Rasant ansteigende Datenvolumina machen die Auswertung und Generierung von „Insights“ für Unternehmen immer aufwendiger. Daher ist das Thema Business Analytics wichtig, um die richtigen Kunden zu identifizieren und mit passgenauen Angeboten anzusprechen.

Die von Menschen und Maschinen erzeugten Datenvolumina wachsen exponentiell. So schätzt der Datenspeicherhersteller EMC, dass das weltweite Datenvolumen bis zum Jahr 2020 um das Zehnfache anwachsen wird – von derzeit 4,4 Billionen Gigabyte auf 44 Billionen Gigabyte. Alleine in Deutschland wird die Menge digitaler Daten im gleichen Zeitraum von 230 auf über 1.100 Milliarden Gigabyte ansteigen (Quelle: Studie „EMC Digital Universe 2014“). Dazu tragen einerseits die vielen Marketing-Bemühungen in Unternehmen mit bei. Denn schließlich stellen diese täglich unzähligen Bilder, Videos, Filme, Grafiken und Inhalte aller Art ins Netz. Andererseits wird der User durch das Web 2.0 („Mitmach-Netz“) selber zum Content-Ersteller. Die Fähigkeit von Unternehmen, Daten zeitnah auszuwerten und „Insights“ abzuleiten, hält dem rasanten Datenwachstum nicht mehr Schritt: So wird es für Unternehmen immer schwieriger, durch den Daten-Dschungel zur eigentlichen Zielgruppe durch zu stoßen: So manche Werbemaßnahme verpufft im großen Internet-Universum.

 

 

Business Analytics kann dabei helfen, neue Erkenntnisse für Umsatz- und Effizienzsteigerung aus dem Daten-Dschungel abzuleiten

Bei Business Analytics (BA) handelt es sich um eine iterative und systematische Untersuchungsmethode von Unternehmensdaten, bei welcher der Schwerpunkt auf statistischen Analysen liegt. Im Gegensatz zum eher vergangenheitsorientierten Business Intelligence (BI) liegt der Fokus von Business Analytics auf der Prognose der Zukunft. Typische Fragestellungen, welche man durch Business Analytics beantworten möchte, sind z.B.

• Warum passiert etwas?
• Was ist, wenn sich dieser Trend fortsetzt?
• Was wird als nächstes passieren (Prognose)?
• Was ist das Beste, was passieren kann (Optimierung)?

Im Gegensatz dazu versucht man mit Business Intelligence, folgende Fragestellungen zu beantworten:

• Was ist passiert (Vergangenheitsorientierung)?
• Wie viele sind betroffen?
• Wie oft ist das Problem aufgetaucht?
• Wo genau war das Problem?
• Welche Maßnahmen sind erforderlich?

Mit Business Analytics lassen sich neue Erkenntnisse gewinnen, die wichtige Geschäftsentscheidungen beeinflussen sowie Geschäftsprozesse automatisieren und optimieren. Datenbasierte Unternehmen behandeln ihre Daten als wertvolle betriebliche Ressource und nutzen sie als Wettbewerbsvorteil am Markt. Detaillierte Markt- und Kundenanalysen decken oft zuvor unbekannte Tatsachen auf und sind daher in der Strategieerarbeitung und -optimierung unerlässlich, um Alleinstellungsmerkmale und Wettbewerbsvorteile zu entwickeln.

 

 

Zu den Anwendungsmöglichkeiten von Business Analytics zählen zum Beispiel:

• Untersuchung von Daten, um neue Verhaltensmuster und Zusammenhänge zu entdecken (Data Mining), z.B. Produktnutzung in den die letzten Monaten, Kundenkaufverhalten, Vertriebskanal-Performance: E-Shop, Call-Center, Point-of-Sale, etc.
• Erklärung, warum ein bestimmtes Ergebnis eingetreten ist (statistische Analyse, quantitative Analyse), z.B. Kunden-Sensibilität auf bestimmte Marketing-Kampagnen, Kundenreaktionen auf Produkterweiterungen sowie neue Produkte oder Bundles usw.
• Tests, um vorherige Entscheidungen zu überprüfen (A/B-Tests, multivariates Testen), z.B. Rollout-Pilotierungen
• Vorhersage künftiger Ergebnisse (Predictive Analytics), z.B. bei Preis- und Sortimentsänderungen

Die Vorteile von Business Analytics lassen sich in vier Kategorien aufteilen: Mit Hilfe von Datenanalyse und Visualisierung lassen sich völlig neue Erkenntnisse über Kunden und Kaufverhalten gewinnen. Zum Beispiel lassen sich so Kundenverhalten und Ursachen für Kundenabwanderungen besser verstehen sowie Treiber und Hebel für Performance-Steigerungen identifizieren. Zusätzlich lassen sich durch Business Analytics neue Erkenntnisse für effektivere Strategien (z.B. Fokussiertere Marketing-Kampagnen) und eine erhöhte Prognosegenauigkeit (Genauere Nachfrage- & Prognosemodelle) erzielen. Weiterhin leisten Business Analytics-Lösungen einen wichtigen Beitrag zur betrieblichen Effizienzsteigerung. Als Beispiele lassen sich hier effizienterer Einsatz von Marketing-Budgets sowie frühzeitige Aufdeckung von Betrug und Zahlungsausfällen, basierend auf analytischen Modellen, anführen. Last-but-not-least, können mit Hilfe von Business Analytics völlig neue Geschäftsmodelle sowie Service- und Produktangebote erarbeitet werden, z.B. Performance-basierte Service-Modelle und Location-based Marketing-Dienstleistungen.

 

 

 

Unsere Business Analytics Value Proposition

Wir helfen Unternehmen, das Potenzial von Daten voll auszuschöpfen, um faktenbasierte Entscheidungen treffen zu können. Im einzelnen bedeutet dies, dass wir Unternehmen dabei helfen…

• faktenbasierte Entscheidungen zu treffen
• komplexe Szenarios zu visualisieren
• Konsens und Verständnis zu erreichen
• das Potenzial von Daten voll auszuschöpfen
• analytische Lösungen wirksam umzusetzen.

Beispielhafte Problemstellungen, welche wir regelmäßig in Kundenprojekten bearbeiten sind u.a.

• Wer sind die profitabelsten Kunden und wie lassen sich Kundenabwanderungen bzw. -kündigungen reduzieren?
• Wie wird sichergestellt, dass die Gewinnmarge das einzugehende Risiko rechtfertigt?
• Welche Implikationen haben Veränderungen am Geschäfts- und Betriebsmodell auf Organisation und Ressourcenbedarfe (z.B. Mitarbeiter)?
• Wie segmentiert man den Markt am besten und identifiziert dabei die attraktivste Zielgruppe?
• Wie prognostiziert man die zukünftige Nachfrage nach den Dienstleistungen und Produkten des Unternehmens möglichst genau?
• Wie gewährleistet man eine robuste Unternehmensstrategie in einem sich schnell und radial verändernden Marktumfeld?
• Wie identifiziert man am besten Ineffizienzen im Betriebsmodell?
• Wie erhebt man am effektivsten die Rentabilität von Produkten und Services?

Unser Ansatz kombiniert bewährte betriebswirtschaftliche Methoden mit Business Analytics-Lösungen auf dem aktuellen Stand der Technik. So verfügen wir über langjährige Erfahrung in spezifischen Wertschöpfungsprozessen bei führenden Unternehmen in Financial Services, Energiewirtschaft, Verkehr & Mobilität, Telekommunikation, Neue Medien und Internet/IT sowie tiefe Methodenkenntnisse im Bereich Customer Insight und Segmentierung. Silicon Valley Data Science beherrscht zudem eine Vielzahl von bekannten und spezialisierten Business Analytics-Technologien. Zusätzlich entwickelt Silicon Valley Data Science eigene leistungsfähige Business Analytics-Technologien. Mit einem strukturierten Vorgehen können wir schnell große Datenmengen erfassen und aufbereiten. Dies geschieht agnostisch, real-time und ist beliebig skalierbar. Zusätzlich verfügen wir über eine umfassende Algorithmendatenbank (Weltklasse Advanced Business Analytics und proprietäre Algorithmen), 60+ Data Scientists sowie starke Umsetzungserfahrung in Themen wie z.B. Operating Model Design, Performance Improvement, Lean Management, Business Process Reengineering, Process Controlling, Continuous Business Process Improvement, Project und Change Management.

 

 

Unsere vielfach bewährten Methoden und Technologien aggregieren, vereinheitlichen und verbessern riesige Datenmengen unterschiedlichster Art. Unsere Business Analytics-Lösungen sind der letzte Stand der Technik und generieren völlig neue Insights. Sie liefern damit einen wertvollen Beitrag, um die Unternehmens-Performance nachhaltig und signifikant zu verbessern.

Wir gliedern unsere Business Analytics-Lösungen in vier Segmente, welche nachfolgend kurz vorgestellt werden:

Customer Analytics

Customer Analytics beinhaltet die Anwendung analytischer Techniken, um Einblicke in das Verhalten und die Stimmung der aktuellen, vergangenen oder potenziellen Kunden zu gewinnen. Dazu gehören folgende Service Offerings:

• Pricing Analytics
• Vertriebsoptimierungs-Analytics
• Marketing & Campaign Analytics
• Kundensegmentierungs-Analytics
• Web & Social Media Analytics
• Kundenbindungs-Analytics

Workforce Analytics

Workforce Analytics beinhaltet die Optimierung des Human Ressource Managements unter Ausnutzung von analytisch basierter Modellierung. Dazu gehören folgende Service Offerings:

• Workforce Utilisation Analytics
• Workforce Development Analytics
• Ressourcenplanung
• Pay & Reward Strategy
• Mitarbeiterbindung
• Mitarbeiterentwicklung und Nachfolgeplanung

Enterprise Performance & Risk Analytics

Enterprise Performance & Risk Analytics beinhaltet die Analyse von Rentabilität, Effizienz und Risiken mit Hilfe von Daten-Visualisierungs und Analyse-Techniken mit dem Ziel, einen tiefen Einblick in Werttreiber und Wertvernichter zu erlangen. Dazu gehören folgende Service Offerings:

• Smarte Prognosen
• Verbindlichkeits-Analytics
• Cashflow-Analytics
• Risikoanalysen
• Betrugsaufdeckung

Supply Chain Analytics

Da Märkte immer kürzere Reaktionszeiten fordern, benötigt das Management zeitnahe Informationen über die Supply Chain. Dazu gehören folgende Service Offerings:

• Wegeoptimierung
• Flotteneinsatzanalyse
• Netzwerkoptimierung
• Beschaffungsanalyse
• Ersatzteiloptimierung
• Zustandsabhängige Instandhaltungsoptimierung

Im weiteren Verlauf dieses Blog-Artikels möchte ich gerne die Themen Web & Social Media Analytics, Kundensegmentierungs-Analytics und Kundenbindungs-Analytics detailliert vorstellen. Die anderen der oben genannten Analytics-Themen stellen wir Ihnen sehr gerne auf Anfrage in einem persönlichen Gespräch vor.

 

Web & Social Media Analytics

Die hohe Akzeptanz von mobilen Endgeräten und Web 2.0-Tools wie Social Media, Kollaborations-Anwendungen (z.B. via skype), Smartphones und Tablet-Computer verändern die Art, wie Menschen Informationen austauschen, lernen, kommunizieren und interagieren. Mehr als 70% aller digitalen Informationen werden heute vom Konsumenten selber erzeugt und kommen von außerhalb der Unternehmenswelt.

 

 

User gewinnen dabei vor allem über die Bewertungsportale und Sozialen Netzwerke immer mehr an Macht. Monat für Monat teilen die Anwender alleine auf Facebook mehr als 30 Milliarden Inhalte. Um in unserer hypervernetzten Ökonomie als Unternehmen überhaupt zum Kunden durchdringen zu können, müssen Kommunikationsmaßnahmen im richtigen Moment, am richtigen Ort und über den richtigen Kanal erfolgen. „Push-Marketing“ im althergebrachten Broadcast-Modus verliert immer mehr an Wirkung. Dagegen setzt sich „Pull-Marketing“ durch: Dieses erfolgt, wenn der Kunde die Marketing-Maßnahme als (digitalen) Service erlebt. Das kann nur mit echter Personalisierung und Eins-zu-Eins-Kommunikation gelingen. Da sich User bzw. Kunden in Bezug auf Ihre Vorlieben und Interessen in sozialen Netzwerken in zuvor nicht gekanntem Umfang und Tiefe outen, haben Unternehmen völlig neue Möglichkeiten bei der Gewinnung von Insights als wertvollen Input für Vertrieb, Kundenbetreuung und Kundenbindungsmaßnahmen. Die klassischen Ziele des Customer Relationship Managements (CRM) wie Kundenzufriedenheit, -pflege und -bindung verlieren mit dem Siegeszug von Social Media nicht an Bedeutung. Sie müssen allerdings neu interpretiert werden: CRM sollte sich dem eindeutigen Kundenwunsch nach personalisierten und spezifischen Interaktionen und Services öffnen und ein überragendes und vom Wettbewerb differenziertes „Kunden-Erlebnis“ schaffen – online wie offline. Um den Kunden davon zu überzeugen, dass es sich lohnt, dem Unternehmen die Treue zu halten. Denn nichts ist so flüchtig wie der digitale Kunde. Das nächste Angebot des Wettbewerbers ist nämlich nur einen Klick weit entfernt.

 

 

Die digitalen Medien bieten ungeahnte Möglichkeiten, die Umsetzung der Vertriebsstrategie und die operative Planung mit aussagekräftigen Daten und Insights sowie raffiniertem Profiling zu unterstützen. Die Ergebnisse haben direkten Einfluss auf den „return on investment“ (ROI). Die Vorteile liegen im Einzelnen bei einer unmittelbaren Umsatzsteigerung, Reduktion der Kosten für Lagerhaltung sowie Marketingausgaben und schaffen damit eindeutigen Shareholder Value.

Zukunftstrends im Bereich „Consumer Insight“ sind:

• Erhöhte Investitionen im M-Commerce-Bereich, um neue und wertvolle Erkenntnissen zum Konsumentenverhalten auf den mobilen Plattformen zu erhalten.
• Stärkere Einbindung von Social Media zum Aufdecken von neuen Erkenntnissen hinsichtlich der eigenen Markenbekanntheit, Produkt- und Servicenutzung sowie Vergleichsprodukte des Wettbewerbs. Zusätzlich versuchen Unternehmen verstärkt, einen Überblick über Einschätzungen und Bewertungen von digitalen Meinungsführern und Communities zu erhalten.
• Verstärkter Einsatz von Spitzentechnologien für Data Mining und Verarbeitung.

Beispiel 1: Kraft will wissen, was die Kunden denken und wollen!

Kraft nutzte z.B. COBRA als Tool, um Kundenwissen zu sammeln. Aufgrund der demografischen Veränderungen in Australien sah Kraft die Notwendigkeit, seine langjährige Branding-Kampagne für sein Vegemite Produkt zu ändern. Kraft verwendete dazu seine Unternehmensmarke und das Reputations-Analyse-Tool COBRA, um eine Studie zur Kundenbasis durchzuführen. COBRA durchsuchte und analysierte automatisch im Internet Millionen von Quellen, den sogenannten „User Generated Content“ (Blogs, Diskussionen, Foren etc.). Ziel war, ein frisches Bild von dem, was ihre Kunden über Vegemite denken und sagen, zu zeichnen. Dabei extrahierte COBRA automatisch die relevanten Informationen aus den Texten und wendete erweiterte Clustering-Algorithmen an, um die enormen Mengen an gewonnen Daten in thematische Kategorien zu strukturieren. Die Customer Insights, die Kraft durch die Analyse gewonnen hat, wurden dazu verwendet, um eine neue Marketing-Strategie für das Unternehmen und die Marke Vegemite zu entwickeln. Dieses Vorgehen bot Kraft die Möglichkeit, neue Marktchancen bereits in einem sehr frühen Stadium zu identifizieren und in der Folge Umsatz und Kundenbindung durch gezieltere Werbekampagnen zu erhöhen. Die Online-Strategie von Kraft zielt darauf ab, Werte und Attribute der Marken von Kraft in interaktive Weise auch offline aufzuzeigen. Durch die Gewinnung eines besseren Verständnisses der Verbrauchermeinung ist Kraft in der Lage, fokussierte Kundenbindungsmaßnahmen auszuarbeiten und damit signifikant die Kundenbindung zu erhöhen.

Beispiel 2: Adidas nutzt Social Media für intensiven Kunden-Dialog!

Als nächstes möchte ich zeigen, wie Adidas mittels Social Media mehr über den Kunden und seine Bedürfnisse herausgefunden hat. Der Sportartikelhersteller entwickelte eine Online-Community, um einen tieferen Einblick in das Verhalten seiner Zielgruppen mittels Social Media zu gewinnen. Dazu entwickelte Adidas eine Facebook Fan-Seite, welche schnell über zwei Millionen Nutzer anzog. Da die Analyse und Auswertung von zwei Millionen Mitgliedern und noch mehr Postings nicht realistisch war, erstellte Adidas eine eigene Gruppe innerhalb der Facebook Community. Das Unternehmen erstellte eine private „Untercommunity“ namens „Adidas Insider“ und lud nur die aktivsten Benutzer auf seiner öffentlichen Community Seite ein, der privaten Community beizutreten. Die Entwicklung einer privaten Community stellte sich als anspruchsvoller als eine öffentliche Fan-Seite heraus, jedoch überwiegen die Vorteile und rechtfertigen den Mehraufwand. Adidas Insider- Gruppenmitglieder werden stark von der personalisierten Kommunikation beeinflusst, geben oft konstruktives Feedback und sind starke Befürworter der Marke Adidas. Diese Auswirkungen können durch die Bewertung vergleichbarer Kosten für Offline Marketing, Market Research und Produktentwicklung gemessen werden. Chris Murphy, Direktor des Digital Media bei Adidas sagte: „Unsere größte Überraschung war, wie bereitwillig und aktiv unsere Insider Community-Mitglieder wirklich sind. Es ist eine große Freude für mich, Zeit mit unseren Kunden und Usern zu verbringen, welche die Marke Adidas so lieben wie wir es tun.“ (Quelle: Insights Qualitativos 2.0: Adidas created an online community to gain insight throught social media). Die Adidas Social Media-Aktivitäten erlauben es dem Unternehmen, sofortiges Feedback von den Fans in Bezug auf neue Farben und Materialien zu erhalten und helfen dabei, effizienter und schneller bei Produktentwicklung und Vertrieb zu werden. Adidas‘ strategisches Ziel ist es, zur persönlichsten und kundenzentriertesten Sportmarke bis Ende 2015 zu avancieren. Dazu fokussiert sich Adidas auf die Personalisierung der Offline und Online Customer Experience: Sowohl der Online Shopping- als auch der Einzelhandelskanal wurde auf maßgeschneiderte Angebote hin ausgerichtet. Die Personalisierungsstrategie und Adidas Insiders Privatcommunity zu Erfassung von Kundenwissen unterstützen die Bemühungen von Adidas, sich vom Wettbewerb zu differenzieren.

 

 

Social Media bietet jedoch nicht nur die Möglichkeit, mittels analytischer Methoden neue Erkenntnisse zu Kundenverhalten und -bedürfnissen zu erhalten, sondern zusätzlich Mehrwert für Vertrieb, Kundenservice und Innovationsmanagement (Stichwort Open Innovation) zu generieren. Darauf hier einzugehen, würde jedoch den Rahmen dieses Artikels sprengen. Wer sich jedoch stärker für das Thema Social Media interessiert, dem empfehle ich unseren Fachartikel „Social Media: Den Kunden genau kennen lernen, eine emotionale Beziehung aufbauen und ihn langfristig binden“.

Die Web & Social Media Analytics-Lösungen von Strategy & Transformation Consulting und Silicon Valley Data Science helfen Unternehmen, ihre begrenzte Sicht auf den Kunden im Rahmen der sozialen Netzwerkanalyse zu verbessern. In Kundengesprächen und -projekten stoßen wir dabei oft auf folgende Herausforderungen:

• Unternehmen möchten Kundenzentriertheit als Wettbewerbsvorteil nutzen, die interne Wissensbasis bietet jedoch nur eine eingeschränkte und oft unzureichende Sicht auf den Kunden.
• Die klassische Marktforschung ermöglicht lediglich einen eindimensionalen und statischen Zugewinn an Kundenwissen.
• Die Erkenntnisse klassischer Marktforschung lassen sich nur selten in der Steuerung des Geschäftes über interne Systeme einsetzen.
• Soziale Netzwerke sind reichhaltige mehrdimensionale Quellen, die nicht nur den Kunden und seine Attribute, sondern auch seine Beziehungen mit der Umwelt umfassend darstellen können. Unternehmen fehlt es jedoch oft an entsprechenden internen Kompetenzen, um diese reichhaltigen Informationsquellen strukturiert analysieren und auswerten zu können.

Im Speziellen möchte ich hier unsere Social Data Warehouse Lösung (SDW) ansprechen. Dabei handelt es sich um ein fortschrittliches hybrides Analytics-System, das die Lebenswelten von Kunden anhand massiver Datenvorräte aus den sozialen Netzwerken in über 2 Mio. Dimensionen darstellen kann. Die Anbindung des SDW an die Daten ergänzender Marktforschungssysteme und interner Systeme wird aktiv unterstützt sowie die Implementierung auf die spezifischen Ziele des Kunden zugeschnitten. Der Mehrwert für Unternehmen ist dabei ein bisher unerreicht scharfes und detailliertes Verständnis der eigenen Kundengruppen über assoziative Netzwerke in kulturellen, politischen, ökonomischen (z.B. Lieblingsmarken), geographischen (z.B. Urlaubsländer) sowie thematischen (z.B. Nachhaltigkeit) Dimensionen. Zusätzlich lassen sich die eigenen e-Commerce Aktivitäten über eine Anbindung an Tracking-Daten, Recommendation-Engine und Warenkorbdaten direkt steuern. Last-but-not-least, lassen sich mit unserer Social Data Warehouse Lösung verborgene und nicht offensichtliche Assoziationen offenlegen, aus denen sich konkrete Ansätze z.B. für Cross-Selling oder geographische Expansion ableiten lassen.

Sehr gerne stellen wir Ihnen unsere Kompetenzen, Methoden und Referenzen zum Themenfeld „Web & Social Media Analytics“ gerne in einem persönlichen Gespräch vor.

 

 

Kundensegmentierungs-Analytics

Nur eine Kundenerfahrung, die auf spezifische Kundensegmente ausgerichtet ist, kann auch wirklich von den Erfahrungen bei Konkurrenten differenziert werden. Ein Kundensegment ist eine Untergruppe von Kunden (Personen oder Organisationen), welche sich eine oder mehrere Eigenschaften teilen und damit ähnliche Bedürfnisse an ein Produkt oder einen Service haben. Wahre Kundensegmente erfüllen alle der folgenden Kriterien:

• sie unterscheiden sich von anderen Segmenten
• sie sind innerhalb des Segmentes homogen (Segment verfügt über gemeinsame Attribute)
• alle Teilnehmer in einem Segment reagieren ähnlich auf einen Reiz.

Der Prozess der Kundensegmentierung hat die Einteilung von Kunden in verschiedene Untergruppen (Segmente) zum Ziel. Die Kunden in einem Segment zeichnen sich dabei durch ähnliche Verhaltensweisen aus oder haben ähnliche Bedürfnisse in Bezug auf ein bestimmtes Produkt oder eine Dienstleistung. Wenn Segmente homogen strukturiert sind, ist es wahrscheinlich, dass die Kunden in dem Segment ähnlich auf Marketing- und Vertriebsmaßnahmen reagieren. Der Segmentierungsprozess an sich besteht aus Segment-Identifikation, Segment-Charakterisierung, Auswahl eines geeigneten Zielsegmentes und vertiefendem Verständnisgewinn der ausgewählten Segmente. Die Kundensegmentierung ist im Rahmen des Customer Experience Management wichtig,

• um die profitabelsten Kundensegmente zu identifizieren
• um eine Value Proposition für eine bestimmte Kundengruppen definieren zu können
• um ein interessantes Produktangebot definieren zu können, das sich deutlich von der Konkurrenz abhebt.

Vorteile der Segmentierung für Unternehmen:

• Die Segmentierung ermöglicht die Bereitstellung der richtigen Kundenerfahrung in einer kosteneffektiven Art und Weise
• Es wird allgemein angenommen, dass 20% der Kunden 80% der Einnahmen generieren. Unternehmen sollten daher ihre Ressourcen auf die profitabelsten 20% der Kunden fokussieren und keine Ressourcen auf unprofitable Kundensegmente verschwenden
• Durch die Segmentierung und Konzentration auf hochwertige Kunden können Vertriebs- und Servicekosten besser im Zaun gehalten werden
• Durch die Segmentierung lassen sich Kundengruppen mit hohen Kündigungsraten besser identifizieren.

 

 

Neben Effizienzkriterien lässt sich mit Hilfe der Segmentierung die Customer Experience für Zielkunden wesentlich verbessern. Dabei möchte ich gerne folgende Empfehlungen geben:

• Konzentrieren Sie sich auf die richtigen Kundensegmente. Das bedeutet auch, dass Sie andere Segmente nicht bedienen und auf diese Märkte/Kunden verzichten
• Liefern Sie genau die Customer Experience, die von den Zielsegmenten erwartet wird: Das Verständnis der Bedürfnisse bestimmter Segmente ermöglicht die Bereitstellung einer gezielten Kundenerfahrung, die sich deutlich von der Konkurrenz differenziert
• Nutzen Sie die Segmentierung auch, um tiefes Wissen über Ihre Kundensegmente zu erlangen und herauszufinden, was Ihre Kunden wirklich treibt und zum Kauf motiviert. Oft sind diese Informationen aus den gängigen CRM-Systemen nicht zu erhalten.
• Stimmen Sie Produktmanagement, Marketing und Vertrieb eng mit dem Betrieb und Fulfilment-Prozessen ab, um einen konsistenten Marktauftritt, Kommunikation und Lieferfähigkeit sicherzustellen.
• Identifizieren Sie Bereiche, in denen Ihr Unternehmen die bestehenden Ressourcen besser einsetzen kann, um für den Kunden Mehrwert zu stiften.

 

 

Zunächst werden die Segmentierungskriterien definiert und ein vorläufiges Segmentierungs-Framework entwickelt. Die Segmentierungskriterien unterscheiden sich von Unternehmen zu Unternehmen und müssen spezifisch auf die Kundengruppen hin abgestimmt werden. Dabei lassen sich generell Segmentierungskriterien nach Kundenverhalten (Kauf- und Transaktionsverhalten) und Kundenbedürfnissen (Präferenzen, Werte, Bedarfe der Kunden) sowie Kundenrentabilität (Aktuelles & zukünftiges Potenzial) unterscheiden. Generell ist von der eindimensionalen Kundensegmentierung z.B. nach Spartennutzung und Absatzmenge abzuraten, da Manipulationsmöglichkeiten der Segmente durch den Vertrieb bestehen. Hier geht es um Strukturprobleme (80/20-Regel) in allen Segmenten und unzureichende Berücksichtigung des Kundenwertes. Auf Grundlage der genannten Kriterien werden die benötigten Daten gesammelt und analysiert, um den Kunden in Segmente einzuteilen. Das Segmentierungs-Framework enthält die gesamte Kundenbasis aufgeteilt in verschiedene Segmente.

 

 

Ein Segmentprofil zeigt alle wesentlichen Information über das jeweilige Segment. Als Ergebnis der Segment-Priorisierung werden Segmente für das Targeting identifiziert. Im Rahmen der qualitativen Marktforschung sollten auch Informationen über die Einstellungen der Kunden zu Wettbewerbsprodukten eingeholt werden, um ein abgerundetes Bild vor der Auswahl der Zielsegmente (Targeting) zu liefern.

Eine klare Positionierung im Markt ist der Ausgangspunkt für die Definition einer einmaligen und konsistenten Customer Experience. Dazu gehört das gezielte, planmäßige Schaffen und Herausstellen von Stärken und Qualitäten, durch die sich ein Produkt oder eine Dienstleistung in der Einschätzung der Zielgruppe klar und positiv von anderen Produkten oder Dienstleistungen unterscheidet. Die Positionierung bestimmt die wesentlichen Attribute, was das Produkt bzw. den Service ausmacht und wie man sich damit vom Wettbewerb abgrenzen möchte. Die Positionierung zeigt Unternehmen auch auf, wo sie im Vergleich zu Wettbewerbern, aus der Sicht des Kunden, stehen. Darauf hier im Detail einzugehen, würde jedoch den Rahmen dieses Artikels sprengen. Wer sich jedoch stärker für die Themen Segmentierung und Positionierung sowie Customer Experience Management interessiert, dem empfehle ich unseren Fachartikel „Customer Experience Management: Aktive Gestaltung der Kundenerfahrung!“, indem auf über vierzig Seiten die Herangehensweise an ein ganzheitliches Customer Experience Management im Detail vorgestellt werden. Dabei werden u.a. folgende Themen aufgegriffen: Customer Insight gewinnen, Kunden segmentieren, Customer-Journey-Analysen durchführen, Strategie und Positionierung definieren, Customer Experience Vision definieren, Transformations-Roadmap ausarbeiten, Business Case rechnen, Customer Experience Controlling aufsetzen, Governance-Richtlinien und -Strukturen definieren, Change Management Maßnahmen definieren.

 

 

Das gemeinsame Customer Segmentation Analytics-Angebot von Strategy & Transformation Consulting und Silicon Valley Data Science hilft Unternehmen, die vielversprechendsten Zielgruppen zu identifizieren und damit die Basis für maßgeschneiderte Kundenstrategien zu legen. In Kundengesprächen und -projekten stoßen wir dabei oft auf folgende Herausforderungen:

• Unternehmen möchten kundenzentrierter kommunizieren, verfügen jedoch über eine unzureichende Kundensegmentierung.
• Unternehmen möchten Bewegungen im Kundenstamm anhand der Kundenhistorie verstehen, Erfolge wiederholbar machen (z.B. attraktive Neukundengruppen) und Misserfolge langfristig reduzieren (z.B. hohe Kundenabwanderungsrate).
• Unternehmen verfügen über keine bzw. unzureichende holistische Sicht auf den Kunden.
• Unternehmen haben Schwierigkeiten den Kundendialog sowie Angebote effektiv zu individualisieren.
• Vermehrte Konkurrenz um Aufmerksamkeit der Konsumenten erhöht den Druck die Relevanz der Kundenkommunikation signifikant zu steigern.

Wie kann Business Analytics Unternehmen hier helfen? Kundensegmentierungs-Analytics ermöglicht Unternehmen zu verstehen, was ihre Kunden wirklich treiben und wie sie eine einmalige Kundenerfahrung aufbauen können, um sich vom Wettbewerb zu differenzieren. Dabei ist Analytics besonders wichtig in Branchen, welche sich in einem intensiven Wettbewerbsumfeld befinden, um auch in Zukunft wettbewerbsfähig bleiben zu können. Wir empfehlen hier einen Ansatz, der Kundendaten aus unterschiedlichen Quellen sammelt und hinsichtlich ihrer Einstellungs- und Verhaltensmuster detailliert analysiert, um klare Kundensegmente herauszubilden, die sich in ihrer Wertigkeit für das Unternehmen und ihren Bedürfnissen und Präferenzen unterscheiden. Customer Insight kann dabei durch eine Reihe von Methoden wie z.B. unternehmensinterne Datenanalyse und statistische Auswertungen, Fokusgruppen, telefonische und physische Interviews, „Usability Testing“, Beobachtung von Kunden im Geschäft, Verkaufsmitarbeiterbefragungen und noch weitere Möglichkeiten gewonnen werden. Mittels eines analytischen Datenmodells wird definiert, welche Datenpunkte für eine aufschlussreiche Customer Insight im Anschluss für die Segmentierung benötigt werden. Ein intelligentes Datenmanagement gewährleistet die Integration von Daten aus verschiedenen internen und externen Quellen sowie eine strukturierte Aufbereitung.

 

 

Unternehmensintern fehlende Daten zu Kundenbedürfnissen und -verhalten können durch Interviews, Fokusgruppen, Offline- und Online-Beobachtungen (siehe auch Web & Social Media Analytics) erhoben werden, um damit das Datenmodell zu ergänzen. Kunden wissen oft nicht genau, was sie wollen, bis sie das Produkt in den Händen halten bzw. den Service tatsächlich auch nutzen. Ein erfahrener Marktforscher und Interviewer wird jedoch in der Lage sein, die richtigen Fragen zu stellen, um das Verhalten und die Wünsche der Kunden sowie ihre wahre Motivation dahinter zu ergründen.

Im Anschluss empfehlen wir eine analytische Segmentierung durchzuführen. Die Segmentierung erlaubt die Zusammenfassung von Kunden in klare Segmente, die als Basis für eine gezielte Ansprache, ein individualisiertes Nutzenversprechen und die Steuerung von Marketing-, Customer Care und für Pricing-Strategien dienen. Die Vorteile dieses Vorgehens für Unternehmen lassen sich wie folgt beschreiben:

• Kosten- und Risikoreduktion durch gezielte Kundenansprache mit relevanten Marketingstrategien und geringen Streuverlusten.
• Erhöhung der Kundenloyalität und Reduktion von Kundenabwanderung durch bessere Insights.
• Erhöhter Share of Wallet und bessere Marktdurchdringung durch effektivere Marketingmaßnahmen.
• Erhöhtes Selbstvertrauen: Die Performance von Marketingaktivtäten messbar machen.

Sehr gerne stellen wir Ihnen unsere Kompetenzen, Methoden und Referenzen zum Themenfeld „Kundensegmentierungs-Analytics“ gerne in einem persönlichen Gespräch vor.

 

Kundenbindungs-Analytics

Die heutigen Zeiten sind gekennzeichnet durch eine Globalisierung der Märkte, digitale Transformation, steigenden Wettbewerbsdruck sowie Sättigung auf der Kundenseite. Dies führt dazu, dass es für die Unternehmen immer schwieriger wird, Wettbewerbsvorteile aufzubauen sowie eine stabile und vor allem profitable Bindung der Kunden an das Unternehmen zu erreichen. In Märkten mit geringen Wachstumsraten ist Kundenakquisition generell mit hohem Kosteneinsatz verbunden. Deshalb kommt es darauf an, den Kunden in der Nutzungsphase zu begleiten und Ihn möglichst langfristig an das Unternehmen zu binden.

 

 

Die Gründe, warum Kunden abwandern bzw. kündigen sind vielfältig. Um nur einige zu nennen:

• Unzureichender Kundendienst: 45 Prozent aller „Kündiger“ verlassen das Unternehmen aufgrund von schlechtem oder fehlendem Kundenservice (Quelle: Harvard Business Review, 2009)
• Unzureichende Value Proposition: Der Preis ist in Anbetracht, was angeboten wird, einfach zu hoch.
• Unzureichende Kundensegmentierung: Kunden werden unabhängig von ihren Bedürfnissen und ihrem Kundenwert gleich behandelt. Unternehmen mangelt es oft an ausreichend Erfahrung in der Servicedifferenzierung und professionellem Customer Experience Management.
• Unfreiwillige Abwanderung: Kunden kommen in Zahlungsverzug und können ihren Verpflichtungen nicht mehr nachkommen.

Das übergeordnete Ziel einer Kundenbindungsstrategie ist es, die Kundenzufriedenheit stetig zu steigern sowie Abwanderungswillige frühzeitig zu identifizieren und weiter an das Unternehmen zu binden. Doch wie wird überhaupt Kundenzufriedenheit erreicht? Dies erläutert das Konzept der Toleranzzone: Liegt die wahrgenommene Leistung in der Toleranzzone, empfindet der Kunde Indifferenz bzw. einen geringen Grad an Zufriedenheit. Erst, wenn der Erwartungslevel an eine Leistung überschritten wird, tritt hohe Kundenzufriedenheit bzw. Begeisterung ein. Wird der Erwartungslevel aber unterschritten, entsteht Unzufriedenheit, Verärgerung und im schlimmsten Fall ist die Geschäftsbeziehung gefährdet.

 

Die meisten Unternehmen haben unzureichende Informationen über ihre Kunden. Der Schlüssel für den Erfolg liegt daher darin, Kundendaten in Insight umzuwandeln. Häufige Probleme mit Daten und Informationen, welche wir oft in Unternehmen beobachten, sind:

• Weit verstreut liegende Datenbasis und Informationen: Informationen über den Kunden liegen fragmentiert an verschiedenen Orten im Unternehmen vor
• Kunden werden alle (eher schlecht) gleich behandelt: Profitable Kunden werden zu wenig bedient, unprofitablen Kunden erhalten in Anbetracht ihres Kundenwertes einen „zu guten“ Service
• Entscheidungen werden eher aufgrund von Bauchgefühl anstatt solider Datengrundlage und Insights gefällt: Marketingkampagnen werden nicht auf Basis von Analytics durchgeführt. Dagegen „stochert man im Nebel herum“ ohne datenbasiertes Feedback
• Unzureichend bekannte Kundenpräferenzen: Kundenkommunikation wird zu wenig differenziert auf unterschiedliche Kundenbedürfnisse durchgeführt und führt beim Kunden nicht zu den erwünschten Ergebnissen
• Kundendaten werden häufig für das Reporting, jedoch nicht für proaktive Analysen verwendet.

Je besser Sie Ihre Kunden kennen, desto besser sind Sie auch in der Lage, die Bedürfnisse Ihrer Kunden zu erfüllen. Der Schlüssel für den Erfolg liegt darin, aus Kundendaten neue Erkenntnisse zu gewinnen, um daraus Prognosen für zukünftiges Kundenverhalten und entsprechende Bindungsstrategien ableiten zu können. Kundenbindungs-Analytics bietet einen erheblichen Mehrwert durch die Stabilisierung der Umsatzquellen sowie durch bessere Steuerungsmöglichkeiten des Kundenportfolios.

 

 

Durch die Verwendung von analytisch-quantitativ orientierten Ansätzen sind Unternehmen in der Lage, Ressourcen effektiver und effizienter den Kunden zu allokieren, die kündigungs- bzw. abwanderungsgefährdet sind. Ich möchte hier kurz statistische Scoring Modelle erwähnen. Scoring ist ein statistisches Verfahren, welches auf Basis von historischen Unternehmensdaten Scorecards erstellt. Diese Daten können verschiedene Charakteristika umfassen wie Transaktionen, Demografie, Alter etc. Das Verfahren hilft Kunden – in Abhängigkeit von Ihrer Abwanderungs-Wahrscheinlichkeit – in Segmente zu klassifizieren. Jedes Modell ist dabei einzigartig und auf die spezifischen Bedürfnisse des Unternehmens zugeschnitten. Statistische Scoring-Modelle sind auf drei wichtigen Prinzipien gegründet:

• Verhalten in der Vergangenheit ist der beste Prädikator für zukünftiges Verhalten.
• Identifizierte Insights der Analysegruppe sind repräsentativ für die gesamte Bevölkerung.
• Es besteht ein kausaler Zusammenhang zwischen den Daten und anschließenden strategischen Maßnahmen und Aktivitäten.

Sobald abwanderungsgefährdete Kunden identifiziert sind, müssen Lücken zwischen den Kundenerwartungen und der Unternehmensleistung aufgedeckt werden, um geeignete Gegenmaßnahmen entwickeln zu können.

 

 

Lücken zwischen den Kundenerwartungen und der Unternehmensleistung lassen sich in vier Kategorien einteilen:

• Erwartungs-Gap: Das Unternehmen versteht die Kundenbedürfnisse und
  -erwartungen nicht ausreichend
• Delivery-Gap: Das Unternehmen schafft es nicht, den Kunden die richtigen Produkte und/oder Services zu liefern
• Service-Gap: Das Unternehmen ist nicht in der Lage, dem Kunden den erwarteten Service Level zu bieten
• Communications-Gap: Die Unternehmenskommunikation trifft nicht die Kundenbedürfnisse (z.B. falsche Inhalte, Kanäle, Intervalle, etc.)

Die oben genannte Gap-Analyse bzw. Analyse von Ungleichgewichten deckt Unterschiede zwischen den Kundenbedürfnissen und -anforderungen und der tatsächlichen gelieferten Qualität der Produkte oder Dienstleistung auf. Dabei fußt die Gap-Analyse auf Basis der gewonnen Insights aus den bisher durchgeführten qualitativen und qualitativen Analysen. Nach erfolgreicher Gruppierung von Verbesserungspotenzialen in Kategorien werden diese hinsichtlich Business Impact in den verschiedenen Kundensegmenten priorisiert. Die priorisierte Liste von Verbesserungspotenzialen wird im Weiteren Verlauf als Grundlage für die Entwicklung von Strategien und Maßnahmen zur Kundenabwanderung herangezogen.

In Kundengesprächen und -projekten stoßen wir beim Thema Kundenbindung oft auf folgende Herausforderungen:

• Verstärkte Standardisierung, Produktsubstitution, Markenfragmentierung.
• Verbraucher sind schwer zu erreichen, schwerer zu beeindrucken und haben mehr Information und mehr Auswahl als je zuvor.
• Preisdruck von steigenden Kosten für die Kundenakquisition.
• Übermäßige Fokussierung auf Neukundenakquisition, anstatt durch kontinuierliche Weiterentwicklung von Bestandskunden den Umsatz zu steigern.
• Zu starke Fokussierung auf Kostensenkung und weniger auf überragende Brand & Customer Experience.
• Geringe Wechselkosten.

Unsere Beratungsleistung umfasst typischerweise:

• Verhaltens- und bedarfsorientierte Segmentierung
• Analytische Kundenverhaltens-Analysen und -Modellierungen, um Loyalitätstreiber und Loyalitätsinhibitoren zu identifizieren.
• Design von gezielten Kundenbindungsstrategien und -kampagnen mit dem Ziel, die Kundenbindung im Allgemeinen generell zu verbessern sowie abwanderungsgefährdete Kunden im Speziellen in treue Kunden zu verwandeln.
• Identifikation von Hebeln, um die Vorhersagbarkeit von Maßnahmen zur Kundenbindung zu verbessern.

Unser Kundenbindungsansatz liefert ganz neue Erkenntnisse über Kundenbedürfnisse und –verhalten sowie verbessert nachhaltig die Customer Experience und hat damit einen direkten Einfluss auf langfristige Umsatz- und Gewinnsteigerungen. Der Nutzen für Unternehmen lässt sich dabei wie folgt skizzieren:

• Verbesserte Transparenz zu Treibern und Inhibitoren der Kundenloyalität
• Effektivere und effizientere Kundenbindungskampagnen
• Erhöhung der Share of Wallet
• Erhöhte Cross-Selling / Up-Selling-Möglichkeiten für die profitabelsten Kunden durch maßgeschneiderte Angebote
• Erhöhung des Customer Lifetime Values
• Durch neue Erkenntnisse der Kundenbedürfnisse Möglichkeit überragende Brand & Customer Experience zu entwickeln und Kunden zu Fans weiterzuentwickeln.

Sehr gerne stellen wir Ihnen unsere Kompetenzen, Methoden und Referenzen zum Themenfeld „Kundenbindungs-Analytics“ gerne in einem persönlichen Gespräch vor.

 

Fazit:

Die heutigen Zeiten sind gekennzeichnet durch eine Globalisierung der Märkte, digitale Transformation, steigenden Wettbewerbsdruck sowie Sättigung auf der Kundenseite. Dies führt dazu, dass es für die Unternehmen immer schwieriger wird, Wettbewerbsvorteile aufzubauen sowie eine stabile und vor allem profitable Bindung der Kunden an das Unternehmen zu erreichen. Deshalb kommt es darauf an, den Kunden in der Nutzungsphase zu begleiten und ihn möglichst langfristig an das Unternehmen zu binden. Hier kann Business Analytics helfen! Business Analytics offenbart tiefe Einblicke in das Kundenverhalten und in die Bedürfnisse sowie in die „Channel Performance“ mit dem Ziel, zusätzliche Optimierungspotentiale zu identifizieren. Einer der größten Vorteile des Online-Marketings und des Vertriebs gegenüber der „Offline-Welt“ ist, dass alles messbar ist. Die Erkenntnisse aus den Analysen können dazu verwendet werden, um das Produkt- und Serviceportfolio weiter zu optimieren und die Kundenerfahrungen während der gesamten Customer Journey zu verbessern. Damit verbunden: Kundenzufriedenheit und Kundenbindung langfristig zu steigern. Dabei gilt es herauszufinden, welcher Produkt-Mix dem Kunden den größten Mehrwert bietet und für das Unternehmen die höchste Rendite verspricht. Auf Basis der neuen Erkenntnisse werden entsprechende Marketing- und Vertriebskampagnen konzipiert. Im Sinne der Vertriebseffizienz ist eine hohe Cross- (bezeichnet im Marketing den Querverkauf von sich ergänzenden Produkten oder Dienstleistungen) und Up-Selling-Quote (Angebot höherwertiger Produkte zu höheren Preisen im schon vorhandenen Kundenbestand) anzustreben.

 

Weiterführende Links

Fachkompetenz Business Analytics

Fachkompetenz Innovative Marktbearbeitung

Artificial Intelligence and Machine Learning in the Insurance Sector

Trends in Data-Driven Internet of Things (IoT)

How to approach Business Analytics? A guide for better insights out of big data

The ROI of a Modern Data Strategy

Data-Driven User Engagement

 

Über Uns

Unsere Positionierung und Leitbild: “Mastering the Digital Age!” Wir sind eine integrierte Management- und Technologieberatungsgruppe und bieten integriert die Konzeption und Umsetzung von ganzheitlichen Digitalisierungslösungen an. In dieser Kombination ermöglichen echte Vordenker strategische Beratung bei der Digitalisierung eines Unternehmens. Dies passiert mit tiefgreifenden methodischen Kenntnissen, fundierter Transformationserfahrung und einem hohen Maß an technologischem Verständnis sowie tiefer Expertise in der Wertgenerierung aus Daten. Das „neue Gold des 21. Jahrhunderts“ kann durch modernste künstlicher Intelligenz (KI) und Cloud-Computing-Technologien gewonnen werden. Dies alles End2End aus einer Hand über den ganzen Transformationsprozess. Mehr über uns erfahren Sie hier.

 

Ihr Ansprechpartner

Hat Ihnen der Blogartikel gefallen? Haben Sie Fragen dazu? Ich freue mich auf Ihr Feedback und stehe für eine Diskussion jederzeit gerne zur Verfügung!

Marc R. Esser
Managing Partner
Strategy & Transformation Consulting
Email senden