Den meisten Unternehmen und Organisationen ist mittlerweile klar, dass in ihren Daten großes Potenzial schlummert. Oftmals fehlt jedoch ein konkreter Anwendungsfall oder schlicht der erste Impuls, wie sich dem eigenen Datenpotenzial zu nähern ist. Mit anderen Worten: Man sieht den Wald vor lauter Bäumen nicht. Mit unserer neunteiligen Blogreihe „Branchenübergreifende Business-Intelligence- und Advanced-Analytics-Anwendungsfälle“ wollen wir hierfür Hilfestellung bieten. Denn es ist schon lange nicht mehr die Frage, ob sich Unternehmen mit BI und Advanced Analytics auseinandersetzen sollen, sondern lediglich eine Frage nach dem Wann und dem Wie. Im ersten Teil der Blogreihe beschäftigen wir uns mit dem Bereich „Kundenzentrierte Analysen“ (im Englischen: Customer Analysis).
Branchenübergreifende Business-Intelligence- und Advanced-Analytics-Anwendungsfälle (Teil 1)
Kundenzentrierte Analysen / Customer Analysis – das steckt drin in Ihren Kundendaten!
Jeder kennt sie: Customer-Relationship-Management-Systeme – kurz: CRM-Systeme. Ihre Kernfunktion ist es, alle Kunden- und Interessenten-bezogenen Daten und Informationen an einem zentralen Ort zu erfassen, zu strukturieren und im Anschluss wieder zugänglich zu machen. Die vordergründige Absicht hinter der Einführung eines CRM-Systems ist: Transparenz über die Kunden- und Interessentenaktivitäten im Unternehmen herzustellen, kollaboratives und dezentrales Arbeiten an Kunden- und Interessenten-Accounts zu ermöglichen und Übergaben zwischen Fachabteilungen zu beschleunigen und die Fehleranfälligkeit solcher Übergabeprozesse zu reduzieren. Denken Sie beispielsweise an die Übergabe von Leads aus dem Marketing an den Vertrieb oder vom Vertrieb an das Key Account Management oder die Service-Abteilung. CRM-Systeme helfen also dabei, interne Prozesse effektiver und effizienter zu machen. Soweit so unspannend, möchte man sagen.
Was so eine zentrale Sammlung von Kunden- und Interessentendaten darüber hinaus jedoch ermöglicht, ist die strategische Analyse dieser Daten. Richtig gemacht, lassen sich über die Erkenntnisse, was für Kunden habe ich eigentlich, wie interagieren meine Kunden und Interessenten eigentlich mit meinen Angeboten etc., der Umsatz steigern, die Kundenzufriedenheit erhöhen und die internen Aufwände bei der Interaktion mit Kunden und Interessenten reduzieren. Nachfolgend finden Sie eine Liste der wohl wichtigsten Analysemöglichkeiten, um echten Mehrwert aus Ihren Kunden- und Interessentendaten zu schaffen:
1. Kundenprofile (engl. Customer profiling)
Das Marketing am oberen Ende des Lead-Funnels wirft traditionell ein weites Netz an Marketingmaßnahmen aus und hofft, so viele qualifizierte Interessenten wie möglich zu gewinnen. Da hier die Streuverluste mitunter sehr hoch sind, macht es Sinn, mit steigender Menge an Interessenten- und Kundendaten, Kundenprofile und -segmente zu erstellen.
Dabei stellt das Segment „beste Kunden“ ein durchaus interessantes eigenes Profil und Segment dar. Denn nicht alle Kunden sind „Klone“ eines vordefinierten Marktsegments. Die Erstellung von Kundenprofilen und die Identifizierung der Schlüsselmerkmale, die die verschiedenen De-facto-Segmente unterscheiden, helfen Marketing und Vertrieb dann wiederum dabei, qualifizierte Interessenten einfacher zu identifizieren und gleichzeitig den Aufwand für „nicht produktive Profile und Segmente“ zu reduzieren. Zu diesem Zweck umfasst die Kundenanalyse die kontinuierliche Verfeinerung der individuellen Kundenprofile, die demografische, psychografische und verhaltensbezogene Daten über jeden einzelnen Kunden beinhalten.
Weitergedacht ...
An dieser Stelle sei noch der Hinweis gegeben, dass Kundenprofile nicht gleichzusetzen sind, mit den im Marketing verwendeten Buyer Persona. Diese sind in der Regel idealtypische Kundenbeschreibungen, die helfen sollen, Marketing-Maßnahmen zielgerichteter ausspielen zu können und das Netz an Maßnahmen von Anfang an möglichst engmaschig zu gestalten. Vielmehr können tatsächliche Kundenprofile und -segmente dabei helfen, Buyer Persona weiter zu verfeinern. Ziel ist es aber nicht, Kundenprofile und Buyer Persona deckungsgleich zu gestalten, da sonst die Vernachlässigung möglicher neuer Interessentengruppen droht, oder Marktveränderungen erst zu spät erkannt werden.
2. Personalisierung
Aufbauend auf Kundenprofilen und -segmenten lassen sich heutzutage ganze Kundenerlebnisse personalisieren. Angefangen im eCommerce lässt sich das Personalisierungskonzept mittlerweile auch auf analoge Kundeninteraktionen übertragen. Die Personalisierung der Kunden- und Interessenteninteraktionen kann dazu beitragen, den Verkaufsprozess zu rationalisieren. Die Personalisierung, das heißt, die Herstellung eines auf den jeweiligen Kunden/Interessenten zugeschnittenen Erlebnisses auf Grundlage seines persönlichen Kundenprofils, ist das moderne Gegenstück zum altmodischen Verkäufer, der sich alles über seine individuellen Kontakte gemerkt hat. Das Personalisierungskonzept nutzt Kundenprofile, um dynamisch Inhalte zu sammeln und auszuspielen, die speziell für eine Person entworfen wurden – mit dem Ziel: die Erfahrung des Kunden und Interessenten zu verbessern.
3. Kollaboratives Filtern (engl. Collaborative filtering)
Wir alle kennen E-Commerce-Websites, die alternative oder ergänzende Produkte auf der Grundlage von Präferenzen oder Käufen anderer Leute vorschlagen. Anders ausgedrückt: „Personen, die Produkt X gekauft haben, haben auch Produkt Y gekauft.“ Diese Art von Vorschlägen sind das Ergebnis eines Prozesses, der als kollaboratives Filtern bezeichnet wird. In diesem Analyseprozess wird die Ähnlichkeit von Präferenzen von Kundengruppen bewertet. Diese Art der Empfehlungsgenerierung schafft relativ zuverlässige Cross-Selling- und Up-Selling-Möglichkeiten.
Weitergedacht ...
An dieser Stelle sei auch erwähnt, dass Methoden des kollaborativen Filterns nicht nur zur Erstellung von Kaufempfehlungen verwendet werden, sondern beispielsweise auch bei der Erstellung von Produktkategorien und -gruppen regen Einsatz finden. So werden beispielsweise in großen Produktportfolios Ähnlichkeitsberechnungen zwischen Einzelprodukten durchgeführt, um diese sinnvoll zu clustern und anbieten zu können.
4. Kundenzufriedenheit (engl. Customer satisfaction index)
Ein weiterer Vorteil von Kundenprofilen ist die Möglichkeit, allen im Kundenkontakt befindlichen Mitarbeitern Informationen zur Kundenzufriedenheit bereitzustellen. Dies hilft beispielsweise Support-Mitarbeitern dabei, sich besser auf den jeweiligen Kunden oder Interessenten einzustellen und besser auf die jeweiligen Bedürfnisse eingehen zu können.
5. Der Kundenwert (engl. Customer lifetime value)
Der Lebenszykluswert eines Kunden ist ein Maß für die Rentabilität eines Kunden über die Dauer der bestehenden Kundenbeziehung und die von diesem Kunden bereits generierten und noch zu erwarteten Einnahmen.
6. Kundentreue (engl. Customer loyalty index)
Ein bekanntes Vertriebler-Sprichwort sagt: Die besten neuen Kunden eines Unternehmens sind seine derzeitigen Kunden. Was sich dahinter verbirgt, ist die Annahme, dass die besten Chancen eines Unternehmens für neue Verkäufe bei den Kunden liegen, die bereits mit den Produkten oder Dienstleistungen des Unternehmens zufrieden sind. Daher kann die Analyse von Kundenbindungsmodellen als Mittel zur Kennzeichnung von Sentinel-Ereignissen, die zu Verschlechterungen führen, die Loyalität verbessern und die Lebensdauer eines Kunden verlängern.
Die Möglichkeiten auf Kunden- und Interessentendaten aufzusetzen und Mehrwert für die tägliche Arbeit zu generieren, sind wirklich vielfältig. Wie so oft im Leben ist der erste Schritt der schwierigste. Vielleicht konnten wir für den ein oder anderen den ersten wichtigen Impuls setzen, auf dem Weg zu besseren Entscheidungen!
Im nächsten Beitrag der Reihe beschäftigen wir uns mit den Analysemöglichkeiten im Bereich der Umsatzsteigerung.
