Strategie Customer Insights

< Zurück zur Übersicht

Wer die Kundenbeziehung nutzt, um seine Unternehmensziele zu verwirklichen, benötigt einen Blick auf die individuellen Bedürfnisse aber auch auf die Risiken seiner Kunden. Customer Insights ist das neudeutsche Wort dafür und derzeit in aller Munde. Die Analyse der Kundendaten stellt den Ausgangspunkt zur Erstellung nachhaltiger und erfolgversprechender Unternehmensstrategien und eines erfolgreichen Customer Relation Managements dar.

 

Um aktuellen und künftigen Wettbewerbsanforderungen Stand halten zu können, müssen sich Unternehmen häufig noch stärker kundenorientiert ausrichten. Zwar verfügen sie heutzutage in der Regel über große Datenmengen an Kundeninformationen, diese zu analysieren und daraus die richtigen Schlüsse zu ziehen unterbleibt jedoch viel zu oft oder wird nur rudimentär betrieben.

Customer Analytics schließt diese Lücke und ist somit eine der wichtigsten Kernkompetenzen im wertorientierten Kundenmanagement. Dabei werden, überwiegend basierend auf dem bisherigen Kundenverhalten, wichtige Erkenntnisse für zukünftige Interaktionen mit dem Kunden generiert und somit Antworten auf vielfältige Fragestellungen geliefert; sei es zu den Themen Kundenbindung, Cross-/Up-Selling oder auch Kündiger- Prävention, um nur einige zu nennen.

Der vorliegende Artikel macht es sich zur Aufgabe, für das Thema zu sensibilisieren, indem es die (Anwendungs-) Möglichkeiten von Customer Analytics aufzeigt. Ferner werden Zusammenhänge skizziert und somit die Leitplanken für ein strukturiertes Vorgehen bei der Einführung bzw. Weiterentwicklung von Customer Analytics abgesteckt.

Customer Analytics im CRM-Kontext

Die Cintellic Consulting Group unterstützt bei dem Aufbau wertorientierter Kundenprozesse. Das impliziert, dass das Verständnis vom Kunden eine wesentliche Voraussetzung für eine erfolgreiche Kundenansprache darstellt. Die dafür notwendigen, sogenannten Customer Insights zu generieren, ist die Aufgabe von Customer Analytics. In unserem Verständnis von erfolgreichem CRM schaffen sie – in einem steten und sich immer wieder erneuernden Kreislauf – die Voraussetzung für die Interaktion (Interaction) mit dem Kunden bzw. dessen Weiterentwicklung (Improve). Unterschiedliche Bausteine des Customer Analytics sind in nachfolgender Grafik einleitend zusammengefasst und werden anschließend erläutert:

Customer Analytics benötigt Daten

Ausgangspunkt einer jeden Analyse ist die Sichtung des vorhandenen Datenmaterials, um sich so einen Eindruck vom Datenhaushalt und dessen Qualität zu verschaffen. Bei dieser Datenanalyse werden mit statistischen Methoden aus vorliegenden Einzeldaten verwertbare Informationen gewonnen und tabellarisch oder grafisch dokumentiert. Die Datenanalyse beschränkt sich darauf, die in den Einzeldaten enthaltenen Informationen mit geeigneten Methoden zu straffen und zu verdichten; sie hat daher ausschließlich beschreibenden Charakter und sorgt hauptsächlich für ein tieferes Kundenverständnis. Beispiele dieses deskriptiven Vorgehens sind die Auszählung von Kundendaten hinsichtlich einer Zielvariablen (z. B. Kündigung) oder die Beschreibung von Kundenprofilen. Die Datenanalyse schafft somit auch die Voraussetzungen, um Kundensegmente zu identifizieren, Data Mining Modelle zu entwickeln oder den Kundenwert zu berechnen.

An dieser Stelle müssen wir eine Lanze brechen für die, von vielen Unternehmen immer noch viel zu stiefmütterlich behandelten, weil vermutlich häufig unterschätzten Social Media. Die allgegenwärtigen sozialen Netzwerke verändern die öffentliche Kommunikation gravierend und generieren gleichzeitig riesige Datenmengen, bzw. wertvolle Informationen, da sie einen Einblick in die kundeneigene Welt geben. Sogar die öffentliche Wahrnehmung von Produkten oder Dienstleistungen wird mittlerweile zu einem großen Teil von Tweets, Statusmeldungen und Co. beeinflusst. Social Media Analytics hilft, das Verhalten und die Interessen der Kunden – auch fernab des eigenen Produktes – aus einem „ganz persönlichen Blickwinkel“ kennenzulernen. Die Verfügbarkeit der Daten ist heutzutage gewährleistet über verschiedene Dienstleister oder eigene Tools zur Sentiment-Analyse – einem Verfahren zur vollautomatischen Auswertung von Texten nach Urhebern, Wertungen und Themen. Schließlich durchlaufen die so erhobenen Daten den bereits einleitend skizzierten Weg der Aufbereitung bzw. univariaten Auswertung, bevor sie – angereichert zu den ‚klassischen Daten‘ – helfen, mittels den nachfolgend beschriebenen Methoden, Segmente zu bilden oder bereits bestehende Scoring-Modelle zu verfeinern.

Customer Analytics ermöglicht Individualität

Da Kunden bzw. Kundengruppen unterschiedliche Bedürfnisse aufweisen, greift eine Ansprache nach dem „Gießkannenprinzip“ häufig zu kurz. Eine systematische Kundensegmentierung bildet folglich die notwendige Basis für alle Prozesse des Kundenmanagements. Nur so können Kunden effektiv und bedarfsgerecht angesprochen und betreut werden. Ziel des Verfahrens ist es, aus der Gesamtheit aller Kunden in sich homogene Gruppen zu identifizieren, bei denen die Gruppenmitglieder bspw. das gleiche Kaufverhalten zeigen oder sich hinsichtlich soziodemografischer Merkmale ähneln. Es ist naheliegend, dass sich die Gruppen bezüglich dieser Beschreibungs- bzw. Gruppierungsmerkmale unterscheiden müssen. Für einfache Modelle genügt die Analyse des RFM-Wertes (Recency, Frequency, Monetary bzw. letzte Käufe, Kaufhäufigkeit, Umsatz). Für komplizierte Modelle werden dagegen Hilfsmittel von der univariaten Analysen über die Faktoren- und Clusteranalysen bis hin zur logistischen Regression eingesetzt. Die Ausrichtung der Unternehmensaktivitäten auf die einzelnen Segmente ermöglicht es den Unternehmen, Kundenbedürfnisse besser zu befriedigen, was schließlich in eine höhere Kundenbindung und somit Wettbewerbsfähigkeit mündet. Langfristig führt dies zu einer Steigerung des Umsatzes, da durch die zielgerichtete Ansprache des Kunden Responsequoten erhöht und so z. B. Cross-Selling Potenziale besser genutzt werden.

Eine spezielle Art der Segmentierung ist die nach dem Kundenwert. Nicht jeder Kunde ist für ein Unternehmen profitabel. Das Spektrum der Wertigkeit eines Kunden erstreckt sich von „maßgeblich
werthaltig“ bis hin zu „Verlustkunden“. Die Ersten tragen mit hohem Umsatz und einer langen Kundenbeziehung überdurchschnittlich zum Unternehmenserfolg bei, während bei den Letzteren allein für die Beziehungspflege mehr Geld ausgegeben wird, als man an ihnen verdient. Um Marketingmaßnahmen optimal steuern zu können, ist es essenziell, unterschiedliche Wertigkeiten der Kundengruppen differenzieren zu können. Mit diesem Wertverständnis können zahlreiche Ansatzpunkte gefunden werden, um Kundenwissen zu unternehmerischen Nutzen zu führen, z. B.
hinsichtlich des Timings oder der Häufigkeit von Maßnahmen. Damit gelingt es, das Marketingbudget deutlich zielgerichteter einzusetzen, ergo Ressourcen und Kosten zu sparen. Typische Methoden zur Bestimmung des Kundenwerts sind die Kundendeckungsbeitragsanalyse, die ABC-Kundenanalyse, der Customer-Lifetime-Ansatz, die bereits oben angesprochene RFM-Methode oder das im Folgenden erläuterte Verfahren des Scorings.

Beim Scoring werden zusätzlich zu den materiellen Werten aus dem gesamten Kundenlebenszyklus auch „weiche“ Faktoren berücksichtigt, die den Wert des Kunden für das Unternehmen betreffen, z. B. Loyalität und Weiterempfehlungsmaßnahmen. Dabei kommen häufig Verfahren des Data Minings zum Einsatz, die es ermöglichen, Muster im Kundenbestand zu identifizieren bzw. somit die Wahrscheinlichkeiten für zukünftige Ereignisse berechnen und Entscheidungen objektiv unterstützen können. Typische Fragestellungen bei der Bildung von Scores sind bspw. Produktaffinitäten bzw. Next Best Offer (Produkt-Empfehlungen auf Basis bereits erfolgter Transaktionen), Churn/Kündiger- oder Besitzwahrscheinlichkeiten.

Neben den bereits bekannten Vorteilen der Kundensegmentierung oder des Kundenwerts ermöglichen Scoring-Modelle eine noch effizientere Steuerung, was beispielsweise bei der erfolgreichen Kündiger-Prävention dazu führt, dass ein Abschmelzen des Kundenbestandes vermieden wird und somit Einsparungen im Bereich der Neukundengewinnung erzielt werden können.

Customer Analytics sorgt für Effizienz

Schließlich steht eine optimierte Kundenansprache in direktem Zusammenhang mit einem positiven Return on Marketing Investment. Das heißt, die Abbildung der bestmöglichen Kombination zwischen
Kunde, Kanal, Kampagnentyp und Angebot stellt eine der größten Herausforderungen für jedes Unternehmen dar. Um dem zu begegnen und die Kunden den für sie ‚richtigen‘ Kampagnen bzw. Angeboten zuzuordnen, greifen Unternehmen immer häufiger auf spezielle Software und Methoden zur Marketing Optimierung zurück. Dabei berechnen mathematische Methoden zahlreiche Bedingungen und Kontaktregeln, die einem in der Praxis häufig noch anzutreffenden sequenziellen Kampagnenprozess deutlich überlegen sind.

Durch die Simulation von Planungsszenarien ist es zudem möglich, Auswirkungen eines alternativen Vorgehens auf die zu optimierende Zielgröße (wie z. B. erwartete Antwortwahrscheinlichkeit und erwarteter Wertbeitrag/Kaufsumme) zu vergleichen. Folglich können Kampagnenergebnisse fundiert prognostiziert und Kampagnenziele noch zuverlässiger erreicht werden. Daneben sorgt die optimale Abstimmung der Maßnahmen auf die Interessen und Bedürfnisse der Kunden dafür, dass die Kundenzufriedenheit deutlich erhöht wird.

Individueller Kundenangang und effizienter Vertrieb bilden die Basis für wirtschaftlichen Erfolg und somit nachhaltiges Unternehmenswachstum. Customer Analytics schafft die dafür notwendigen Voraussetzungen und ist somit ein wichtiger Baustein für eine ganzheitliche CRM-Strategie.

Dr. Jörg Reinnarth, Geschäftsführer Cintellic Consulting Group

Ein Blick auf eine verhältnismäßig junge Marketing-Disziplin rundet unsere Einführung in Customer Analytics ab. Standorte oder Märkte können sich hinsichtlich des Umsatzes erheblich unterscheiden. Geomarketing ist die geographische bzw. regionale Komponente des Marketings und fragt nach dem ‚Wo‘ und ‚Warum dort‘. Dieser, um das Lebensumfeld der Kunden erweiterte Blickwinkel ermöglicht eine ganz neue Dimension der Kundenansprache. Typische Fragen an das Geomarketing sind die nach
einer geeigneten Filialstandortplanung oder der Vertriebsgebietsoptimierung, basierend auf bspw. regionalen Potenzialschätzungen. Das Werkzeug hilft aber auch dabei, Kündiger regional zu identifizieren oder in dem Zusammenhang möglichen, regionalen „Ansteckungswellen“ vorzubeugen.

Letztendlich gestattet eine ausgereifte Geomarketing-Analyse, die Marktbearbeitung regionsspezifisch
zu optimieren, so dass auch hier die eingesetzten Ressourcen zum maximalen Umsatz führen. Die große Stärke des Geomarketings liegt dabei in der transparenten Darstellung der Ergebnisse. Geomarketingsysteme werden damit zum idealen Kommunikationsmedium zwischen Geschäftsführung, Vertrieb und Marketing.

Customer Analytics schafft nachhaltigen Unternehmenserfolg

Es ist deutlich geworden, wie Customer Analytics dazu beiträgt, das Kundenverständnis zu optimieren, indem diese Disziplin wichtige Stellhebel zur Ertragssteigerung identifiziert und somit viele Ansatzpunkte für eine nachhaltige Unternehmensentwicklung liefert.

Unternehmen verfügen zwar häufig über einen breiten Datenpool, gehen aber häufig nicht den letzten notwendigen Schritt: das Potenzial dieser Informationen zu heben oder anders gesagt für die Erreichung des Unternehmenserfolgs nutzbar zu machen. Neben dem Wissen um die Relevanz von Customer Analytics steht der Erfolg dabei jedoch in direktem Zusammenhang mit den verfügbaren Daten bzw. der vorhandenen Datenqualität, den eingesetzten Analyseverfahren und nicht zuletzt der organisatorischen
Verankerung. Erst der harmonische Dreiklang dieser Rahmenbedingungen liefert die Voraussetzung für eine umfassende Kundensicht und schafft so die Grundlage für eine zukunftsweisende Unternehmensausrichtung.

 

Laden Sie sich hier den Leitfaden herunter und erfahren Sie, wie Sie durch die Analyse Ihrer Kundendaten eine nachhaltige Ausgangsbasis für ein erfolgreiches Customer Relationship Management schaffen.

PDF jetzt herunterladen