Cohort Discovery
CRM-Lead baut eine Spieler-Kohorte für eine Reaktivierungs-Kampagne — ohne SQL, ohne Ticket an den Analyst-Pool, ohne mehrtägige Wartezeit.
Szenario
Eine CRM-Verantwortliche bei einem DACH-Casino-Operator plant eine Reaktivierungs-Wave für die kommende Woche. Sie braucht eine sauber definierte Kohorte: Spieler aus den DACH-Märkten, die noch aktiv sind, deren Einzahlungs-Volumen jedoch deutlich nachgelassen hat — und zwar ohne diejenigen, bei denen ein Compliance-Vorgang oder eine reduzierte Selbstlimit-Einstellung dagegen sprechen würde. Die Kohorte soll in das CRM-System überführt werden, üblicherweise per CSV-Import in Optimove oder ein vergleichbares Werkzeug.
Die Aufgabe klingt überschaubar. In der Praxis ist sie es selten.
Vorher: drei bis fünf Tage Wartezeit
Der etablierte Ablauf in den meisten Backoffices folgt einem bekannten Muster. Die CRM-Verantwortliche formuliert ihre Anfrage in einer E-Mail oder einem Jira-Ticket an das BI-Team. Der zuständige Analyst meldet sich — wenn die Kapazität es zulässt — am nächsten oder übernächsten Tag mit Rückfragen: Welcher Zeitraum genau? Wie wird «aktiv» operationalisiert? Welche Definition von «Deposit-Drop» soll angelegt werden, in absoluten Euro oder prozentual zum Vormonat? Welche Compliance-Flags sollen ausgeschlossen werden — alle oder nur die offenen?
Nach ein bis zwei Runden Klärung schreibt der Analyst eine SQL-Abfrage gegen das Data Warehouse, prüft das Ergebnis stichprobenartig und liefert einen CSV-Export. Die CRM-Verantwortliche sichtet die Liste, stellt fest, dass eine wichtige Einschränkung vergessen wurde, und der Zyklus beginnt von vorn. Im günstigen Fall vergehen drei Tage zwischen erster Anfrage und einsatzfähiger Kohorte. Im schlechten Fall sind es fünf — und die geplante Wave verschiebt sich um eine Woche.
Der Engpass liegt nicht an mangelndem Engagement, sondern an strukturell knapper Analyst-Kapazität und einem Iterations-Zyklus, der jedes Mal über zwei Personen und zwei Werkzeuge läuft.
Mit Spielleitstand
Die CRM-Verantwortliche öffnet die Spielleitstand-Oberfläche, formuliert ihre erste Frage in plain-German und erhält innerhalb von Sekunden eine Antwort gegen die produktiven Spieler-Daten — inklusive Treffer-Anzahl, Verteilung über Märkte und einer Vorschau auf die ersten Datensätze. Wenn das Ergebnis noch nicht passt, formuliert sie eine Folgefrage, die auf der vorherigen aufbaut. Das System hält den Kontext der Sitzung und versteht «davon» oder «aus dieser Gruppe» als Bezug auf die zuletzt definierte Kohorte.
Die Iteration findet am Arbeitsplatz der CRM-Verantwortlichen statt, nicht im Postfach des Analysten. Was vorher drei bis fünf Tage gedauert hat, dauert in der Regel zwanzig Minuten — und das Ergebnis ist nachvollziehbar dokumentiert: Jede Antwort enthält die effektiv ausgeführte Abfrage in lesbarer Form, sodass das BI-Team die Logik bei Bedarf prüfen und freigeben kann.
Mehrdeutige Begriffe — «aktiv», «DACH», «kürzlich» — werden vor der Ausführung explizit aufgelöst. Das System zeigt seine Interpretation an («aktiv = mindestens eine Sitzung in den letzten 30 Tagen»), und die CRM-Verantwortliche kann die Definition vor dem Absenden anpassen. Diese explizite Auflösung ist bewusst angelegt: Sie ersetzt die Klärungs-Schleifen mit dem Analysten durch eine sichtbare, ein-Schritt-Entscheidung und verhindert die häufigste Quelle von Missverständnissen — zwei verschiedene Personen, die denselben Begriff stillschweigend unterschiedlich auffassen.
Beispiel-Dialog
Ein typischer Vier-Schritt-Dialog für den oben beschriebenen Fall:
- Schritt 1
«Zeige mir DACH-Spieler die in den letzten 30 Tagen aktiv waren aber Deposit-Volumen um >40% gedrückt haben»
- Schritt 2
«Davon, welche haben RG-Self-Limit reduziert?»
- Schritt 3
«Schliesse alle aus mit Compliance-Flag in den letzten 90 Tagen»
- Schritt 4
«Exportiere die Liste als CSV für Optimove-Import»
In der Praxis ist Schritt 2 ein bewusstes Filter-Signal: Spieler, die ihr Selbstlimit reduziert haben, sollen aus einer Reaktivierungs-Wave heraus eskaliert oder ganz ausgeschlossen werden — eine Frage, die das Compliance-Team zusammen mit CRM klärt. Schritt 3 sorgt für den verbindlichen Ausschluss laufender oder kürzlich abgeschlossener Compliance-Vorgänge. Schritt 4 erzeugt einen Export, der direkt in die nachgelagerte CRM-Plattform importiert werden kann.
Die Beispiel-Konversation ist bewusst kurz gehalten. In realen Sitzungen folgt häufig noch ein fünfter Schritt — eine Aufteilung der Kohorte in zwei oder drei Test-Bänder («Teile die Liste in drei gleichgrosse Gruppen nach LTV-Quartil»), damit die nachgelagerte Wave mit einem A/B-Aufbau aufgesetzt werden kann. Das Ergebnis dieser Aufteilung wird vom System mitprotokolliert und steht für die spätere Auswertung zur Verfügung.
Beteiligte Module
Cohort Discovery sitzt an der Schnittstelle zweier Module:
- CRM-Copilot — stellt das Natural-Language-Interface für den Segment-Builder bereit, hält den Sitzungs-Kontext zwischen den Schritten und erzeugt am Ende den CRM-fähigen Export. Anbindung an gängige CRM-Stacks (Optimove, Smartico-kompatibel).
- BI-Copilot — übersetzt die Fragen in die effektiven Abfragen gegen das Data Warehouse (Snowflake, BigQuery, Redshift) und liefert Verteilungs-Statistiken und Vorschau-Datensätze, damit die CRM-Verantwortliche die Plausibilität jeder Zwischen-Kohorte prüfen kann.
Beide Module sind operator-facing. Es gibt keine Player-facing-Komponente; Spielleitstand kommuniziert ausschliesslich mit Mitarbeitenden des Operators. Die ausgespielte Reaktivierungs-Kommunikation selbst — E-Mail, Push, In-App-Nachricht — läuft weiterhin über das bestehende CRM-System des Operators. Spielleitstand baut die Kohorte und übergibt sie; den Versand verantwortet die CRM-Plattform.
Der Audit-Trail jeder Sitzung ist persistiert: Wer hat wann welche Frage gestellt, welche Definitionen wurden bestätigt, welche Kohorte wurde exportiert. Diese Spur ist sowohl für interne Governance-Anforderungen als auch für Aufsichts-Anfragen relevant — Reaktivierungs-Kampagnen sind ein Bereich, in dem die Nachvollziehbarkeit der Adressaten-Auswahl regulatorisch zunehmend in den Blick gerät.
Demo anfragen
Wir zeigen den Cohort-Discovery-Ablauf gerne live in einem 30-minütigen Termin — gegen anonymisierte Echtdaten oder gegen die Beispiel-Daten unserer Sandbox-Umgebung.