On-Demand Webinar: Data-driven Marketing und Business – Der Supercharger für Ihr Geschäft

Annabella Pscherer: Herzlich Willkommen zu unserem heutigen diva-e-Webinar: Data-driven Marketing und Business, der Supercharger für Ihr Geschäft. Heute zeigen unsere Experten, was es eigentlich heißt, Data-driven zu sein und welche Wirkung eine Data-driven Strategie für das Geschäft erzielt. An dieser Stelle begrüße ich unsere Referenten Frank und Harald von diva-e und Bruno und Sven von Adverity. Vielen Dank, dass ihr heute mit dabei seid. Ich übergebe das Wort an unsere Experten und wünsche euch viel Spaß und spannende Insights vom Webinar.

Frank Rauchfuß: Ja, nochmal herzlich Willkommen auch von meiner Seite. Wenn wir gemeinsam auf die Agenda blicken, dann haben wir heute spannende Themen mitgebracht. Einerseits eine kurze Einführung: Was ist eigentlich-, wer ist eigentlich die diva-e, was macht Adverity? Und dann eigentlich der durchaus einführende, spannende Teil: Was brauche ich eigentlich, damit ich Data-driven Marketing betreiben kann? Was sind die Fähigkeiten, die dafür notwendig sind und die Herangehensweise? Und dann eigentlich der Hauptteil: Wir haben zwei spannende Customer-Cases mitgebracht, wo es dann praxisrelevant wird und wir auch zeigen, wie letztendlich Data-driven Marketing Best Practice zum Einsatz kommt. Und zum Schluss aber gerne auch während des Webinars Fragen stellen - deswegen an der Seite die Chat-Box - die wir dann gerne beantworten. Gern möchten wir uns nochmal alle vier vorstellen. Beginnend mit Harald. Harald, ich glaube, du bist noch gemutet.

Harald Butterweck: Jawoll. Harald Butterweck, ich bin Expert Manager im Consulting bei der diva-e. Bin jetzt seit ein Stück über sieben Jahren in der Richtung Data-driven Business, Marketing E-Commerce unterwegs und werde heute einen Teil der Cases vorstellen. Bin sehr gespannt auf das Seminar.

Bruno Kofler: Ja, hallo. Bruno Kofler mein Name. Ich bin Sales-Manager bei Adverity. Sprich ich bin nicht für die Umsetzung zuständig, sondern wirklich für die strategische Entwicklung, für die Planung von allen möglichen Data-driven Marketingprojekten. Immer gemeinsam mit dem Kunden. Und ich werde heute auch eine Case-Study vom Odlo, einem unserer Lieblingskunden von mir, vorstellen.

Sven Wöltjen: Ja, dann mache ich gleich mal weiter. Mein Name ist Sven Wöltjen, ich bin Director Partnermanagement bei der Adverity. Das heißt, ich verantworte letztlich unsere Partnerschaft, unsere gute Partnerschaft mit der diva-e. Freue mich auf das Webinar heute, freue mich sehr auf die Cases, die vorgestellt werden und würde mich auch freuen, wenn viele Teilnehmer viele Fragen haben.

Frank Rauchfuß: Dann von meiner Seite nochmal herzlich Willkommen. Ich bin Frank Rauchfuß, ich bin Geschäftsführer der diva-e Products und verantwortlich für die eigenen Produkte, die wir anbieten, aber eben auch Partnerprodukte. Und freue mich sehr, dass wir heute das Seminar mit Adverity gemeinsam gestalten und spannende Insights auch zeigen können.

Wenn wir uns die diva-e kurz anschauen, als Kurzvorstellung und eine Seite weiter gehen, dann hat die diva-e um die 800 Experten, 13 Standorte, wo wir präsent sind und über 20 Jahre Expertise - gerade im digitalen Geschäft. Wir sind Nummer Eins E-Commerce-Partner in Deutschland mit knapp 60 Millionen Umsatz und das, was uns auszeichnet, ist, dass wir einerseits eine E-Commerce-Expertise, aber auch eine Marketing-Tech-Expertise zusammen kombinieren und dahingehend eben das Zusammenspiel zwischen Daten und Aussteuerung perfekt zusammen bringen und dort uns verstehen als Derjenige, der tool-agnostisch und unabhängig als Anbieter den idealen Marketing Tech Stack für die Kunden definiert, aber eben auch implementiert. Und dahingehend sind wir auch unter den Top Fünf digitalen Serviceprovider mit untenstehenden mehrfachen Auszeichnungen, aber auch Partnerschaften. Was unser Ansatz ist, ist letztendlich, dass wir uns als Transactional Experience Partner positionieren und auch präsentieren. Das heißt, wir fühlen uns verantwortlich, dass auf der einen Seite der Kunde eine sehr, sehr gute und interessante und nutzerfreundliche Experience auf den Portalen unserer Kunden genießt, aber gleichzeitig auch, dass er transaktional ausgerichtet ist. Weil letztendlich Transaktionen geschäftsermöglichend sind, positive Effekte haben - und dafür sind letztendlich verschiedene Services notwendig. Beginnend bei einer Strategie und Beratung, die wir anbieten, über eine Technologieauswahl, wie schon eben erwähnt und dann eben aber auch die Plattformen und digitalen Commerce-Fähigkeiten einzubringen und E-Commerce-Portale hochzuziehen. Und, last but not least, letztendlich für Performance zu sorgen, also wie ich qualifizierten Traffic über Marketing-Automation auf diese vollen, gebauten E-Commerce-Portale bringe und dahingehend eigentlich ein Full-Service-Provider sind, der von Kundenansprache, Strategie bis hin zu Implementierung und Echtzeit-Betrieb, die komplette Wertschöpfung im digitalen Bereich anbietet.

Sven Wöltjen: Ja, dann mache ich mal weiter und stelle ganz kurz die Adverity vor. Wir sind dann eben einer dieser Technikpartner-, Technologiepartner der diva-e. Wir sind ein relativ junges Unternehmen, vor etwas mehr als fünf Jahren gegründet worden. Und dann zwischenzeitlich aber, und das ist so typisch bei Start-ups, 170 Mitarbeiter-, das stimmt wahrscheinlich auch schon nicht mehr. Wir dürften ein paar mehr sein. Wir sind gegründet worden von drei Media- und Marketingexperten letztlich - das ist sehr wichtig. Weil einfach die erkannt haben, welche Not im Marketing letztlich vorherrscht. Und wir werden gleich, vor allen Dingen auch im Case sehen, wie dann der Lösungsansatz ist. Wir kommen aus Wien, das wird man auch bei Bruno gleich ein wenig hören. Der ist Wiener. Wir haben weitere Kollegen und weitere Offices London und New York - sind somit global unterwegs. Das New Yorker Büro, das ist eine kleine Anekdote zu Covid, hat glaube ich noch niemand gesehen-, noch nie jemand von innen betreten. Es war noch keiner da, ganz einfach, weil es geschlossen ist. Auch ich selber sitze in Hamburg, habe meine Kollegen in Wien und London lange nicht mehr gesehen, hoffe, das aber bald wieder nachholen zu können und hoffe, dass wir das bald alles erledigen können. Ja, was wir tun - und das ist dieser eine Satz, den wir da eben machen, ist, dass wir Marketingmitarbeiter, Marketing-Units befähigen, einfach zu verstehen, was ihr Beitrag ist, aber auch, was-, wie sie letztlich maximieren können. Letztlich, um den Erfolg-, den Erfolg der Company erhöhen zu können. Und, wie wir das machen, das kann man auf dem nächsten Slide sehen. Das wollen wir uns ganz kurz einmal ansehen. Was wir hier haben, ist eine Plattform, die letztlich es ermöglicht, sehr viele - hier steht über 400, es sind wahrscheinlich sogar mehr - Marketing-Sales, CRM-Ressources, letztlich kann man jedes System anschließen an unsere Plattform. Was wir dann eben machen mit diesen Konnektoren, die wir bereits haben, ist, dass wir die Daten, die wir gewinnen, die wir sammeln, harmonisieren.

In vielen Systemen, zum Beispiel Google, Facebook, Instagram, sind zwar sehr ähnliche Datenformate vorhanden, aber teilweise werden sie anders benannt oder auch das Datumsformat ist teilweise anders. Manchmal sind auch Schreibfehler da. Wir harmonisieren letztlich die Daten, können sie auch anreichern mit weiteren Daten aus weiteren Systemen. Und geben sie dann eben weiter für weitere Analysen an zum Beispiel eine BI, haben aber auch eigene Systeme, die da letztlich Dashboards bilden und sind auch in der Lage, letztlich bereits über Maschinen-Learning so etwas wie einen Marketing-Mix vorzuschlagen, das heißt Vorschlagswesen zu geben: Was wäre eine Optimierungsmöglichkeit im Marketing. Das heißt, wir sammeln die Daten, wir bereiten sie auf und geben letztlich weitere Insights, Dashboards und ermöglich eben auch über Maschinen-Learning bereits erste Vorschlagswesen. Dabei sind wir sehr unabhängig, wir können wie gesagt unser eigenes Tool nutzen, um da weitere Analysen zu fahren. Wir können die Daten aber auch als ein Feed letztlich in weitere BI-Systeme wie zum Beispiel Click, wie SAP, wie Tableau letztlich weiterleiten, sodass die Infrastruktur, die bereits vorhanden ist, weiter genutzt werden kann. Also, hier ist ein schneller Überblick, aber ich glaube, wichtig ist, dass man einmal so ein bisschen versteht, was wir machen. Und wir werden glaube ich in dem Case von Bruno nachher sehen, wie wir das letztlich umsetzen. Und natürlich stehen wir auch für weitere Fragen dann zur Verfügung.

Frank Rauchfuß: Wenn man sich dann das zusammengebrachte, gemeinsame Kunden-Portfolio ansieht, dann sind das verschieden Branchen, die letztendlich Bedarf haben, datenbetriebenes Geschäft voranzubringen und auch zu betreiben. Und das heißt, man sieht hier sämtliche Branchen, sämtliche Verticals von einem Sportverein bis hin zu einem Warenhaus für Möbel. Alles Mögliche-, Fashion-Bereich. Das heißt also, Datenthema ist branchenübergreifend ein sehr wichtiges Thema, was bereits von verschiedenen Unternehmen umgesetzt wird. Wenn man sich anschaut, was bringt eigentlich Adverity und diva-e zusammen, dann ist das genau auf der nächsten Seite letztendlich Folgendes: Dass wir Implementierungs-Knowhow, Marketing-Knowhow, E-Commerce-, Plattform-Knowhow zusammen bringen mit einer führenden Customer-Data-Platform und je nachdem, welche Anforderungen der Kunde hat, entsprechend dort Customer-Insights, aber auch bessere Geschäftsentscheidungen getroffen werden können. Was dann der wesentliche Erfolg auch einer Customer-Data-Platform ist. So, jetzt wollen wir aber in Inhalte einsteigen - genug der Vorstellung.

Und, ja, wir beginnen eigentlich mit dem Thema: Was ist der Business-Ansatz? Vor welchen Herausforderungen steht man? Und wie kann man diese bewältigen? Und wenn man sich anschaut, welche Mengen heute auf einen einprasseln, als Unternehmen insbesondere, dann ist es eine große Vielzahl an unterschiedlichen Kanälen, eine riesen Menge an Daten. Und letztendlich hat uns auch, wenn-. Ein Learning, ein produktives Learning von Covid ist, gerade diese Daten den Unternehmen geholfen, auf das veränderte Nutzungsverhalten von Kunden zu reagieren und letztendlich ist das die Währung: Persönliche Daten zu haben unter Datenschutz-Aspekten, die es ermöglichen, kundenspezifische Angebote zu machen, aber auch entsprechende Budget-Kalkulationen sinnvoll auszusteuern. Und auf der anderen Seite steht man natürlich vor den Herausforderungen, was man auf der nächsten Seite sieht. Dass man letztendlich nicht mehr verschiedene Datenquellen hat, sondern eben auch das Thema hat: Welches Geld gebe ich eigentlich in welchen Kanal rein? Also, das heißt, dass ich Marketing-Budgets tracke, dass ich verstehe, was ist eigentlich die ROI, den ich habe? Und welcher Kanal funktioniert besonders gut? Was ist die Customer-Journey? Und ich darüber die richtigen Entscheidungen treffe. Auf der anderen Seite habe ich Herausforderungen, dass ich letztendlich auf eine Technologie-Landschaft schaue mit über 7.000 Tools, die eher wachsend denn schrumpfend und konsolidierend sind. Wo ich verstehen muss, für mich selber und mein Geschäftsmodell, welche logischen Funktionen bestmöglich zusammenpassen, aber auch die Organisation dahingehend enabled wird, diese anzuwenden, um den maximalen Nutzen rauszuziehen.

Und das bedingt natürlich einer durchaus größeren Komplexität, die da zu beherrschen ist, um letztendlich die Gelegenheiten oder Opportunities, die in der Kundenansprache-, oder auch Vorteile, die ich dadurch gewinne, umzumünzen. Und last but not least ist das Thema dann Data-Privacy, die DSGVO oder GDPR - was zu beantworten ist und zu unterstützen ist. Und letztendlich sind das die Haupt-Challenges, mit denen man sich am Anfang eines solchen Projektes oder Situationen auseinandersetzt. Die aber natürlich auch alle lösbar sind. Und wenn man sie löst, einen sehr, sehr großen positiven Impact auf die Organisation, aber auch das Geschäft hat. Wenn wir mit der Customer-Journey beginnen, darf ich an Harald weitergeben, der darstellt, was eine Herangehensweise sein kann.

Harald Butterweck: Genau. Wir schneiden jetzt einmal nochmals dieses Thema ein Stück tiefer an. Wir schauen uns einmal an, was sind wirklich diese Punkte, an denen Daten letztendlich aufkommen, wo sie verarbeitet werden, wo Entscheidungen getroffen werden. Und da haben wir hier einmal so eine Customer-Journey, die in sehr, sehr vielen Unternehmen letztendlich vorkommt, dargestellt. Wir haben einmal den Approach, das heißt die Ansprache vom Kunden. Wir haben die Überlesungs-Phase letztendlich, wo der Customer überlegt, ob er kaufen sollte, ob er letztendlich die Dienstleistung nutzen sollte et cetera. Wir haben dann diesen wirklichen Kaufaspekt, der hier reinkommt. Dann haben wir letztendlich eine Rückgewinnung, um den Kunden nochmal zurückzuholen, ihn letztendlich auch nochmal anzusprechen. Und dann gibt es das Endstadium, sozusagen, die Loyalty. Das heißt, dass der Kunde letztendlich auch sich auch mit der Brand in Verbindung setzen kann, dass er letztendlich auch diese Brand zu einem gewissen Teil lebt. Auf dieser Folie da sind jetzt nicht ganz, ganz, ganz viele Punkte drauf. Wir schauen uns mal ganz, ganz wenige an. Wir haben heute ein Webinar, das ist so eine PR-Aktion letztendlich, die sehen wir ganz vorne.

Da gibt es dann letztendlich den Approach - den machen wir gerade hier, gemeinsam Adverity und diva-e zusammen. Hier gibt es dann noch auf dem Weg dorthin-, bis letztendlich entschieden wurde: Wir schauen uns das Webinar an, gibt es noch eine Landing-Page, eine E-Mail, dass letztendlich das Webinar stattfindet. Wir sind jetzt im Webinar drin, das heißt, wir haben die Consideration hinter uns gelassen, wir sind im Purchasing sozusagen drin. Ich habe emotional mich eingekauft - ich schaue mir das Webinar an. Ich bin auf der Website, ich bin im Meeting. Ich schaue mir diese Website an, ich habe jetzt die direkte Interaktion mit uns Vieren, wie wir hier sitzen. Ich habe die Möglichkeit, direkt in dieser Community zu chatten, Fragen zu stellen et cetera. Auch im Nachhinein nochmal Fragen zu stellen, sind wir ja alle Vier absolut offen, da nochmal Fragen zu beantworten. Und dann geht es tatsächlich so in diese Richtung, die jetzt so in der Zukunft kommt, ist da die Loyalty. Da geht es darum, dass wir nochmal eine E-Mail letztendlich heraus senden, wo auch nochmal das Seminar runtergeladen werden kann. Und so haben wir einmal diese komplette Journey abgebildet. Wenn man jetzt all diese Daten erhebt, ist das alleine in diesem Seminar ein sehr, sehr großer Teil.

Und, um diesen tatsächlich nutzen zu können, sichten wir Unternehmen. Da kommen wir auf die nächste Folie. Das ist eine sogenannte CDP, die all diese Daten-, diese Datenpunkte, die wir gerade gesehen haben, anbinden kann. Hier vorne im Data-Bereich auf der linken Seite, die Personal-, persönlichen Daten, das Engagement. Auch das Einloggen letztendlich zum Go-To-Meeting und eventuell hinterher nochmal ein Downloaden vom Webinar. All diese Daten, die kommen zusammen, die werden zusammengefasst, kommen dann hinterher in eine sogenannte CDP, über die wir heute reden. Die CDP schließt letztendlich diesen Kreis. Sie harmonisiert, wie wir vorhin schon von Sven gehört haben. Sie harmonisiert, sie führt zusammen. Es ist auch eine Segmentierung mit drin. Das heißt: Welche, letztendlich, Teilnehmenden haben wir heute? Sicher, einige haben wir aus unserem eigenen Unternehmen - das ist eine Segment-Gruppe. Externe oder letztendlich Sie, wie Sie gerade zuhören ist eine Gruppe, die sich mit Sicherheit auch nochmal unterteilen lässt.

Und dann gibt es noch eine Predictive. Das heißt, das sind dann diese Vorhersagen, diese Predictive letztendlich weiteren Schritte, die man empfehlen könnte. Und da kommen wir dann wieder raus aus der CDP in eine Orchestration und dort kommen wir dann in die nächsten Schritte, zum Beispiel nämlich die E-Mail, die Sie im Nachhinein bekommen. Und ganz am Ende, da steht dann der Customer. In diesem Fall sind das unter Anderem alle, die gerade zuhören. Warum die diva-e letztendlich in diesem CDP-Bereich und jetzt mit Adverity auch sehr, sehr stark zusammenhängt und letztendlich auch ein Partner ist, auf den man sich durchaus auch verlassen kann, ist, dass wir diese drei großen Punkte unter einer CDP oder generell vom Marketing-Text zusammenbringen.

Wir haben einmal die Data-Business-Kompetenz, wo ich absolut mein Steckenpferd habe mit jahrelangem letztendlich Data-driven Business-Consulting anzuschauen, die Use Cases zu erstellen, anzuschauen: Was brauchen wir wirklich? Wo haben wir auch einen direkten Edit Value für den Kunden? Und diesen ganzen konzeptionellen Teil letztendlich, der dann auch in die Umsatzplanung und in die Umsetzung geht, wo ich immer relativ stark integriert bin, zu der Software-Kompetenz, die wir dann hinzuholen. Heute dann zum Beispiel Adverity, die letztendlich hier die absoluten Experten sind, diese Harmonisierung, diese Anbindung und diese Plattform auch zur Verfügung zu stellen.

Und dann gibt es nochmal den dritten Punkt bei uns, der ist die Operation-Kompetenz. Operation-Kompetenz, wir haben eigene Data-Center, wir haben die Experten in Cloud und wir haben letztendlich auch das Operation für etliche Webshops, für etliche Plattformen, die wir dann letztendlich betreuen und den Customer-Service mitbringen. Und mit diesen drei großen Punkten zusammen, bedeutet das eigentlich, Sie sind ziemlich gut aufgehoben. Um jetzt nochmal ein Stück tiefer wieder einzusteigen, wo wir jetzt wieder diese höhere Flugebene hatten. Wie kommen wir dahin, dass wir letztendlich eine CDP haben? Das ist so unser Standardvorgehen. Sehr Modul-getrieben - das heißt, jeder einzelne Punkt ist mehr oder weniger ein Modul. Es kommt immer darauf an, wo steht der Kunde gerade, an welcher Stelle kommt man rein. Und dann wird das Ganze angepasst auf die-, auf den Need vom Kunden letztendlich. Wenn man das End to End einmal sich betrachtet, komme ich aus einer Analyse raus, habe eine Use-Case-Entwicklung, auch mit Requirements - wo möchte ich letztendlich ansetzen? Dann natürlich auch die Evaluierung: Welche Tools brauche ich? Was brauche ich vielleicht noch hinter der Orchestration, was muss dahinter noch rauskommen? Welche Tools möchte ich auch ansprechen? In der Mitte hier ist zum Beispiel dann die Adverity, die letztendlich die Amortisation macht, als CDP-Anbieter, um letztendlich auch diese Sicht darauf zu bekommen: Lohnt sich das Ganze? Habe ich einen Business-Case? Was ist der Return on Invest? Was muss ich dafür tun, dass ich es implementieren kann? Und dann fängt man damit an, einen ersten MVP zu implementieren.

Die Implementierung wird geplant, alle Voraussetzungen werden gebracht, Firewalls werden sich angeschaut, Data-Concerns werden sich angeschaut und dann wird der erste MVP gebaut. Der erste MVP ist letztendlich eigentlich nur der erste Schritt in die neue digitale Welt der CDP. Das heißt, diese erste Plattform, die einmal hier steht, die sich dann danach wieder gechallengt wird und weiter ausgebaut wird-. Und dann gibt es letztendlich die letzten beiden weiteren Punkte, die sich aber nach und nach wieder abwechseln. Das heißt, eine Erweiterung, ein neuer Business Case, der jetzt zum Beispiel auch Step-. Ein Use-Case, der aus Step Zwei hinzugezogen wird, der jetzt auch noch implementiert wird, wird dann letztendlich influential dazu entwickelt. Das Anbinden in Adverity, wo ich ein ganz großer Freund von Adverity bin, das geht unglaublich schnell. Ich habe einmal einen riesigen Pool aus Konnektoren, die ich direkt benutzen kann. Ich habe aber auch die Möglichkeit, einen Custom-Connector zu bauen und was jetzt auch gerade jemandem, der in der diva-e sitzt, wo ich ganz, ganz, ganz viele Kollegen habe, die sowas tagtäglich machen, ein großer Vorteil ist-. Genauso wird das Ganze dann weiterentwickelt.

Und damit komme ich auch zu unserem Customer-Case, unserem ersten. Danach gebe ich dann an den Zweiten und an den Bruno über. Unser erster ist letztendlich die medi GmbH. Medi, die bauen letztendlich ganz viele Bandagen, Kompressionsstrümpfe et cetera, Prothesen et cetera. Ein supercooles Unternehmen. Ist in 25 Ländern weltweit vertreten, hat über 3.000 Mitarbeiter und hat drei Sparten, auf die wir gleich nochmal eingehen werden. Um uns ganz kurz anzuschauen, wie ist das Ganze so aufgebaut, was ich kurz vorstellen werde. Wir fangen an mit: Wo stehen wir heute? Wo ist die Situation, in der wir losgelaufen sind? Was war so unser Approach, mit dem wir dann losgelaufen sind und was wir auch gemacht haben? Und dann hinterher - was ist der Edit Value, der letztendlich bei rausgekommen ist? Und auch hier dann, wenn wir dazu kommen gleich, nochmal ein kleiner Ausblick: Wo wird es noch hingehen? Als Allererstes mal der Startpunkt: Wo kommen wir her? Wir haben eine, teilweise auch Medizinhersteller-, medizinische Produkte-. Ein Hersteller für Medizin-Produkte. Da ist es ganz wichtig auch zu schauen, wo werden die vertrieben, wie werden die vertrieben? Diese Black-and-White-Listing, da geht es darum: Es gibt Lean-Concerns, dass letztendlich nicht jedes Produkt überall vertrieben werden darf, beziehungsweise, wenn es in einem gewissen Land zum Beispiel als Medizin-Produkt vertrieben wird, darf es hier nicht auch als B2B-Produkt letztendlich vertrieben werden. Wichtig: Wir haben hier keinen Direkt-Vertrieb. Wir sind ein B2B. In einem B2B-Case, da geht es auch darum, trotzdem dann im B2C letztendlich dann die Market-Position zu festigen und auch diese Brand-Awareness zu schaffen. Und ganz am Ende geht es auch noch darum, letztendlich zu schauen: Was habe ich für einen Preis? Was ist der durchschnittliche Market-Preis? Und wo möchte ich mich auch in der Zukunft hin entwickeln? Die Situation an sich bei Medi ist-. Ich habe letztendlich drei große Sparten. Einmal diesen Medi, der so stark im Medizin-Bereich drin ist. Dann habe ich die CEP, das ist mehr so Sport-Equipment. Und dann habe ich die ITEM m6 - das ist letztendlich der Lifestyle-Bereich. Das heißt, diese drei Sparten haben dann nochmal, wenn wir uns nochmal die Customer-Journey vorstellen, die haben nochmal alle ihre eigene Customer-Journey, ihre eigenen Ansatzpunkte.

Wichtig: Das Ganze immer mit einem Retailer, das heißt mit einem B2B-Kunden am Ende. Wir gehen hier jetzt nicht auf einen B2C-Kunden ein, da wird der Bruno gleich darauf eingehen. Und damit kommen wir dazu: Was haben wir gemacht? Wie haben wir das Ganze angegangen? Data-Quality ist gerade in so einem Umfeld, wo ich so multi-dimensionale Daten letztendlich habe, auch ganz verschiedene Daten von ganz verschiedenen Quellen, ganz, ganz wichtig. Das heißt, immer eine Data-Quality letztendlich im Auge behalten. Hier ist Adverity ein Partner, der absolut das Ganze zusammenhalten kann und auch reliable long-term-mäßig zusammenhält. Was ein ganz großer Unterschied ist zu „Ich baue eine kleine API selber“. Die Harmonisierung ist ein ganz großer Teil, der für uns letztendlich in der Adverity stattgefunden hat.

Der agile Approach ist letztendlich unser Vorgehen, wo wir sagen: „Wir bauen mit Ihnen, mit dem Kunden in diesem Fall, zusammen nach und nach die Dashboards weiter aus“, dass wir letztendlich auch immer ein tieferes und tieferes Verständnis da bekommen haben, was der Kunde am Ende sehen möchte. Der Kunde ist hier in diesem Fall ein Stakeholder intern, der letztendlich die Entscheidungen trifft und der dann auch dann weitere Aktionen damit startet. Technologie ist immer ein großer Faktor. Das muss reliable sein, wie wir schon im Data-Quality und Harmonisation gesehen haben - und hier kommen wir dann auch letztendlich ein Stück tiefer rein. Da nehme ich Sie mal mit auf die Reise letztendlich der Architektur hier. Hier sehen wir einmal letztendlich, dass wir einmal Projektlisten beziehungsweise zum Teil auch Produktdaten aus der Medi-eigenen Umgebung bekommen haben. Die sind dann letztendlich weiter in den Data-Lake gekommen. Und dann haben wir diesen spannenden Teil: CDP, der letztendlich ganz viele Datenquellen zusammengefasst hat. Und eine Daten-Quelle anbinden ist letztendlich im Vergleich zu vor ein paar Jahren, wo ich das tatsächlich noch von Hand gemacht habe - meine erste CDP habe ich gebaut, da wusste ich noch gar nicht, dass es CDPs gibt. Und im Nachhinein kann ich jetzt sagen: „Die CDP habe ich von Hand gebaut. Mit der ETL-Strecke.“

Aber letztendlich geht es hier darum, zum Beispiel Advanced Pricing-Data, die letztendlich uns eine Expertenfirma zur Verfügung gestellt hat oder die wir letztendlich hier abgezogen haben, angebunden haben. Die wurden auch harmonisiert zusammen mit Social Media, mit User Tracking Data. Letztendlich von der Website alles zusammen in einen Stream und dann angepasst hier ins Data-Warehouse. Im Data-Warehouse sind dann letztendlich die Daten von der Medi intern dazugekommen und das Ganze ist dann zu einem erweiterten Datenmodell gekommen und was letztendlich in dem Projekt rausgekommen ist, ist: Ich habe einmal einen reliable Reporting. Es weiß auch jeder, dass er sich seine Reports anpassen kann, weil hier ja nochmal ein BI dahinter hängt. Ich habe die Möglichkeit, jetzt Entscheidungen zu treffen auf Daten-, auf Daten, die letztendlich auch sehr, sehr aktuell sind, weil sie live angebunden sind. Wir reden nicht von Real Time, wir reden davon, tatsächlich die Daten in der Geschwindigkeit zu haben, in der wir sie brauchen in diesem Fall.

Und, wo wir jetzt einen ganz großen Vorteil haben, wir haben letztendlich die Möglichkeit, unseren B2B-Customer direkt anzubinden. Da kommen wir jetzt auch im nächsten Teil drauf, nämlich in dem Edit-Value, den wir haben. Wir haben eine Preisstabilität durch das Tracking, durch ein Reagieren, durch ein On-Point-Reagieren letztendlich auch auf verschiedene Aktionen in verschiedenen Ländern. Dann habe ich die Möglichkeit als letztendlich B2B-Unternehmen, hier meine Preise stabiler zu halten, auch bis zum Endkunden hin. Ich kann meine Brand-Awareness ganz absichtlich steuern und letztendlich auch teilweise entgegen Steuern und teilweise noch eine schöne Aktion mitmachen, die ich auch komplett tracken kann. Ich habe die Möglichkeit, genau auf meinen B2B-Retailer einzugehen, weil ich das Land kenne, in dem er verkauft. Weil ich letztendlich weiß, wie-, in welcher Situation er ist durch meine Transparenz, die ich im nächsten Punkt habe. Und kann hier ganz speziell auf ihn eingehen. Ein nächster Punkt, wo es dann nochmal in die Zukunft geht, wäre dann Dynamic Pricing, das Monitoring, das gibt es heute schon. Aber Dynamic Pricing wäre jetzt nochmal so ein Schritt, das Ganze auf ein neues Level zu bringen. Und damit haben wir einen Case, der durchaus eine ganze Weile gedauert hat und sehr, sehr spannend ist, einmal abgeschlossen. Die Key-Take-Aways sind definitiv diese Price-Stability und Brand-Awareness und letztendlich auch, auf den Custom, also meinen B2B-Kunden einzugehen zu können und letztendlich auch mit dem zusammenarbeiten zu können. Und damit übergebe ich an den Bruno.

Bruno Kofler: Ja, dann schauen wir uns noch eine Case-Study von Adverity an. Also, man hat ja vor allem bei den Logos auch schon gesehen-. Also, wir sind in den unterschiedlichsten Ländern, Bereichen, Industrien. Ich habe jetzt aber Odlo hergenommen, weil wir einfach sehr viel im Retail-E-Commerce-Bereich machen und weil, wie gesagt, Odlo einfach-. Ich bin ein sehr großer Fan von der Firma. Also, falls jemand Odlo nicht kennt: Das ist ein Sportunternehmen mit Sitz in der Schweiz, die sehr hochwertige Performance-Wear, Outdoor, alles Mögliche an Sportbekleidung machen. Grundsätzlich ist-. Odlo hat schon eine sehr lange Geschichte hinter sich, also die sind quasi seit über 50 Jahren am Markt tätig und somit ein sehr klassischer Retailer. Also, so hat das Ganze begonnen.

Die Produkte sind heutzutage in über 8.000 physischen Stores weltweit verfügbar. Dann, wie man in Punkt Zwei sieht, haben sie mittlerweile auch einen sehr großen Online-Store, wo sehr viel Umsatz auch über diesen Online-Store passiert. Und, wie gesagt, das Ganze ist mit Fokus auf Europa, aber mittlerweile zum Beispiel auch schon sehr stark am amerikanischen Markt. Das heißt, auch von den Territorien mit den Ländern her, ist das sehr breit aufgefächert mittlerweile. Und jetzt diese Kombination von eben Retail und E-Commerce und das wirklich auf einer globalen Ebene - führt eben, wie man in Punkt Vier sieht, zu wirklich einem sehr großen Berg von Marketing-, Sales-, E-Commerce-Daten. Alles Mögliche. Das heißt, auch in dem Fall, hatten wir so die üblichen Kandidaten im Bereich welche Channel aktiv sind. Also, klar alles Mögliche an Social Media, Google Analytics, Google Ads - also die ganze Google-Suite. Natürlich der E-Shop extrem wichtig. Alle anderen möglichen Tools und Bereiche, auch Excel Shields. Und das ist sehr, sehr wichtig, weil teilweise auch Daten von den Retailern so ankommen. Zusätzlich zu den physischen Stores, wo sie die Produkte anbieten, haben sie auch selber noch wirklich eine Vielzahl an so Concept Stores, die sie selber auch betreiben. Also wirklich ein sehr breit gefächertes Netzwerk, was einfach zu extrem vielen Daten führt. Und das Problem an der Situation war auch: Es gab quasi eine sehr limitierte, beziehungsweise eigentlich sogar gar keine Infrastruktur im Datenbereich. Was heißt, dass das ganze Reporting, die ganzen Analysen haben jeweils in den einzelnen Tools selber stattgefunden.

Im Konkretfall zum Beispiel war jetzt ein Marketeer, der im, zum Beispiel sich jetzt Facebook angeschaut hat, sich in Facebook eingeloggt hat, die Daten dort eben sich manuell angeschaut hat, versucht hat, herauszufinden: Okay, was funktioniert gut? Was funktioniert schlecht? Wo kann man weiter optimieren? Dann, wenn Daten eben benötigt wurden für das Reporting, musste diese Person die Daten runterladen, irgendwie manuell zusammenfügen, teilweise wieder in Excel-Sheets einfügen, alles irgendwie harmonisieren, halbwegs auf einen Nenner bringen. Also, ein sehr komplexes System. Dasselbe musste dann natürlich für Google Ads und für jedes andere Tool gemacht werden. Also man sieht schon, es hat wirklich dieser eine Ort gefehlt, wo halt alle Daten zusammenkommen und dort verfügbar sind. Also, das war das große Problem. Und auch-. Es wurde schon ein bisschen auf die Harmonisierung angesprochen, die wir machen. Wenn man jetzt noch bedenkt, man ist in unterschiedlichen Ländern mit unterschiedlichem Datumsformat, mit unterschiedlichen Währungen tätig, dann ist das Ganze gleich noch komplizierter.

Und dann auf der nächsten Folie sieht man so ein bisschen: Was sind die Challenges, die eben aus dieser Situation entstanden sind? Also, die größte Challenge bei Odlo war einfach, keine zusammengefügte Übersicht aller Daten zu haben. Also, dadurch kann man Marketing-Kampagnen miteinander sehr schwierig nur vergleichen. Das war wirklich so ein Problem. Also, die Auswertung auch von der Conversion, von den einzelnen Kampagnen war extrem schwierig. Also man sieht das in Punkt Eins: Es waren sehr viele Silos. Das ist eben das Angesprochene: Ich habe meine Daten in Facebook, in Google Ads, in allen möglichen Plattformen, aber es ist nirgends wirklich einheitlich und übersichtlich. Und dadurch ist die, eben die-, also das Holen, das Verarbeiten, das Analysieren von Daten extrem komplex und extrem zeitaufwendig, wie beschrieben. Also, das führt dann auch zu einer fehlenden Kontrolle über das Budget, über das Spend, vor allem auch wirklich auf einem Tageslevel fehlt mir hier die Kontrolle.

Also, die Aufteilung des Budgets auf die Aktivitäten mit dem höchsten Output, mit dem höchsten Return war extrem schwierig in dem Fall weil sich online so schwer getan hat, wirklich herauszufinden: Okay, was sind die Aktivitäten, was sind die Kampagnen mit dem höchsten Return? So das ist natürlich die erste Frage, die ich hier beantworten muss. Und dadurch war dann im Punkt Fünf die-, das Finden vom richtigen Marketing-Mix sehr schwierig. Das heißt, das war eben schwierig, das Budget aufzuteilen und zu steuern - vor allem auch kurzfristig. Also, kurzfristige Trends zu erkennen und kurzfristig strategisch vorzugehen, war im Marketing quasi unmöglich. Weil ich einfach mehrere Länder hatte, mehrere Währungen, mehrere Kampagnen, extrem viele Daten. Und ich habe sehr lange gebraucht, diese Daten wirklich zu verarbeiten. Also, es war wirklich ein Problem, mal herauszufinden: Okay, was ist die aktuelle Situation und wohin muss ich dann schauen, um optimieren zu können? Das heißt, auf der nächsten Folie sieht man nochmal das Problem von der Kontrolle.

Also, ohne einen Ort, wo wirklich alle Daten gesammelt werden und verfügbar sind, ohne den fehlt einfach etwas. Und Odlo hatte hier zu viele Daten, ja, was generell ja nicht schlecht ist. Aber es war für sie einfach nicht möglich, täglich diese Daten zu sammeln und anzuschauen. Und dadurch hat mir eben die Kontrolle über das Marketingbudget, über den Marketingspent gefehlt. Und es waren ja wirklich grobe Schwierigkeiten, alleine schon die wichtigsten KPIs zu tracken. Ja, so ein großes Beispiel war so das Verhältnis zwischen Marketingspent und dem Umsatz im Shop. Das war einfach ein Beispiel - sehr offensichtlich, dass man hier wirklich einen Überblick, eine Transparenz braucht. Aber das hat einfach gefehlt, weil man auch diese Marketing- und E-Commerce-Daten sehr schwierig kombinieren konnte. Und eben ein großes Problem war auch: Es waren zu viele Daten, dass sich der Zeitaufwand im täglichen-, im operativen Geschäft nicht wirklich ausgegangen ist. Also, das Optimieren war nicht möglich, weil, ich konnte mir die ganzen Daten nicht so schnell holen und verarbeiten und anschauen und verstehen. Und das ist auch so ein bisschen eine paradoxe Situation, die wir eigentlich sehr häufig sehen. Weil grundsätzlich ist das Ziel von jedem Marketeer ja, die KPIs und die Performance wirklich zu verbessern. Aber gleichzeitig ist einfach oftmals das Problem, dass nicht genug Daten da sind und vor allem nicht genug Zeit, um diese Daten eben zu verarbeiten, damit man dann eben das Ganze wirklich effektiv umsetzen kann und eben optimieren kann. So das ist so das große Problem. Und wir sehen dann auf der nächsten Folie, dass das einfach dazu führt, dass ich den richtigen Marketing-Mix nicht finden kann. Aber grundsätzlich ist es natürlich von extrem wichtiger-, also es ist extrem wichtig, dass ich das Budget wirklich verstehe und dass ich das Budget steuern kann. Also sprich den richtigen Marketing-Mix finde. Und die Frage war hier einfach: Wie und wohin investiere ich das Budget am besten?

Und, wie gesagt, Odlo hatte die Daten einfach nur in den einzelnen Plattformen, nicht an einem Ort gespeichert und dadurch war es einfach nicht möglich, ein übersichtliches-, ein ganzheitliches Bild im Marketing zu schaffen. Und das dann wirklich auch crosschannel, ja, also eben wie gesagt, Marketing-Sales-Daten zu verknüpfen und dann die richtige Balance, die richtigen Aktivitäten zu finden. Ja und wir haben ihnen dabei wirklich geholfen. Also, wir haben geholfen, die ganzen Daten zu harmonisieren, also in ein System zu bringen und dort zu harmonisieren. Wie gesagt, auf selbe Währung, auf selbe Datum, auf selbe Naming-Conventions. Und damit wir die Daten dann eben auch wirklich nutzen können, um ROI von den Kampagnen erstmals wirklich zu verstehen. Und dann eben wirklich zu optimieren. Das heißt: Was haben wir wirklich konkret gemacht? Schauen wir uns die nächste Folie an. Also, wenn man bestmöglich optimieren kann, die Kampagnen, wie vorher erwähnt, dann kann man eben die KPIs verbessern und ist wirklich den Mitbewerbern einen Schritt voraus. Das heißt, das ist immer unser Ziel. Odlo ist generell ein sehr innovatives Unternehmen im Bereich Produkte. Also sie haben da auch immer sehr neue, sehr innovative technische Materialien, also zum Beispiel nachhaltige Produkte et cetera. Aber im Bereich eben Datenintegration, im Bereich Marketing-Reporting - da waren sie nicht auf dem neuesten Stand. Das war eher so ein bisschen Neuland für sie. Und wir haben quasi diesen Bereich übernommen und ihnen da geholfen, in einem sehr hart umkämpften Markt wirklich eben den Mitbewerbern voraus zu sein und hier schnell und agil zu arbeiten.

Das heißt, im Punkt Eins, was haben wir eben gemacht: Unsere Core-Kompetenz. Wir haben geschaut: Okay, wo sind überall die Daten? Wir haben dann alle möglichen Datenquellen wirklich angebunden, in eine Plattform gebracht. Das heißt, ich habe wirklich einen Ort, wo alles verfügbar ist. Sehr transparent für alle möglichen Stakeholder. Und dann haben wir dann eben mit Harmonisierung, mit verschiedenem Transformation-Mapping sehr viel gearbeitet, um jetzt zum Beispiel irgendwas von Schweitzer Franken und Euro und Doller und Sonstigen-, alles auf einen Nenner zu bringen. Genauso mit den Naming-Conventions von den ganzen verschiedenen Plattformen. Um wirklich alles auf einen Nenner zu bringen, damit ich die ganzen Daten eben wirklich vergleichen kann, haben wir die ganze manuelle Arbeit wirklich automatisiert und dadurch das ganze Reporting-, die ganze Reporting-Landschaft wirklich auf ein neues Level gebracht. Das war wirklich so unser großes Ziel. Und dadurch wirklich, durch Dashboards, wo eben wirklich einheitliche Daten da sind, wo korrekte Daten da sind-. Das heißt, wir haben auch verschiedene Systeme-, wir haben verschiedene Machine-Learn-Systeme, die ständig die Daten auslesen und dann zum Beispiel sagen: „Hey, hier stimmt die Datenqualität nicht, hier ist ein Fehler passiert, hier ist ein Datenfeld nicht ausgefüllt.“ Das heißt, da arbeiten wir auch sehr viel. Und da, wie gesagt, haben wir dann Dashboards kreiert, wo alles am aktuellen Stand ist, wo alles einheitlich ist, wo alles fehlerfrei ist.

Und mit diesen Dashboards kann man halt wirklich besser verstehen: Okay, wo fließt mein Budget hin? Was kommt als Return raus? Und dadurch kann man viel besser das Budget steuern. Es ist viel effizienter, aber auch effektiver. Man kann den Output deutlich erhöhen. Das heißt, das haben wir hier auch wirklich geschafft: Den höchstmöglichen Return aus dem Marketing rauszuholen. Ja und das auch wirklich auf dem ganzen Funnel basierend. Das heißt, Data-driven Decisions wie in Punkt Drei, sind auf dem ganzen Purchasing-Funnel passiert. Das heißt, es war auch immer verständlich: Okay, in welchem Part vom Funnel funktioniert was? Und wie agieren meine Kunden? Was kommt am besten an? Das heißt, auch die ganzen Touch-Points im Funnel sind dadurch personalisierter geworden, sind besser angepasst worden. Und, wie vorher schon erwähnt, wir konnten Odlo hier viel agiler, viel schneller machen. Und dadurch konnten sie eben besser reagieren auf Kunden, auf Trends, auf Mitbewerber.

Und jetzt vielleicht noch auf meiner letzten Folie dann kurz quasi: Was war jetzt wirklich das Ergebnis von dem gesamten Projekt? Also, wirklich in Zahlen runter gebrochen. Also grundsätzlich haben wir eben dafür gesorgt, ein einheitliches, ein effizientes Reporting und Performance-Monitoring zu-, gemeinsam zu erstellen. Wir haben hier sehr viel auch für Transparenz gesorgt. Das war auch hier ein wichtiger Punkt. Dass eben es nicht einzelne Leute gibt, die quasi bestimmte Daten horten in ihren Silos. Sondern es ist wirklich auch für das Management extrem verständlich und zugänglich: Okay, wo passiert was? Und man kann eben kurzfristig auch schneller Reports erstellen. Wenn man sich jetzt Punkt Eins anschaut: Zeitersparnis. Das ist wirklich-. Für uns ist die Effizienzsteigerung immer eines der wichtigsten Punkte. Das heißt, wir wollen einfach den Marketeers Zeit freischalten, freispielen durch unsere Automatisierung. Damit diese die Zeit dann eben besser verwenden können, um weiter zu optimieren. Das ist so ein Ansatz von uns. Ich will jetzt als Marketeer nicht ständig nur Daten von A nach B rum schieben und die allseits geliebten Excel-Formeln irgendwie nicht herumspielen. Sondern ich will ja wirklich weiter optimieren, Kampagnen verbessern, mehr erzielen. Und das ist wirklich das, was wir ermöglichen wollen.

Das heißt, hier in dem Fall konnten wir eben die Anzahl quasi-, also den Zeitaufwand in diesen ganzen Daten-Prozessen extrem reduzieren. Ich hoffe, das können wir noch weiter runterbringen. Weil wenn wir uns andere Kunden anschauen, jetzt zum Beispiel bei Ikea konnten wir wirklich diesen Prozess um 100 Prozent effektiver gestalten. Also wirklich den gesamten Prozess komplett automatisieren. Und so ist es auch mit den meisten Kunden, dass sie wirklich sagen: Okay, sie sind 90, 95 Prozent effizienter geworden. Also wirklich eine extreme Zeitersparnis. Also, wir haben jetzt zum Beispiel auch einen Kunden, Cars.com. Das ist so ein Online-E-Commerce-Marketplace. Die haben auch gesagt, 160 Stunden pro Wochen haben sie dafür verwendet, nur Daten zu sammeln und zu vereinheitlichen. Und da haben wir auch gemeinsam einfach das immer wieder reduzieren, noch mehr automatisieren können. Und am Schluss sind wir dann angekommen bei fünf Stunden pro Woche.

Das heißt, wenn man sich das wirklich anschaut: Fünf Stunden pro Woche, das ist eine Person, die das nebenbei ein bisschen macht. 160 Stunden pro Woche brauche ich quasi ein ganzes Team, das sich damit beschäftigt. Also, Zeitersparnis ist wirklich einer unserer wichtigsten Punkte. Dann Punkt Zwei auch die Datenqualität, die wir hier deutlich erhöhen konnten. Das heißt, auch sehr verständlich - es passieren einfach, wenn ich den ganzen Prozess manuell mache, einfach immer wieder mal Fehler, immer wieder mal Ungenauigkeiten. Das heißt, es sind einfach Fehler, die sich hier einschleichen. Wie gesagt, Datenfelder, die nicht ausgefüllt werden oder auch nicht einheitliche Daten, dass ich eben irgendwelche Währungsunterschiede habe oder Naming-Conventions sich irgendwie verschieben. Und, wie gesagt, wir haben hier ein System, das die Fehler erkennt, das dann Alerts gibt mit: „Hey, hier ist etwas nicht ausgefüllt worden“, „Hier ist etwas in der falschen Spalte“. Und dann kann man das Ganze schnell verbessern. Weil grundsätzlich, wenn ich natürlich Optimierung mache, die aber auf falschen Daten basiert, ist das auch kein gewünschtes Szenario. Das heißt, hier ist es uns auch immer wichtig, auf die Datenqualität zu schauen und die hier zu erhöhen. Und dann schauen wir uns noch so das tägliche Geschäft an. Das heißt, hier konnten wir auch deutliche Verbesserungen erzielen, gemeinsam mit Odlo. Vor allem eben der Entscheidungsfindungs-Prozess wird deutlich schneller und dadurch werde ich einfach agiler, flexibler. Wie schon erwähnt, ich kann auf Trends, auf Kunden, auf Mitbewerber sehr schnell reagieren. Und wirklich gezielt eben meine Kampagnen und Aktivitäten optimieren. Das heißt, grundsätzlich schaffen wir da 15 bis 20 Prozent der Marketing-Ausgaben zu optimieren, die dann wieder reinvestiert werden können. Das heißt, ich kann meine-, mein Budget eben besser gestalten, besser steuern und dadurch auch bessere Ergebnisse erzielen.

Das heißt, grundsätzlich will ich natürlich Umsatz, Wachstum und Profit erhöhen und das ist uns in diesem und in vielen andern Fällen eben sehr gut gemeinsam gelungen. Und, ja. Wenn jetzt jemand der Zuhörenden sagt: „Okay, das ist für uns-. Klingt auf jeden Fall spannend, könnte für uns auch interessant sein.“, dann haben wir jetzt noch quasi ein Special. Also, wir haben entwickelt für die Teilnehmer von dem Webinar die Option von einem Free Trial. Was bedeutet das? Also, wir sind jetzt sehr gerne bereit, uns einfach mal zusammen zu setzen, ein Gespräch zu haben, zu schauen: Wo steht man aktuell so im Reporting-Bereich? Wie wertet man aktuell mit Marketing-Daten und was gibt es denn vielleicht noch für Potential? Was sind vielleicht Schwierigkeiten, die man eben ausbessern kann? Und dann können wir eben sagen: Okay, man stellt die Software 30 Tage zur Verfügung und schaut sich zum Beispiel zwei oder drei Datenquellen an, die man verknüpft. Und zusätzlich gibt es da eben vollen Support, volles Onboarding. Dann schauen wir uns an-, man kann wirklich erfahren: Wie kommen die Daten rein? Wie werden die Daten verarbeitet? Und dann auch erste Dashboards - also, wie kann ich diese Daten bei uns visualisieren? Wie gesagt, hier sieht man nochmal die Benefits: Die manuelle Arbeit wird extrem reduziert, Datenqualität wird erhöht, das Risiko-. Ich habe eine bessere Übersicht, mehr Transparenz und kann dann im Endeffekt wirklich, wie gesagt, das große Ziel: Ich kann besser optimieren und dadurch eben wirklich mein ROI wirklich erhöhen. Also, wie gesagt, wenn jemand interessiert ist, gerne auf uns zukommen. Dann schauen wir uns das gerne gemeinsam an und können ebenso ein Gratis per se zur Verfügung stellen. Ja, dann sind wir eigentlich grundsätzlich schon beim Q and A. Also, falls jetzt Fragen aufkommen oder falls schon Fragen gestellt wurden, bitte jetzt jederzeit.