Société Générale

Diese Enterprise-Lösung ermöglicht nahezu in Echtzeit ablaufende Personalisierungs-Workflows für die interne Kommunikation von Finanzprodukten und nutzt Kundendaten und Verhaltensanalytik, um zielgerichtete Kampagnen im großen Maßstab auszuspielen.

Diese Case Study beschreibt eine projektspezifische interne Plattform, die für eine regulierte Enterprise-Umgebung umgesetzt wurde. Architektur und Ergebnisse werden in generalisierter Form dargestellt und legen keine vertraulichen internen Systeme oder Kundendaten offen.

Herausforderung

Der Kunde benötigte ein einheitliches internes System, das mehrere Werbe-APIs und Pipelines für Finanzprodukte konsolidiert. Zu den zentralen Anforderungen gehörten: • Nahezu in Echtzeit ablaufende Personalisierung und Produkt-Targeting • Vollständig interne Auslieferung (keine Drittanbieter-Werbenetzwerke) • Auslegung auf hohe Sicherheits- und Regulierungsanforderungen, wie sie im Finanzsektor üblich sind • Stabilität bei hohen Kampagnen-Lasten • Konsolidierte Daten statt fragmentierter Systeme Die Plattform musste Enterprise-Prozesse abdecken und gleichzeitig modular genug bleiben, um schnelle Kampagnen-Iterationen zu ermöglichen.

Unser Vorgehen

Wir haben eine modulare Backend-Plattform entwickelt, die mehrere Kernbereiche vereint: 1 — Customer Profiles & Real-Time Scoring Integration interner Kundendaten, Produktlogik und verhaltensbasierter Scoring-Modelle. 2 — Campaign & Rule Engine • Flexible Segmentierung • Engagement-Tracking • Dynamische Auslieferung von Produktangeboten 3 — API-Orchestrierungsschicht Die Plattform fungiert als einheitliches Gateway zwischen: • CRM-Systemen • Produkt- und Credit-Scoring-Diensten • Modulen für das Kampagnenmanagement • Internen Daten-APIs 4 — CI/CD & Deployment Eine Jenkins-gestützte CI/CD-Pipeline lieferte: • automatisiertes Testing • sicheres Deployment • Deployments, die darauf ausgelegt sind, Downtime und release-bedingte Unterbrechungen zu minimieren • konsistente Versionskontrolle und Auditierbarkeit 5 — Infrastruktur & Skalierung Kubernetes sorgte für: • horizontales Autoscaling • resiliente Microservices • stabile Performance unter Last • isolierte Service-Umgebungen Eine Schicht für Verhaltensanalytik wurde ergänzt, um Engagement zu messen und ML-Modelle zu speisen – das Ad-Targeting wurde so kontinuierlich verbessert.

Ergebnisse

• Vollständig automatisierte, personalisierte Auslieferung von Finanzproduktangeboten
• Deutlich schnellere Kampagnenkonfiguration im Vergleich zu vorherigen manuellen und fragmentierten Prozessen
• Konsolidierung der Daten aus drei zuvor getrennten Systemen
• Einheitliches Monitoring und Reporting für Conversions und Performance
• Stabiler Betrieb in Phasen erhöhten Kampagnenverkehrs beobachtet

Technischer Stack

Warum das wichtig ist

Dieses Projekt hat unsere Kompetenzen gestärkt in: • Echtzeit-Personalisierung • Interner API-Orchestrierung • Hochskalierbarer Enterprise-Microservice-Architektur • Verhaltensanalytik und Targeting-Logik Die hier entwickelten Designprinzipien tragen heute viele unserer CRM- und Automatisierungssysteme – sie verbinden Enterprise-Intelligenz mit modernen, agilen Engineering-Praktiken für Startups und Konzerne.

H-Studio hat mit einem regionalen Enterprise-Team innerhalb der Kundenorganisation zusammengearbeitet.