Echte Probleme, gelöst mit Standortdaten: Betrugsprüfungen, Liefergebiete, Filialfinder, Ortszeiten und Analysen.
Ein lokales Branchenverzeichnis veröffentlichte immer wieder Einträge mit Adressen, die sich als leere Grundstücke herausstellten, bis es begann, jede Einsendung vor der Veröffentlichung zu prüfen.
Ein Immobilienportal ließ Käufer jahrelang nach Zimmerzahl und Preis filtern und fügte dann den einen Filter hinzu, nach dem Käufer tatsächlich am häufigsten fragten: die Entfernung zur Arbeit.
Ein Checkout-Formular ließ Kunden früher die vollständige Straßenadresse von Hand eintippen, bis nach dem dritten oder vierten Buchstaben Vorschläge erschienen.
Ein zwölfköpfiges Team, verteilt über vier Kontinente, plante immer wieder Meetings, die für irgendjemanden um Mitternacht lagen, bis es begann, echte Zeitzonen statt grober Zeitverschiebungen zu erfassen.
Eine Wetter-App wollte die heutige Vorhersage in dem Moment anzeigen, in dem eine Seite geladen wurde, noch bevor ein Besucher auch nur einen Buchstaben seines Stadtnamens eingegeben hatte.
Ein Onlineshop brauchte vor dem Checkout eine Versandkostenschätzung und hatte dafür nichts als die Postleitzahl, die ein Kunde in ein einzelnes Feld eingegeben hatte.
Ein Softwareunternehmen wollte dasselbe Abonnement in verschiedenen Märkten unterschiedlich bepreisen, ohne jeden Besucher zuerst nach seinem Land zu fragen.
Ein Verlag wollte Besucherdaten auf Länderebene, ohne seinen Seiten ein weiteres Tracking-Skript hinzuzufügen, und ermittelte den Standort deshalb aus den Serverprotokollen, die er bereits hatte.
Eine Regionalbank ersetzte eine statische Liste mit vierzig Filialadressen durch ein Tool, das die Filialen nach Entfernung zum aktuellen Standort eines Kunden sortiert.
Eine Medienmarke mit Followern auf fünf Kontinenten hörte auf zu raten, wann sie posten sollte, und begann, ihre Beiträge danach zu planen, wann jedes Zielgruppensegment tatsächlich wach war.
Nur Anwendungsfälle, sobald neue Beiträge erscheinen.
Anwendungsfälle abonnieren