Wie man personalisierte Kundenerlebnisse in grossem Massstab anbietet – Teil 2

In unserem letzten Artikel haben wir uns mit den Makrotrends befasst, die die Vermögensverwaltungsbranche prägen, und mit der Frage, wie die Hyper-Personalisierung mit intelligentem Content Management ein wichtiger Wettbewerbsvorteil ist, den es zu nutzen gilt.

• Hands off to Hands on – Der Wechsel von passiven zu aktiven Anlagen
• Das typische Kundenprofil gibt es nicht – Kundenbedürfnisse sind einzigartig und vielfältig
• Regulierung – Stolpersteine oder Trittsteine

Um diese Herausforderungen besser zu bewältigen und einen Wettbewerbsvorteil für Vermögensverwaltungsfirmen zu schaffen, haben wir ein hybrides Mensch-Maschine-Anlageberatungsmodell empfohlen. Dieses Modell beruht darauf, dass Kundenbetreuer mithilfe von Technologie in die Lage versetzt werden, Kunden mit personalisierten Inhalten und überzeugenden Geschichten besser zu bedienen.

Die Technologie, die hinter dem Content Management steht, ruht auf vier effektiven Säulen,

1. Erstellung
2. Abgleich
3. Verteilung und
4. Feedback-Schleife

In diesem Artikel tauchen wir tief in die allgemeinen Herausforderungen ein, die mit der Erstellung und dem Abgleich von Inhalten verbunden sind, und beginnen mit der Beantwortung der Frage: „Wie sieht eine intelligente Content-Management-Lösung aus?“

ERSTELLUNG – WO WISSEN ZU THOUGHT LEADERSHIP WIRD

In vielen Vermögensverwaltungsinstituten wird die Inhaltserstellung von einem engagierten Team geleitet. Das Team recherchiert und verfasst interessante Artikel zu verschiedenen Themen, ergänzt durch die gesetzlich vorgeschriebenen Offenlegungen. Oft bindet das Team mehrere Stakeholder ein und nutzt verschiedene Systeme, um Inhalte zur Überprüfung und Genehmigung weiterzuleiten, bevor sie als „Kundenbereit“ gelten. Dies wird noch verschärft, wenn es mehrere Inhaltspublikationen¹ im reinen Word-Format gibt (Abbildung 1).

Um einen Ruf als Thought Leader aufzubauen, sind zeitnahe Veröffentlichungen zu aktuellen Themen notwendig. Diese Publikationen können umsatzgenerierende Handlungen von Kunden anstoßen, etwa das Umsetzen von Kauf-/Verkaufsempfehlungen.

Daher kann ein Prozess, der keine Agilität und schnelle Bereitstellung von Content an den Kunden ermöglicht, zu verpassten Chancen führen. Dennoch sind viele Finanzinstitute nicht in der Lage, durchgeführte Handlungen dem an ihre Kunden verteilten Content zuzuordnen.

Bei der Betrachtung der User Experience über verschiedene Kanäle hinweg muss Content vereinfacht und in der Länge angepasst werden, um verdaulich und wirkungsvoll zu sein. Beispielsweise sollten auf mobilen Anwendungen veröffentlichte Inhalte in kompakter Form vorliegen, im Gegensatz zu einem vollständigen Research-PDF-Artikel, der per E-Mail geteilt wird. Dies erhöht die Schwierigkeit, Content zu erstellen, der über alle Kanäle hinweg ansprechend bleibt.

Wie unsere Umfrageergebnisse zeigen, nutzten 54 % der Content-Ersteller Word-Dokumente zur Erstellung von Inhalten. Dies ist jedoch nicht geeignet, um auf verschiedene Kanäle übertragen zu werden, was darauf hindeutet, dass zusätzliche Arbeit erforderlich ist, um den Content in ein kompatibles Format zu überführen.

Selbst mit Teams, die auf spezifische Content-Typen spezialisiert sind (47 %), ist der Prozess daher von Ineffizienzen durchzogen, die verhindern, dass die Content-Bereitstellung an Kunden zu einem Wettbewerbsvorteil für das Unternehmen wird. (Abbildung 2)

Bei einer führenden Schweizer Private-Banking-Gruppe wurden Produktfactsheets monatlich mit Markt- und Prognoseinformationen aktualisiert. Diese Factsheets enthalten Diagramme und Tabellen zu Performance, Zusammensetzung usw. sowie Haftungsausschlüsse mit rechtlichen Informationen, die für jedes Land spezifisch sind. Insgesamt verfügte die Bank über 2.000 Factsheets, die manuell in mehreren Sprachen aktualisiert werden mussten. Content-Erstellung und -Aktualisierung ist ein aufwendiger Prozess, der sorgfältig nachverfolgt wird, um sicherzustellen, dass konforme, zeitnahe und präzise Informationen an Kunden bereitgestellt werden.

Lösung

Um diese Schmerzpunkte über verschiedene Kanäle hinweg zu überwinden, müssen Finanzinstitute zunächst eine kohärente Content-Strategie entwickeln. Content-Strategien müssen die User Journey jedes Content-Typs in verschiedenen Kanälen berücksichtigen. Der erstellte Content muss formatneutral sein und aus Datenfragmenten aufgebaut werden, um eine maximal mögliche Individualisierung zu ermöglichen. Dies ist möglich, weil fragmentierter Content einfach zusammengesetzt werden kann, um die in verschiedenen Kanälen oder gemäß Kundenpräferenzen benötigte Content-Länge anzupassen. Obligatorische Haftungsausschlüsse können ebenfalls entsprechend konsistent über alle Kanäle hinweg ein- oder ausgeschlossen werden.

Darüber hinaus wird der Content mit Meta Data versehen ^{2 umfasst Investmentregion, Sektor, Produkt}, einschließlich Informationen zu Sektor, Produkt, Datum und Uhrzeit sowie dessen Verwendungszweck. Dies ermöglicht es dem System, relevanten Content schnell zu erkennen und für eine bessere Personalisierung zu nutzen. Beispielsweise kann Content zu technologiezentrierten Investmentideen einem Kunden zugeordnet werden, der Positionen in diesem Sektor hält oder Interesse daran bekundet hat.

Solide Praktiken der Content-Erstellung dienen als Fundament für eine gute Content-Management-Strategie.

MATCHING – CONTENT VOR DIE RICHTIGEN AUGEN BRINGEN

In vielen Finanzinstituten wird eine Fülle statischer Daten von ihren Kunden erfasst. Diese Datenpunkte dienen dazu, ein präzises Bild des Profils und der Präferenzen jedes Kunden zu zeichnen. Das heißt, sofern diese Daten auf sinnvolle Weise erfasst, sortiert und gespeichert werden, die eine einfache Nutzung ermöglicht. Dies ist nicht immer der Fall. Sehr oft beginnt der erste Schritt, um Content effektiv den richtigen Kunden zuordnen zu können, mit der Auswahl von Personalisierungsdaten und der Sicherstellung ihrer Nutzbarkeit. Gute Personalisierungsdatenpunkte sollten relevant, aktuell und kontextuell vollständig sein^{3 Beispielsweise würden Informationen zur Staatsangehörigkeit ausreichende Einblicke in die Finanzplanungstools geben, die für die Person zugänglich sind. Im Gegensatz zum Alter, das mit anderen demografischen Datenpunkten abgeglichen werden muss, um Einblicke in die Person zu liefern}.

Dies führt uns zur ersten Frage, die Führungskräfte stellen sollten: „Verwenden die bestehenden Prozesse und Anwendungen die richtigen Personalisierungspunkte? Woher beziehen Sie die Daten und wo speichern Sie sie?“

Der gängigste Abgleichansatz ist manuell, durch Relationship Manager („RM“), die über Kenntnisse der Portfolios und Interessen ihrer Kunden verfügen und relevante Informationen für ihre Kunden herausfiltern würden. Obwohl dies einen persönlichen und menschlichen Ansatz für kuratierte Inhalte bietet, legt es eine große Verantwortung auf den RM. Dieser Prozess ist mühsam und möglicherweise auf wenige Kunden voreingenommen. Bestehende und profitable Kunden werden naturgemäß priorisiert, wodurch unterversorgten Kunden weiterhin eine verpasste Gelegenheit entgeht. Ein weiterer Ansatz der RMs besteht darin, ausgewählte Artikel an alle Kunden zu senden, um einen neuen Engagement-Punkt mit seinen/ihren Kunden zu finden. Keine der Methoden ist optimal.

Beim statischen regelbasierten Matching gehören zu den Vorteilen eine einfach zu implementierende Lösung, die schnell geschäftlichen Nutzen generieren kann. Meistens berücksichtigen die Regeln Eignung und grenzüberschreitende regulatorische Belange, was dazu beiträgt, dass Content-Zuordnungen regulatorisch konform sind. Mit steigenden Standards in einer digitalisierten Landschaft und immer einzigartigeren Kundenprofilen halten statische regelbasierte Lösungen jedoch nicht Schritt und berücksichtigen weder Kundeninteressen noch -verhalten.

Dies könnte dazu führen, dass irrelevanter Content an Kunden übermittelt wird, was zu Kundenfrustration, Content-Müdigkeit und Disengagement führt. Ergebnisse, die den Zielen von Smart Content Management diametral entgegenstehen. Dennoch stellt dieser Ansatz immer noch ein gutes Sprungbrett zu anspruchsvolleren Lösungen dar.

Während manuelle und statische regelbasierte Lösungen daher notwendige Schritte des evolutionären Prozesses sind, sollten Unternehmen, die Content Management zu einem Wettbewerbsvorteil machen möchten, die Entwicklung von Machine-Learning-Fähigkeiten in Betracht ziehen.

Lösung

In einer Machine Learning („ML“) Abgleichlösung werden Inhalte zunächst über definierte regelbasierte Auswahlen den Kunden zugeordnet. Hier enden die Ähnlichkeiten mit einer statischen regelbasierten Lösung. Der Hauptunterschied besteht darin, dass die ML-Lösung gemäß dem Feedback der Kunden „lernen“ kann. Durch gesammeltes Feedback beginnt das Modell, sich zu entwickeln und ein Profil der Präferenzen des Kunden für Inhalte aufzubauen. Es registriert ein höheres Engagement, d. h. welche Artikel gelesen und welche ignoriert wurden. Es lernt, welche Inhalte weiterhin verbreitet und welche eingestellt werden sollen. Wenn sich die Präferenzen des Kunden ändern, erkennt das Modell die neuesten Verhaltensmuster und passt sich entsprechend an.

Geduld ist entscheidend für den Erfolg eines ML-Modells. Zu Beginn erfordert ein ML-Modell die Konfiguration einiger statischer Regeln. Sobald genügend Daten gesammelt sind, hat ein ML-Modell das Potenzial, Kunden mit ähnlichen Profilen neuen Content vorzuschlagen, die Kundenreaktion auf diesen Content zu bewerten und sein Personalisierungsangebot kontinuierlich zu verbessern. Etwas, das eine statische regelbasierte Lösung nicht erreichen kann.

Dies bedeutet nicht, dass RMs sich zurücklehnen oder irrelevant werden. Content-Management-Systeme können RMs auch eine Liste empfohlenen Contents bereitstellen, der auf Kunden abgestimmt ist. Dies befähigt RMs, gut ausgerüstet Content zu teilen oder Gespräche zu beginnen und das Interesse ihrer Kunden zu testen. Gleichzeitig könnten unterversorgte Kunden gezielten Content erhalten, der sie dazu anregt, sich an RMs zu wenden. Dies ist der erste Schritt zu einem erweiterten loyalen Kundenstamm.

FAZIT

Letztendlich schaffen großartige Content-Management-Strategien Geschichten aus Informationen. Diese Geschichten fesseln ihre Leser und spornen sie an, fundierte Entscheidungen zu treffen. Geschichten bieten RMs auch die Möglichkeit, bedeutungsvolle Gespräche mit ihren Kunden zu beginnen. Dies wird durch erstklassige Lösungen zur Inhaltserstellung und -abgleichung erreicht, die als Grundlage für die nächsten Schritte dienen – eine starke Distribution und Feedbackschleife. Man sollte „Best in Class“ jedoch nicht so verstehen, dass komplizierte Lösungen auf einmal implementiert werden müssen. Durch die Identifizierung des relevanten Inhaltstyps und der passenden Abgleichmethode wird eine solide Grundlage geschaffen, auf der inkrementelle Änderungen aufgebaut werden können. Auf diese Weise ebnen Einfachheit und Geduld den Weg für erhebliche Geschäftswerte, die allen Stakeholdern auf dieser Reise zugutekommen.

In unserem nächsten Artikel untersuchen wir die Herausforderungen und möglichen Lösungen bei Content-Distribution und User-Feedback-Schleife. Der dritte und letzte Schritt zur Schaffung überzeugender Geschichten.

Über Finalix

Finalix ist eine Beratungsboutique mit Fokus auf die Finanzbranche. Das Unternehmen stammt aus der Schweiz, wurde 2001 gegründet und eröffnete 2019 ein Büro in Singapur.

Finalix unterstützt ein breites Spektrum von Finanzdienstleistern – von Banken (Universalbanken, Privatbanken, Asset Managern und Private-Equity-Gesellschaften) bis hin zu Versicherungen. Das Unternehmen konzentriert sich auf Digitalisierungs- und Transformationsprojekte und besetzt zentrale Führungsrollen auf der Business-Seite als Product Owner, SMEs und Stream Leads. Finalix-Berater verfügen im Durchschnitt über mehr als 12 Jahre signifikante Berufserfahrung bei renommierten Beratungsunternehmen und in leitenden Positionen in der Finanzdienstleistungsbranche. Sie bringen starke Fähigkeiten, schnelle Anpassungsfähigkeit an neue Umgebungen und sofortige Wertschöpfung in ihre Projekte ein.