Zum Inhalt springen
Illustration zur Fallstudie Telefónica Germany

Digitale Omnichannel-Marketinglandschaft der Telefónica-Gruppe transformieren

Kundendaten über neun Touchpoints verstreut. Eine einheitliche CDP brachte 21 % Warenkorb-Rückgewinnung und 100.000+ personalisierte Nachrichten.

Einheitliche Kundendaten. 21 % Warenkorb-Rückgewinnung, 100.000+ personalisierte Nachrichten.

  • Sicherheit
Website besuchenöffnet eine externe Website in einem neuen TabAlle Arbeiten

Programmergebnisse

21 %
100.000+
9 Touchpoints
Illustration: versetzte Kopien einer Form, die zu einer einzigen festen Form werden

Neun Versionen desselben Kunden

Telefónica Germany zählt zu den größten Mobilfunkanbietern Europas. Dahinter lebten Kundendaten in neun Systemen: Web, App, E-Mail, SMS, Ladengeschäfte, Callcenter und weitere, jedes mit einem Teil-Datensatz und eigener Logik. Marketing konnte nicht personalisieren, weil kein System die ganze Geschichte kannte. Der Support sah nicht, was der Vertrieb versprochen hatte. Ein abgebrochener Warenkorb blieb abgebrochen, weil nichts dahinter wusste, dass es ihn gab.

Ich leitete die Plattform, die diese neun Quellen zu einem Kundenprofil zusammenführen musste.

Mit dem Leck anfangen, das sich in Euro messen lässt

Kundendaten-Programme sterben üblicherweise an Abstraktion. Nach einem Jahr Integrationsarbeit an einem „einheitlichen Kundenprofil“ ohne vorzeigbares Ergebnis kommen die Sponsoren nicht mehr in die Termine. Die erste Lieferentscheidung war deshalb eine Scope-Entscheidung. Wir richteten die Plattform auf das konkreteste Leck im Geschäft, abgebrochene Warenkörbe, und bewiesen daran die gesamte Kette. Strategisch waren Warenkörbe nicht das größte Thema, aber sie ließen sich innerhalb eines Quartals in Euro messen, und dieser Erfolg kaufte die Geduld, die die längere Vereinheitlichungsarbeit brauchte.

Adobe Real-Time CDP führte die neun Quellen zu einem Profil zusammen. Journey Optimizer übernahm die Orchestrierung, Experience Manager hielt Inhalte konsistent, und Adobe Target fuhr die Experimente.

Die Disziplin lag in dem, was wir nicht verschickten

In Deutschland ist DSGVO-konformer Consent die Betriebsbedingung für jede Marketing-Automatisierung, und er setzte die Grenzen für alles, was wir bauten. Innerhalb dieser Grenzen schlug Zurückhaltung das Volumen. Wer mitten im Kauf absprang, bekam eine koordinierte Sequenz über Web, E-Mail, SMS und App, wobei das System den Zeitpunkt jeder Nachricht wählte. Wer stattdessen anrief oder ins Ladengeschäft kam, traf auf Mitarbeitende, die den Warenkorb in Echtzeit sahen und das Gespräch dort aufnahmen, wo es stehen geblieben war.

Im ersten Jahr: über 100.000 personalisierte Nachrichten, und 21 % der Warenkorbabbrecher schlossen ihren Kauf innerhalb von 30 Tagen ab. Die Rückgewinnungsquote kam vom Targeting. Mehr zu senden hätte sie gesenkt.

Illustration: ein Paket, das zurück in einen Einkaufskorb fällt
Illustration: eine Reihe Briefumschläge, von denen nur einer vorn steht

Die Phase „Wessen Zahlen stimmen?“ fiel weg

Die leisere Veränderung war organisatorisch. Marketing, BI und Technologie zogen in eine gemeinsame Datenumgebung mit denselben Profilen, Experiment-Ergebnissen und Echtzeit-Analytics. Meetings, die früher mit zwanzig Minuten Dashboard-Abgleich begannen, begannen mit der Entscheidung. Experimentieren wurde Routine, und Offline-Signale aus Callcenter und Handel flossen in dieselbe Schleife zurück.

Die Consent-Management-Standards, Datentransparenz-Protokolle und Verantwortlichkeiten zwischen Marketing, IT und Datenschutz, die ich etablierte, hielten das Ganze dauerhaft tragfähig. Personalisierung in dieser Größenordnung trägt nur, wenn Kunden sehen können, dass sie sich anständig verhält.

Was die Plattform gebracht hat

  • 21 % Warenkorb-Rückgewinnung innerhalb von 30 Tagen; 100.000+ personalisierte Nachrichten im ersten Jahr.
  • Ein Kundenprofil über alle neun Touchpoints, in Echtzeit aktiviert von Web über Handel bis Callcenter.
  • Eine ständige Experimentierpraxis auf gemeinsamen Zahlen.

Wie Personalisierung innerhalb einer DSGVO-Grenze bleibt, und welche Consent- und Datenvereinheitlichungs-Muster das braucht, steht in The AI-native Platform Playbook.

Stehen Sie vor einer ähnlichen Situation?

Ein Projekt starten

Nächstes Projekt

PLAIN: Eine souveräne Daten- und KI-Plattform für Deutschland