte Kampagnen und Angebote & Rezeptur-Empfehlungen