Gerne beraten wir Sie auch telefonisch & geben Ihnen eine kostenfreie persönliche Auskunft zu Ihrem Projekt.

X

Customer Analytics (CRM): Wie die Kundenbeziehung mit Data Mining nachhaltig verbessert werden kann

Kunden möchten, dass ein Unternehmen sich ganz auf Ihre persönlichen Bedürfnisse ausrichtet. Nur wer also Kunden dieses Gefühl geben kann, wird diese langfristig an sich binden können. Loyale, dauerhafte Kundenbeziehungen sind deutlich profitabler und nachhaltiger als Einmalgeschäfte. Customer Analytics stellt hierzu ein wirkungsvolles Werkzeug für das Customer Relationship Management (CRM) dar. So kann man beispielsweise mit einer Kundenanalyse oder eine Kundenbedarfsanalyse wertvolle Rückschlüsse auf die Wünsche der Kunden gewinnen. Auch für zukünftige Vorhersagen z.B. bezüglich Kaufentscheidungen oder Abwanderungstendenzen können CRM predictive Analytics wertvolle Informationen liefern.

Wenn auch Sie die Kundenbeziehungen durch analytisches CRM oder CRM predictive Analytics optimieren wollen, stehen Ihnen unsere Experten gerne für ein persönliches Gespräch zur Verfügung!

Lassen Sie uns Ihre Anforderungen wissen & wir erstellen Ihnen innerhalb weniger Stunden ein kostenfreies Angebot.

Jetzt unverbindlich anfragen

Dieser Artikel beantwortet folgende Fragen:

  • Was versteht man unter Customer Analytics?
  • Welche Möglichkeiten ergeben sich durch analytisches CRM und CRM predictive Analytics?
  • Welche Fragestellungen können mit einer Kundenanalyse untersucht werden?
  • Welches Potential steckt in Customer Analytics?
  • Wie wird eine Kundenbedarfsanalyse konkret durchgeführt?

„Der Kunde ist König“

Dieser Leitsatz bestätigt die Wichtigkeit der Fokussierung auf den Kunden als Abnehmer von Produkten, Waren oder Dienstleistungen. Kunden entscheiden, ob ein Anbieter oder Unternehmen erfolgreich ist. Durch die fortschreitende Digitalisierung werden die Beziehungen zum Kunden außerdem vor neue Herausforderungen gestellt. Der Kunde ist vom „Verkäufer“ oder Dienstleister nicht mehr als ganzheitlicher Mensch mit allen Wünschen, Vorlieben und emotionalen Ausdrücken wahrnehmbar, sondern als digitale Spur. Werden Kunden aber anonym und maschinell „verarbeitet“, reagieren sie illoyal, sind wechselfreudig und die Kundenbindung sinkt.

Tendenzen also, die man also unbedingt verhindert sollte. Kunden wünschen sich eine persönliche, exklusiven Behandlung, Unternehmen bevorzugen loyale, zufriedene Kunden.

Wir beraten sie, welche Möglichkeiten der Kundenanalyse für Ihr Unternehmen optimal sind. Unsere Angebotspalette zum Thema Data Mining umfasst eine große Bandbreite bis hin zu kompletten Auswertungen. Nehmen Sie hierzu Kontakt mit uns auf und profitieren sie von unseren Erfahrungen im Bereich Customer Analytics und der Kundenanalyse.

Zurück zur Tante Emma: Kundenanalyse anno dazumal

Eine Betreuung also, wie sie früher im Tante-Emma-Laden üblich war. Die Besitzerin begrüßt den Kunden namentlich, kümmert sich persönlich um seine Anliegen, kennt das Umfeld und kann interessante Produktempfehlungen geben. Das persönliche Gespräch und der Austausch sorgen dabei für eine dauerhafte und loyale Bindung des Kunden.

Damit dieses Tante-Emma Prinzip gut funktioniert, müssen Besitzer und Kunde sich gegenseitig kennen.

Auch in der digitalen Welt muss eine Kundenbindung durch gegenseitiges Kennenlernen erfolgen. Erfahrungswissen über die Wünsche, Bedürfnisse und Handlungen des Kunden müssen anhand einer Kundenbedarfsanalyse gewonnen werden. Hierzu steht Customer Analytics als Verfahren zur Verfügung.

Customer Analytics

Das Ziel von Customer Analytics besteht darin, den digitalen Kunden ins Zentrum zu rücken – ein digitaler Tante-Emma Laden also. Dabei stehen der Aufbau und die Gestaltung profitabler Kundenbeziehungen im Vordergrund. Methodisch werden hierfür Kundenwerte (Kunden-Scoring) eingeführt und gebildet, die sich durch gezieltes Management von Kundenbeziehungen weiter ausbauen und erhöhen lassen.

Auf Basis bestehender Daten – meist Transaktionsdatenbeständen – kann man durch analytisches CRM Wissen über den Kunden gewinnen. Auch externe Datenquellen können dazu herangezogen werden. Analytisches CRM fasst alle Auswerte- und Analysemethoden zusammen, die zur Unterstützung der Kundenbeziehungspflege Verwendung finden. Werden diese Methoden zur Prognose oder zur Vorhersage zukünftiger Prozesse verwendet, spricht man von CRM predictive Analytics.

Typische Fragestellungen

Im Bereich Customer Analytics gibt es eine große Vielfalt an möglichen Anwendungen.

Einige Fragen und Aufgabenfelder sind beispielsweise:

  • Gezieltes Ansprechen einzelner Kunden:
    Welche Kunden sind momentan bzw. künftig am wertvollsten? Mit welchen Kunden soll eine neue Partnerschaft angestrebt werden? Zu welchen Bestandskunden soll die Beziehung intensiviert, ausgebaut oder vertieft werden?
  • Dynamische Segmentierung verfolgt Kunden und ihre Bewegungen im Zeitverlauf: Welche Seiten besucht der Kunde in Folge? Welche Produkte stehen im Interesse des Kundens? Welche Artikel werden zusammen gekauft oder gesucht? Gibt es Intervallmuster?
  • CRM predictive Analytics: Vorhersage des zukünftigen Verhaltens von Kunden mithilfe statistischer Modelle für das Kundenverhalten: Was braucht mein Kunde als nächstes (Cross-Selling)?
  • Berechnung von Kundenwerten, sog. Customer Lifetime Value (LTV) als Basis für geplante Marketingmaßnahmen.
  • Zusammenhänge erkennen: Wie wirkt sich Kundenzufriedenheit auf die Loyalität aus?

Analytisches CRM

Analytisches CRM verknüpft Vertrieb und Marketing anhand von Kennzahlen. Dabei werden KPIs (Key Performance Indikatoren) eingeführt, um im nächsten Schritt gewisse Kundengruppen zu identifizieren und selektieren. Um die Fragestellungen anhand der Bedürfnissen und Wünschen des Kunden (Kundenbedarfsanalyse), dem Kundenverhalten sowie dem Wert de Kunden (Kunden-Scoring) auszuwerten, sind Daten über und von den Kunden notwendig. Die Datenauswertung basiert auf Daten über Kundenkontakte oder Kundenreaktionen. Oft stehen im Unternehmen selbst bereits strukturierte Erfassungssysteme zur Verfügung. Kundenkontakte sond beispielsweise bereits registriert in Datenbanken vorhanden. Rücklaufmanagement erfolgt meist unter Einbindung von Erfassungssystemen. Aber auch aus externen Datenbanken können Informationen eingebunden und für die Wissensgenerierung verwendet werden. Beiträge oder Bewertungen auf sozialen Medien wie Facebook, Twitter oder Instagram können ebenso in die Analyse eingebunden werden, sofern sie öffentlich verfügbar sind. Die resultierenden Ergebnisse der Datenauswertung liefern empirisch belegbare Entscheidungsregeln für Marketing und andere kundenbezogene Aktivitäten.

Customer Analytics - Kundenanalyse am Beispiel Kundenbedarfsanalyse
Kundenanalyse: Schema eines Prozessablaufs unter Einbindung des analytischen CRMs

Analytisches CRM am Beispiel Kundenbedarfsanalyse

Ein Betreiber eines Onlineshops für Damen- und Herrenmode möchte sein Sortiment erweitern. Das Unternehmen hatte bisher ausgesuchte Artikel sowohl aus dem Bereich Accessoires als auch aus dem Bereich Uhren & Schmuck im Sortiment. Nun soll das Angebot in einem der beiden Bereiche deutlich ausgebaut und erweitert werden.

Im Rahmen unserer Beratungstätigkeit unterstützt Novustat den Unternehmer in der Entscheidungsfindung.

Dabei soll auf Basis der aktuellen Kundendaten zum einen die Entscheidung getroffen werden, welcher Shop mehr Kunden anspricht und letztendlich zu Käufen führen wird.

Die Entscheidungsfindung im analytischen CRM erfolgt in mehreren Schritten:

1. Identifikation und Formulierung der Fragestellung

Kundebedarfsanalyse: Welche Kunden zeigen Interesse/Kaufabsicht/tätigen Käufe bei welchen der beiden Shopkandidaten (Accessoires oder Uhren & Schmuck)? Auswertung in Abhängigkeit von anderen gekauften Waren oder Warenkategorien. Zielvariable: Häufigkeit der Käufe (bereinigt um Retouren) und Gesamtumsatz eines Kunden

2. Auswahl geeigneter Daten

Als Datenbasis stehen die Daten aller getätigten Verkäufe der vergangenen drei Jahre zur Verfügung. Aufgelistet ist unter anderem jeweils Warenkategorie, erzielter Gesamtumsatz und Kundennummer

3. Auswahl geeigneter Analysestrategien

Für die Kundenbedarfsanalyse wird eine Kundensegmentierung vorgenommen. Wie unterscheiden sich Käufer von Uhren & Schmuck von Käufern, die Accessoires bestellen? Gibt es hinsichtlich Häufigkeit der Bestellungen, Gesamtumsatz und anderen Merkmalen Unterschiede?

4. Data Mining und Knowledge Discovery in Databases (KDD)

Mit Rapidminer werden entsprechende Analysealgorithmen implementiert und die Vorhersagegüte untersucht.

5. Interpretation und Ergebnisbereitstellung

Im Rahmen der Analysen hat sich gezeigt, dass Accessoires vorwiegend von Frauen gekauft werden. Hier werden viele niedrig-preisige Artikel bestellt mit geringer Retourenrate. Bestellungen der Kategorie Uhren & Schmuck werden von Männern und Frauen gleichermaßen getätigt. Die Häufigkeit von Bestellungen liegt unter denen von Accessoires, liegt allerdings hinsichtlich des Umsatzes 10-fach über dem der Accessoires.

Potential von Customer Analytics

Durch die zusätzlichen Informationen über den Kunden oder potentiellen Kunden können Marketingstrategien effizient und zielgenau durchgeführt werden.

Werbemaßnahmen erreichen Kunden, die mit hoher Wahrscheinlichkeit auch darauf reagieren. Produkte, die der Kunde benötigt, kann man gezielt anbieten und so die Kaufbereitschaft erhöhen (Cross- und Upselling). Durch die Vorhersage von Kaufmustern oder Intervallen kann man die Lagerhaltung bestimmter Produkte optimieren. Aber auch Retouren kann man vorhersagen und durch rechtzeitige Einleitung von Gegenmaßnahmen die Rücknahmekosten senken. Im Bereich des eigenen Unternehmens kann Custom Analytics zu einer Steigerung der Mitarbeitermotivation im Kundenservice beitragen, da Servicemitarbeiter aktuelle Informationen über die Kunden zur Verfügung haben.

CRM predictive Analytics finden aktuell im Dynamic Pricing Anwendung. Dabei werden die Warenpreise individuell aufgrund bestimmter Faktoren festgelegt.

Zusammenfassung

Customer Analytics rücken den Kunden in den Mittelpunkt.

Analytisches CRM hilft, den Kunden anhand von digitalen Daten am anderen Ende des Bildschirms kennenzulernen und mehr über seine Bedürfnisse und Wünsche zu erfahren (Kundenbedarfsanalyse). So hat das Unternehmen im nächsten Schritt die Möglichkeit Marketingstrategien effizient und zielgerichtet zu setzen. Eine Erhöhung der Kundenbindung und Förderung der Kundenloyalität und –zufriedenheit sind die Folge einer erfolgreichen Kundenanalyse. Gerne unterstützen wir Sie und Ihr Unternehmen dabei. Nutzen Sie unsere Expertise, um ihre Kunden individuell anzusprechen. Wir unterstützen Sie in allen Belangen der Datenanalyse: Von der Beratung und Festlegung der Fragestellung bis hin zur Auswertung im Data-Mining oder der Ergebnispräsentation. Nehmen Sie Kontakt mit uns auf!

Weiterführende Informationen

Peter Neckel, Bernd Knobloch: Customer Relationship Analytics, dpunkt.verlag