Von Dr. Martin Böhn
Die Analyse von Kundendaten ist ein wesentliches Anwendungsfeld von Business Intelligence. Viele Anbieter – sowohl aus dem CRM als auch aus dem BI – versuchen sich mit Werkzeugen und Lösungstemplates zu positionieren.
Analytics um Wissen zu schaffen
Um aussagekräftige Erkenntnisse über das Kundenverhalten ableiten zu können, müssen verschiedene Informationsquellen und Informationsarten verbunden werden.
Der gesamte Kundenlebenszyklus muss betrachtet werden, daher sind neben kaufmännischen Daten (bisherige Umsätze etc.) auch Informationen aus dem Kommunikationsverhalten (Reaktionen auf Marketingaktionen, Informationen aus Vertriebsgesprächen oder Servicefällen etc.) einzubeziehen.
Noch genauer können die Einflussfaktoren auf die Kaufentscheidung von Kunden abgeschätzt werden, wenn auch die ihn beeinflussenden Rahmenbedingungen (Rahmendaten des Unternehmens, Verhalten von Wettbewerbern, Marktveränderungen etc.) in die Analyse einbezogen werden.
Anwendungsfelder des analytischen CRM
Die wesentlichen Anwendungsfelder des analytischen CRM lassen sich nach Zielgruppe und nach Betrachtungsebene kategorisieren (siehe Grafik). Abhängig von der Zeitachse und den eingesetzten Werkzeugen sind die wesentlichen genutzten BI-Disziplinen:
- Reporting: Analyse von Daten aus vergangenen Perioden, um Klarheit über tatsächlich stattgefundene Ereignisse und vorliegende Informationen zu erlangen.
- Data Mining: Weitergehende Analyse der Daten, um Zusammenhänge aufzudecken und Regelbeziehungen abzuleiten – diese Regeln gilt es in zukünftigen Maßnahmen zu nutzen.
- Monitoring: Erkennen von aktuellen Entwicklungen, um eine direkte Reaktion zu ermöglichen (Verkaufschance nutzen, Störungen schnell beheben etc.).
- Predictive: Abschätzen von zukünftigen Entwicklungen und Planung der eigenen Maßnahmen, um darauf zu reagieren und im besten Fall sogar auf die Entwicklung Einfluss zu nehmen.
- Prescriptive: Umsetzung der Erkenntnisse in konkrete Handlungen.
Für die verschiedenen Anwendungsgruppen (Marketing, Vertrieb, Service etc.) werden diese Methoden in den jeweiligen Anwendungskontext gesetzt und so direkte Unterstützungsmöglichkeiten sowohl in der Maßnahmenplanung als auch im operativen Geschäft gesetzt.
Analytisches CRM: Potenziale
Grundlegendes Ziel des analytischen CRM ist die Verbesserung des Kundenverständnisses, um damit die Gewinnung und Bindung von Kunden zu stärken.
Grundlegendes Ziel des analytischen CRM ist die Verbesserung des Kundenverständnisses.
Dies betrifft alle Ebenen des unternehmerischen Handelns: die gesamte Strategie des Unternehmens (hinsichtlich Produkte, Service, Kontaktkanäle, Ansprache etc.) kann durch das bessere Verständnis über den Kunden und seine Wahrnehmung der Produkte und Leistungen besser gesteuert werden.
Konkrete Projekte können auf der taktischen Ebene genauer geplant werden. Zudem ist eine bessere Steuerung auf der operativen Ebene möglich, indem bspw. die aus dem Data Mining gewonnenen Regelbeziehungen zur Prozesssteuerung und für Automatismen genutzt werden.
Konkrete Ausprägungen dieser Potenziale zur Intensivierung der Kundenbeziehungen sind insbesondere:
- Steigerung Umsatz: Cross- und Upselling, besser platzierte Angebote (Inhalte, Zeitpunkt)
- Senkung Kosten: weniger Streuverluste bei Marketing- und Vertriebsmaßnahmen, zielgenauer Service
- Ausbau der Marke: Steigerung der Bekanntheit und bessere Bewertung aus Kundensicht durch guten Service und gute Marktansprache
- Verbesserungen bei Datenschutz und Compliance durch besseres Datenmanagement und gesteuerte Prozesse
- Steigerung der Mitarbeitermotivation durch bessere Bereitstellung der erforderlichen Informationen (und möglichst auch der entsprechenden Werkzeuge)
BI und CRM – ein Erfolgsmodell
Im analytischen CRM treffen sich jahrelange Erfahrungen aus den technischen und mathematischen Aspekten der Datenanalyse mit den jahrelangen Erfahrungen aus der Untersuchung und Verbesserung der Kundenkommunikation. BI liefert die wichtigen Werkzeuge, CRM liefert das Anwendungsfeld. In den Projekten werden diese verbunden, um konkrete Ziele und Anforderungen zu erfüllen.
Durch die Komplexität der Zusammenhänge und die meist historisch gewachsenen Informationsinfrastrukturen bleibt aber noch viel zu tun.
Häufig trifft man in den Projekten beispielsweise auf getrennte Datentöpfe für Interessenten und Kunden oder isolierte Systeme für Webshop und Filiale. Zudem werden die Arbeitsweisen der verschiedenen Nutzergruppen meist nur unzureichend unterstützt. Es gibt viel zu tun – aber es lohnt sich!