Ermittlung von Cross- und Up-Selling-Potenzialen bei ... · PDF fileErmittlung von Cross- und...

Ermittlung von Cross- und Up-Selling-Potenzialen bei Bestandskunden

Für einen langfristigen Erfolg am Markt ist es für ein Unternehmen unverzichtbar, seine eigenen wichtigen Kunden (d.h. mit einem für das Unternehmen hohen Kundenwert) zu identifizieren, zu diesen langfristige Beziehungen aufzubauen und zu unterhalten. Ein effektives Kundenmanagement ist heutzutage ohne das passende Data Warehouse, in dem alle unternehmensinternen und auch verfügbaren externen Daten zusammengeführt und konsolidiert werden, nicht mehr denkbar. Data Mining Techniken, also die systematische Suche nach versteckten Mustern und Strukturen in großen Datenbeständen mittels mathematisch-statistischer Verfahren, werden eingesetzt, um ein tiefgehendes Kundenverständnis zu erlangen. Die meisten Unternehmen besitzen bereits eine beachtliche Menge an Daten über ihre bestehenden und ehemaligen Kunden sowie über deren bisheriges Verhalten. Zum Teil sind diese internen Kundendaten mit externen Zusatzinformationen (soziodemografische und psychografische Daten) angereichert worden. Beim analytischen CRM kommt es darauf an, möglichst viel Relevantes aus den in den Kundendaten erhaltenen Informationen zu gewinnen und so Eigenschaften, Verhaltensweisen und Wertschöpfungspotenziale von Kunden besser erkennen zu können. Data Mining Techniken sind damit das Kernstück eines Database Marketing Systems, da ein Unternehmen so die eigenen Kunden in jedem Stadium ihres Lebenszyklus besser verstehen kann, sie gezielter mit Angeboten ansprechen und damit schließlich auch für das Unternehmen profitabler machen kann. Steigerung des Unternehmenserfolgs durch Cross- bzw. Up-Selling CRM setzt am Kundenlebenszyklus an und hat Neukundenakquise, Bindung von Bestandskunden sowie Rückgewinnung von verlorenen Kunden zum Hauptziel. Allerdings ist gerade die Neukundengewinnung kostenintensiv und die Umwandlung zu einem gewinnbringenden Stammkunden zeitraubend. Deshalb ist es wichtig, sich auf organisches Umsatzwachstum mit den bestehenden Kunden zu konzentrieren, da sich hier durch Steigerung der Kundenbindung mit vergleichsweise geringem Aufwand hohe Erträge erzielen lassen. Einmal kann das innerhalb des eigenen Angebotes geschehen, indem höherwertige oder erweiternde Produkte angeboten werden (Up-Selling). Ein anderer Weg ist die Diversifizierung, d.h. der Verkauf von weiteren z.T. auch aus einer anderen Kategorie stammenden Produkten (Cross-Selling). Die entscheidende Fragestellung ist: wen kontaktiere ich über welchen Kanal mit welchem Angebot und natürlich auch wann? Analysen, die man im Bereich des Up- und Cross-Selling durchführen kann, drehen sich damit im Kern um die Fragen:

l Welche Produkte nutzen meine Kunden derzeit, und wie lange schon?

l Welche Produkte oder Dienstleistungen werden oft gemeinsam gekauft?

l Wie kann die Produktnutzung meiner Kunden erhöht werden?

l Wie identifiziere ich diejenigen Kunden, denen ich weitere Produkte oder Dienstleistungen anbieten soll?

l Welche Produkte soll ich diesen Kunden anbieten?

Ausgangspunkt der Cross- und Up-Selling Analyse ist zunächst eine grundlegende Analyse der

http://www.crmmanager.de/magazin/artikel_1423_analytisches_crm_data_mining_cross_selling.html

Seite 1 von 4CRMmanager.de - Ermittlung von Cross- und Up-Selling-Potenzialen bei Bestandsk...

26.04.2007http://www.crmmanager.de/magazin/artikel_1423-print_analytisches_crm_data_minin...

Kunden: Zielsegmente und –kunden mit einem hohem Bedarf und Up- oder Cross-Buying-Bereitschaft müssen identifiziert werden. Typische Data Mining Methoden, die für diese Fragestellungen herangezogen werden, sind Assoziations- und Sequenzanalyse (also Warenkorbanalysen, Ermittlung von Kaufsequenzen/-mustern), Klassifikationsverfahren (z.B. Entscheidungsbäume) oder multivariate Verfahren (z. B. logistische Regression zur Kaufwahrscheinlichkeitsprognose). Mit diesen Methoden wird aus der Historie des Kunden bzw. der Historie anderer Kunden "gelernt" (u.a. durch Ableitung so genannter "(Entscheidungs-)Regeln"), wann welches Produkt angeboten werden sollte und welche Affinität bei welchen Kunden zu welchen Produkten besteht. Die gefundenen Regeln könnte man zum Beispiel im eigenen Call Center anwenden, wo einem Kunden, der ein bestimmtes Produkt kaufen möchte, basierend auf den aus den Data-Mining-Analysen abgeleiteten Regeln (z.B. "Wenn ein Kunde bereits Produkt A und Produkt B hat, dann besteht eine hohe Wahrscheinlichkeit, dass er auch Produkt G kaufen wird") ein weiteres Produkt zum Up- oder Cross-Selling angeboten werden könnte. Für eine fiktive Versicherung XY könnten sich z.B. bei einer Assoziationsanalyse der Versicherungen, die Kunden bei diesem Unternehmen abgeschlossen haben, folgende Ergebnisse zeigen, dargestellt in einem Netzknoten:

Je dicker eine Verbindungslinie in der Graphik zwischen zwei Versicherungstypen ist, desto häufiger sind diese gemeinsam bei den Versicherten zu finden.

Optimierte Cross- und Up-Selling-Analysen durch Datenfusion

Data Mining wird meistens in Bezug auf die Auswertung von intern im Unternehmen vorliegenden Datenquellen verstanden und praktiziert. Dabei handelt es sich vorwiegend um Bestandsdaten von Kunden sowie Transaktionsdaten über die (hausinterne) Produktnutzung dieser Kunden. Auf dieser Informationsbasis sind jeweils nur Analysen des Kundenverhaltens aus interner Sicht und begrenzt auf interne Vorgänge realisierbar. Für eine effiziente und umfassendere Cross- bzw. Up-Selling Analyse und eine darauf aufsetzende Marketingstrategie gibt es aber eine Reihe von Fragestellungen, die mit internen Kundendaten alleine nicht beantwortet werden können:



l Wie hoch ist der Anteil der von mir angebotenen Leistung an den Gesamtausgaben eines Kunden?

l Wie hoch sind die Ausgaben dieses Kunden bei meinen Mitbewerbern?

l Wie kann ich meinen Anteil steigern bzw. es erreichen, dass Kunden von Wettbewerbern abwandern?

Diese fehlende Informationsdimension können Daten, die aus Marktforschungserhebungen stammen, besonders gut ergänzen und die bestehende Lücke "über den Tellerrand hinaus" hin zum Nutzungsverhalten und Gesamtmarktüberblick schließen. Im Zuge dieses so genannten Database Enrichments können z.B. einstellungsbezogene Daten (wie etwa Zufriedenheiten, Interessen) oder auch Marktstrukturdaten (z.B. Geschäftsbeziehungen zur Konkurrenz) die bestehende Datenbasis des Kunden "bereichern". Für ein derartiges Database Enrichment werden Data Fusion Modelle verwendet, die zu den "neueren" multivariaten Verfahren zu zählen sind. Die durch eine erfolgreiche "Fusion" von internen Datenquellen und Marktforschungsdaten zusammengeführten Informationsdimensionen fördern eine "ganzheitliche" Sicht von Marketing und Vertrieb auf die Kunden. Cross und Up-Selling Analysen können auf den angereicherten Daten aufsetzen und zusätzliche Erkenntnisse liefern bzw. die Prognosequalität der eingesetzten Modelle verbessern. So hätte z.B. die Versicherung XY aus dem vorigen Beispiel die folgenden Möglichkeiten, mit der Enriched Database hinsichtlich Cross- und Up Selling Analysen zu arbeiten:

l Ziel: Aufstellen eines Cross-Selling-Modells durch Typologisierung der Kunden (in hinsichtlich Versicherungsbesitz möglichst homogene Segmente

l Ziehen einer repräsentativen Stichprobe aus der Kundendatenbank, mit der eine Marktforschungsuntersuchung durchgeführt wird (Inhalte u.a. Versicherungsbesitz, Ausgaben für die einzelnen Versicherungen)

l Segmentbildung für die Kunden in der Stichprobe: Identifizierung von Produkt-Portfoliotypen für den Gesamtmarkt (d.h. über alle Versicherungen hinweg)

l Modellierung der Wahrscheinlichkeit, dass ein bestimmter Kunde der Versicherung XY ein definiertes Produktportfolio besitzt, d.h. zu einem bestimmten Produkt-Portfoliotyp gehört

l Rückspielen der Information in die Kundendatenbank: Schätzen des "wahrscheinlichsten" Produktportfolios für sämtliche Kunden der XY Versicherung

l Abweichungsanalyse: (wahrscheinliche) Produktnutzung im Gesamtmarkt gegen Produktnutzung bei Versicherung XY

l Ranking: Ordnen der Kunden nach "Restpotenzial" (= wahrscheinliche Gesamtproduktnutzung – Nutzung bei Versicherung XY)



Analytik alleine ist aber nicht alles Cross- und Up Selling Analysen ermöglichen es einem Unternehmen seinen Umsatz zu steigern, seine wertvollen Kunden langfristig an sich zu binden und damit schließlich den Wert seiner Kunden zu erhören. Dabei gilt es den Kunden ganzheitlich zu begreifen, die individuellen Wünsche und Bedürfnisse des Kunden zu antizipieren und bestmöglich zu erfüllen, um wettbewerbsfähig zu bleiben. Voraussetzung dafür ist, dass man die zur Verfügung stehenden bzw. beschaffbaren Kundeninformationen auf die effizienteste Weise nutzt. Ein gut strukturiertes Data Warehouse mit einer ebenso guten Datenqualität bildet das Fundament jeder Cross-Selling Analyse. Aber nicht nur die Komplexität der Systeme und Analysen gilt es zu bedenken und zu beherrschen: will ein Unternehmen mit Cross-Selling Aktionen erfolgreich sein und bleiben, muss es bei seinen Aktivitäten z.B. auch Faktoren wie die strategischen Ziele, die eigene Organisationsstruktur sowie Informations- und Anreizsysteme für (Sales)-Mitarbeiter berücksichtigen. Dr. Stefan Tuschl wird zu diesem Thema auch auf der "CUSTOMER 2007 – Kundenfindung und Kundenbindung in B2C-Unternehmen", vom 10.-11. Mai in Düsseldorf, einen lehrreichen Vortrag halten. Weitere Informationen und das komplette Veranstaltungsprogramm finden Sie hier.

Erschienen: 04/2007 Autor: Dr. Stefan Tuschl

Dr. Stefan Tuschl leitet bei TNS Infratest den Bereich Modelle und Methoden. Der Bereich Modelle und Methoden ist als Beratungs- und Competence Center im In- und Ausland für anspruchsvolle statistische Auswertungen und Untersuchungskonzeptionen zuständig.

© 1999-2007 | Home | Fenster schliessen



Ermittlung von Cross- und Up-Selling-Potenzialen bei ... · PDF fileErmittlung von Cross- und...

Documents

Transcript of Ermittlung von Cross- und Up-Selling-Potenzialen bei ... · PDF fileErmittlung von Cross- und...