- Branche Education
- Themen Kundenakquisekosten Lead Scoring
- Technologien Python PowerBI Miro Google Analytics Salesforce
- Dauer 4 Monate
Ausgangslage
Ein privater Bildungsanbieter hatte sich zum Ziel gesetzt, auf Basis ihrer Daten die Online Marketing Maßnahmen zu optimieren und die Abschlüsse im Vertrieb zu steigern. Einerseits sollten die Werbebudgets zielgerichteter auf die verschiedenen Marketingkanäle verteilt werden. Andererseits bestand der Wunsch, den Vertriebsmitarbeiter ein Scoring System an die Hand zu geben, wodurch sie Leads mit hoher Abschlusswahrscheinlichkeit in der Ansprache priorisieren können. Der Bildungsanbieter erhoffte sich dadurch neue Erkenntnisse über die Werbewirkung, eine Steigerung der Conversion Rate sowie Reduzierung der Arbeitslast bei den Vertriebsmitarbeitern.
Ansatz
Dieses Projekt haben wir in Zusammenarbeit mit einem Marketing Analytics Experten aus unserem Netzwerk umgesetzt. Dadurch konnten wir die Problemstellung unseres Kunden nicht nur methodisch sondern auch fachlich verstehen und kompetent beraten. Das Projekt bestand aus drei Teilen:
- Analyse der Kundenakquisekosten: Eine detaillierte Analyse der aufgewendeten Marketingkosten pro Studierender, abhängig von Studienprogramm und Standort. Das Ziel war, die Erkenntnisse aus der Datenanalyse in die Budgetverteilung für das kommende Sommersemester einfließen zu lasen.
- Konzeption Lead Scoring Modell: Die Ausarbeitung eines Konzepts zur Erstellung eines Lead Scorings für den Vertrieb. Die Ergebnisse sollten als Ausgangsbasis für eine zukünftige Implementierung dienen.
- Coaching: Vermittlung von praxisrelevantem Know-How zu den Themen Data-driven Marketing und Data Science.
Ergebnis
Für die Analyse der Kundenakquisekosten haben wir verschiedene Daten (Kampagnendaten, Web Traffic Daten, CRM Daten) aus den einzelnen IT-Systemen geladen, bereinigt und anhand einer eindeutigen ID kombiniert. Zur Bereinigung der Daten haben wir Python verwendet. Die Datenmodellierung und anschließende Visualisierung im Dashboard haben wir in Power BI umgesetzt. Unser Kunde war im Anschluss in der Lage, das Dashboard eigenständig zu bedienen und weitere Analysen auf den Daten durchzuführen.
Das Lead Scoring Konzept haben wir gemeinsam mit dem Kunden in wenigen Workshop Sessions in Miro erarbeitet. Ein Data Audit hat letztendlich ergeben, dass die Datenqualität zum damaligen Zeitpunkt nicht ausreichend für die Entwicklung eines Lead Scoring Modells war. Daher wurden konkrete Maßnahmen zusammengestellt, die zur Steigerung der Datenqualität beitragen sollten.
