Zur Identifikation abwanderungsgefährdeter Kunden wurden umfassende Analysen auf Basis der verfügbaren PAYBACK-Daten durchgeführt. Über Tools wie Tableau erfolgte die Visualisierung und Mustererkennung innerhalb von Kundengruppen. Zur Datenverarbeitung kamen Azure und Apache Flink zum Einsatz, um große Datenmengen effizient zu aggregieren und Echtzeitanalysen zu ermöglichen. Im nächsten Schritt wurden mittels gezieltem Datenattribut-Mapping individuelle Zielgruppenprofile erstellt. Entscheidende Kriterien wie Kaufhäufigkeit, Coupon-Nutzung, Engagementraten und Inaktivitätszeiträume flossen in die Segmentierungslogik ein. So entstanden feingliedrige Kundensegmente, die als Grundlage für personalisierte Ansprache und differenzierte Kampagnenstrategien über die real-App und Newsletter dienten.

Für die Omnichannel-Kampagnen wurden PAYBACK-Daten in Echtzeit genutzt, um kanalübergreifende Kommunikationsstrecken aufzubauen. Über Systeme wie Azure und Docker konnten E-Mail-Trigger, App-Push-Benachrichtigungen und personalisierte Angebote automatisiert ausgespielt werden – jeweils abgestimmt auf Segment, Verhalten und Präferenzen der Kunden. Bei der Coupon-Strategieentwicklung lag der Fokus auf dynamischen Angebotslogiken: Mit Hilfe von Flink wurden Coupon-Attribute wie Produktaffinität, Kaufhäufigkeit und vergangene Einlösedaten analysiert. Dadurch konnten gezielt individualisierte Coupons generiert werden, die sowohl Rückkehrraten als auch Einlösequoten signifikant steigerten. Die enge Verzahnung von Segmentierung, kanaloptimierter Ausspielung und individualisierter Incentivierung führte so zu einem deutlich messbaren Impact auf Umsatz und Kundentreue.