Nehmen wir an, dass Sie zwei unterschiedliche Incentive-Programme verwenden und vermeiden wollen, dass Kontakte an beiden teilnehmen. Mit anderen Worten: Sie wollen sichergehen, dass ein Kontakt, der in eines der beiden Programme eingetreten ist, auf keinen Fall auch in das andere eintreten kann. Gehen Sie dazu wie folgt vor:

1. Erstellen Sie beide Programme und fügen Sie jeweils nach dem Einstiegspunkt einen Knoten des Typs Segment ausschließen an.
2. Fügen Sie nach jedem der beiden Knoten des Typs Segment ausschließen einen Knoten des Typs Kontaktliste speichern hinzu, vergeben Sie in beiden Fällen denselben Namen der Kontaktliste und vergewissern Sie sich, dass die Option Neue Kontakte zu bestehender Liste hinzufügen ausgewählt ist.
3. Erstellen Sie ein Segment und wählen Sie Auf Kontaktliste basierend aus. Als Quellenliste wählen Sie die oben benannte Kontaktliste aus.
4. Wählen Sie dieses Segment im Knoten Segment ausschließen aus.

Nun wird jeder Kontakt, der in eines der beiden Programme eintritt, automatisch zur Kontaktliste hinzugefügt; das aktualisiert das Segment und schließt den Kontakt vom Eintritt in das andere Programm aus.

Wenn ein großvolumiges transaktionales Programm einen Knoten des Typs Warten enthält, für den ein bestimmter Zeitpunkt definiert ist (etwa in 4 Tagen um 8:00 Uhr), kann das zu Performance-Einbußen führen, weil alle Kontakte individuell verarbeitet werden. Um die Performance dieser Programme zu steigern, können Sie einen Knoten des Typs Kontaktliste speichern vor den Knoten Warten setzen und den Rest des Programms in ein neues Programm verschieben, das einen Einstiegspunkt des Typs Wiederkehrender Filter hat und nach demselben Zeitplan verläuft (z.B. alle 4 Tage um 08:00 Uhr).

Gehen Sie dazu wie folgt vor:

1. Erstellen Sie ein transaktionales Programm, das mit dem Knoten Kontaktliste speichern endet, um jene Kontakte zu erfassen, die andernfalls in den Knoten Warten eintreten würden.
2. Wählen Sie einen Kontaktlistennamen für den Knoten Kontaktliste speichern und vergewissern Sie sich, dass die Option Neue Kontakte zu bestehender Liste hinzufügen aktiviert ist.
3. Erstellen Sie ein Segment und wählen Sie Auf Kontaktliste basierend aus. Als Quellenliste wählen Sie die oben benannte Kontaktliste aus.
4. Erstellen Sie ein Programm mit einem Einstiegspunkt des Typs Wiederkehrender Filter und wählen Sie das oben erstellte Segment aus. Terminieren Sie es so, dass es einmal täglich um 23:59 Uhr ausgeführt wird.
5. Fügen Sie nach dem Segment einen Knoten des Typs Warten an, der dieselben Einstellungen wie der ursprüngliche Knoten Warten hat, und setzen Sie mit dem restlichen Programm fort.
6. Definieren Sie die Teilnahme in beiden Programmen so, dass Kontakte jeweils nur ein einziges Mal eintreten können.

Nun erfasst das zweite Programm am Ende jeden Tages all jene Kontakte, die den ursprünglichen Knoten Warten erreicht hätten, und reiht sie; weil sie aber als Batch verarbeitet werden, bewegen sie sich viel schneller durchs Programm.

Nehmen wir an, Sie haben ein Programm, das wegbrechende Kunden reaktivieren soll. Ein Ast könnte für besonders wertvolle Kunden sein, die in der Regel viel Geld bei Ihnen ausgeben. Wenn diese auf E-Mails, SMS oder Push-Nachrichten nicht reagieren, möchten Sie es vielleicht telefonisch versuchen - vielleicht kann Ihr Vertrieb sie ja im persönlichen Gespräch reaktivieren. Gehen Sie dazu wie folgt vor:

1. Erstellen Sie ein täglich wiederkehrendes Programm zur Reaktivierung von Kontakten.
2. Platzieren Sie einen Knoten des Typs Kontaktliste speichern an jenem Punkt, an dem Sie den Kontakt gerne anrufen würden, und deaktivieren Sie Neue Kontakte zu bestehender Liste hinzufügen.
3. Terminieren Sie einen täglichen Kontaktlistenexport, der etwa eine Stunde, nachdem die Kontakte den Knoten Kontaktliste speichern erreichen, ausgeführt wird. Das exportiert die Liste mit jenen Kontakten, die den Knoten an diesem einen Tag erreicht haben. Sie können den Export so konfigurieren, dass er eine E-Mail mit der Kontaktliste an einen Ihrer Vertriebsmitarbeiter sendet.

Verwenden Sie die Felder predict last session date und predict last purchase date, um Leads zu identifizieren, die Ihre Seite besucht, aber noch nichts gekauft haben.

Kombinieren Sie diese mit predict last session time spent und predict last session categories, um den Grad des Engagements und die Produktpräferenzen einzuschätzen und die Leads mit entsprechenden Incentives anzusprechen.

Verwenden Sie die Felder predict last session categories, predict last abandoned categories und predict last purchase categories, um jene Kontakte zu segmentieren, die an den jeweiligen Produkten interessiert sind, und adressieren Sie die Kontakte mit Räumungsverkauf- und Wieder-erhältlich-Kampagnen sowie Cross- und Upsell-Kampagnen.

Wie viele Ihrer Warenkörbe werden abgebrochen? Verwenden Sie die Felder predict last abandoned date und predict last abandoned categories, um zum richtigen Zeitpunkt Nachrichten zu triggern, die Ihre Kunden daran erinnern, was ihnen entgeht.

Kombinieren Sie diese mit predict last abandoned total price, um basierend auf dem Warenkorb-Gesamtwert andere Incentives anzubieten. Auf diese Weise können Sie bis zu 20% der abgebrochenen Käufe doch noch realisieren!

Wenn Sie keine Kampagnen für Artikel senden wollen, die sich schon lange im Warenkorb befinden, überprüfen Sie, ob sich das Feld predict last abandoned products geändert hat oder nicht.

Die Felder predict last session date und predict last purchase date sind ein guter Hinweis darauf, ob Kunden abtrünnig werden. Kombinieren Sie diese mit predict last purchase categories, um maßgeschneiderte Incentives anzubieten.

Sehen Sie anhand eines Beispiels, wie Sie mit Web Extend eine optimale Lookalike Audience erstellen können.

Sie können die Felder auch dazu verwenden, Abschnitte in Ad-hoc-Kampagnen mit dynamischem Content zu personalisieren. Dies steigert Ihre Click-Through-Rates und Conversions. Ein Beispiel:

• Verwenden Sie die Felder predict last session/abandoned/purchase categories, um basierend auf der letzten Kundenpräferenz den richtigen Content auszuwählen.
• Verwenden Sie die Felder predict last abandoned session/cart/purchase, um eine Audience anhand ihres Engagement-Levels zu segmentieren und entsprechend anzusprechen.

Basierend auf den mit Web Extend gesammelten Daten können Sie individuelle Listen erstellen und diese exportieren, um sie im Rahmen anderer Marketingaktivitäten zu verwenden. Ein Beispiel:

• Ein hoher Wert für predict last session time spent ohne ein entsprechendes predict last purchase date kann ein Hinweis darauf sein, dass die Shopping Experience für Ihre Kunden nicht optimal ist.
• Ein hoher predict last purchase total price könnte Anstoß für eine 1:1-Interaktion sein; lassen Sie etwa Ihren Kundendienst zu einem Loyalitätsprogramm einladen.
• Sie können auch Kaufaktivitäten mit E-Mail-Responses verknüpfen und sich überlegen, ob Sie einzelne Kontakte über andere Kanäle ansprechen wollen, um eine höhere Zahl an Conversions zu erreichen.