Zeitkritische und gezielte Sales-Angebote

Zeitkritische Angebote in der Telekommunikation

In der Telekommunikationsbranche ist das Angebotsfenster oft sehr schmal: Endkunden sollten zum Beispiel eine Aufstockung ihre Daten-Flatrate sofort dann angeboten bekommen, wenn sie ihr Datenvolumen ausgeschöpft haben. Data Replys Klient, ein multinationaler Telekommunikationskonzern, hatte bereits ein System, um solche sogenannten „Throttle Campaigns” (Kunden erhalten das Angebot, ihr Datenvolumen für den Rest des Monats zu erweitern) zu verwalten.


Die Probleme

Das bisherige System hatte mit zwei großen Problemen zu kämpfen: Erstens war es aufgrund der Architektur vergleichsweise langsam. Dies führte nicht nur dazu, dass Angebote zu spät herausgeschickt wurden, tatsächlich wurden auch fehlerhafte Angebote gesendet – zum Beispiel an Kunden, für die die nächste Rechnungsperiode schon begonnen hatte. Zweitens basierte das System auf einem proprietären Enterprise-Tool, das allein für die Lizenzkosten große Summen verschlang.

Als Data Reply das Projekt übernahm, die alte Plattform mit einer State-of-the-art-Lösung zu ersetzen, waren die Hauptziele also klar: das neue System musste schnell und kosteneffizient sein. Hier drängte sich ein event-basiertes Near-Real-Time-System basierend auf Open-Source-Software als Lösung auf.

Events und Kontext verbinden

Um das Verkaufsergebnis für die oben erwähnten Throttle Campaigns zu maximieren, musste Data Reply die richtigen Trigger-Informationen finden. Zum Beispiel ergibt es keinen Sinn, solche Angebote and Kunden zu senden, die kaum oder nur wenig von ihrem inkludierten Datenvolumen verbraucht haben. In diesem Fall lässt sich zum Beispiel folgendes Trigger-Event ableiten: „Der Kunde hat 80% des Datenvolumens ausgeschöpft, das sein Vertrag ihm zusichert”. Dieses eine Trigger-Event ist aber nur der Anfang – denn weitere Sales-Potentiale erfordern weitere Trigger-Events.

Darum bezog Data Reply den übergreifenden Kontext ein, in dem das Trigger-Event stattfindet. Fragen wie „In wieviel Tagen steht dem Kunden ohnehin neues Datenvolumen zu?” oder „Wie teuer ist der Vertag des Kunden?” helfen dabei, Angebote auf die Kunden maßzuschneidern. Einem Studenten mit einem relativ günstigen Vertrag sollte man zwei Tage vor dem Ablauf des Rechnungszyklus wahrscheinlich nur noch 1GB Datenvolumen anbieten, während der vielreisende Manager mit einem Premium-Enterprise-Vertrag eher Interesse an einem größeren Paket mit 5GB haben könnte.

Je mehr Kontext zur Verfügung stand, desto besser konnte Data Reply die Angebote auf die Bedürfnisse des Kunden zuschneiden, was eine höhere Erfolgsquote der Angebote nach sich zog.

Entscheidungen (fast) in Echtzeit

Um diese Kontextualisierung der Events zu erreichen, mussten Kontextdaten und Events aus verschiedenen Quellsystemen miteinander kombiniert werden. Data Reply entwickelte eine „Near Real Time Decision Engine” als ein Netz von Microservices, das auf Kafka und Kubernetes basiert. Einige dieser Services erzeugen den Echtzeit-Kontext, andere reagieren explizit auf bestimmte Events.

Neue Services ergänzen das System regelmäßig und entstehen meist auf einem von zwei Wegen:

  1. Business- und Marketing-Abteilungen verfügen üblicherweise über ein genaues Verständnis der Geschäftslogik und wissen daher, welche Events sich als Trigger eignen (z.B. steht das Einfügen eines Eintrags in einer bestimmten Datenbank für einen Kauf oder Vertragsabschluss). Wenn ein solches Event identifiziert wird, kann diese Grundidee für einen neuen Microservice an das Entwicklungsteam weitergegeben werden.

  2. Manche Events können mit relativ einfachen Regeln beschrieben werden. Das System beinhaltet die Möglichkeit, solche Regeln in für Menschen leicht lesbaren YAML-Dateien zu beschreiben. Diese werden automatisch in Funktionen übersetzt und ausgerollt. Dies schont die Ressourcen des Entwicklungsteams und ermöglicht das Aufsetzen von Marketing-Kampagnen, ohne dass eine einzige neue Code-Zeile geschrieben werden muss. Um diese Self-Service-Funktionalität noch bequemer in der Nutzung zu machen, wird derzeit ein Drag-and-Drop-Benutzer-Interface entwickelt.

Die modulare Microservice-basierte Architektur erlaubt es, das System kontinuierlich weiter zu entwickeln. Was mit simplen Triggern und deren Verarbeitung begonnen hat, entwickelt sich so zu einem immer komplexeren System. Zum Beispiel kann aus den Reaktionen eines Kunden auf bestimmte Angebote ein Baustein im Echtzeit-Kontext werden, mit dem noch besser auf die Bedürfnisse des Einzelnen eingegangen werden kann.


Eine populäre Lösung

Der inkrementelle Ansatz, der den Kern des Projekts ausmacht, lohnte sich sehr schnell. Die teure, proprietäre Legacy-Lösung konnte nach einem Jahr komplett abgeschaltet werden – ohne Unterbrechung der Throttle Campaigns, die bereits vorher aktiv waren. Derzeit gibt es 30 solcher Kampagnen, die täglich für einen sechsstelligen Umsatz sorgen.

Das System ist beim Kunden beliebt, sodass bereits neue Ideen darüber entstehen, welche weiteren Legacy-Anwendungen auf Data Replys neues event-basiertes System migriert werden könnten. Die jüngste Neuerung ist das automatisierte Senden von Umfragen – dies erlaubt dem Kunden schnelles Feedback nach einer Vielzahl von Trigger-Events einzuholen (z.B. erhält eine Kundin nach dem Verlassen eines Shops direkt einen Link zu einer Umfrage bezüglich ihrer Zufriedenheit mit dem Service). Diese Umfragen sind ein wichtiger Input für das Business Development und stellen sicher, dass der Klient stets Up-to-date mit den Wünschen und Bedürfnissen der Nutzer bleibt, um schnelle und passgenaue Entscheidungen über zukünftigen Investitionen treffen zu können.


  • strip-0

    DATA REPLY

    Data Reply unterstützt als Teil der Reply Gruppe Kunden darin, datengetrieben zu arbeiten. Data Reply ist in verschiedenen Branchen und Geschäftsbereichen tätig und arbeitet intensiv mit Kunden zusammen, damit diese durch die effektive Nutzung von Daten aussagekräftige Ergebnisse erzielen können. Hierfür konzentriert sich Data Reply auf die Entwicklung von Data-Analytics-Plattformen, Machine-Learning-Lösungen und Streaming-Anwendungen – automatisiert, effizient und skalierbar – ohne Abstriche in der IT-Security zu machen.