Druckmaster Stefan Helmke_110

Eine simulationsgestützte Methode
für Budgetentscheidungen
im Kundenbindungsmanagement
Dissertation
zur Erlangung der Würde eines
DOKTORS DER WIRTSCHAFTSWISSENSCHAFTEN
(Dr. rer. pol.)
der Universität Paderborn
vorgelegt von
Dipl.-Kfm. Stefan Helmke
40217 Düsseldorf
Düsseldorf, im August 2002
Dekan:
Prof. Dr. O. Rosenberg
Referent:
Prof. Dr.-Ing. habil. W. Dangelmaier
Korreferent: Prof. Dr. M. Rese
Inhaltsverzeichnis
I
Inhaltsverzeichnis
Abbildungsverzeichnis .............................................................................................................III
Abkürzungsverzeichnis ............................................................................................................VI
Symbolverzeichnis .................................................................................................................VII
1.
Motivation der Arbeit .......................................................................................................1
2.
Das Problem der Konzeption einer simulationsgestützten Methode für
Budgetentscheidungen im Kundenbindungsmanagement ................................................ 4
2.1.
Begriffsklärung …...……………….. ………………………………………………... 4
2.1.1.
Klärung der inhaltlichen Begriffe …...………………………………………... 4
2.1.1.1.
Management ………………………...…………………………………....4
2.1.1.2.
Kunde …...………………………………………………………….......... 5
2.1.1.3.
Kundenbindung ……………..…………………………………………… 6
2.1.1.4.
Kundenbindungsmanagement …………………………………………...11
2.1.2.
Klärung der instrumentellen Begriffe ………………………………………...17
2.1.2.1.
Methode …………………………………………………………………17
2.1.2.2.
Simulation ……………………………………………………………… 18
2.1.2.3.
Budgetentscheidung ……………………………………………………. 20
2.2.
Anforderungen an die Methode …………………………………………………... 22
2.2.1.
Anforderungen an die Abbildung der Elemente …………………………….. 22
2.2.2.
Anforderungen an die Steuerungsalgorithmik ………………………………. 25
3.
Stand der Technik …………………………………......................................................: 29
3.1
Existierende Arbeiten zur Abbildung der Elemente ……………………………::::29
3.1.1.
Arbeiten zur Abbildung des Elements Maßnahme ………………………:…. 29
3.1.1.1.
Marketing-Mix ……………………………………………………:…… 30
3.1.1.2.
Kano-Konzept …………………………………………………………:. 33
3.1.1.3.
CRM-Softwarefunktionalitäten ……………………………………::::…34
3.1.1.4.
Kausalanalyse ………………………………………………………:…..40
3.1.2.
Arbeiten zur Abbildung des Elements Kunde ………………………………. 42
3.1.2.1.
Konstrukt der Kundenzufriedenheit ………………………………:…… 42
3.1.2.2.
Kundenklassifizierung ……………………………………………::……47
3.1.2.3.
Kundendatenbanken ………………………………………………:…… 55
3.2
Steuerungsalgorithmik …………………………………………………………: ... 58
3.2.1.
Budgetierung ………………………………………………………………… 59
3.2.2.
Marginalanalytische Ansätze ………………………………………………:.. 63
3.2.3.
Ansätze der mathematischen Programmierung …………………………::::…65
3.2.4.
Case Based Reasoning ……………………………………………………:… 66
3.2.5.
Simulationsgestützte Verfahren …………………………………………….:: 69
4.
Zu leistende Arbeiten ......................................................................................................73
4.1.
Arbeiten zu den Elementen ...................................................................................... 73
4.2.
Arbeiten zur Steuerungsalgorithmik ........................................................................ 74
II
Inhaltsverzeichnis
5.
Konzeption einer simulationsgestützten Methode für Budgetentscheidungen im
Kundenbindungsmanagement................……………………………..............................75
5.1.
Elemente................................................................................................................... 75
5.1.1.
Maßnahmen.. …………………………………………………………………75
5.1.1.1.
Strukturierende Attribute.......................................................................... 75
5.1.1.2.
Steuerungsattribute................................................................................... 82
5.1.1.3.
Konstruktion der Wirkungsfunktion ........................................................ 91
5.1.2.
Kunden ........................................................................................................... 100
5.1.2.1.
Kundenklassifizierung nach der Kundensicht........................................ 102
5.1.2.2.
Kundenklassifizierung nach der Unternehmenssicht ............................. 116
5.1.2.3.
Kundenklassifizierung nach der Prozesssicht ........................................ 120
5.1.2.4.
Integration der drei Sichten .................................................................... 121
5.2
Steuerungsalgorithmik ........................................................................................... 123
5.2.1.
Konstruktion der Zielfunktion........................................................................ 123
5.2.2.
Verknüpfung der Wirkungsfunktionen .......................................................... 130
5.2.3.
Verfahrensauswahl ......................................................................................... 135
5.2.3.1.
Deterministische Verfahren.................................................................... 136
5.2.3.2.
Indeterministische Verfahren ................................................................. 138
5.2.4.
Steuerungsalgorithmik auf Basis der Monte-Carlo-Simulation ..................... 140
5.2.4.1.
Transformation der Variablen ................................................................ 140
5.2.4.2.
Simulation der Variablen ....................................................................... 146
5.2.4.3.
Einbau externer Effekte.......................................................................... 149
5.2.4.4.
Ergebnisprofil......................................................................................... 156
5.2.4.5.
Beurteilung ............................................................................................. 158
6.
Einbindung der Methode in CRM-Software ......................................................... .......162
6.1
Informationsbereit................................................................................................... 162
6.2
Datenanalyse …………………………………………………………………….. 166
6.3.
Organisatorische Instrumente …………………………………………………… 169
7.
Zusammenfassung und Ausblick ..................................................................................172
Anhang ................................................................................................................................ 174
Anhang A: Prozeßphasen des Kundenbindungsmanagements .......................................... 174
Anhang B: Kundenzufriedenheitsportfolio ........................................................................ 177
Anhang C: Überblick zu am Markt gängigen Maßnahmen ............................................... 180
Anhang D: CRM-Softwarefunktionalitäten ....................................................................... 182
Literaturverzeichnis ……………........................................................................................... 206
Abbildungsverzeichnis
III
Abbildungsverzeichnis
2-1
Arten der Kundenbindung und ihre Wirkungsebenen ....................................................8
2-2
Unterschiede zwischen Transaktionsmarketing und Relationship
Marketing ……………...………………………………..............................................11
2-3
Gründe für Kundenabwanderung .................................................................................12
2-4
Aufgabenzerlegung im Kundenbindungsmanagement ................................................14
2-5
Planungs- und Steuerungsaufgaben des Kundenbindungsmanagements ................................................................................................................14
2-6
Aufgabenpakete des identifizierten Aufgabenfeldes Maßnahmenbudgetentscheidung ......................................................................................................15
2-7
Begriffliche Entwicklung CRM ...................................................................................17
2-8
Grundformen der Risiko-Nutzen-Funktion in Abhängigkeit der Risikoeinstellung ....28
3-1
Marketing-Mix .............................................................................................................30
3-2
Produktkomponenten ...................................................................................................32
3-3
Leistungsarten des Kano-Konzeptes ............................................................................33
3-4
Exemplarische Komponenten von CRM-Systemen .....................................................37
3-5
Erklärungsmodell der Kundenzufriedenheit ................................................................43
3-6
Alternative Erklärungsansätze und ihre zentralen Implikationen für das
Konstrukt der Kundenzufriedenheit ……..…………………………………………44
3-7
Ablaufschritte und Entscheidungsprobleme der Clusteranalyse ……………............50
3-8
ABC-Analyse (exemplarisch) ......................................................................................53
3-9
Funktionen von Marketing-Budgets .............................................................................60
IV
Abbildungsverzeichnis
3-10
Vorgehen im Rahmen des fallbasierten Schließens .....................................................67
5-1
Strukturierende Attribute für Maßnahmen des
Kundenbindungsmanagements .....................................................................................76
5-2
Aktivitäten im Kundenbearbeitungsprozeß des
Kundenbindungsmanagements ………………….........................................................77
5-3
Kundenkontaktkanäle ...................................................................................................78
5-4
Anwendungsfall der Alternativenvergleichsrechnung .................................................79
5-5
Phasen des Kundenbearbeitungsprozesses ...................................................................80
5-6
Ausgestaltung konkreter Maßnahmen (Exemplarisches Ergebnis) ……………….....81
5-7
Exemplarische Budgetverteilung .................................................................................91
5-8
Mögliche Wirkungsfunktionstypen ..............................................................................97
5-9
Sichten des Klassifizierungskonzeptes .......................................................................102
5-10
Wirkungsprofil ...........................................................................................................105
5-11
Kundenvergleichsmatrix auf Basis der Wirkungsprofile ...........................................106
5-12
Score-Matrix bezüglich Bedeutungen der Maßnahmen .............................................110
5-13
Kundenvergleichsmatrix auf Basis der Bedeutungen der Maßnahmen .....................110
5-14
Kundenvergleichsmatrix auf Basis der Kundenzufriedenheitsprofile ……………..115
5-15
Bedeutung der Ist- und Potentialindikatoren für den Unternehmenserfolg ...............117
5-16
Matrix der Bedeutung des Kunden für den Unternhemenserfolg…...........................118
5-17
Exemplarische Implikationen der Kundenklassifizierung nach der
Unternehmenssicht…………………………………………………………………..119
5-18
Kundenzufriedenheits-Absatzmengen-Funktion ........................................................127
5-19
Beispiel für Interpretationsbedarf deterministischer Berechnungen ..........................137
Abbildungsverzeichnis
V
5-20
Vorgehensweise im Rahmen der Monte-Carlo-Simulation ……………...................139
5-21
Syntax des Simulationsoperators sim .........................................................................140
5-22
Formales Ergebnis des Simulationsoperators sim ......................................................141
5-23
Verteilungshypothesen und notwendige Parameter ...................................................141
5-24
Dichtefunktion einer dreieckverteilten Zufallsvariable ..............................................142
5-25
Allgemeine Funktionsvorschrift der Umkehrfunktion der Verteilungsfunktion
für eine dreieckverteilte Zufallsvariable …………………………………….........143
5-26
Beispiel für die Simulation einer dreieckverteilten Zufallsvariablen …………….....144
5-27
Umsetzung einer dreieckverteilten Variable im Rahmen
der Steuerungsalgorithmik…………………………………………………………..145
VI
Abkürzungsverzeichnis
Abkürzungsverzeichnis
ACD
Automatic Call Distribution
CAS
Computer Aided Selling
CIC
Customer Interaction Center
CRM
Customer Relationship Management
CTI
Computer Telephony Integration
DV
Datenverarbeitung
eCRM
electronic Customer Relationship Management
EMRS
E-Mail-Management-Response-System
ERP
Enterprise Ressource Planning
IVR
Interactive Voice Response
mCRM
mobile Customer Relationship Management
PPS
Produktionsplanung und -steuerung
SBR
Skill Based Routing
SCM
Supply Chain Management
SFA
Sales Force Automation
SLA
Service Level Agreement
SPSS
Statistical Package for the Social Sciences
USP
Unique Selling Proposition
VDI
Verein deutscher Ingenieure
Symbolverzeichnis
Symbolverzeichnis:
Aj
Aktivitätsniveau der Maßnahme j
ADIj
absolute Differenz zwischen Zufriedenheitsstiftungs- und
Unzufriedenheitsstiftungskoeffizient der Maßnahme j
af
Funktionsparameter der Risiko-Nutzen-Funktion bei Risikofreude
des Entscheiders
AKI
Aktivität
Anz
Operator zur Bestimmung einer Anzahl
av
Funktionsparameter der Risiko-Nutzen-Funktion bei
Risikoaversion des Entscheiders
ß
Toleranzbereich
b‘
Anzahl der Kundenklassen nach Bedeutung der Maßnahmen
Bi‘‘
Kundenklasse nach der Bedeutung der Maßnahmen
bij
Bedeutungsgewicht der Maßnahme j für die Kundenklasse i
bjc
Bedeutung der Maßnahme j für den Kunden c
BE
Begeisterungsmaßnahme
BP
Bedeutungsprofilmatrix
BU
Budgethöhe
BUj
Budgethöhe der Maßnahme j
BUijmax
maximales Budget für die Maßnahme j in der Kundenklasse i
BUj*
kundenklassenvariables Budget
VII
VIII
Symbolverzeichnis
BUij*
kundenklassenvariables Budget der Maßnahme j bei der
Kundenklasse i
BUj**
Vorhaltebudget
BUj***
Mischbudget der Maßnahme j
BUj***var
variabler Anteil des Mischbudgets für die Maßnahme j
BUj***fix
fixer Anteil des Mischbudgets für die Maßnahme j
BUij***var
variabler Anteil des Mischbudgets der Maßnahme j in der Kundenklasse i
BUij***fix
fixer Anteil des Mischbudgets der Maßnahme j in der Kundenklasse i
Cmin, Cmax
Hilfsvariablen zur Abbildung oberer und unterer Schranken
CL
Klassifizierungsoperator
CSj
Zufriedenheitsstiftungskoeffizient der Maßnahme j
c
Zähler für den Kunden
cb
Clusterzentrum nach Clusterung auf Basis von scb
cg
Clusterzentrum nach Clusterung auf Basis von scg
cz
Clusterzentrum nach Clusterung auf Basis von scz
d
Zähler für die Variablen zur Abbildung des Käuferverhaltens
δ+/-1
Wirkungsanzahl des positiven/negativen Kundenausstrahlungseffektes
δ+/-2
Wirkungsausmaß des positiven/negativen Kundenausstrahlungseffektes
e
Anzahl Attribute zu Klassifizierung der Kunden nach dem Käuferverhalten
Ej
Empfängerkreis der Maßnahme j
EP
Ergebnisprofil
Ɣ
Risiko-Nutzen-Funktion
Symbolverzeichnis
G
Gewinn
gew
Kennzeichnung für gewichtete Werte
gkz
Gesamtkundenzufriedenheit eines Kunden
GKZF
Gesamtkundenzufriedenheit über alle Kundenklassen
hj
absolute Häufigkeit der Kunden, welche die Maßnahme j
erhalten haben
hij
absolute Häufigkeit der Kunden der Klasse Ki, welche die
Maßnahme j erhalten haben
h°j
absolute Häufigkeit der Durchführung einer Maßnahme j
BA
Basismaßnahme
i
Zähler zur Identifikation der Kundenklasse i
IDM
Identifikationsset der Maßnahme
INT
Intervall
IR
irrelevante Maßnahme
ist
Kennzeichnung für Ist-Werte
Iu’
Indikator für die Klassifizierung nach der Unternehmenssicht
IWIu‘
Ist-Wert-Indikator
j
Zähler zur Identifikation der Maßnahme j
K
Kosten
Kfix
Fixkosten
Ki
kprop
Kundenklasse i
variabler, proportionaler Kostensatz pro Absatzmengeneinheit x
IX
X
Symbolverzeichnis
KKj
Kontaktkanal der Maßnahme j
KMBP
Kundenvergleichsmatrix auf Basis der Bedeutungen der Maßnahmen
KMWP
Kundenvergleichsmatrix auf Basis der Wirkungsprofile
KMZP
KO
Kundenvergleichsmatrix auf Basis der Zufriedenheitsprofile
Summe der Kosten für alle eingesetzten Maßnahmen
KOj
Kosten für die Maßnahme j
kojvar
variabler Kostensatz der Maßnahme j
KOjfix
Fixkosten der Maßnahme j
KOist
Istkosten der eingesetzten Maßnahmen
KOplan
Plankosten der eingesetzten Maßnahmen
KP
Produktkosten
KZFi
Kundenzufriedenheit der Kundenklasse i
λ+/-
positive/negative Ausstrahlungslinie
LE
Leistungsmaßnahme
max
Kennzeichnung für Maximalwerte
min
Kennzeichnung für Minimalwerte
Mj
Maßnahme j
µ
Erwartungswert
MAE
Mächtigkeit einer Menge
MB
Kundenbedeutungsmatrix
MTj
Maßnahmenträger der Maßnahme j
Symbolverzeichnis
N
Menge der natürlichen Zahlen
n
Anzahl Kunden
ni
Anzahl der Kunden der Kundenklasse i
nψ+/-
Anzahl Kunden, auf welche der positive/negative
Kundenausstrahlungseffekt wirkt
norm
Kennzeichung normierter Werte
normsim
normierter Simulationsoperator
φ
Verteilungshypothese
pa
Parameter der Wirkungsfunktion
PK
Personalkosten
PLAj
Form des Leistungsaustausches der Maßnahme j
plan
Kennzeichnung für Planwerte
PRj
Prozeßphase der Maßnahme j
PRSc
Vektor zur Zusammenfassung der Prozeßstufenzugehörigkeit eines Kunden c
PSr’c
Variable zur Aufnahme der Zugehörigkeit des Kunden c zur Prozeßstufe r‘
PWI
Potentialwert-Indikator
r
Anzahl der Prozeßstufen
ς
Korrelationskoeffizient
rhij
relative Häufigkeit der Kunden der Kundenklasse i, welche die Maßnahme j
erhalten haben
re+
positive angenommene Remanenzwirkung
re-
negativ angenommene Remanenzwirkung
XI
XII
Symbolverzeichnis
rm+/-
Hilfsvariable zur Abbildung des Kundenausstrahlungseffektes
rmgew+/-
gewichtete Anzahl Kunden mit Kundenausstrahlungseffekt
ROSj
Remanenzoberschranke einer Maßnahme j
RP
Risikoprofil
RUSj
Remanenzunterschranke einer Maßnahme j
σ
Standardabweichung
scb
Ähnlichkeitskoeffizient der Kundenvergleichsmatrix auf Basis der
Bedeutungsprofile
scb’
Score-Maß bezüglich Bedeutungen
SCB’
Score-Matrix bezüglich Bedeutungen der Maßnahmen
scg
Ähnlichkeitskoeffizient der Kundenvergleichsmatrix auf Basis der
Wirkungsprofile
scz
Ähnlichkeitskoeffizient der Kundenvergleichsmatrix auf Basis der
Zufriedenheitsprofile
sim
Simulationsoperator
σzi
Standardabweichung der Kundenzufriedenheitswerte der Kundenklasse i
TAK
Tanimoto-Koeffizient
U
Umsatz
u
Anzahl Kundenklassen nach der Unternehmenssicht
Uw
Kundenklasse nach der Unternehmenssicht
UCSj
Unzufriedenheitsstiftungskoeffizient der Maßnahme j
unnorm
Kennzeichnung unnormierter Größen
Symbolverzeichnis
v
zu simulierende Variable
v‘
Anzahl der Kundenklassen nach dem grundsätzlichen
Kundenverhalten
Vi‘
Kundenklasse nach dem grundsätzlichen Kundenverhalten
vdc
Variable zur Abbildung des Käuferverhaltens des Kunden c
VF
Verteilungsfunktion
VPc
Vektor zur Zusammenfassung der Variablen des Käuferverhaltens
ψ+
positiver Kundenausstrahlungseffekt
ψ-
negativer Kundenausstrahlungseffekt
w
WIj
Wahrscheinlichkeit
Wirkungsweise der Maßnahme j
WIij
Wirkungsweise der Maßnahme j bei der Kundenklasse i
WP
Wirkungsprofilmatrix
x
Absatzmenge eines Produktes
y
Ausprägung der zu simulierenden Variablen v
z0
bisheriger Zufriedenheitswert
z1
prognostizierter Zufriedenheitswert
z‘
Anzahl der Kundenklassen nach der Kundenzufriedenheit
Zi‘‘‘
Kundenklassen nach der Kundenzufriedenheit
zjc
Zufriedenheitswert des Kunden c mit der Maßnahme j
zmax
maximale Ausprägung der Kundenzufriedenheit
XIII
XIV
Symbolverzeichnis
ZF
Zielfunktion
ZP
Zufriedenheitsprofilmatrix
°
Kennzeichnung für exogene Faktoren
Þi
Remanenzeffekt einer Maßnahme j
Þ+i
Anstiegsremanenz einer Maßnahme j
Þ-i
Abstiegsremanenz einer Maßnahme j
¥
Konkurrenzeffekt
Kapitel 1: Motivation der Arbeit
1.
1
Motivation der Arbeit
Bedingt durch die Entwicklung von Verkäufer- zu Käufermärkten, sieht sich die
Marktbearbeitung der meisten Unternehmen wachsenden Herausforderungen ausgesetzt.1 Die
Bedeutung eines effektiven und effizienten Kundenbindungsmanagements steigt insbesondere
seit Anfang der 90er Jahre aufgrund einer zunehmend veränderten Unternehmensumwelt.2
Aufgrund der zunehmenden Wettbewerbsintensität, welche für die meisten Branchen typisch
ist, suchen Unternehmen nach neuen Möglichkeiten, sich von der Konkurrenz abzuheben.3 Da
sich Produkte zunehmend ähneln und Kunden vielfach neben der Kernleistung des Produktes
als
Basis
zusätzliche
Maßnahmen
erwarten,
ist
einem
effektiven
4
Kundenbindungsmanagement eine gesteigerte Bedeutung beizumessen. Dies ist auf Märkten
von Bedeutung, für die es charakteristisch ist, daß eine hohe Kundenzufriedenheit und eine
daraus resultierende Kundenbindung einen entscheidenden Wettbewerbsfaktor für die
Sicherung und Erhöhung des Unternehmenserfolges und -wertes darstellt.5
Unternehmen entwickeln verschiedenste neue Maßnahmen in diesem Bereich, jedoch mangelt
es an einem systematischen Vorgehen, die Einsatzintensität der Maßnahmen nach dem
Kriterium ihrer kundenzufriedenheitssteigernden Wirkung auszuwählen. Aufgrund der dem
Kundenbindungsmanagement beigemessenen hohen Bedeutung verfallen Unternehmen
vielmehr in einen unsystematischen Aktionismus und setzen Maßnahmen mehr oder weniger
willkürlich ein. Dies geschieht vielfach, ohne eine systematische Analyse und Planung ihrer
Wirkung beim Kunden vorzuschalten und die unterschiedlichen Kundeninteressen zu
berücksichtigen.6
Häufig hilft dem Entscheider bisher letztendlich nur sein unternehmerisches Gespür weiter,
wie er finanzielle Ressourcen auf die verschiedenen Maßnahmen verteilt. Dies entspricht
nicht einer kundenorientierten und damit auch unternehmerischen Entscheidung, da
1
Vgl. [Wild02], S. 10, [Bruh01], S. 15ff. Vgl. zur Unterscheidung zwischen Käufer- und Verkäufermarkt
[Nies94], S. 9.
2
Vgl. [Seng02], S. 12, [Homb99/1], S. 3ff.
3
Vgl. zu Branchenbeispielen u. a. [Dich96], S. 14ff., [Dres99], S. 655ff., [Grup99], S. 637f., [Hint99], S. 735f.,
[Hors98/1], S. 50f.
4
Vgl. [Egge02], S. 138f., [Hart02], S. 251.
5
Die praktische Erfahrung zeigt, daß es sich hierbei um keine allgemeingültige Gesetzmäßigkeit handelt,
sondern branchenspezifisch die Validität dieses Zusammenhangs zu überprüfen ist. Vgl. dazu auch [Bruh99], S.
411f., die auf unterschiedliche Studien verweisen, welche diesen Zusammenhang bestätigen, wie z. B. [Deso92],
S. 24ff. oder [Hesk94], S. 51, [Hors98/2], S. 90ff., aber auch auf Studien, welche diesen Zusammenhang
widerlegen, wie
z. B. [Gran94], S. 25ff. oder [Zeit96], S. 31ff.
6
Vgl. [Dang02], S. 5ff., [Kade02], S. 85f., [Wild02], S. 10.
2
Kapitel 1: Motivation der Arbeit
Kundenwünsche und deren bisheriger Erfüllungsgrad höchstens rudimentär über die
Vermutungen des Entscheiders in die Budgetentscheidung einfließen. Die zunehmend
differenzierteren Kundenbedürfnisse erfordern jedoch auf der Seite der Marktbearbeitung
insbesondere einen ebenso differenzierten Einsatz von Maßnahmen.7 Zudem deuten in der
jüngsten Vergangenheit die erheblichen Anstrengungen von Unternehmen, CRM-Systeme
einzuführen, auf die zunehmende Bedeutung des Kundenbindungsmanagements hin. Dabei
liegt jedoch im Wesentlichen der Schwerpunkt auf Funktionalitäten, welche lediglich die
Informationsversorgung des Vertriebs verbessern. Dadurch wird das dargestellte
Grundproblem zwar nicht gelöst, doch liefern sie wichtige Basisinformationen über die
Beziehung des Unternehmens zu seinen Kunden, die entsprechend einzusetzen sind.8
Besondere Relevanz besitzen die dargestellten Zusammenhänge, wenn ein Unternehmen als
strategische Ausrichtung Qualitätsführerschaft anstrebt, der Wettbewerbsdruck hoch ist und
Maßnahmen, die über die Kernleistung des Produktes hinausgehen, ein hohes
Differenzierungspotential beizumessen ist. Bisherige Ansätze zur Kundensegmentierung
weisen in diesem Zusammenhang den Nachteil auf, daß sie Kunden zu allgemein einteilen.
Deshalb bedarf es einer auf entsprechenden Attributen basierenden Klassifizierung, die
konkreter das Verhältnis zwischen eingesetzter Maßnahme und Wirkung beim Kunden
abbilden. 9
Nicht zuletzt da Unternehmen nach dem erwerbswirtschaftlichen Prinzip agieren und
finanzielle Ressourcen in der Regel begrenzt sind, stecken in einem differenzierten
Maßnahmeneinsatz erhebliche Optimierungspotentiale, da finanzielle Ressourcen wesentlich
unternehmenszielgerichteter
eingesetzt
werden
könnten.
Reduziert
auf
die
Unternehmenspraxis bedeutet dies, daß ein Bedarf für eine Methode besteht, die auf Basis
einer
maßnahmenwirkungsorientierten
Kundenklassifizierung
einen
verbesserten
Budgeteinsatz im Kundenbindungsmanagement erlaubt. Dies betrifft die Budgetentscheidung
bezüglich Höhe und Verteilung.
Dabei wird im Rahmen der Arbeit der Schwerpunkt auf die operationalisierte Abbildung der
Budgetentscheidungssituation gelegt, um eine operationalisierbare und damit anwendbare
Methode zu erhalten.10 Dies führt auf der anderen Seite dazu, daß hinsichtlich der zentralen
7
Vgl. [Homb99/2], S. 81ff., [Meye99], S. 189ff.
8
Vgl. [Gall00], S. 56f., [Wild02], S. 11.
9
Vgl. [Kehl00], S. 61ff.
10
Die
Arbeit
verbindet
das
methodische
Wissensgebiet
der
Gestaltung
von
Entscheidungsunterstützungssystemen mit dem Sachgebiet des Marketing. Der Schwerpunkt der Arbeit liegt
dabei auf der Herausarbeitung einer Methode, welche sich Annahmen bezüglich von Marktzusammenhängen
bedient, damit Lösbarkeit, Datenbereitstellbarkeit und Anwendbarkeit gegeben sind. Daraus ergibt sich, daß die
Methode nicht generell eingesetzt werden kann, sondern vielmehr jeweils im Einzelfall zu prüfen ist, ob die
postulierten, in die Methode eingehenden Annahmen in der Anwendungssituation zutreffen.
Kapitel 1: Motivation der Arbeit
3
Konstrukte der Arbeit wie die Kundenzufriedenheit Arbeitsdefinitionen zu formulieren sind,
deren inhaltliche Ausgestaltung als Annahmen in die Methode eingehen. Dabei ist zu
beachten, daß eine operationalisierte Abbildung den Stand der Diskussion zum Teil
vereinfacht, um die Komplexität der Methode in einem Rahmen zu halten, welcher die
Anwendbarkeit der Methode sicherstellt.11
In diesem Zusammenhang ist zu berücksichtigen, daß aufgrund des Kontextes des
Operationalisierungsanspruches eine Methode erarbeitet wird, die für Märkte geeignet ist, auf
denen die im Rahmen der Arbeit aufgestellten Annahmen Beziehungen in Form positiver
Korrelationen zwischen Kundenzufriedenheit als vorökonomischer Erfolgsgröße und dem
Unternehmensgewinn gültig sind. Im Spannungsfeld zwischen methodischer
Operationalisierbarkeit sowie Datenbereitstellbarkeit12 auf der einen Seite und dem Grad der
Berücksichtigung kundenspezifischer Phänomene auf der anderen Seite wird damit der Fokus
der Arbeit auf die algorithmische, entscheidungsorientierte Abbildung des eingegegrenzten
Abbildes der Realität gelegt, um die unternehmenspraktische Anwendbarkeit als
Entscheidungsunterstützungsmethode zu gewährleisten. Da im Rahmen der Marktbearbeitung
regelmäßig mit für die Zukunft unsicheren Informationen zu arbeiten ist, bildet der Einsatz
deterministischer Methoden die Realität nur unzureichend ab. Vielmehr ist das den Größen
innewohnende Risiko in die Betrachtung einzubeziehen, um situationsadäquate
Entscheidungen treffen zu können.
Mit Hilfe der in dieser Arbeit zu konzipierenden Methode lassen sich simulationsgestützte, im
Hinblick auf den Unternehmenserfolg verbesserte Budgetentscheidungen bezüglich des
Maßnahmeneinsatzes im Kundenbindungsmanagement ableiten. Dies erfolgt unter
Berücksichtigung der Kunden- und Unternehmensinteressen.
11
Es ist die Balance zwischen konstruktueller Genauigkeit und praktikabler Anwendbarkeit zu gewährleisten.
12
Vgl. allgemein zur Diskussion dieser Kriterien [Adam83], S. 126ff., [Köhl99/2], S2ff.
4
Kapitel 2.1: Begriffsklärung
2.
Das Problem der Konzeption einer simulationsgestützten Methode für
Budgetentscheidungen im Kundenbindungsmanagement
Im Rahmen dieser Arbeit sind zur inhaltlichen Abgrenzung und Festlegung zunächst die
wesentlichen Begriffe zu klären. Im Anschluß sind die Anforderungen an die zu lösenden
Teilprobleme herzuleiten.
2.1.
Begriffsklärung
Zu unterscheiden ist zwischen den verwendeten inhaltlichen Begriffen und den
instrumentellen Begriffen. Die erstgenannte Begriffsgruppe verdeutlicht den Problemkontext,
während die zweitgenannten die eingesetzten Instrumente zur Lösung des Problems
bestimmen.
2.1.1.
Klärung der inhaltlichen Begriffe
Der in dieser Arbeit zentrale inhaltliche Begriff “Kundenbindungsmanagement“ des zu
lösenden Problems wird im folgenden geklärt. Dies erfolgt schrittweise.
2.1.1.1.
Management
Im Management ist zwischen dem institutionellen und dem funktionalen Managementbegriff
zu unterscheiden. Der institutionelle Begriff bezeichnet ein strukturelles Subsystem des
Unternehmens, welches die Personen, die Management-Aufgaben übernehmen, umfaßt.13
Hingegen zielt der funktionale Managementbegriff auf die Übernahme von Planungs- und
Steuerungsaufgaben im Unternehmen ab. Das bedeutet, daß Management im funktionalen
Sinne
die
Zusammenfassung
betrieblicher
Teilaufgaben,
den
sogenannten
Managementaufgaben, wie Planen, Organisieren, Entscheiden und Kontrollieren beinhaltet.14
Somit kann zweckorientiert für diese Arbeit definiert werden:
13
Vgl. [Corst00], S. 598.
14
Vgl. [Schi95], S. 83, [Ulri95], S. 13ff., [Wild82], S. 37.
Kapitel 2.1: Begriffsklärung
5
Definition 2.1 (Management im Sinne des funktionalen Managementbegriffs)
Der Managementbegriff im funktionalen Sinne umfaßt Planungs- und Steuerungsvorgänge,
die notwendig sind, um die einzelnen Aktivitäten im Unternehmen auf die übergeordneten
Unternehmensziele einheitlich auszurichten.
Im Hinblick auf die Tragweite der Steuerungsvorgänge ist dabei zwischen strategischem,
taktischem und operativem Management zu unterscheiden.15 Diese Differenzierung ist für die
Einordnung
der
Methode
in
den
relevanten
Problembereich
des
Kundenbindungsmanagements notwendig, welche in Kapitel 2.1.1.4. erfolgt.
2.1.1.2.
Kunde
Gegenstand des Geschehens auf Märkten16 ist der Austausch von Leistungen gegen Geld
zwischen Anbietern und Abnehmern.17 Dabei erwirbt der Abnehmer die Leistung18 des
Anbieters zum Zwecke einer Bedarfsdeckung.19 Auf der anderen Seite bietet der Abnehmer
dem Anbieter Beiträge zur Erreichung seiner eigenen Ziele. Der Kunde als Abnehmer von
Unternehmensleistungen20 ist somit ein wesentliches Zielobjekt der Marketingperspektive von
Unternehmen.21
Zusammenfassend wird auf Basis dieser Aspekte der Begriff des Kunden für den weiteren
Gang der Arbeit wie folgt definiert:
15
Vgl. [Schi95], S. 81ff., [Nies94], S. 20ff.
16
Als Markt wird dabei das wirtschaftlich relevante Umfeld eines Unternehmens bezeichnet. Vgl. dazu [Olfe97],
S. 602 sowie die dort angegebene Literatur.
17
Vgl. [Wiec95], S. 31, [Kotl72], S. 48, der den Vorgang des Austauschs als Transaktion weiter spezifiziert.
18
Der Erwerb einer Leistung bezeichnet dabei den Übergang von Verfügungsrechten zwischen den beteiligten
Parteien. Vgl. dazu auch [Bran90], S. 80 ff.
19
Vgl. [Plin97], S. 121. [Plin97] charakterisiert in diesem Zusammenhang den Zweck der Bedarfsbefriedigung
neutraler als Problemlösung.
20
Vgl. dazu auch [Dill92], S. 583, der die tatsächlichen Abnehmer um die Gruppe der potentiellen Abnehmer
erweitert.
21
Vgl. zum Bedeutungswandel dieses Zielobjektes im Marketing [Günt01], S. 5.
6
Kapitel 2.1: Begriffsklärung
Definition 2.2 (Kunde)
Als Kunden bezeichnet man Abnehmer bzw. Abnehmergremien, die bei einem Anbieter einen
Bedarf decken. Sie sind somit Bedarfsträger, die ihre Bedarfsdeckung über die Auswahl des
Anbieters als Tauschpartner optimieren.
Zu berücksichtigen ist dabei, daß ein Abnehmer durchaus Kunde bei zwei oder mehreren
konkurrierenden Unternehmen sein kann22, also wechselweise seinen Bedarf bei
verschiedenen Unternehmen deckt, abgebildet durch die Kaufalternativen seines Evoked
Sets23 im Hinblick auf die nachgefragte Leistung.
Wesentlich für eine zielgerichtete, effiziente Marktbearbeitung ist die Zusammenfassung von
Kunden, bei denen eine gleiche Marktreaktion im Hinblick auf die Wirkung der eingesetzten
Marktbearbeitungsinstrumente anzunehmen ist, in Klassen.24 Entsprechend ist der Begriff der
Kundenklasse25 zu definieren:
Definition 2.3 (Kundenklasse)
Eine Kundenklasse faßt Kunden in Gruppen zusammen, die in sich möglichst homogen, aber
untereinander möglichst heterogen sind. Im Kundenbindungsmanagement zielt dies auf
gleiche Implikationen der klassifizierten Kunden im Hinblick auf den Maßnahmeneinsatz ab.
Zur
Klassifizierung
der
Kunden
sind
Kriterien
einzusetzen.
Dies
sind
Klassifizierungskriterien, die Unterschiede im Kaufverhalten im Hinblick auf die vom
Unternehmen angebotenen Leistungen induzieren, also kaufverhaltensrelevant sind.
2.1.1.3.
Kundenbindung
Das Streben von Unternehmen nach Existenzsicherung durch die Schaffung und Nutzung von
Erfolgspotentialen erfordert den Aufbau und die Pflege eines attraktiven Kundenstamms. Die
Bindung bestehender Kunden kann dabei sowohl infolge von Kostensenkungen als auch
durch
eine
Steigerung
kundenspezifischer
Umsätze
zur
Erhöhung
der
22
Vgl. zur Abgrenzung von Geschäftstypen im B-to-B-Bereich [Back99], S. 305ff.
23
Der Evoked Set auf Basis des Marketing-Response-Modells nach [Choff78], S. 23 bezeichnet die Menge an
Produkt- bzw. Leistungsalternativen unterschiedlicher Anbieter, die dem Kunden als Inputobjekte für den
Entscheidungsprozeß überhaupt bewußt sind. Vgl. dazu auch [Nies94], S. 180ff., [Meff98], S. 102ff.
24
Vgl. dazu ausführlich [Fret83], S. 28ff., [Nies94], S. 82ff.
25
Für den Begriff der Kundenklasse wird in der Literatur auch der Begriff Kundensegment verwendet.
Kapitel 2.1: Begriffsklärung
7
Unternehmensprofitabilität beitragen.26 „Dieser Einstellung liegt die Erkenntnis zu zugrunde,
daß das Deckungsbeitrags-Potential, das eine mehrjährige Kundenbeziehung repräsentiert,
zunimmt bzw. durch den länger andauernden Kundenkontakt mit positiven
Ergebniswirkungen ohne neue Akquisitionskosten immer größer wird.“27 Die Ergebnisse von
empirischen
Untersuchungen
bezüglich
des
Profitabilitätsvergleichs
zwischen
Kundenbindung und Kundenneugewinnung zeigen dabei ein unterschiedliches Bild.28 Im
Ergebnis ist zu konstatieren, daß zur Zeit in der einschlägigen Literatur die Postulierung der
profitabilitätsbezogenen Vorteilhaftigkeit von Kundenbindungsstrategien gegenüber der
Neukundengewinnung überwiegt.29
Definition 2.4 (Kundenbindung)
Kundenbindung bezeichnet die anbieterseitig angestrebte Zielsetzung, vorhandene Kunden
dazu zu bewegen ihre zukünftigen Bedarfe möglichst ausschließlich über diesen Anbieter zu
decken.
Kundenbindung kann dabei aus verschiedenen Ursachen resultieren. Zu unterscheiden sind
die leistungsbezogene, die ökonomische, die vertragliche sowie die technisch-funktionale
Bindung.30 Für die einzelnen Arten der Kundenbindung sind unterschiedliche
Wirkungsebenen zu berücksichtigen, wie die folgende Abbildung verdeutlicht.
26
Vgl. zur Argumentation dieser Effekte ausführlich [Pete99], S. 41ff. sowie [Wiec95], S. 57 ff. Vgl. zu
weiteren möglichen Zielen von Geschäftsbeziehungen [Schü92], S. 62ff.
27
[Töpf99], S. 3.
28
Vgl. zu diesbezüglichen empirischen Untersuchungen ausführlich [Roga00}, S. 84, [Reic97], S. 52, [Kotl97],
S. 47f., [Dill96], S. 82, [Bunk92], S. 36ff., [Hart91], S. 128ff. sowie die dort angegebene Literatur.
29
Dies kann jedoch nicht zu einer generellen Verallgemeinerung führen, daß die Strategie der Kundenbindung
generell und in jedem Fall gegenüber der der Neukundengewinnung überlegen ist. Zum einen bedarf auf
Kostenseite der zu ermittelnde Kostenunterschied zwischen Neukundenakquise und Pflegeaufwand von
Stammkunden der instanzierten Überprüfung im konkreten Betrachtungsfall. Zum anderen kann trotz geringerer
Betreuungskosten bei Stammkunden nur ein Teil dieser wertgenerierend für das Unternehmen sein. Vgl. dazu
[Meye01], S. 65. Als strategische Stoßrichtungen des Kundenmanagements können grundsätzlich
Kundenneugewinnung, Kundenbindung und Kundenrückgewinnung unterschieden werden. Vgl. dazu [Müll90],
S. 41ff., [Roge94], S. 48.
30
Vgl. [Meye95], S. 1340ff., Vgl. [Plin97], S. 3f..
8
Kapitel 2.1: Begriffsklärung
Arten der
Kundenbindung
Leistungsbezogene
Bindung
Wirkungsebene
über Kunden
über
Kunde zufriedenheit
Verbundenheit
Ökonomische
Bindung
Gewährung
ökonomischer
Vorteile
Vertragliche
Bindung
Technischfunktionale
Bindung
über
rechtliche
Zusagen
über technischfunktionale
Zusammenhänge
Gebundenheit
Abbildung 2-1: Arten der Kundenbindung und ihre Wirkungsebenen
Von den Implikationen ist die leistungsbezogene Bindung von den drei anderen Arten zu
unterscheiden. Ökonomische, vertragliche und technisch-funktionale Kundenbindung basiert
nicht immer auf der durchgängig freiwilligen Entscheidung des Kunden, sondern resultiert auf
der Wirkungsebene aus der Abhängigkeit von in der Vergangenheit gefällten Entscheidungen.
Die Konsequenzen können, müssen aber nicht absehbar gewesen sein.31 Die Kundenbindung
kann in diesen Fällen sehr groß sein, auch wenn die Zufriedenheit des Kunden gering ist und
er sogar bei weiterhin uneingeschränkten Wahlmöglichkeiten einen anderen Anbieter
vorziehen würde.
So resultiert die vertragliche Kundenbindung auf in der Vergangenheit getroffenen,
rechtswirksamen Vereinbarungen zwischen Kunde und anbietendem Unternehmen. Die
technisch-funktionale Bindung basiert auf Entscheidungen des Kunden in der Vergangenheit,
z. B. hinsichtlich einer spezifischen Technologie oder eines exklusiven Systems eines
Anbieters. Um diese Abhängigkeit aufzulösen, wären beim Kunden Anstrengungen
notwendig, die zu wirtschaftlich nicht vertretbaren Investitionen führen oder große Risiken
bergen. Die ökonomische Kundenbindung basiert auf der Gewährung von ökonomischen
Vorteilen, wie beispielsweise in Form von Rabatten und Treueprämien. Letztendlich basieren
diese drei Arten der Kundenbindung auf Austrittsbarrieren, die für den Kunden nachteilig
sind.32
Im Gegensatz dazu ist die leistungsbezogene Kundenbindung auf der Wirkungsebene nicht
von einseitigen Abhängigkeiten bestimmt, sondern fußt lediglich auf dem Zufriedenheitsurteil
31
Vgl. [Plin89], S. 305ff.
32
Vgl. [Meye95], S. 1342ff.
Kapitel 2.1: Begriffsklärung
9
des Kunden hinsichtlich der nachgefragten Leistungen.33 Der wesentliche Aspekt für
leistungsbezogene Kundenbindung ist somit die Kundenzufriedenheit, die ein im Vergleich
zur Zufriedenheit des Kunden mit einem anderen Anbieter, gleich oder größer sein muß,
damit ein Kunde die durch die wahrgenommenen Eigenschaften determinierte
Vorteilhaftigkeit einer Leistung wahrnimmt und im Ergebnis ein Anreiz besteht, bei
Wiederauftreten des leistungsbezogenen Bedürfnisses wiederum diese spezifische Leistung zu
erwerben. Dabei gilt, daß je höher die Kundenzufriedenheit ausfällt, desto stärker auch dieser
Anreiz auftritt und im Ergebnis somit die Kundenbindung entsprechend erhöht.34 Im
Bewußtsein des Bestehens einer problematischen Präzisierung dieser Darstellung aufgrund
der in der Theorie bestehenden unterschiedlichen Erklärungsansätze35, welche im Detail in
Kapitel 3 diskutiert werden, orientiert sich die folgende Definition an den anreiztheoretischen
Ansätzen zur Erklärung der Kundenzufriedenheit.36
Definition 2-5 (Kundenzufriedenheit)
Kundenzufriedenheit ist ein stetig veränderbarer Zustand eines Kunden. Das Ausmaß der
Kundenzufriedenheit ergibt sich aus dem Vergleich der Leistungswahrnehmung des Kunden
mit seinen Erwartungen. Je positiver diese Differenz ausfällt, desto größer ist die
Kundenzufriedenheit.
Leistungsbezogene Kundenbindung äußert sich neben den geschilderten Vorteilen auf der
Kostenseite in Umsatzsteigerungen bzw. -verstetigungen in Form der Nutzung von Cross-,
Re- und Up-Selling-Potentialen sowie von Multiplikatoreffekten.37 Zudem kann auch
leistungsbezogene Kundenbindung auftreten, selbst wenn zusätzlich eine der drei anderen
Arten vorliegt. Auf sie ist trotzdem auch in diesen Fällen abzuzielen, da z. B.
Vertragsverhältnisse irgendwann enden und durch positive respektive negative Mund-zu-
33
Nach [Ogge92], S. 25 ist die positive Beeinflussung der Kundenzufriedenheit wesentliche Grundlage für die
Schaffung von langfristig anhaltender Kundenbindung, auch wenn teilweise von Unternehmen eine
ökonomische, vertragliche oder technisch-funktionale Kundenbindung angestrebt wird. .
34
Diesen Zusammenhang belegen zahlreiche empirische Studien. Ein detaillierter Überblick hierzu findet sich
bei [Homb99/2], S. 83ff. sowie [Krüg00], S. 86ff.
35
[Neub74] differenziert in diesem Zusammenhang auf Basis unterschiedlicher Motivationshypothesen die
Kategorien der bedürfnistheoretischen, der anreiztheoretischen, der kognitiven und der humanistischen
Erklärungsansätze. Vgl. [Neub74}, S. 140ff., [Schü92}, S. 133ff.
36
Die Wahl dieser Erklärungskategorie basiert dabei auf der Vorteilhaftigkeit in bezug auf die in der weiteren
Arbeit notwendige Form der Operationalisierbarkeit des Zufriedenheitskonstruktes.
37
Anzumerken ist, daß in der Literatur Begriffe wie Kundenbindung, Kundenloyalität, Kundentreue etc. in
Nuancen unterschiedlich verwendet werden.
10
Kapitel 2.1: Begriffsklärung
Mund-Kommunikation der Kunden Ausstrahlungseffekte auf andere Kunden hervorgerufen
werden.38
Durch die Berücksichtigung des Kundenzufriedenheitsaspektes konzentriert sich die zu
entwickelnde Methode bewußt auf das Ableiten von Budgetentscheidungen für eine
Optimierung der leistungsbezogenen Kundenbindung.39 Das Einsatzgebiet beschränkt sich auf
Unternehmen, die auf Märkten agieren, die dadurch gekennzeichnet sind, daß insbesondere
die Erzielung einer leistungsbezogenen Kundenbindung bedeutend für den ökonomischen
Erfolg des Unternehmens. Folglich ist die Methode für den Einsatz in Unternehmen
irrelevant, auf denen die Kundenzufriedenheit eine untergeordnete oder keine Rolle spielt.40
Dabei liegt der Fokus der Arbeit auf der Entwicklung einer anwendbaren Methode, so daß
aufgrund der Komplexität des Konstrukts Kundenzufriedenheit Einschränkungen in dessen
Abbildung unumgänglich sind, um die Handhabbarkeit der Optimierung zu gewährleisten.
Die Zielrichtungen und daraus abgeleiteten Managementaufgaben sind für die aus
Abhängigkeiten resultierenden Arten der Kundenbindung vollkommen andere als bei
leistungsbezogener Bindung. Während auf der einen Seite durch Vereinbarungen eine mittelbis langfristig stabile, für das Unternehmen profitable Situation geschaffen werden soll, steht
bei der leistungsbezogenen Bindung die kontinuierliche Optimierung der
Kundenzufriedenheit im Vordergrund. Nicht zuletzt da der leistungsbezogenen
Kundenbindung in den heutzutage vornehmlich anzutreffenden Käufermärkten eine deutlich
größere Bedeutung beizumessen ist,41 wird im Rahmen dieser Arbeit auf diese Art der
Kundenbindung fokussiert.
38
Unzufriedene Kunden teilen ihre Unzufriedenheit mehr Personen mit als zufriedene Kunden ihre
Zufriedenheit. Vgl. zur empirischen Belegung des Effektes ausführlich [Bruh82], S. 58, [Hoff91], S. 198,
[Good87], S. 176f., [Hans95], S. 539.
39
Diese Fokussierung erfolgt unter Berücksichtigung des Aspektes, daß auch die anderen dargestellten Arten der
Kundenbindung im marktspezifischen Anwendungsfall eine ähnlich oder auch größere Rolle für den
öknomischen Erfolg spielen können. Um eine diesbezügliche Budgetentscheidung über die unterschiedliche
Arten der Kundenbindung zu fällen, wäre die Ableitung einer entsprechenden Meta-Methode notwendig, die
nicht Gegenstand dieser Arbeit ist.
40
Kundenzufriedenheit ist aus Anbietersicht nur insoweit als Zielgröße bedeutend, als daß aus einer Steigerung
der Kundenzufriedenheit eine Steigerung des ökonomischen Erfolges resultiert. Vgl. [Back92], S. 19.
41
Vgl. dazu [Wild02], S. 9ff. sowie die dort angegebene Literatur.
Kapitel 2.1: Begriffsklärung
2.1.1.4.
11
Kundenbindungsmanagement
Die hier durchgeführte Definition des Begriffs Kundenbindungsmanagements knüpft an den
bereits definierten Begriffen Management im funktionalen Sinne und leistungsbezogene
Kundenbindung an.
Grundlegend ist zu berücksichtigen, daß aufgrund der bereits skizzierten für viele Branchen
typischen aktuellen Markterfordernisse eine Neuausrichtung der Marktbearbeitung notwendig
ist.42 Dies spiegelt sich dann im Wandel des Marketingkonzeptes von einem
Transaktionsmarketing hin zu einem Relationship Marketing wider. Die Kernunterschiede
verdeutlicht die folgende Abbildung:
Unterscheidungsmerkmal
Marketingkonzept
Transaktionsmarketing
Relationship Marketing
Zeithorizont
Kurzfristig
Langfristig
Fokus der Aktivitäten
Produkt und Preis
Kunde
Investitionen in die
Beziehung zu den
Kunden
Geringe
Hohe
Zielsetzung
Kundenakquisition
Kundenbindung
Einflußperspektive
Einseitig vom Anbieter zu
den Kunden
W echselseitig zwischen
Anbieter und Kunden
Kommunikationsform
Kampagne in Massenmedi- Nutzung von dialogorientieren
ten, auf einzelne Abnehmer
abgestimmte Medien
Bild von der Klientel
Anonyme Masse
Partner
Bedeutung der Kundenorientierung
Geringe
Hohe
Kooperation zwischen Kaum existent
Marketing und anderen
Funktionsbereichen
Hoch
Dominierender Qualitätsbereich
Beziehung
Produkt
Erfassung der Kunden- Indirekt (durch Kontrolle
zufriedenheit
der Marktanteilsveränderung)
Abbildung
2-2:
Unterschiede
Marketing43
zwischen
Direkt (mittels Kundenzufriedenheitsanalyse)
Transaktionsmarketing
42
Vgl. dazu auch [Wild02], S. 10 sowie die dort angegebene Literatur.
43
Vgl. in Anlehnung an [Henn01], S. 5.
und
Relationship
12
Kapitel 2.1: Begriffsklärung
Zudem ist als Entwicklung zu konstatieren, daß vielfach eine Profilierung über das
Kernprodukt kaum mehr möglich ist, da sich Qualitäten und Preise der Konkurrenzprodukte
zunehmend angleichen und zunehmend als kundenbindendes Differenzierungsmerkmal
ausscheiden.44 Vielmehr ist häufig dann ein hohes Maß an Zusatzleistungen, das individuell
auf die Kundenbedürfnisse zugeschnitten ist, ein Instrument zur Erzielung leistungsbezogener
Kundenbindung.45
So besteht eine enge Affinität zwischen Kundenbindungsmanagement und Kundenservice.
Dessen ökonomische Bedeutung kommt dadurch zum Ausdruck, daß branchenübergreifend
die meisten Kunden aufgrund eines mangelnden Kundenservices von einem Anbieter
abwandern. Exemplarisch verdeutlichen die in der folgenden Abbildung zusammengestellten
empirischen Erkenntnisse diesen Zusammenhang.
14%
Unzufriedenheit mit
dem Produkt
Gründe für die
Kundenabwanderung
„Churn“:
9%
Abgeworben durch
Konkurrenz
68%
Mangelnder
Kundenservice
5%
Beeinflussung
durch Bekannte 3%
1%
Umzug Andere
Abbildung 2-3:
in Anlehnung an
Kundenabwanderung
US
News/World
Report:
Gründe
für
Definition 2-6 (Kundenbindungsmanagement)
Kundenbindungsmanagement bezeichnet die Planungs- und Steuerungsaufgaben hinsichtlich
des Einsatzes von Maßnahmen beim Kunden, die darauf ausgerichtet sind, im unmittelbaren
Kontakt mit dem Kunden dessen Zufriedenheit zu erhöhen. Kundenbindungsmanagement
44
Vgl. [Homb96], S. 68ff., [Simo93], S. 8, [Henk93], S. 41ff.
45
Vgl. dazu auch [Wild02], S. 10, [Pill02], S. 71, [Dang02], S. 3ff. sowie jeweils die dort angegebene Literatur.
Kapitel 2.1: Begriffsklärung
13
verfolgt das Ziel der Optimierung der Kundenzufriedenheit und damit der Kundenbindung im
Sinne einer positiven Beeinflussung des Unternehmenserfolges.46
Elemente des Kundenbindungsmanagements sind somit Kunden und Maßnahmen. Neben
dem Begriff Kunde sind somit die Begriffe Element und Maßnahme zu definieren.47
Definition 2-7 (Element)
Ein Element ist ein reales oder abstraktes Objekt der realen Welt des betrachteten Systems.
Elemente haben Attribute, welche ihre Beschreibung und Unterscheidung ermöglichen.48
Definition 2-8 (Maßnahme im Kundenbindungsmanagement)
Eine Maßnahme erbringt ein Unternehmen im Kundenbindungsmanagement zusätzlich zu
seiner originären Produkt- bzw. Dienstleistung für seine Kunden, um die Kundenbeziehung in
Richtung einer höheren Kundenzufriedenheit und Kundenbindung zu fördern. Dies erfolgt,
sofern die Annahme zutrifft, daß eine höhere Kundenbindung auch zu einer Steigerung des
Unternehmenswertes führt, und die verursachten Kosten des Maßnahmeneinsatzes
überkompensiert werden.
In Anlehnung an [Ferst93] und dem dort beschriebenen objektorientierten Vorgehen zur
Aufgabenstrukturierung als grundlegende Voraussetzung zur Abgrenzung der Methode
erfolgt eine entsprechende systematisierende Aufarbeitung des Problemfeldes aus
entscheidungsorientierter Perspektive.49 Das Kundenbindungsmanagement umfaßt
Steuerungsaufgaben, die es im folgenden zu systematisieren gilt, um die im Rahmen dieser
Arbeit
zu
entwickelnde
Methode
für
optimale
Budgetentscheidungen
im
Kundenbindungsmanagement in den Kontext einordnen zu können. Das relevante
Aufgabenfeld der Methode ist die Budgetentscheidung bezüglich der einzusetzenden
Maßnahmen, die als Maßnahmenbudgetentscheidung50 bezeichnet wird. Das methodische
Vorgehen der sich anschließenden Ausführungen visualisiert die folgende Abbildung.
46
In der Literatur ist häufig auch der Begriff der Kundenbearbeitung anzutreffen. Dieser ist lediglich ein
Synonym für den dargestellten Einsatz von Maßnahmen beim Kunden.
47
Vgl. zum Begriff Kunde Definition 2.2.
48
Vgl. [Stah95], S. 102ff.
49
Vgl. dazu ausführlich [Fers93], S. 169ff.
50
Der Begriff Maßnahmenbudgetentscheidung wird im Rahmen des Kapitels 2.1.2. Klärung der instrumentellen
Begriffe und dort im Unterkapitel 2.1.2.3. definiert.
14
Kapitel 2.1: Begriffsklärung
Menge der durchzuführenden Aufgaben
Identifikation
des Aufgabenfeldes
Zerlegen des
Aufgabenfeldes
Kundenbindungsmanagement
Maßnahmenbudget
entscheidung
Abgrenzbare Aufgabenpakete der Maßnahmenbudgetentscheidung
Abbildung 2-4: Aufgabenzerlegung im Kundenbindungsmanagement
Die Planungs- und Steuerungsaufgaben des Kundenbindungsmanagements setzen sich aus
vier Teilaufgaben zusammen. Dies verdeutlicht die folgende Abbildung.
Kundenbindungsmanagement
Maßnahmen
erfassen
Abbildung 2-5:
Maßnahmen
budgetieren
Maßnahmen
organisieren
Maßnahmen
kontrollieren
Planungs- und Steuerungsaufgaben des Kundenbindungsmanagements
bezüglich des Einsatzes von Maßnahmen51
Das abgegrenzte Aufgabenfeld der Maßnahmenbudgetentscheidung ist in Aufgabenpakete zu
zerlegen, für welche Lösungen zu erarbeiten sind und welche die folgende Abbildung im
Detail verdeutlicht.
51
Vgl. [Barz90}, S. 20ff.
Kapitel 2.1: Begriffsklärung
15
Maßnahmen
budgetieren
Elemente für
Budgetierung
beschreiben
Maßnahme
Steuerungsalgorithmik konzipieren
und einsetzen
Kunde
Zielfunktion
aufstellen
WirkungsSimulation
funktion
konzipieren
verknüpfen und einsetzen
Budgetierungsrele Externe
Wirkungsvante Attribute beEffekte
funktion
stimmen und Aus- beschreiben bestimmen
prägungen festlegen
Strukturierende
Attribute
Abbildung 2-6:
Steuerungsattribute
Klassifizierungsdimensionen und
-attribute bestimmen;
Ausprägungen festlegen
Klassifizierung vornehmen
Aufgabenpakete
des
identifizierten
52
Maßnahmenbudgetentscheidung
Aufgabenfeldes
Daraus folgt, daß eine Methode zu konzipieren ist, welche das Aufgabenfeld löst und im
Ergebnis zu einer für den Unternehmenserfolg optimalen Konstellation führt. Hierfür sind das
Sach- und das Formalziel zu formulieren.
Das Sachziel besteht darin, den Kunden Maßnahmen zukommen zu lassen, die insgesamt die
Kundenzufriedenheit erhöhen. Als Formalziel ist zu definieren, daß der Maßnahmeneinsatz zu
einer für den Unternehmenserfolg optimalen Maßnahmenbudgetentscheidung führt. Dabei
wird im Rahmen der Methode von der Annahme ausgegangen, daß die Kundenzufriedenheit
einen Qualitätsgradmesser darstellt, der als vorökonomische Erfolgsgröße über folgende
Wirkungskette die Erfüllungsgrad der ökonomischen Unternehmensziele erhöht.
Das Aufgabenobjekt der Maßnahmenbudgetentscheidung ist der Einsatz der Maßnahmen
beim Kunden. Die Aktionen, welche dem Unternehmen zur Verfügung stehen, sind die
Menge der möglichen Maßnahmenbudgetentscheidungen. Für diese wird als
Aktionensteuerung eine Steuerungsalgorithmik konzipiert, deren Einsatz im Hinblick auf die
Erfüllung des aufgestellten Formalziels und des Sachziels zu wirkungsoptimalen Ergebnissen
führt. Entsprechend ergibt sich für die zu konzipierende Methode als Vorereignis eine quasi
52
Obige Abbildung dient als Gliederungsgrundlage für die in Kapitel 5 zu konzipierende Methode zur
Ableitung optimaler Maßnahmenbudgetentscheidungen im Kundenbindungsmanagement.
16
Kapitel 2.1: Begriffsklärung
undifferenzierte Maßnahmenbudgetentscheidung, welche über die Aktionensteuerung in eine
differenzierte,
im
Hinblick
auf
den
Unternehmenserfolg
optimierte
Maßnahmenbudgetentscheidung überführt wird.
Weiterhin wird der Begriff des Customer Relationship Managements (CRM) häufig als ein
Synonym für den Begriff Kundenbindungsmanagement verwendet.53 Allerdings ist zu
vermerken, daß der Begriff CRM eng verkoppelt ist mit der gleichnamigen CRM-Software.
CRM-Software liefert dabei lediglich die informationstechnologische Unterstützung, um
Aufgaben im CRM bzw. Kundenbindungsmanagement schneller und besser zu bewältigen.54
Sie dient somit im Rahmen des Kundenbindungsmanagements als Technology Enabler dazu,
Informationen über Kunden effizienter in der Unternehmensorganisation zu verteilen und sie
im Rahmen Kundenbearbeitung bzw. des Maßnahmeneinsatzes beim Kunden zielgerichtet zu
nutzen.55
Vorläufer des Begriffs CRM sind Begriffe wie CAS (Computer Aided Selling) oder TES
(Technology Enabled Selling)56, die bereits in der Abkürzung eine eindeutige DVOrientierung erkennen lassen und in der Literatur teilweise noch synonym verwendet
werden.57 Der Begriff CRM hat sich in Deutschland erst seit 1998 praxisgetrieben etabliert.58
Die Entwicklungsgeschichte umreißt die folgende Abbildung.
53
Vgl. [Seng02], S. 13ff.
54
Aufgrund der im wesentlichen praxisgetriebenen Entwicklung umfaßt der Begriff CRM-Software nicht nur
DV-basierte Werkzeuge zur Unterstützung des Kundenbindungsmanagements. Vielmehr wird die Aktualität des
Begriffs CRM-Software dazu genutzt, die Vermarktung der informationstechnologischen Unterstützung
vielfältiger anderer Aufgabenfelder des Marketings zu fördern.
55
Vgl. [Helm00], S. 36ff., [Drost97], S. 31.
56
Die begriffliche Entwicklung ist deutlich praxisgetrieben, insbesondere durch Research-Institute. So führte
Forrester Research den Begriff SFA ein, während die Gartner Group für den Begriff TERM steht.
57
58
Vgl. [Link94], S. 39ff., [Rapp00], S. 102ff.
Praxisgetrieben treten zusätzlich Begriffe wie mCRM (mobile CRM) oder eCRM (electronic CRM) auf. Vgl.
[Stei02], S. 326f. Zu vermerken ist, daß diese Begriffe zu keinen konzeptionellen Neuerungen führen, sondern
lediglich vielmehr für eine Fokussierung von CRM auf bestimmte Kommunikationsmedien, wie z. B. das
Internet bei eCRM, stehen.
Kapitel 2.1: Begriffsklärung
17
CRM
(=Customer Relationship Management)
„aktuell“
CAS
(Computer Aided
Selling)
Ab ca. 1990
SFA
(Sales Force
Automation)
Ab ca. 1996
TES
(Technology
Enabled Selling)
Ab ca. 1998
TERM
(Technology
Enabled
Relationship
Marketing)
Ab ca. 1998
eCRM
(Electronic
Customer
Relationship
Management)
Ab ca. 1999
Abbildung 2-7: Begriffliche Entwicklung CRM
2.1.2.
Klärung der instrumentellen Begriffe
Neben der Definition der für diese Arbeit grundlegenden inhaltlichen Begriffe in Kapitel
2.1.1. sind im folgenden die verwendeten instrumentellen Begriffe zu klären. Dies sind im
einzelnen die Begriffe Methode (Kapitel 2.1.2.1.), Simulation (Kapitel 2.1.2.2.) und
Budgetentscheidung (Kapitel 2.1.2.3.).
2.1.2.1.
Methode
Definition 2-9 (Methode):
Der Begriff Methode umfaßt alle auf einem bestimmten System von Regeln beruhenden
Verfahrensweisen, die auf eine folgerichtige Durchführung praktischer Aufgaben zur
Erlangung optimaler Ergebnisse abzielen.59
Die in dieser Arbeit entwickelte Methode wendet Erkenntnisse der Marketingforschung an,
wie marktgerichtete Maßnahmen des Unternehmens auf Kunden wirken. Darauf aufbauend ist
unter Berücksichtigung der getroffenen Annahmen das Wesen sowohl der Maßnahmen als
auch der Kunden zieladäquat herauszuarbeiten und die alternativen Beziehungen zwischen
eingesetzten Maßnahmen und Wirkung beim Kunden zu spezifizieren. Die Erkenntnisse sind
59
Vgl. [Klau65], S. 352f.
18
Kapitel 2.1: Begriffsklärung
in einer Steuerungsalgorithmik abzubilden, deren Anwendung das Problem der Optimierung
der Budgethöhe und -verteilung löst.
Definition 2-10 (Steuerung)
Eine Steuerung ist eine übergeordnete Aufgabe, deren Ziel es ist, die möglichst zielgerichtete
Durchführung der zugeordneten Sachaufgaben zu ermöglichen.60
Definition 2-11 (Steuerungsalgorithmik):
Eine Steuerungsalgorithmik stellt ein System von Regeln dar, das zur Lösung eines
abzubildenden Steuerungsproblems Anwendung findet. Dabei löst eine Algorithmik stets eine
Klasse von Problemen einheitlichen Typs.61
Im Rahmen der Steuerungsalgorithmik sind dabei verschiedene Verfahren zur Abbildung und
Lösung des Steuerungsproblems einzusetzen. Insgesamt ist somit der Anwendungszweck der
im Rahmen dieser Arbeit zu konzipierenden Steuerungsalgorithmik, die konkrete
Maßnahmenbudgetentscheidung zu erarbeiten. Dazu sind die erforderlichen Daten zu
identifizieren, diese gemäß der zu entwickelnden einzusetzenden Verfahren zu verarbeiten
und daraus das für das Unternehmen optimale Ergebnis zu bestimmen.62
2.1.2.2.
Simulation
Definition 2-12 (Simulation):
Der Begriff Simulation bezeichnet die Nachbildung eines Systems mit seinen Prozessen in
einem experimentierfähigen Modell, um zu Erkenntnissen zu gelangen, die auf die
Wirklichkeit übertragbar sind.63
Diese Definition beschreibt vier Voraussetzungen, die Simulation erfüllen muß:
1. Nachbildung eines Systems in einem Modell,
2. Integration der Systemprozesse,
60
Vgl. dazu [Dang95], S. 14ff.
61
Vgl. [Klau65], S. 11.
62
Vgl. [Müll73], S. 9, [Stah97], S. 249.
63
Die Definition des Begriffs Simulation erfolgt in Anlehnung an die Richtlinie 3633/11 des VDI (Verein
Deutscher Ingenieure).
Kapitel 2.1: Begriffsklärung
19
3. Experimentierfähigkeit und
4. Übertragbarkeit.64
Voraussetzung für den Einsatz von Simulationstechniken ist also zunächst, ein System der
realen Welt in einem Modell abzubilden. Dabei werden nur die entscheidungsrelevanten
Bestandteile und deren Beziehungen zueinander übernommen. Bei dem jeweiligen
Abstraktionsprozeß muß der Detaillierungsgrad bestimmt werden. Je höher der
Detaillierungsgrad, desto größer ist die Aussagekraft der Ergebnisse, allerdings steigt auch
der Rechen- bzw. Zeitaufwand und umgekehrt.65
Die Abbildung der dynamischen Prozesse beinhaltet vor allen Dingen, daß alle Ereignisse, die
in der realen Welt Auswirkungen haben, auch innerhalb des Modells den Ausgang der
Simulation beeinflussen. Ein Hauptmerkmal von Simulation besteht darin, daß durch einen
Durchlauf durch das Modell (Experiment) nicht sofort eine optimale Lösung erzielt wird.
Simulation zielt darauf, durch verschiedene Ausgangszustände und zielgerichtetes
Ausprobieren eine Annäherung an eine optimale Lösung zu erreichen.66
Letztendlich müssen die Ergebnisse der Simulation auf die reale Welt übertragbar sein.67
Diese Voraussetzung wird stark durch die Modellbildung beeinflußt. Wenn wichtige
Rahmenbedingungen nicht oder nur unzureichend berücksichtigt werden, können die
Ergebnisse der Simulation nicht auf die Realität übertragen werden, da der reale Verlauf
anders aussehen würde.68
Die im Rahmen der Methode entwickelte Steuerungsalgorithmik verwendet die Technik der
Simulation als Verfahren. Dies liegt darin begründet, daß sich die abzubildende Realität als zu
komplex darstellt, um sie als ein geschlossen lösbares Formalproblem darstellen zu können.
So sind unsichere Marktentwicklungen zu berücksichtigen, wozu sich als Spezifikation und
damit im Rahmen dieser Arbeit relevante Ausprägung der Simulation die Monte CarloSimulation insbesondere eignet, da sie im Rahmen der Lösungsfindung die Unsicherheit
eingehender Variablen über Wahrscheinlichkeitsverteilungen berücksichtigt.69 Allgemein
stellt die Monte-Carlo-Simulation eine numerische Methode zur Lösung mathematischer
64
Vgl. [Wenz93], S. 1ff.
65
Vgl. [Pidd97], S. 77ff.
66
Vgl. [Bank98], S. 9.
67
Vgl. [Horv93/2], S. 573f.
68
Vgl. [Müll73], S. 451ff.
69
Vgl. [Schi97], S. 354ff., [Perr88], S. 112f.
20
Kapitel 2.1: Begriffsklärung
Probleme mit Hilfe der Modellierung von Zufallsgrößen dar.70 Diese Definition umfaßt eine
Klasse von Verfahren, die zur Lösung unterschiedlichster Probleme eingesetzt werden kann.
Im Bereich der Simulation wird die Monte-Carlo-Simulation dazu benutzt, durch vielmalige
Generierung von Zufallszahlen Variablen und deren theoretische Verteilungen approximativ
simulieren.71 Der Begriff der Monte-Carlo-Simulation ist folgendermaßen zu definieren:
Definition 2-13 (Monte-Carlo-Simulation):
Die Monte-Carlo-Simulation ist ein Verfahren der stochastischen Simulation zur
näherungsweisen Ermittlung von Ergebnissen, welche die aufgestellte Zielfunktion minimiert,
maximiert oder optimiert. Dabei sind für die eingehenden die Zielfunktion bestimmenden
Variablen Verteilungshypothesen aufzustellen, für die mittels eines Zufallsgenerators
Zufallsgrößen simuliert werden.72
In betriebswirtschaftlicher Anwendung berechnet die Monte Carlo-Simulation somit die
Auswirkungen unterschiedlicher unsicherer Marktsituationen auf die Erfolgssituation des
Unternehmens. Die Prozeß- und Ergebnisqualität wird erhöht, weil für die eingehenden
betriebswirtschaftlichen Größen Risikoanalysen durchzuführen sind. Eventuell ist es für
Unternehmen sinnvoller, eine Alternative für den Maßnahmeneinsatz zu wählen, die zwar
einen geringeren Maximalerfolg aufweist, aber dafür mit größerer Sicherheit behaftet ist.73
Der Einsatz der Monte Carlo-Simulation ist insbesondere sinnvoll bei komplexen Strukturen
der abzubildenden Zusammenhänge, hochgradig sensitiven Größen und/oder beim Vorliegen
von Variablen, die mit unterschiedlichen Wahrscheinlichkeitsverteilungen in eine Zielgröße
eingehen.74
2.1.2.3.
Budgetentscheidung
Im Rahmen der zu entwickelnden Methode ist über die Höhe des Budgets sowie dessen
Verteilung auf die einzelnen Maßnahmen zu entscheiden. Somit ist in einem ersten Schritt der
Begriff Budget zu definieren.75 In Anlehnung an die vielfältigen in der Literatur
70
Vgl. [Sobo71], S. 7f.
71
Vgl. [Lehn95], S. 62f.
72
Vgl. [Sche90], S. 218f., [Stick97], S. 454.
73
Vgl. [Perr88], S. 112ff.
74
Vgl. [Perr88], S. 112f.
75
Eine umfassende Übersicht zu unterschiedlichen Definitionsansätzen des Begriffs Budget findet sich bei
[Barz90], S. 9ff.
Kapitel 2.1: Begriffsklärung
21
anzutreffenden Definitionen kann für diese Arbeit der Begriff Budget folgendermaßen
zweckorientiert definiert werden.
Definition 2-14 (Budget):
Ein Budget ist ein in wertmäßigen Größen formulierter Plan, der einer Entscheidungseinheit
für eine bestimmte Periode vorgegeben wird.76
Um dabei eine Optimallösung zu erzielen, ist ggf. der Einsatz des Budgets in den einzelnen
Maßnahmen, der so genannte Budgeteinsatz, nach Kundengruppen zu differenzieren.77 Dies
wird daraus ersichtlich, daß das finanzielle Engagement der Kundenbearbeitung bei einem
Kunden oder einer Kundenklasse in einem angemessen profitablen Verhältnis zum
Kundenpotential stehen muß. Diese Entscheidungstatbestände faßt der Begriff
Budgetentscheidung zusammen, der im Anschluß an den formalen Begriff der Entscheidung
entsprechend zu definieren ist.
Definition 2-15 (Entscheidung)
Eine Entscheidung stellt die Fixierung auf eine hinsichtlich der Erfüllung eines Zieles
optimalen Handlungsalternative dar.78
Definition 2-16 (Budgetentscheidung im Kundenbindungsmanagement):
Die Budgetentscheidung im Kundenbindungsmanagement umfaßt die Bestimmung der Höhe
des einzusetzenden Budgets sowie dessen Verteilung auf konkurrierende Elemente
hinsichtlich eines festzulegenden Zielkriteriums.
Definition 2-17 (Maßnahmenbudgetentscheidung)
Im Rahmen der Maßnahmenbudgetentscheidung wird somit ein Budget auf Maßnahmen
hinsichtlich ihrer bindenden Wirkung bei den Kundenklassen mit dem Ziel der Optimierung
des Unternehmenserfolges verteilt.79
76
Vgl. [Horv86], S. 24ff., [Schi95], S. 116ff., [Küpp97], S. 102, [Reih97] S. 102ff.
77
Der Begriff Budget stellt somit hier eine Plangröße dar, welche einen Gradmesser für die Einsatzintensität der
Maßnahmen in einer Periode darstellt.
78
79
Vgl. [Died89], S. 32ff.
Anzumerken ist, daß die Bestimmung von Budgethöhe und Budgetverteilung sowohl sukzessive als auch
simultan erfolgen kann. Die sukzessive Vorgehensweise muß nicht zum optimalen Ergebnis führen. Doch ist
dies sinnvoll, wenn Nebenbedingungen, wie z. B. die Liquiditätssituation des Unternehmens, die Budgethöhe
limitieren.
22
2.2.
Kapitel 2.2: Anforderungen an die Methode
Anforderungen an die Methode
Die Ergebnisse der Begriffsanalyse der vorherigen Kapitel, verbunden mit dem
Untersuchungsziel der Budgetoptimierung im Kundenbindungsmanagement, führt zu
folgenden Inhalten und entsprechenden Anforderungen an die zu konzipierende Methode.
Diese gliedern sich wie folgt in Anforderungen an die abzubildenden Elemente (Kapitel
2.2.1.) sowie die Anforderungen an die Steuerungsalgorithmik (Kapitel 2.2.2.).
Die Methode muß dabei auf der einen Seite so allgemeingültig ausgestaltet sein, daß sie auf
den konkreten Anwendungskontext im Unternehmen jeweils übertragbar ist. Auf der anderen
Seite muß das Abstraktionsniveau insoweit konkretisiert sein, daß die Methode in die Praxis
effizient und effektiv umgesetzt werden kann.
2.2.1.
Anforderungen an die Abbildung der Elemente
Die Elemente “Kunde“ und “Maßnahme“ der Maßnahmenbudgetentscheidung sind über
budgetierungsrelevante Attribute zu spezifizieren, deren Ausprägungen für die im Rahmen
der Ziel- und Wirkungsfunktionen verwendeten Variablen die entsprechenden Werte liefern.
An die budgetierungsrelevanten80 Attribute ist die Anforderung zu stellen, daß sie die für die
Optimierung des Budgeteinsatzes bedeutenden Determinanten abbilden.
Dabei sind die Attribute mit operationalisierbaren Anforderungen an die Ausprägungen zu
bestimmen. Hier greift die Abwägung zwischen Realitätsentsprechung auf der einen Seite und
Operationalisierbarkeit sowie Datenbereitstellbarkeit auf der anderen.81
Dies betrifft insbesondere die budgetierungsrelevanten Attribute, welche die Kunden
spezifizieren. Hier sind Konstrukte zu entwickeln, welche im gewählten Ausschnitt der
Realität unter Berücksichtigung der angenommenen, aufgestellten Wirkungsimplikationen die
Wirkung des Maßnahmeneinsatzes weitestgehend realitätsentsprechend abbilden und für die
die erforderlichen Daten auch erhebbar sind. Derartige Konstrukte sind in den
kundenspezifizierenden Attributen umzusetzen und mit entsprechenden Ausprägungen zu
80
Budgetierungsrelevant heißt, daß durch das Attribut eine Basis für die Möglichkeit eines differenzierten
Budgeteinsatzes im Kundenbindungsmanagement geschaffen wird.
81
Zur Veranschaulichung sei als Beispiel genannt, daß Marketingprobleme zu einem Großteil gelöst wären,
wenn die in der mikroökonomischen Haushaltstheorie genannten Marktreaktionskoeffizienten für jeden Haushalt
zweifelsfrei und vollständig bestimmt werden könnten. Dies ist jedoch unrealistisch, so daß Konstrukte zu
verwenden sind, deren Ausprägungen erhebbar sind und eine möglichst hohe Korrelation zur Optimierungsgröße
aufweisen.
Kapitel 2.2: Anforderungen an die Methode
23
befüllen. An sie ist des weiteren der Anspruch zu stellen, daß sie im Rahmen der Methode in
den Ziel- und Wirkungsfunktionen der Steuerungsalgorithmik eingesetzt werden können.
Aus der Anforderung an die Wirkungsabbildung der Maßnahmen ergibt sich gleichsam die
Anforderung, daß sich die Attribute zur bedürfnisorientierten Klassifizierung der Kunden aus
Kundensicht eignen, da aufgrund der unterschiedlichen Kundenbedürfnisse die
Wirkungsbeiträge unterschiedlich ausfallen.
Die Attribute zur bedürfnisorientierten Kundenklassifikation sind um Attribute zu ergänzen,
welche den Beitrag des Kunden für den Unternehmenserfolg darstellen. Diese Ergänzung ist
von Bedeutung, weil Unternehmen nach dem erwerbswirtschaftlichen Prinzip82 agieren und
somit die für einen Kunden anfallenden Kosten der Maßnahmen im Verhältnis zu seinem
Wertbeitrag zu setzen sind. Auch auf Basis dieser Attributgruppe sind Kunden somit aus der
Unternehmensperspektive zu klassifizieren.
Um den zweckbezogenen Einsatz der Maßnahmen zu planen, sind für die Kunden
entsprechende Attribute festzuhalten, die ebenfalls in der Steuerungsalgorithmik anzuwenden
sind und somit auch als dritte Dimension der Klassifizierung zu nutzen sind. Das bedeutet
letztendlich für jeden Kundenlead festzuhalten, in welcher Prozeßphase sich dieser befindet.
Zusammenfassend ergibt sich als Anforderungen an das Element “Kunde“, daß zur
Spezifikation Attribute zu entwickeln sind, die eine Kundenklassifikation nach den
geschilderten
Perspektiven
als
Voraussetzung
für
eine
optimale
Maßnahmenbudgetentscheidung erlauben und die Wirkung der Maßnahmen abbilden. Zudem
müssen die Ausprägungen der Attribute in der Steuerungsalgorithmik angewendet werden
können.
Die Maßnahmenelemente sind ebenso wie die Kundenelemente mit Hilfe von Attributen
steuerungsadäquat zu spezifizieren. Während bei den Kundenelementen - aus der
Steuerungsperspektive betrachtet - vorwiegend Attribute in Reaktionsvariablen umzusetzen
sind, sind die Maßnahmen spezifizierenden Attribute in Aktionsvariablen umzusetzen. Davon
sind strukturierende Attribute zu unterscheiden, die eine konsistente Strukturierung der
Maßnahmen zu erlauben haben.
Für die budgetierungsrelevante Beschreibung der Maßnahmen sind zum einen
Steuerungsattribute abzuleiten, die das Wirkungsmuster auf die Kundenelemente
spezifizieren. Diese sind in eine Wirkungsfunktion zu übertragen, die in der
Steuerungsalgorithmik einsetzbar ist. An die Wirkungsfunktion ist die Anforderung zu stellen,
82
Vgl. [Gute76], S. 102ff.
24
Kapitel 2.2: Anforderungen an die Methode
daß sie auf den kundenspezifizierenden Attributen aufsetzt, um eine adäquate Verzahnung zu
realisieren. Wiederum sind Realitätsentsprechung und Datenbereitstellbarkeit als gegenläufige
Anforderungen zu beachten. Zudem ist als Pendant und Basis für den zweckorientierten
Einsatz der Maßnahmen eine Prozeßphasenzuordnung vorzunehmen.83
Zum anderen sind für die Maßnahmen Attribute zu bestimmen, welche die Maßnahmen
abbilden und die Umsetzung in Aktionsvariablen der Steuerungsalgorithmik erlauben. Diese
Variablen kennzeichnen die Aktionsparameter zur Optimierung des Budgeteinsatzes und
liegen somit nicht fest vor, sondern sind vielmehr vom Unternehmen auszugestalten. Die vom
Unternehmen gewählte Alternative muß mit seinen resultierenden Ausprägungen in die
Zielfunktion zur Abbildung des resultierenden Erfolges auf der Umsatzseite einfließen.
Ebenso muß der jeweils entstehende Ressourcenverzehr in der Zielfunktion auf der
Kostenseite dargestellt sein, so daß die Methode eine Optimierung des Budgeteinsatzes und
damit eine Optimierung der Kundenzufriedenheit erlaubt, die unter Berücksichtigung der
getroffenen Annahmen eine Maximierung des Gewinns impliziert. An dieser Schnittstelle zur
Steuerungsalgorithmik sei für weitere Detaillierungen auf das nächste Kapitel verwiesen.
Ebenso sind für die Maßnahmen, die klassischerweise mit dem Einsatz von
marktbearbeitenden Instrumenten auftretenden externen Effekte zu spezifizieren. Diese
fördern oder schränken die prognostizierte Wirkung der Maßnahmen ein. Das Dilemma wie
bei vielen zu lösenden Marktbearbeitungsproblemen besteht darin, daß ihre prognostizierte
Wirkung starken Schwankungen unterliegt.84 Somit ist ihr Einfluß nicht in einem
deterministischen Wert abzubilden, sondern vielmehr ist ihre Berücksichtigung im Rahmen
der Steuerungsalgorithmik lediglich auf indeterministisch-stochastische Weise, z. B. über
Szenarien, plausibel.
Die in der Unternehmenspraxis eingesetzten Maßnahmen müssen somit systematisch
strukturiert abgebildet werden können. Dazu sind die budgetierungsrelevanten Attribute der
Maßnahmen herzuleiten und die möglichen Ausprägungen zu bestimmen. Zu beachten ist,
daß in der Unternehmenspraxis immer wieder neue oder auch neu bezeichnete Maßnahmen
entwickelt werden. Diese Maßnahmen stellen oft Untertypen eines Obertypen dar.85 Damit ist
ein Rahmen zu schaffen, der es erlaubt die Maßnahmen budgetierungsrelevant zu
strukturieren.
83
Vgl. ausführlich zum Nutzen von Prozeßphasen [Oste00], S. 31f., [Helm98], S. 53, [Schm94], S. 43, [Krei91],
S. 93, [Tulo91], S. 97f.
84
85
Vgl. [Wild82], S. 138ff.
So stellt das Angebot eines automatisierten Kundenberatungsgenerator im Internet einen Untertypen des
Maßnahmenobertypen Beratung dar.
Kapitel 2.2: Anforderungen an die Methode
2.2.2.
25
Anforderungen an die Steuerungsalgorithmik
Die Steuerungsalgorithmik ist auf das formulierte Optimierungsproblem, der Bestimmung des
für das Unternehmen optimalen Budgeteinsatzes hinsichtlich Höhe und Verteilung auf die
einzelnen Maßnahmen, auszurichten. Das bedeutet als Basisanforderung, daß die im Rahmen
der Gestaltung der Steuerungsalgorithmik bezüglich der Elemente Kunde und Maßnahme zu
treffenden Abstraktionen die als relevant erachteten, entsprechend der getroffenen
Definitionen, in den Annahmen abgebildeten Eigenschaften des betrachteten Ausschnitts der
Realwelt des Kundenbindungsmanagements möglichst vollständig und realitätsentsprechend
abbilden. Zudem ist als Nebenbedingung zu vermerken, daß die eingesetzten Verfahren auch
geeignet sind, das aufgestellte formale Optimierungsproblem zu lösen.
Für die Steuerungsalgorithmik ist eine Zielfunktion aufzustellen, die auf eine Maximierung
des Unternehmenserfolges durch eine Optimierung des Budgeteinsatzes für die Maßnahmen
ausgerichtet ist. Unter der Annahme einer Affinität zwischen eingesetztem Budget und
Kundenzufriedenheit bedeutet dies zugleich die Optimierung der Kundenzufriedenheit aus
Unternehmensperspektive.
Im Rahmen der Gestaltung der Steuerungsalgorithmik, welche die abstrakt formulierte
Aktionensteuerung umsetzt, sind die zentralen Elemente des Kundenbindungsmanagements
“Kunde“ und “Maßnahme“ zu berücksichtigen. Die entsprechenden, die Elemente
spezifizierenden Attribute haben somit in die Variablen der Steuerungsalgorithmik
einzugehen. So liefern die Attributausprägungen die konkreten Variablenwerte bzw. sollten
sie aus diesen abzuleiten sein. Insbesondere sind im Rahmen der Steuerungsalgorithmik die
sich aus der Kundenklassifizierung ergebenden Implikationen zu berücksichtigen, damit ein
differenzierter, wirkungsoptimaler Budgeteinsatz realisiert werden kann. Des weiteren sind
die im Rahmen der Lösung von Marketingproblemen regelmäßig auftretenden externen
Effekte zu berücksichtigen, welche die konkrete Wirkungsbeziehung zwischen Maßnahme
und Kunde zusätzlich attributisieren.
Zudem ist für den universellen Einsatz eine prinzipiell branchenunabhängige Lösung zu
konzipieren. Anzumerken ist, - wie sich aus dem aufgestellten Definitionsapparat als
Schlußfolgerung ergibt - daß der Einsatz der zu konzipierenden Methode um so wertvoller ist,
je vielfältiger sich der mögliche Einsatz kontextrelevanter Maßnahmenalternativen darstellt
und je bedeutender die leistungsbezogene Kundenbindung für den Erfolg des Unternehmens
ist.86
86
Zusammenfassend ist die leistungsbezogene und damit kundenzufriedenheitsgetriebene Kundenbindung um so
bedeutender für den Unternehmenserfolg, je weniger anonym der Kunde für das Unternehmen ist, je stärker sich
der Wettbewerbsdruck darstellt, je komplexer die betrachtete Kernleistung ausfällt und je höher als
Folgewirkung sich die branchenüblichen Kosten der Neukundengewinnung bemessen. Vgl. dazu [Pepe02],
S39ff.
26
Kapitel 2.2: Anforderungen an die Methode
Um die an Methoden grundsätzlich zu stellende Anforderung einer adäquaten
Realitätsabbildung zu erfüllen, ist die Zielfunktion, die auf aggregiertem Niveau als Zielgröße
den Unternehmenserfolg betrachtet, auf die Wirkung der einzelnen Maßnahmen hinsichtlich
der Zufriedenheit der Kunden herunterzubrechen.
Dabei setzt die zu konstruierende Zielfunktion auf den Erkenntnissen bezüglich der
Eigenschaften der Maßnahmen sowie der Kundenklassen auf. An die Konstruktion der
Zielfunktion sind die folgenden Anforderungen zu stellen:
1.
Die Zielfunktion ist auf die Ziele des Kundenbindungsmanagements
auszurichten. Das impliziert, daß sie die entsprechenden steuerungsrelevanten
Zielgrößen integrieren muß.
2.
Die Zielfunktion muß die herausgearbeiteten Zusammenhänge des gewählten
Ausschnitts der Realität unter Berücksichtigung der getroffenen Annahmen
möglichst realitätsentsprechend und vollständig abbilden. Das gilt insbesondere
auch für eingesetzte Konstrukte und deren Verbindung untereinander. Hierfür
sind zudem Annahmen über Instanzierungen von Wirkungsverläufen zu
operationalisieren,
um
die
Umsetzbarkeit
der
Methode
zur
Entscheidungsunterstützung zu gewährleisten.
3.
Die Zielfunktion ist in einem operationalisierbaren Detaillierungsgrad
abzubilden, der die wirtschaftliche Anwendung der Methode in der
Unternehmenspraxis erlaubt.
In Anwendung des ökonomischen Prinzips ergibt sich aus der erstgenannten Anforderung,
daß entweder ein minimales Maßnahmenbudget für einen festgelegten Zielgewinn
(Minimumprinzip) oder ein maximaler Gewinn mit einem zur Verfügung stehenden Budget
zu erzielen ist (Maximumprinzip). In der Unternehmenspraxis wird im Rahmen der
Budgetierung in der Regel das Maximumprinzip verwandt, so daß ein Budget z. B. aus
Verhandlungen vorgegeben ist, das optimal auf die einzelnen Maßnahmen zu verteilen ist.87,
88
Dies ist zudem regelmäßig der Fall bei einer angespannten Liquiditätslage, wenn dem
Unternehmen nur eingeschränkt finanzielle Ressourcen zur Verfügung stehen. Sowohl
Minimum- als auch Maximumprinzip gipfeln im Extremumprinzip, das in der
Gewinngleichung in allgemeiner Form zum Ausdruck kommt.89
87
Vgl. [Webe98], S. 126f.
88
Die Anwendung des Minimumprinzips könnte dazu führen, daß ein nicht erreichbarer Zielgewinn angestrebt
wird oder Liquiditätsbeschränkungen verletzt sind.
89
Vgl. [Schi97], S. 3ff.
Kapitel 2.2: Anforderungen an die Methode
27
Des weiteren ist die Unsicherheit externer Effekte abzubilden. Um die Methodenkomplexität
im Rahmen zu halten, wird sich hierbei auf eine Auswahl externer Effekte beschränkt. Dies
sind der Konkurrenzeffekt, der Remanenzeffekt und der Kundenausstrahlungseffekt, die
kontextrelevant im Detail definiert werden, sobald sie in die Methode eingebaut werden.90
Zudem sind die Unsicherheiten der modellendogenen Reaktionsvariablen insbesondere auf
die einzelnen Wirkungsfunktionen zu berücksichtigen. Dabei ist nicht nur eine erratische
Unsicherheit zu betrachten, sondern sind für die entsprechenden Variablen
Verteilungshypothesen anzunehmen, deren Gültigkeit sich unter Zuhilfenahme von
Meßergebnissen, Erfahrungswerten, allgemeinen Erkenntnissen oder Experteneinschätzungen
am wahrscheinlichsten darstellt. Das fördert die Ergebnisqualität, da nicht nur diskret ein
Ergebnis bzw. zusätzlich ein Best- und ein Worst-Case-Szenario bestimmt wird, sondern ein
mit Eintrittswahrscheinlichkeiten belegtes Ergebniskontinuum, z. B. in einem Risikoprofil,
darzustellen ist.
Ebenso ist bei der Interpretation der Ergebnisse die Risikoeinstellung zu berücksichtigen.
Denn die in vielen deterministisch vorgehenden Lösungsverfahren implizit als
Risikoeinstellung des Entscheiders unterstellte Risikoneutralität führt nicht zwangsläufig zu
einem nutzenmaximalen Ergebnis, da der Entscheider z. B. aufgrund einer angespannten
Liquiditätssituation risikoavers eingestellt ist.91 Dabei sind die folgenden drei
Risikoeinstellungen
zu
unterscheiden,
die
im
folgenden
bei
unterstellter
Normalverteilungshypothese und unter Einführung der Parameter µ für den Erwartungswert
sowie σ für die Standardabweichung der Ergebniswerte folgendermaßen zu definieren sind:92
Definition 2-18 (Risikoneutralität):
Ein Entscheider agiert risikoneutral, wenn er immer diejenige Handlungsalternative auswählt,
die zum höchsten Erwartungswert µ führt, unabhängig davon welchen Wert die
Standardabweichung σ annimmt.
Definition 2-19 (Risikoaversion bzw. Risikoabneigung):
Ein Entscheider agiert risikoavers, wenn er von zwei Handlungsalternativen bei gleichem
Erwartungswert µ diejenige vorzieht, die einem geringeren Wert für die Unsicherheit,
ausgedrückt in der Standardabweichung σ, ausgesetzt ist.
90
Vgl. umfassend zu externen Effekten im Marketing [Beck98], S. 800ff.
91
Vgl. [Adam96], S. 102ff.
92
Vgl. zu den folgenden drei Definitionen [Schi95], S. 373ff sowie die dort angegebene Literatur.
28
Kapitel 2.2: Anforderungen an die Methode
Definition 2-20 (Risikosympathie bzw. Risikofreude)
Ein Entscheider agiert risikofreudig, wenn er von zwei Handlungsalternativen bei gleichem
Erwartungswert µ diejenige vorzieht, die einem höheren Wert für die Unsicherheit,
ausgedrückt in der Standardabweichung σ, ausgesetzt ist.
Zur Abbildung der Risikoeinstellungen ist die Risiko-Nutzen-Funktion Ɣ (µ,σ) einzuführen,
die den Zusammenhang zwischen Nutzen der Handlungsalternative und den beiden Größen
Erwartungswert µ und Standardabweichung σ abbildet. Für die diskutierten
Risikoeinstellungen ergeben sich unter Vernachlässigung von Faktoren und Konstanten
folgende Grundformen der Risiko-Nutzen-Funktion Ɣ:93
Risikoneutralität:
Ɣ (µ) = µ
Risikoaversion:
Ɣ (µ,σ) = µ - σ
Risikofreude:
Ɣ (µ,σ) = µ + σ
Abbildung 2-8:
Grundformen der Risiko-Nutzen-Funktion in Abhängigkeit der
Risikoeinstellung
Die Zielgröße sowie endogene und exogene Variablen der Steuerungsalgorithmik sind in
einer operationalisierbaren Form abzubilden. Dabei sind insbesondere auch die
Handhabbarkeit und die Möglichkeiten der Datenbereitstellbarkeit für die Befüllung der
Variablen zu berücksichtigen, um den effizienten Einsatz der Methode sicherzustellen.
Im Rahmen der Steuerungsalgorithmik ist auf einen modularen Aufbau zu achten. Dieser
modulare Aufbau ist aus verschiedenen Aspekten von besonderer Bedeutung. So erlaubt er z.
B. zusätzlich über den Fokus der Arbeit hinaus den Aufbau eines
Kundenbindungsmanagementcontrollings, indem Abweichungen zwischen Plan- und IstWirkung auf Einzelmaßnahmen referenziert werden können.
Durch den modularen Aufbau läßt sich ein Erkenntniszugewinn bzw. eine notwendige
Neuorientierung
hinsichtlich
einzelner Variablen bzw. Funktionen in die
Steuerungsalgorithmik einbauen, ohne daß der grundsätzliche Aufbau der
Steuerungsalgorithmik in Frage zu stellen ist. Der modulare Aufbau vereinfacht zudem die
Einbindung der Methode in das Unternehmensdatenmodell.
93
Vgl. ebenda, S. 376f., [Perr88], S. 102ff. sowie jeweils die dort angegebene Literatur..
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
3.
29
Stand der Technik
Gegenstand dieses Kapitels ist die Untersuchung, inwieweit bisherige Ansätze des Kundenbzw. Kundenbindungsmanagements die Anforderungen an die herausgearbeiteten Bausteine
der Methode erfüllen und somit den skizzierten Anforderungen entsprechen.
Vorweggenommen werden kann, daß bisherige Ansätze die gestellten Anforderungen an die
Methode hinsichtlich Abbildung der Elemente, Steuerungsalgorithmik und Einbindung nicht
vollständig erfüllen. So wird z. B. häufig entweder nur ein Teil der Maßnahmen zur
Kundenbearbeitung in die Betrachtung einbezogen, wesentliche exogene Einflußgrößen
vernachlässigt oder die möglichen Kundenreaktionen nicht differenziert genug abgebildet.
Dennoch sind Teilanforderungen an die drei Bausteine des Problems bereits bearbeitet
worden. Im folgenden werden dazu bestehende Ansätze mit ihren Konstrukten und
Instrumenten erläutert. Zudem werden Instrumente und Methoden aus anderen Disziplinen
vorgestellt, die gleich gelagerte Probleme mit ähnlicher Intention behandeln. In den folgenden
Kapiteln 3.1., 3.2. wird somit der State of the Art bezüglich Abbildung der Elemente und der
Gestaltung einer Steuerungsalgorithmik erläutert. Darauf aufbauend werden in Kapitel 4 die
im Rahmen der Entwicklung der Methode zu leistenden Arbeiten bestimmt.
3.1
Existierende Arbeiten zur Abbildung der Elemente
In der Marketing-Theorie sind bisher zur Abbildung der Elemente Maßnahme und Kunde
weniger Konzepte mit dem Ziel der Budgetierung von Maßnahmen als vielmehr zur
Beschreibung und Erklärung des Käuferverhaltens entwickelt worden. Dies wird im
folgenden im Rahmen der Beschreibung der bisherigen Ansätze zur Abbildung der Elemente
Maßnahme und Kunde deutlich.
3.1.1.
Arbeiten zur Abbildung des Elements Maßnahme
Zur Abbildung des Elements Maßnahme ist zunächst der Ansatz des Marketing-Mix zu
untersuchen, welche eine klassische Systematisierung der Marketing-Instrumente darstellt. Im
Anschluß wird das Kano-Konzept zur systematisierten Darstellung möglicher Wirkungen von
Leistungsbestandteilen erläutert. Anschließend werden CRM-Funktionalitäten zur
Maßnahmenabbildung vorgestellt und diskutiert. Im Anschluß erfolgt die Erläuterung des
datenanalytischen Verfahrens der Kausalanalyse, mit deren Hilfe der Einfluß von Maßnahmen
auf eine Zielgröße bestimmt werden kann.
30
3.1.1.1.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
Marketing-Mix
Einen systematisierenden Überblick zu den traditionellen Instrumenten des Marketings liefert
der Marketing-Mix von Meffert.94 Dabei wird zwischen den Bereichen Leistungs-,
Distributions-, Preis-/Konditionen- und Kommunikationspolitik unterschieden. In
abgewandelter Form werden in verwandten Ansätzen die Bereiche Leistungs- und Preispolitik
zum Bereich der Angebotspolitik zusammengefaßt.95 Ergänzend findet sich bei Bruhn ein
Überblick zu in den letzten Jahren neu geschaffenen Marketinginstrumenten, den so
genannten Nicht-Klassikern der Unternehmenskommunikation.96 Den Marketing-Mix
verdeutlicht die folgende Abbildung.
Abbildung 3-1: Marketing-Mix97
94
Vgl. [Meff98], S. 903, [Gute76], S. 102ff.
95
Vgl. [Nies94], S. 102ff., [Demu00], S. 14ff.
96
Vgl. [Bruh95], S. 34ff.
97
Vgl. [Meff98], S. 902ff.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
31
Die Wirkung der einzelnen Marketinginstrumente ist sehr stark situativ bedingt. Die konkrete
Ausgestaltung des Instrumentes, der zeitliche Einsatz, die ausgewählte Zielgröße der Wirkung
(Umsatz, Kundenzufriedenheit etc.) sowie die Konsumentenzielgruppe beeinflussen die
jeweilige Wirkung, so daß allgemeingültige Aussagen nur stark eingeschränkt möglich sind.98
Zudem sind konkrete Erkenntnisse der Vergangenheit im Hinblick auf die
Zeitstabilitätshypothese zu überprüfen, da insbesondere die zunehmende Dynamik der Märkte
auch die Wirkung einzelner Marketinginstrumente verändert.99
Wirkungskurven von Marketinginstrumenten weisen häufig S-förmige, also ertragsgesetzliche
Verläufe auf.100 Zu berücksichtigen sind komplementäre, substitutionale und limitationale
Beziehungen zwischen den Marketinginstrumenten.101 Zusätzliche Werbeaufwendungen z. B.
können nur zum Erfolg führen, wenn als notwendige Bedingung für einen entsprechenden
Distributionsgrad gesorgt worden ist. Für die Entscheidungsfindung in der Praxis ist zumeist
nur die Kenntnis eines Ausschnittes von Bedeutung, da die Entscheidungsalternativen sich
nicht über das gesamte Kontinuum verteilen. Zudem sind zur Abbildung der Wirkung von
Marketinginstrumenten häufig hystheretische oder asymmetrische Funktionen mit
Remanenzfaktoren zu modellieren, da in der Realität des Marketings bei vielen
Entscheidungsproblemen folgende besondere Effekte auftreten:
• Verzögerungseffekte (time lag),
• Nachhalleffekte (carry over),
• Ausstrahlungseffekte (spill over) und
• Verfalleffekte (decay).102
Zusammenfassende Bewertung
Viele der Marketing-Instrumente fallen nach der in Kapitel 2.1.1.4. aufgestellten Systematik
nicht in den Bereich des Kundenbindungsmanagements. Es verbleiben Servicemaßnahmen,
die an ein Kernprodukt bzw. -dienstleistung angelehnt sind. Dies verdeutlicht die folgende
Abbildung.
98
Vgl. [Barz90], S. 250.
99
Vgl. [Bald93], S. 88
100
Vgl. [Kotl97], S. 165.
101
Vgl. [Meff98], S. 906ff.
102
Vgl. [Beck98], S. 800f., [Nies94], S. 591.
32
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
Installation
Erweitertes Produkt
Produkteigenschaften
Kostenlose
Lieferung
Markenname
Formales Produkt
Verpackung
Kernvorteile
Qualität
Service
Kernprodukt
Styling
Garantieleistungen
Abbildung 3-2: Produktkomponenten103
Sind zu Zeiten von Verkäufermärkten fast ausschließlich die Kernleistungsmerkmale relevant,
so gewinnen im stärkeren Wettbewerb insbesondere bei zunehmend ähnlicheren Produkten
die Angebote an Servicemaßnahmen zunehmend an Bedeutung. Dies dient der Schaffung von
Alleinstellungsmerkmalen im Kundenbindungsmanagement.104
Insgesamt erfolgt die Spezifikation der Marketing-Instrumente auf die besonderen Belange
des Kundenbindungsmanagements zumeist in verbaler, systematisierender Form. Eine
Beschreibung und Klassifikation mit Hilfe budgetierungsrelevanter Attribute wird
vernachlässigt. Im Rahmen der Entwicklung der Methode sind somit quantifizierende
Attribute herzuleiten, die den Einsatz im Rahmen der Steuerungsalgorithmik zur Bestimmung
der optimalen Maßnahmenbudgetentscheidung erlauben.
103
In Anlehnung an [Kotl82], S. 364.
104
Vgl. [Wild02], S. 11, [Meye98], S. 200.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
3.1.1.2.
33
Kano-Konzept
Mit Hilfe des Kano-Konzeptes werden irrelevante, Basis-, Standard- und
Begeisterungsbestandteile identifiziert. Es ist ein Denkkonstrukt, um die wahrgenommene
Leistung im Hinblick auf eine Zielgröße wie die Kundenzufriedenheit zu optimieren.105
Bei Basisbestandteilen reicht ein Mindestniveau der Ausgestaltung des Leistungsangebotes
zur Verbesserung der Zufriedenheitssituation aus, bei Standardbestandteilen gilt „je mehr,
desto
kontinuierlich
besser“,
und
Begeisterungsbestandteile
steigern
die
106
Zufriedenheitssituation überproportional. Die Arten von Leistungsbestandteilen nach dem
Kano-Konzept, deren konkrete Ausprägungen unter Zuhilfenahme des ConjointMeasurements erhoben werden können,107 veranschaulicht folgende Abbildung.108
Zufriedenheit der
Kunden
Begeisterungsbestandteile
Standardbestandteile
Basisbestandteile
Stärke der
Leistungsausgestaltung
Abbildung 3-3: Leistungsarten des Kano-Konzeptes
105
Vgl. ausführlich zu Grundlagen des Kano-Modells [Saue00], S. 25ff.
106
Vgl. [Bran87], S. 102ff., [Kano94], S. 39ff.,
107
Vgl. [Back90], S. 565, [Kräm99], S. 50f., [Laak96], S. 125ff.
108
Vgl. [Kano93], S. 12ff., [Bail96], S. 117ff.
34
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
Von den dargestellten Leistungsarten109, die eine positive Korrelation zur
Kundenzufriedenheit aufweisen, sind die irrelevanten Bestandteile abzugrenzen. Unter diesen
auch als Frill-Services110 bezeichneten Leistungsbestandteilen sind Leistungsbestandteile zu
verstehen, welchen der Kunde keine Bedeutung beimißt, so daß das Angebot dieser
überflüssig ist.111
Aus dem Kano-Konzept leitet sich der Anspruch ab, daß permanent darauf zu achten ist, daß
sich im Zusammenspiel der Begeisterungs-, Standard- und Basisleistungsbestandteile ein
ausgewogenes Bild ergibt.112 Dazu ist die laufende Aufnahme der Kundenerwartungen von
Bedeutung, um Entscheidungshilfen für die Zusammensetzung und Wirkung der
Leistungsbestandteile beim Kunden zu erhalten.113
Zusammenfassende Bewertung
Für die Entwicklung der Methode liefert das Kano-Konzept wichtige Hinweise bezüglich zu
berücksichtigender Beschreibungsaspekte im Rahmen der Abbildung der Wirkung von
Maßnahmen auf die Kundenzufriedenheit. Allerdings ergibt sich aus dem Kano-Konzept kein
ganzheitlicher, vollständiger Systematisierungsansatz. So ist auf den Erkenntnissen des KanoKonzeptes aufzusetzen und sind die Ergebnisse hinsichtlich der Abbildung der Maßnahmen
mit dem Fokus der Ableitung optimaler Maßnahmenbudgetentscheidungen zu verwenden.
3.1.1.3.
CRM-Softwarefunktionalitäten
CRM-Funktionalitäten unterstützen die Umsetzung der dargestellten Maßnahmen. Sie sind
somit als “Technology Enabler“ zu verstehen. Ihr Anspruch besteht formal darin, dank
verbesserter informationstechnolgischer Möglichkeiten die Durchführung von Marketing- und
Vertriebsaufgaben zu vereinfachen, zu beschleunigen und zu verbessern.114
109
In der Literatur finden sich zur Bezeichnung der Leistungsbestandteile unterschiedlichste Ansätze. So werden
z. B. auch Basisleistungen als Penalty-Services oder Begeisterungsleistungen als Reward-Services bezeichnet.
Vgl. dazu [Meye99], S. 200f.
110
Vgl. [Meye99], S. 201.
111
Zu beachten ist des weiteren, daß die Leistungsarten einem Lebenszyklus unterliegen. Die Wirkung einer
einstmals als Begeisterungsbestandteil identifizierten Leistung verfällt, je mehr Anbieter die Leistung adaptieren
und somit die Leistung mehr und mehr zu einem marktüblichen Standard degeneriert, je länger das Unternehmen
die Leistung bereits anbietet, da der Innovationsgrad sinkt, die Kunden allerdings permanente Neuerungen
erwarten. Vgl. [Pepe02], S. 44ff.
112
Vgl. [Hilk89], S. 16ff.
113
Vgl. [Meye99], S. 201.
114
Vgl. [Wild02], S. 9ff., [Hans02], S. 91f., [Helm01/1], S. 16ff., [Stoj00], S. 37ff.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
35
Systemseitig fassen dabei die in CRM-Systemen abgebildeten CRM-Funktionalitäten
Informationen zusammen und liefern diese an die Kundenbearbeiter bzw. den Kundendienst
und den Vertrieb weiter. Zum einen sollen mehr Informationen über Kunden verarbeitet
werden, zum anderen sollen diese effizienter an die Aufgabenträger der Kundenbearbeitung
verteilt werden.115
Bevor auf die einzelnen CRM-Funktionalitäten einzugehen ist, ist in Anknüpfung an Kapitel
2.1.1.4. der Begriff CRM näher zu beleuchten. Dies erfolgt zunächst auf rein konzeptioneller
Basis, um darauf aufbauend die Funktion und Wirkungsweise von CRM-Software zu
erläutern. Diese Trennung ist sinnvoll, um herauszustellen, daß CRM zunächst ein rein
marketing- und vertriebspolitisches Thema ist und erst durch die Einführung von Software zur
Konzeptunterstützung DV-technologische Aspekte berührt. Somit ist CRM kein reines DVTechnologie-Thema. Vielmehr gilt der Grundsatz „Technology Follows Function“ und nicht
umgekehrt.116
Unter dem Begriff Customer Relationship Management sind verschiedene Aufgaben aus
Marketing, Vertrieb und Kundenservice vereint. Deskriptiv betrachtet, fokussiert CRM auf
die
Aufgabenbereiche
des
Kundenmanagements
mit
seinen
Teildisziplinen
Kundenneugewinnung, -bindung und -rückgewinnung unter Einsatz bekannter und neuer
Marketing- und Vertriebsinstrumente.117
In der Literatur finden sich Unterbegriffe wie eCRM (Electronic Customer Relationship
Management) oder mCRM (Mobile Customer Relationship Management), welche lediglich
die spezifischen Besonderheiten des Kommunikationskanals herausstellen sollen. Bedingt
durch die enorme Entwicklung im Bereich E-Commerce und Telekommunikation in der
jüngsten Vergangenheit, wird dabei insbesondere auch diesen neuen Funktionalitäten eine
exponierte Bedeutung beigemessen, so daß sich nicht zuletzt anbietergetrieben die Begriffe
eCRM und mCRM in der dargestellten Weise als Sonderform von CRM etabliert haben.118
Der Begriff eCRM beinhaltet die Anwendung von CRM im E-Commerce, wofür
internetspezifische Funktionalitäten notwendig sind.119 Von mCRM steht für sämtliche
Funktionalitäten der Kundenbearbeitung, für deren Umsetzung ein Datentransfer auf mobile
Endgeräte notwendig ist.120 Diese Funktionalitäten sind im wesentlichen entweder mobile115
Vgl. [Wied02], S. 284ff., [Schi99], S. 62.
116
Vgl. [Dang01], S. 5ff., [Holl02], S. 227f., [Helm00/1], S. 36ff.
117
Vgl. [Wild02], S. 9ff., [Dang02], S. 3ff., [Schr02], S. 95ff.
118
Vgl. [Stop01], S. 159ff., [Bona00], S. 45f.
119
Vgl. [Gent02],S. 111ff., [Sexa02], S. 147ff., [Stei02], S. 327f., [Wild01], S. 3ff.
120
Vgl. [Güc01], S. 44f., [Scho01], S. 145ff.
36
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
oder web-basierte Umsetzungen bereits bekannter Instrumente, wie z. B. web-basierte
Reklamationsbearbeitung und Mobile Campaigning, oder Entwicklungen, die erst durch die
neuen technischen Gegebenheiten möglich werden, wie z. B. Internet-Kundenforen.
Letztendlich sind auch diese neuen Instrumente auf die Unterstützung der Marketing- und
Vertriebsaufgaben ausgerichtet, so daß keine grundsätzlichen konzeptionellen Unterschiede
feststellbar sind, auch wenn der Einsatz dieser Instrumente unter Umständen
Prozeßreorganisationen notwendig macht. Die Unterschiede beruhen somit auf dem Einsatz
neuer Technologien als Umsetzungsmedium.121
Beim CRM-Ansatz sind drei Funktionalitätsgruppen zu unterscheiden. Anzumerken ist, daß
die Begriffe Funktionalität und Instrument als Quasi-Synonyme zu verstehen sind, wobei der
Begriff Instrument die Umsetzung einer Funktionalität in einer konkreten Ausgestaltungsform
für die Praxis kennzeichnet.122
CRM-Systeme integrieren unterschiedlichste Funktionalitäten, um die Kundenbearbeitung zu
verbessern. Die Variationsbreite an in CRM-Software anzutreffenden Funktionalitäten ist
demzufolge sehr groß. Sie reicht im weiteren Sinne von den bereits dargestellten
Kundendatenbanken und Workflow-Funktionalitäten zur automatisierten Verteilung von
Informationen bis hin zu Data Mining-Werkzeugen zur Generierung neuer Zusammenhänge
aus den Kundendaten. Da zudem CRM ein relativ junges Software-„Genre“ darstellt und
einen relativ weiten Bogen spannt, ist es nicht verwunderlich, daß derzeit viele Anbieter am
Markt aktiv sind, die eine Vielzahl unterschiedlichster Funktionalitäten anbieten.123
CRM-Funktionalitäten lassen sich in drei wesentlichen Komponenten systematisieren. Zu
unterscheiden ist in der heutzutage gängigen Systematisierung zwischen operativen,
kollaborativen und analytischen Funktionalitäten.124 Diese verdeutlicht exemplarisch die
folgende Abbildung.
121
Vgl. [Wild02], S. 9ff., [Dang02], S. 3ff., [Helm01/1}, S. 12ff.
122
Vgl. [Hipp01], S. 211ff., [Ende99], S. 22ff.
123
Vgl. [Teich02], S. 87., [Helm01/1], S. 45ff.
124
Vgl. [Krucz00], S. 20f., [Wild01], S. 6ff., [Hipp01], S. 213ff.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
37
Kampagnenmanagement
Data Mining/
Data Warehouse
CR
M
ti v
es
Op
er
a
ERP-Einbindung
Kundenservice
M
CR
es
ch
ti s
al y
An
Vertriebsautomation
CRM-Komponenten
ƒ
ƒ
ƒ
ƒ
Kaufwahrscheinlichkeiten
Kundensegmentierung
Kundenscoring
Cross-Selling-Potentiale
Kollaboratives CRM
Face-to-Face
Call-Center
Brief/Fax
Web/Mail
Channel-Management
Abbildung 3-4: Exemplarische Komponenten von CRM-Systemen
-
Operatives CRM
Die operativen CRM-Funktionalitäten umfassen alle Anwendungen, die den direkten Kontakt
des Kundenbearbeiters mit dem Kunden unterstützen (Front Office). Lösungen zur
Marketing-, Sales- und Service-Automation haben den Anspruch, den Dialog zwischen
Kunden und Unternehmen sowie die dazu erforderlichen Geschäftsprozesse zu optimieren.
CRM-Back-Office-Prozesse, wie z. B. die Weiterleitung von Beschwerden per definiertem
Workflow, liefern dabei die Informationen, um einen zielorientierten Dialog mit dem Kunden
zu führen. Damit dem Kunden verläßliche Zusagen, z. B. über Liefertermin, Verfügbarkeit
etc. gemacht werden können, müssen darüber hinaus die Front-Office-Lösungen an
vorhandene systemseitige Back Office-Lösungen (Enterprise Ressource Planning, Supply
Chain Management, Computer Integrated Manufacturing etc.) angebunden werden.
-
Kollaboratives CRM
Funktionalitäten, die in den Bereich kollaboratives CRM fallen, umfassen die gesamte
Steuerung und Unterstützung sowie die Synchronisation aller Kommunikationskanäle zum
Kunden (Telefon, Internet, Email, Mailings, Außendienst, etc.). Diese werden zielgerichtet
eingesetzt, um eine möglichst effiziente und effektive Kommunikation zwischen Kunden und
Unternehmen zu ermöglichen. Eine zentrale Rolle kommt dabei dem Customer Interaction
Center als multimedialer Kommunikationsschnittstelle zu.125
125
Vgl. [Tire99], S. 9 f.
38
-
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
Analytisches CRM
Während operative und kollaborative CRM-Funktionalitäten auf die unmittelbare
Unterstützung
kundenbezogener
Geschäftsprozesse
(z.B.
Verkaufsgespräche,
Kundendienstleistungen, Bearbeitung von Kundenanfragen etc.) zugeschnitten sind, werden
im analytischen CRM Kundenkontakte und Kundenreaktionen systematisch aufgezeichnet
(Customer Data Warehouse) und zur kontinuierlichen Optimierung der kundenbezogenen
Geschäftsprozesse ausgewertet.126
Die Funktionalitäten zur Datenanalyse ermitteln somit die entscheidenden Faktoren zur
erfolgreichen Kundenbearbeitung. So werden sie z. B. dazu genutzt, die Marktsegmentierung,
die Grundlage für eine differenzierte Kundenbearbeitung zu optimieren. Dabei werten sie
Kundenbeziehungen hinsichtlich Kriterien, wie z. B. den Erfolg für das Unternehmen, aus.
Zudem sollen diese Funktionalitäten neue Erkenntnisse aus den Daten der
Kundenbeziehungen gewinnen.127
Sie liefern somit Informationen für strategische Entscheidungen im Rahmen der
Kundenbearbeitung. Diese Funktionalitäten zielen also darauf ab, die Steuerung und damit die
Effektivität der Kundenbearbeitung durch eine gezielte Informationsverarbeitung zu
verbessern.128 Sie konzentrieren sich letztendlich also auf eine Steigerung der inhaltlichen
Qualität der Kundenbeziehung, die zu einer Erhöhung der Kundenzufriedenheit und damit
höheren Umsätzen führen soll. Die Erfolgspotentiale der analytischen Funktionalitäten sind in
der Regel weitaus höher als die der anderen Funktionalitäten. Allerdings läßt sich bei diesen
ein monetärer Erfolg in Form höherer bzw. gesicherter Umsätze erst im Zeitverlauf messen.129
Für die Umsetzung der Funktionalitäten der Datenanalyse werden Verfahren des Data Mining
aktuell diskutiert. Data Mining ist dabei der Sammelbegriff für ausgewählte quantitative
Verfahren der Datenanalyse, die auf den Datenbeständen eines Data Warehouses aufsetzen
und darauf abzielen, in einem mehrdimensionalen Datenbestand bisher unbekannte
Zusammenhänge aufzudecken oder etwaige Annahmen zu bestätigen.130 Die effiziente
Anwendung des Data Mining wird technologisch durch die OLAP(Online Analytical
126
Vgl. [Hipp01], S. 211ff.
127
Vgl. [Klein02], S. 79, [Bech02], S. 31ff.
128
Effektivität fokussiert in diesem Zusammenhang auf die inhaltliche Qualität der Kunden-bearbeitung. Vgl.
[Back99/2], S. 303.
129
Vgl. [Rapp00], S. 102.
130
Vgl. [Neue01], S. 16f.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
39
Processing)-Funktionalität unterstützt.131 Diese bietet mehreren Nutzern gleichzeitig die
Möglichkeit, Daten online mehrdimensional auszuwerten. Eng verwandt ist der Begriff des
Data Mining mit den aktuell diskutierten Begriffen Business Intelligence und Data
Knowledge Management, die sich im Kern auf das gleiche Ziel konzentrieren, jedoch
zusätzlich auch qualitative Verfahren zur Analyse einsetzen.132
Die Umsetzung von Simulationsverfahren, wie z. B. die Monte-Carlo-Simulation, und
Verfahren aus dem naheliegenden Bereich der Marktforschung, wie z. B. multivariate
Analyseverfahren (Kausal-, Cluster- oder Faktorenanalyse), findet in CRM-Softwarelösungen
bisher relativ wenig Beachtung.133 Die bisher eingesetzten Verfahren konzentrieren sich
insbesondere auf die Analyse monetärer Zielgrößen wie Umsätze und Kosten134, weniger auf
die auch für den Unternehmenserfolg bedeutenden Größen wie die Kundenzufriedenheit und bindung. Zudem sollen mit Kaufwahrscheinlichkeitsmodellen Cross- und Up-SellingPotentiale aufgedeckt werden. Nicht-monetär quantifizierbare Vorteile werden somit kaum
berücksichtigt.135 Es werden also insbesondere Ergebnisgrößen der Marktbearbeitung
betrachtet, die als vergangenheitsorientierte Größen keine Garantie für zukünftige Erfolge
darstellen.
Zusammenfassende Bewertung
Zusammenfassend setzen bisherige Realisierungen von CRM-Funktionalitäten im
Wesentlichen an der Erhöhung der Prozeßeffizienz, weniger an der Verbesserung der
Effektivität des Maßnahmeneinsatzes an.136 Dieses mag historisch begründet sein, da sich die
Konzepte des Business Process Reengineering einfacher auf den Vertrieb übertragen lassen
als völlig neue Instrumente zur Verbesserung der Effektivität zu entwickeln. Zudem führt dies
schneller zu meßbaren Erfolgen in Form von Kosteneinsparungen, während die Verbesserung
der Umsatzlage langfristiger angelegt ist.137 Das führt zu dem Paradoxon, daß der Erfolg von
131
Vgl. [Ahle01], S. 27f., [Krucz98], S. 21., [Mert01], S. 34ff.
132
Vgl. [Krucz98], S. 22.
133
Vgl. [Wild01], S. 18ff.
134
Vgl. [Uebe01], S. 338f.
135
Vgl. ausführlich zur Quantifizierung nicht-monetärer Nutzenkomponenten [Klima95], S. 51, [Biet96] S.
207ff., [Karg99], S. 92ff.
136
Vgl. allgemein zum Begriffspaar Effizienz („die Dinge richtig tun“) und Effektivität („die richtigen Dinge
tun“) [Schi97], S. 36ff. Vgl. zur Verwendung des Begriffspaars im Kundenbindungsmanagement [Back99/2], S.
303.
137
Vgl. [Helm01/3], S. 284ff.
40
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
CRM-Systemen bisher in schlechter organisierten Vertriebseinheiten deutlicher wird als in
besser organisierten, da dort der Innovationscharakter geringer bewertet wird.138
Durch Effizienzverbesserungen in den Prozessen soll der Vertrieb mehr Kundenkontakte in
seiner zur Verfügung stehenden Zeit abarbeiten.139 Dahinter steht die Annahme, daß eine
höhere Anzahl abgearbeiteter Kundentermine auch zu einer höheren Anzahl an
Vertragsabschlüssen führt.
Diese Annahme ist kritisch zu beleuchten, da eine höhere Anzahl an Kundenkontakten zwar
zu mehr Vertragsabschlüssen führen kann, aber nicht hinreichend dafür ist.140 Wird das
Verhältnis Kundenkontakte zu Vertragsabschlüssen linear transformiert, führt sich dieser
Ansatz automatisch ad absurdum, wenn mehr Kundenkontakte zu realisieren sind als Kunden
im Marktsegment existieren. Zwar ist es in der Regel sinnvoll, die Organisation und damit die
Effizienz des Vertriebs zu optimieren, doch muß dieses nicht zum durchschlagenden Erfolg
im Kundenmanagement führen.141 Es kann sogar kontraproduktiv wirken, wenn die
Zielfunktion der Vertriebsmitarbeiter auf die Anzahl der abgearbeiteten Kundenkontakte
ausgelegt wird, so daß die Quantität vor die Qualität der Bearbeitung in Form von
Abschlüssen tritt.142
Ein Trugschluß wäre es, daraufhin auf CRM-Systeme zur Unterstützung des Einsatzes von
Maßnahmen zu verzichten. Vielmehr sind CRM-Systeme weiterzuentwickeln, um auch die
Kundenbearbeitung inhaltlich zu optimieren.143
3.1.1.4.
Kausalanalyse
Mit Hilfe der Kausalanalyse läßt sich auf Basis von Befragungsergebnissen ermitteln,
welchen Einfluß verschiedene Aktionsvariablen auf eine Reaktionsvariable haben und wie
diese untereinander wirken. Im Marketing kann damit beispielsweise analysiert werden,
welchen Einfluß der Einsatz unterschiedlicher Marketing-Instrumente auf eine
verhaltensrelevante Einflußgröße des Kunden besitzt. Übertragen auf das
Kundenbindungsmanagement, läßt sich mit Hilfe der Kausalanalyse bestätigen, ob die für
138
Vgl. [OhVe99}, S. 80.
139
Vgl. [Radt99], S. 16f.
140
Vgl. [Helm01/3], S. 281ff.
141
Vgl. [Fill95], S. 17.
142
Vgl. [Sieb98], S. 141f.
143
Vgl. [Öste02], S. 87ff., Vgl. [Helm01/4], S. 291ff.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
41
Maßnahmen jeweils angenommene Bedeutung bezüglich der Zufriedenheit der Kunden
zutrifft.
Die Kausalanalyse, die auch als Kovarianzstrukturanalyse bezeichnet wird und aus der von
Soziologen in den 60er Jahren entwickelten Pfadanalyse hervorgegangen ist, stellt ein
multivariates Analyseverfahren dar. Die multivariaten Analyseverfahren lassen sich nach
Sheth unterteilen in explorative Methoden zur Analyse von Zusammenhangsstrukturen (z. B.
Faktorenanalyse und mehrdimensionale Skalierung) und Methoden zur Analyse von
Abhängigkeiten, die konfirmatorisch eingesetzt werden. Die Kausalanalyse wird zumeist
konfirmatorisch eingesetzt.144
Sie zieht auf Basis von Kovarianzen zwischen beobachtbaren Variablen, den sogenannten
Indikatoren, Rückschlüsse auf strukturelle Beziehungen zwischen grundlegenden
unbeobachtbaren, latenten Variablen.145 Latente Variablen lassen sich dabei durch mehr als
einen Indikator messen, so daß Verzerrungen in einem Indikator aufgefangen werden. Dies ist
der wesentliche Vorteil der Kausalanalyse gegenüber klassischen Methoden der
Abhängigkeitsanalyse.146 So kann der Einfluß mehrerer Einzelmerkmale, z. B.
Serviceleistungen und Qualität der Reklamationsbearbeitung, auf eine Zielgröße, z. B.
Kundenzufriedenheit, analysiert werden. Das Ziel dabei ist, sämtliche UrsacheWirkungszusammenhänge zwischen den Variablen und betrachteten Zielgrößen
aufzudecken.147
Konfirmatorisch wird die Kausalanalyse eingesetzt, indem Hypothesen über das
Käuferverhalten formuliert werden, die auf Basis von beobachtbaren Meßkriterien und
Befragungsergebnissen über Interkorrelationsmessungen bestätigt oder bei nicht
ausreichendem Signifikanzniveau nicht bestätigt werden. Als gängige Algorithmen der
Kausalanalyse sind die Algorithmen LISREL von Jöreskog und Sörbom, PLS von Wold und
EQS von Bentler zu nennen.148
144
Vgl. [Herr98], S. 292f.
145
Vgl. [Hume86], S. 43.
146
Vgl. [Homb90], S. 182.
147
Vgl. [Bald88], S. 61.
148
Vgl. [Hoch91], S. 18ff.
42
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
Zusammenfassende Bewertung
Für die Abbildung der Maßnahmen sind die Erkenntnisse der Kausalanalyse grundsätzlich
nutzbar, da sie auf quantitativer Basis die angenommenen Beziehungen von Objekten
zueinander prüft. Für den unternehmenspraktischen Einsatz ist in Abweichung zum häufig
anzutreffenden konfirmatorischen Einsatz ein exploratives Vorgehen hilfreich, um latente
Beziehungen aufdecken zu können.
3.1.2.
Arbeiten zur Abbildung des Elements Kunde
Grundlegende Ansätze zur Abbildung des Elements Kunde mit seinen unterschiedlichen
Facetten bilden die verschiedenen verhaltenswissenschaftlichen Ansätze, die sogenannten
Erklärungsmodelle des Käuferverhaltens.149 Darauf aufbauend sind in der jüngeren
Vergangenheit für die potentielle Umsetzung in der Methode relevante Ansätze mit dem
Zielkonstrukt der Kundenzufriedenheit erwachsen. Zudem werden Klassifizierungskonzepte
für Kunden erläutert, die eine erste Steuerungsintention aufweisen. Abschließend ist die
systemseitige Abbildung des Elements Kunde zu betrachten.
3.1.2.1.
Konstrukt der Kundenzufriedenheit
Die wesentlichen Schwächen der eingeschränkten Operationalisierbarkeit und des rein
deskriptiven bzw. explikativen Charakters von Modellen des Käuferverhaltens versuchen
Modelle zu überwinden, die als neues übergreifendes Konstrukt die Kundenzufriedenheit
einführen. Das Konstrukt besitzt zudem den Vorteil, daß es gleichermaßen auf das
Kaufverhalten von Endverbrauchern als auch von Organisationen angewendet werden kann.
Die Ansätze versteifen sich nicht mehr auf Einzelphänomene, sondern sehen
zusammenfassend die Kundenzufriedenheit als entscheidendes Kriterium für die Kaufakte
von Kunden an. Zwischen Kundenzufriedenheit und der Absatzmenge weisen verschiedene
empirischen Studien einen Zusammenhang mit einem S-förmigen-Funktionsverlauf nach.150
Dieser wird auch als eine Basisannahme in die Konzeptionierung der Methode verwendet.
Die
Kundenzufriedenheit
ist
das
Ergebnis
eines
subjektiven,
komplexen
Informationsverarbeitungsprozesses des Kunden, wobei sich die Bewertung aus einem Soll-
149
Vgl: ausführlich zur Diskussion von Erklärungsansätzen des Käuferverhaltens [Fish67], S. 389ff., [Weiß97],
S. 48ff., [Behr91], S. 18ff., [Büsch94], S. 52ff., [Webs72], S. 12ff., [Kroer92], S. 26f., [Bass74], S. 108ff.,
[Meff98], S. 126ff., [Steff94], S. 50ff., [Bieb98], S. 86ff., [Nies94], S. 328ff.
150
Vgl. [John98], S. 104ff., [Krics97], S. 99ff., [Egge00], S. 63ff., [Müll94], S. 150, [Jone95], S. 88ff.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
43
/Ist-Vergleich seiner Erwartungen und seiner subjektiv wahrgenommenen Realität einer
Leistung ergibt.151 Das Grundprinzip dieses Prozesses verdeutlicht die folgende Abbildung:152
Leistungswahrnehmung
Leistungserwartung
Beurteilungsund Vergleichsprozesse
Vollständig
unzufrieden
Vollständig
zufrieden
Abbildung 3-5: Erklärungsmodell der Kundenzufriedenheit
Das dargestellte Confirmation-/Disconfirmation Paradigma spielt nach [Homb98] in der
theoretischen Diskussion zur Zeit die wesentlichste Rolle.153 Seinem Wesen nach ist dieser
Ansatz den anreiztheoretischen Konzepten zuzuordnen. Einen Überblick zu den in der
Literatur am häufigsten behandelten Konzepten ist aus der folgenden Abbildung
ersichtlich.154
151
Vgl. [Homb95], S. 43f., [Günt92], S. 110, [Gier93] S. 240f., [Ling91], S. 29, [Good90], S. 53.
152
Vgl. [Haue97], S. 226ff.
153
Vgl. [Homb98], S. 31ff. ebenso [Dorst97], S. 30ff., [Yi89], S. 68ff.
154
Die hier übernommene Systematisierung, stellt nur eine gewählte Möglichkeit dar. Vgl. zu anderen
Systematisierungsansätzen [Staeh90], S. 202ff.
44
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
Beschreibungsmerkmale
Theorien bzw.
Theorien-Gruppe
Bekannte Vertreter
Kennzeichnende
Merkmale
Operationalisierung
von Zufriedenheit
Skalencharakteristika von
Zufriedenheit
Bedürfnistheoretische
Konzeption
Behaviorismus, z.B.
Lerntheorie,
Triebtheorie
Freud, Hull,
Pawlow, Skinner
HomöostasePrinzip,
dispositionelle
Motive, zyklische
Motive,
feststehende
Bedürfnisse treiben
Verhalten an
Istwert-Normalwert,
Istwert-Idealwert,
Unipolare Skala:
Ein Wert für
Zufriedenheit, viele
Werte für
Unzufriedenheit,
auch bipolare
Skalen
Anreiztheoretische
Konzeption
Theorie des
Anspruchsniveaus,
Theorie der
Leistungsmotivation, ErwartungsWert-Theorien
Lewin u. a.,
Atkinson, March,
Simon, Vroom,
Porter, Lawler
Hedonistisches
Prinzip, sich
ausbreitende
Gegenstands-welt,
Zukunftsorientierung,
situative
Orientierung
Istwert-Normalwert,
Istwert-Idealwert,
IstwertAnspruchsnive-au,
Valenz der
Erwartungen
Bipolare Skala:
Viele Werte sowohl
für Zufriedenheit als
auch für
Unzufriedenheit
Kognitive
Konzeptionen
Konsistenztheorien,
Attributionstheorien,
Sozialpsychologische Interaktionstheorien
Heider, Osgood,
Tannenbaum,
Festinger, Kelley,
Jones, Davis,
Thibaut, Kelley,
Komans, Blau,
Adams
Prozesse der
Informationsverarbeitung, Abbau
von kognitiven
Ungleichgewichten, Soziale
Vergleichsprozesse,Existenz von
Vergleichs-niveaus
Widersprüchliche
Kognition,
Zuschreibung von
Zufriedenheitsursachen,
Nutzen/Kosten (Ist),
Nutzen/Kosten
(Soll)
Bipolare Skala:
Viele Werte sowohl
für Zufriedenheit als
auch für
Unzufriedenheit
(mit Ausnahme
Adams)
Humanisti-sche
Konzep-tionen
Zwei-FaktorenTheorie,
Bedürfnistheorie,
Triebtheorie
Maslow, Herzberg
u. a., Alderfer,
Lersch
Daseinsgestal-tung,
Selbstverwirklichung, keine
allgemei-nen
Verhaltens-gesetze,
verschiedene
Bedürfnisklas-sen:
Streben nach
Wachstum,
Vermeidung von
Leid
Zufriedenheit (+) =
Istwert - Erstrebten
Wert,
Unzufriedenheit =
Istwert - zu
vermeidender Wert
Zwei Skalen: Der
Gegenpol zu
Zufriedenheit ist
Nichtzufrieden-heit,
analog bei
Unzufriedenheit;
bestimmte
Bedürfnisklassen
führen nur zu
Zufriedenheit,
andere nur zu
Unzufriedenheit
Theoretische
Konzeptionen
Abbildung 3-6: Alternative Erklärungsansätze und ihre zentralen Implikationen für das
Konstrukt der Kundenzufriedenheit155
155
Vgl. [Schü92], S. 146.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
45
Beim Confirmation-/Disconfirmation Paradigma entsteht Unzufriedenheit, wenn die
erhaltenen Leistungen unterhalb der Erwartung des Konsumenten liegt. Der Kunde ist umso
zufriedener, je mehr die Wahrnehmung die Erwartung übertrifft.156 Daraus folgt, daß die
Zufriedenheit eines Kunden nicht von der absoluten, objektiven Qualität abhängt, sondern
von der Differenz zwischen Leistungswahrnehmung und Leistungserwartung des Kunden. So
erklärt sich, daß ein Kunde - z. B. bei der Zufriedenheit mit einem 2-Sterne-Hotel im
Vergleich zum 5-Sterne - mit einer Leistung zufriedener sein kann als mit einer anderen
Leistung, obwohl er dessen Qualität absolut höher einschätzt. Die Einflußgrößen der
Leistungserwartung des Kunden sind seine Bedürfnisse, seine Erfahrungen, die
Anbieterkommunikation sowie die Kommunikation durch anbieterexterne Personen und
Medien.157 Dabei weisen die Zufriedenheitsurteile eines Kunden bezüglich einzelner
Leistungsbestandteile
eine
unterschiedliche
Bedeutung
für
dessen
158
Gesamtkundenzufriedenheit auf.
In der Literatur wird das Konstrukt der Kundenzufriedenheit zuweilen aufgrund seiner
mangelnden Differenzierbarkeit von dem Konstrukt der Einstellung159 kritisiert.160 Zwar
weisen sie Gemeinsamkeiten insofern auf, daß sie beide multiattributiven Charakter haben
und sich das Gesamtergebnis somit aus Einzelbeurteilungen zusammensetzt.161 Zudem lassen
sich beide Konstrukte in eine kognitive (= subjektives Wissen des Konsumenten, affektive (=
gefühlsmäßige Einschätzung eines Objektes) und konative (= mit dem Konstrukt verbundene
Handlungstendenz der Kaufbereitschaft) Komponente unterteilen.162
Doch bestehen auch Unterschiede zwischen den Konstrukten Einstellung und
Kundenzufriedenheit hinsichtlich der Kriterien zeitlicher Stabilität, Verhaltensrelevanz und
Produkterfahrung. Werden Einstellungen als relativ dauerhafte Bereitschaften einer Person
verstanden, sich in bezug auf ein Objekt in bestimmter Form konsistent zu verhalten, ist
156
Vgl. [Plin00/1], S. 103ff., [West91], S. 84ff.
157
Vgl. [Töpf99], S. 3ff., [Verss00], S. 80f.
158
Vgl. [Hinte97], S. 82ff., [Forn92], S. 6 ff.
159
Eines der grundlegenden, das Konstrukt der Einstellung umsetzende Modell stammt von Fishbein. In der
Literatur ist dieses Modell in unterschiedliche Varianten abgewandelt worden, z. B. von Trommsdorff, die im
Kern die gleiche Aussage haben, aber in Nuancen unterschiedlich operationalisieren. Im Fishbein-Modell wird
aus der subjektiven Kenntnis der Eigenschaften eines Objekts, der kognitiven Komponente, und deren
Bewertung, der affektiven Komponente, der Gesamtwert der Einstellung des Konsumenten zu einem Objekt
ermittelt. Dabei wird angenommen, daß je höher dieser Wert ausfällt, desto höher die Kaufbereitschaft ist. Vgl.
dazu ausführlich [Fish67], S. 389ff., [Tromm75], S. 98ff., [Tromm93], S. 109ff. Eine Gegenüberstellung
unterschiedlicher Einstellungsmodelle liefert [Fret77], S. 162ff.
160
Vgl. [Böck86], S. 543f.
161
Vgl. [Bruh85], S. 302f.
162
Vgl. [Hans87], S. 16.
46
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
Kundenzufriedenheit als ein diesen Einstellungen vorgelagertes Konstrukt aufzufassen, das
im Augenblick konkreter Erfahrung auftritt und nicht die gleiche Konsistenz wie bei
Einstellungen aufweist.163 Im Gegensatz zur Kundenzufriedenheit, die starken Schwankungen
ausgesetzt sein kann, kennzeichnen sich Einstellungen als vergleichsweise dauerhaftere
Bewertungen im Zeitverlauf.164 Während bei Einstellungen das Bezugsobjekt frei wählbar ist,
basiert die Kundenzufriedenheit in der Regel auf konkreten Erfahrungen des Konsumenten
mit dem Objekt.165
Neben den bereits aufgezeigten empirischen Untersuchungsergebnissen über den positiven
Zusammenhang zwischen Kundenzufriedenheit und Kundenbindung belegt der Überblick bei
Homburg166 weiterhin einen statistisch signifikanten positiven Einfluß der
Kundenzufriedenheit auf die Kundenbindung. Somit kann das Konstrukt der
Kundenzufriedenheit zu der, wenn auch nicht in jedem Fall vollständigen, Erklärung des
Wiederkaufverhaltens verwendet und in diesem Fall auch entscheidungsunterstützend zur
Prognose eingesetzt werden. Kundenzufriedenheit ist damit ein wichtiger erklärender Faktor
für die Kundenbindung. Das Konstrukt der Kundenzufriedenheit integriert die
Einzelphänomene des Konsumentenverhaltens auf abstrakter Ebene.167 Trotz der hohen
Abstraktionsstufe in seinem Endergebnis weist die Kundenzufriedenheit aufgrund der Vielfalt
der vorzufindenden Meß- und Erhebungsansätze eine hohe, wenn auch differenziert zu
betrachtende, Operationalisierbarkeit auf.168 Zudem kann auf Einzelbestandteile, z.B.
Servicequalität, die die Kundenzufriedenheit ausmachen, zurückgeschlossen werden.169
163
Vgl. [Schü92], S. 148.
164
Vgl. [Runo82], S. 85ff.
165
Vgl. [Stau96], S. 85ff., [Horst98], S. 90ff. [Schü92], S. 154, bescheinigt in diesem Zusammenhang die
bessere Eignung des Konstruktes Zufriedenheit - u. a. aufgrund der Situationsgebundenheit - für das
„Controlling“ von Geschäftsbeziehungen als für große empirische Marktstudien.
166
Einen Überlick zu empirischen Arbeiten und Untersuchungsergebnissen bezüglich des Zusammenhangs
zwischen Kundenzufriedenheit und Kundenbindung liefert [Homb99/2], S. 93ff.
167
Begünstigt durch die Entwicklungen des Business Process Engineering und der zunehmenden
Dienstleistungsorientierung, sind in den letzten Jahren im Bereich des Dienstleistungs- und
Beziehungsmarketing verschiedene prozeßorientierte Ansätze zur Beschreibung und Erklärung des
Käuferverhaltens entstanden, wie z. B. der Servqual-Ansatz oder die Frequenz-Relevanz-Problem-Analyse. Ihre
Motivation ist zudem, die Voraussetzungen für ein Dialogmarketing und in der Vollendung ein One-to-OneMarketing zu schaffen. Sie basieren auch fast durchgängig auf dem Konstrukt der Kundenzufriedenheit und
detaillieren im wesentlichen weiter die bereits dargestellten Ansätze. Vgl. [Quart96], S. 152., [Brik98], S. 30ff.,
[Haue97], S. 224ff., [Hent90], S. 230ff. Allerdings führen diese Detaillierungen oftmals wiederum zu
Operationalisierungs- und Erhebungsproblemen, so daß der Mehrwert im wesentlichen explikativer Natur ist.
Vgl. [Klei97], S. 58f. Diesen Ansätzen ist zudem gemeinsam, daß sie qualitativ ausgerichtet sind und somit auf
ein quantitatives Konzept verzichten.
168
Vgl. dazu die Überblicke zu alternativen Methoden zur Erhebung von Kundenzufriedenheit bei [Pepe02], S.
39ff., [Krüg00] S. 61ff., [Schü92], S. 184ff.
169
Vgl. [Herr97], S. 4f.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
47
Zusammenfassende Bewertung
Die Kundenzufriedenheit - in der Anwendung im Rahmen der zu konzipierenden Methode die
Kundenzufriedenheit mit einer Maßnahme - stellt eine wesentliche Zielgröße dar, um den
Zustand eines Kunden zu beschreiben. Aus ihr ein Alleinstellungsmerkmal als
Optimierungsgröße für den Maßnahmeneinsatz abzuleiten, ist jedoch zu weit gegriffen. Zur
Differenzierung im Rahmen der Budgetierung sind beispielsweise zusätzlich der derzeitige
und zukünftig mögliche Kundenwertbeitrag oder die Bedeutung der Maßnahmen zu
berücksichtigen. Ansonsten könnte es zu Fehlallokationen im Rahmen der Budgetierung
kommen.
Neben der Beschreibungsfunktion ist die Kundenzufriedenheit als vorökonomische
Erfolgsgröße das wesentliche Vehikel für die im Ergebnis zu maximierende Zielgröße
Gewinnbeitrag der Maßnahme. In der Anwendung als Zielsurrogat fungiert die
Kundenzufriedenheit als vorgelagerte Optimierungsgröße.
3.1.2.2.
Kundenklassifizierung
Für die Gestaltung einer aussagekräftigen Informationsbasis sind die Kunden in Gruppen zu
klassifizieren, um im Rahmen des Kundenbindungsmanagements eine individuellere
Bearbeitung zu ermöglichen. Klassifizierungen zielen darauf ab, die Komplexität einer
Grundgesamtheit durch Zusammenfassung ähnlicher Objekte in Klassen besser zu
beherrschen.
In der Anwendung der Kundenbearbeitung bedeutet dies, Kunden, bei denen ein ähnliche
Reaktion auf Maßnahmen zu erwarten ist, in Klassen zusammenzufassen, die sich
untereinander wiederum als möglichst trennscharf erweisen. Daraus ergibt sich das Problem
der Granularität der Kundenklassen. Als Extrempunkte hinsichtlich der Individualität der
Klassen steht auf der einen Seite die Betrachtung aller Kunden in einer Klasse, so daß im
Grunde keine Klassifizierung stattfindet, und auf der anderen Seite einelementige
Kundenklassen, so daß jeder Kunde als eigene Klasse aufzufassen ist. Letztgenannte Variante
kann aufgrund der dann möglichen individuelleren Bearbeitung zu höheren Umsätzen führen,
verursacht in der Regel aber auch höhere Kosten. Letztendlich sind somit Trade-OffÜberlegungen anzustellen, ob zusätzliche Kosten einer individuelleren Kundenbearbeitung
auf Basis einer weiteren Klassifizierung durch zusätzliche Umsätze überkompensiert werden.
Das Optimum liegt damit in einer gruppenindividuellen Bearbeitung, deren Granularität
unternehmensindividuell jeweils einzujustieren ist. Im Rahmen der Marktsegmentierung sind
48
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
verschiedene Ansätze zur Kundenklassifizierung entstanden, die folgende Übersicht
verdeutlicht:170
•
Kriterien des beobachtbaren Kaufverhaltens
• Preisverhalten (Preisklasse, Kauf von Sonderangeboten)
• Mediennutzung (Art und Zahl der Medien, Nutzungsintensität)
• Produktwahl
(Käufer/Nichtkäufer
der
Produktart,
Markenwahlverhalten
(Markentreue/Markenwechsel); Kaufvolumen (Vielkäufer/Wenigkäufer))
• Einkaufsstättenwahl
Geschäftstreue/Geschäftswechsel)
•
(Betriebsformentreue/Betriebsformenwechsel,
Psychographische Kriterien
• Allgemeine
Persönlichkeitsmerkmale
(Lebensstil
(Aktivitäten,
Interessen,
Meinungen), grundlegende Persönlichkeitsmerkmale (soziale Orientierung,
Risikoeinstellung)
• Produktspezifische Kriterien (Wahrnehmungen, Motive, Einstellungen, Präferenzen,
Kaufabsichten)
•
Sozioökonomische/demographische Kriterien
• Soziale Schicht (Einkommen, Vermögen, Schulbildung, Beruf)
• Stand im Familienlebenszyklus (Geschlecht, Alter, Familienstand, Zahl und Alter der
Kinder, Haushaltsgröße)
• Geographische Kriterien (Staat, Region, Ort)
Für die Segmentierung von Unternehmen können diese Kriterien größtenteils transformiert
werden.
Die
allgemeinen
Persönlichkeitsmerkmale
entsprechen
den
Unternehmensmerkmalen, soziale Schicht und Familienlebenszyklus bedeutet analog
Unternehmens- und Mitarbeiterstruktur.
170
Vgl. [Fret83], S. 28ff.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
49
Die Segmentierungskriterien bieten ein Orientierungsraster für die Auswahl grundsätzlicher
Konsumentenzielgruppen im Rahmen der Marktbearbeitung.171 Inwieweit vermutete
Segmentierungskriterien auch tatsächlich Kunden in trennscharfe Gruppen klassifizieren,
kann mit Hilfe des multivariaten, statistischen Verfahrens der Clusteranalyse überprüft
werden.172
Ziel der Clusteranalyse ist es dabei, Objekte anhand von Eigenschaften in sich möglichst
homogene Gruppen einzuteilen, die untereinander aber möglichst heterogen sind.173
Übertragen auf das Kundenbindungsmanagement, sind es die Kunden, die zu klassifizieren
sind.174 Der Gruppierungsprozeß ist dabei zweistufig. Im ersten Schritt werden die
Ähnlichkeiten bzw. die Unterschiedlichkeiten der zu untersuchenden Objekte bestimmt und in
der Regel in einer Ähnlichkeits- bzw. Unähnlichkeitsmatrix abgebildet. Somit wird die
Ähnlichkeit bzw. Unterschiedlichkeit der Objekte durch eine statistische Maßzahl
quantifiziert, die auch als Proximitätsmaß bezeichnet wird.175 In Abhängigkeit des
Skalenniveaus der betrachteten Merkmale steht eine große Vielfalt an einsetzbaren
Proximitätsmaßen zur Auswahl.176
171
Vgl. [Homb99/3] , S. 348ff.
172
Vgl. [Bern90], S. 234., [Hütt89], S. 251., [Musi99], S. 329ff.
173
Vgl. [Back90] S. 69, [Bere89], S. 88, [Meff86] S. 92, [Bros89]
174
Vgl. [Düsi98], S. 297, [Lack98], S. 249ff.
175
Vgl. [Grimm98], S. 111, [Nakh00], S. 199ff., [Düsi00], S. 74f.
176
Vgl. zu Ähnlichkeits- und Unähnlichkeitsmaßnahmen [Back90], S. 331ff. Ein Ähnlichkeitsmaß ist z. B. der
Tanimoto-Koeffizient (TAK), der sich aus dem Quotienten “Zahl der Eigenschaften, die beide Objekte
aufweisen/Zahl der Eigenschaften, die mindestens bei einem der beiden Objekte vorhanden sind“ ermittelt. Ein
mögliches Unähnlichkeitsmaß ist das euklidische Distanzmaß.
50
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
Konkretisierung der Problemstellung der Untersuchung
ƒ
Bestimmung der zur Klassifizierenden Objekte
ƒ
Auswahl der
Variablen
ƒ
Festlegung eines ähnlichkeits- bzw. Distanzmaßes
ƒ
Auswahl eines Algorithmus
zur Gruppierung
ƒ
Bestimmung der
Gruppenzahl
ƒ
ƒ
Was ist das Ziel der Untersuchung
Welche Hypothesen sollen getestet werden?
Wie lassen sich die Untersuchungsobjekte beschreiben?
Wie viele Objekte sollen berücksichtigt werden?
Welche Merkmale sind heranzuziehen?
Wie groß soll die Zahl der Variablen sein?
ƒ Ist eine Standardisierung sinnvoll?
ƒ
ƒ
Welches Ähnlichkeits- bzw. Distanzmaß soll gewählt werden?
Wie sind gemischte Variable zu behandeln?
Soll ein hierarchisches oder ein partitionierendes Verfahren
gewählt werden?
ƒ Welche Auswirkungen hat ein Wechsel des Algorithmus?
ƒ
ƒ
Wie viele Gruppen sollen gebildet werden?
Wie hängen die Ergebnisse von der Gruppenzahl ab?
Analyse und Interpretation
der Ergebnisse
Durchführung des Gruppierungsvorganges
ƒ
ƒ
Wie unterscheiden sich die ermittelten Cluster?
Lassen sich die Ergebnisse sinnvoll interpretieren?
Abbildung 3-7: Ablaufschritte und Entscheidungsprobleme der Clusteranalyse
Auf Basis der gewonnenen Proximitätsmaße erfolgt im zweiten Schritt die Zusammenfassung
der Objekte in Clustern mit Hilfe eines Cluster-Algorithmus. Zu unterscheiden sind dabei
partitionierende und hierarchische Verfahren.177 Bei den hierarchischen Verfahren sind
wiederum agglomerative und divisive Methoden zu unterscheiden. 178
Dabei bedeutet agglomerativ, daß eine Gruppierung sequentiell erfolgt. Beginnend mit n
Gruppen, die je nur aus einem Element bestehen, werden bei jedem Schritt je zwei Gruppen
zu einer zusammengefaßt, bis nach n-1-Schritten alle Elemente in einer Gruppe, einem
Cluster, zusammengefaßt sind.
Umgekehrt geht die divisive Methode vor, indem eine alle Elemente enthaltende Gruppe
schrittweise in Untergruppen zerlegt wird. Bei beiden Vorgehensweisen entsteht eine
Hierarchie
von
Clustern,
die
in
einem
Dendogramm
abgebildet
177
Vgl. dazu ausführlich [Herr99], S. 344. [Nakh98], S. 8ff.
178
Vgl. dazu ausführlich [Ever93], S. 16ff., [Herr99], S. 344, [Bere99], S. 225.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
51
werden kann.179 Die entstehenden Hierarchien muß der Anwender selbständig interpretieren
und die für den Betrachtungsinhalt optimale Anzahl an Clustern auswählen.180 Die Bildung
der Cluster erfolgt sowohl bei der agglomerativen als auch bei der divisiven Methode auf
Basis der Verschiedenheit der Objekte.181
Große praktische Relevanz weisen die agglomerativen, hierarchischen Verfahren auf, da sie
relativ leicht zu implementieren sind und bezüglich der Rechenzeit Vorteile gegenüber den
anderen Ansätzen aufweisen.182 Allgemein liegt der Vorteil der Clusteranalyse gegenüber
anderen Klassifizierungsverfahren in den geringen Anwendungsvoraussetzungen. So lassen
sich großen Anzahlen von Objekten in unterschiedliche Gruppen aufteilen, wobei die
einzelnen Gruppen durch ihre beinhalteten Objekte beschrieben werden.183
Neben der Clusteranalyse kann zur Kundenklassifizierung die Bayes-Klassifikation eingesetzt
werden. Die Bayes-Klassifikation verfolgt das Ziel, eine optimale Klassifikationsregel zu
konstruieren, welche die Wahrscheinlichkeit einer falschen Klassifikation minimiert.184
Im Algorithmus werden folgende Wahrscheinlichkeiten betrachtet:
C
=
Kundenklasse
X
=
Objekt
i
=
Anzahl der Klassen
P(Ci)
=
Wahrscheinlichkeit, daß ein Objekt zur Kundenklasse Ci gehört
P(Ci|X) =
Wahrscheinlichkeit, daß ein Objekt X zur Kundenklasse Ci gehört
P(X|Ci) =
Wahrscheinlichkeit, daß das Objekt X ist, unter der Bedingung, daß es zu Ci
gehört
179
Kritisch anzumerken ist, daß die Algorithmen lediglich mit Verbesserungsverfahren arbeiten, so daß nicht
gewährleistet ist, ein Optimum optimorum zu erzielen. Zudem führen die Algorithmen tendenziell dazu, Cluster
gleicher Größe zu finden. Vorteilhaft ist, daß die Zentren der Cluster als Klassenrepräsentanten die Ergebnisse
leichter interpretieren lassen. Vgl. [Cham98], S. 308f.
180
Vgl. [Back90], S. 118ff.
181
Vgl. [Cham98], S. 307f.
182
Vgl. [Küpp99], S. 71.
183
Vgl. [Mert00], S. 217.
184
Vgl. [Mert00], S. 218.
52
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
Ist das Objekt X neu zu klassifizieren und das Risiko einer Fehlklassifikation zu minimieren,
so wird das Objekt der Kundenklasse Ck mit k={1, ..., K]} zugeteilt, falls:
P(X|Ck)P(Ck) > P(X|Cj)P(Cj) bzw.
P(Ck|X) > P(Cj|X)
wobei jeweils gilt
∀j ≠ k
Die Wahrscheinlichkeiten P(Cj) können relativ einfach bestimmt werden. Problematischer
sind hier die bedingten Wahrscheinlichkeiten, die für den dargestellten Bayes-Klassifizierer
zu bestimmen sind. Dazu ist entweder die Dichtefunktion der bedingten Wahrscheinlichkeiten
zu approximieren oder ein Maximum-Likelihood-Schätzer einzusetzen.185 Die BayesKlassifikation könnte im Kundenmanagement neue Kunden anhand gemessener und
normierter Merkmalsausprägungen klassifizieren oder alte Kunden umklassifizieren.
Anzumerken ist, daß neben den skizzierten Verfahren auch eine händische
Experteneinordnung ggf. mit Unterstützung zu definierender Regeln erfolgen kann. Dies ist
tendenziell sinnvoll, wenn z.B. nur wenige die Kunden spezifizierende Informationen
vorliegen, der Einsatz der skizzierten Verfahren mit den zur Verfügung stehenden Ressourcen
als zu aufwendig erachtet wird oder kein adäquates methodisches Know-how hierfür vorliegt
186
Zudem kann das Unternehmen die identifizierten Segmente und einzelne Kunden für die
Intensität der Kundenbearbeitung, z.B. mittels der ABC-Analyse, priorisieren.187 Damit
werden die Kunden nach dem Umsatz in der Vergangenheit in zu bearbeitende Gruppen
untergliedert.188 Dies verdeutlicht die folgende Abbildung:
185
Vgl. dazu ausführlich [Cham98], S. 309f., [Küpp99], S. 73.
186
Neben den dargestellten üblichen Verfahren eignen sich induktive Lernverfahren zur Klassifizierung von
Elementen. Induktive Lernverfahren setzen auf einer strukturierten Datenbasis auf. Sie verfolgen das Ziel,
gefundene Klassen durch Konzepte zu beschreiben oder aus bekannten Klassenzugehörigkeiten
Entscheidungsbäume aufzubauen. Aus diesem Wissen werden Regeln zur Klassifikation neuer Datensätze
generiert. Bedeutende Verfahren hierzu sind die Top-Down Induction of Decision Trees (Top-Down Induktion)
sowie das Conceptual Clustering. Vgl: dazu ausführlich . [Cham98], S. 309f., [Küpp99], S. 73, [Görz95], S.
258ff., [Quin83}, S. 463ff., [Herm97], S. 43f., [Fish87], S. 96ff., [Lebo86], S. 88ff.
187
Vgl. [Homb97/1], S. 59f.
188
Vgl. [Nies94], S. 229ff.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
53
Kumulierter
Umsatzanteil 100
in %
97
C-Kunden
87
B-Kunden
A-Kunden
17
46
100 Kumulierter Anteil
am Kundenbestand %
Abbildung 3-8: ABC-Analyse (exemplarisch)
Neben der klassischen Bewertung von Kunden hinsichtlich ihres Erfolgsbeitrages zum
finanziellen Unternehmenserfolg im Rahmen der vergangenheitsorientierten ABCAnalysen189, steht die ganzheitliche Betrachtung der Wertbeiträge zunehmend im Mittelpunkt
von analytischen Überlegungen. Dies wird insbesondere durch die Forderung bedingt, daß
sich aus Anbietersicht Investitionen in die Zufriedenstellung und Kundenbindung nur dann
lohnen, wenn dadurch profitable Geschäftsbeziehungen geschaffen werden.190
Gegenstand dieser Ansätze ist die Analyse des von einem Anbieter wahrgenommenen
bewerteten Beitrags eines einzelnen Kunden bzw. von Kundenklassen zur Erreichung der
Ziele des betreffenden Anbieters.191 Unter Berücksichtigung dieser differenzierten
Wertbeiträge läßt sich der Ressourceneinsatz in bezug auf zukünftiges Handeln unter
Effizienzgesichtspunkten steuern.192 Dies impliziert auf der einen Seite, daß jeder Kunde die
seinem Wert entsprechende Aufmerksamkeit von dem Unternehmen bekommen sollte und
189
Bei den traditionell angewendeten ABC-Analysen in diesem Bereich erfolgt die Bestimmung des
Kundenwerts auf Basis von periodisiert betrachteten Umsatz- oder Deckungsbeitragsgrößen in bezug auf
einzelne Kunden oder Kundengruppen.
190
Vgl. [Günt01], S. 5.
191
Vgl. [Corn00], S. 38. Neben dieser anbieterorientierten Sicht wird der Begriff des Kundenwerts auch aus
Kundenperspektive zunehmend verwendet. Vgl. dazu auch [Wood96], [Ande98], [Egge99].
192
Dies betrifft beispielsweise die Erfolgsträchtigkeit von Investitionen in die einzelnen Kundenbeziehungen.
Vgl. [Rese01], S. 278.
54
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
auf der anderen Seite bieten sich hier Anknüpfungspunkte für die Optimierung des eigenen
Kundenportfolios.193
Dabei zeichnen sich diese Ansätze zur Bestimmung des Kundenwertes durch zwei
Charakteristika aus. Zum einen erfolgt die Verbindung hin zu einer dynamischeren
Betrachtung indem die zukünftigen Wertbeiträge von Kunden in das aktuelle Kalkül
miteinbezogen werden.194 Zum anderen wird das Spektrum der reinen quantitativ-finanziellen
Bestimmungsgrößen des Kundenwertes um qualitative Elemente erweitert.195 Im Ergebnis
zielen die Ansätze darauf ab, den Wertbeitrag eines Kunden unter Berücksichtigung
verschiedener Wertfacetten und prospektiv ausgerichteter Zeithorizonte zu bestimmen.
Zusammenfassende Bewertung
Im Rahmen der zusammenfassenden Bewertung des Standes der Techniken der dargestellten
Inhalte sind zwei Bewertungskriterien zu betrachten. So ist zwischen der Rechentechnik und
den zugrunde liegenden Beschreibungsansätzen zu unterscheiden.
Die Rechentechnik der Clusteranalyse ist sehr weit ausgereift, wenn vor Anwendung die
Größen, auf deren Basis geclustert werden soll, und entsprechend Proximitätsmaße zur
Bestimmung der Unterschiedlichkeit der zu clusternden Objekte festgelegt werden. Für die
konzipierende Methode ergibt sich, daß für die einzelnen Klassifizierungsdimensionen
entsprechende Variablen zur Beschreibung der Objekte zu bestimmen und darauf aufbauend
entsprechend jeweils Proximitätsmaße im Detail zu entwickeln sind.
Die bisherigen Ansätze zur Beschreibung der Kunden aus Kundensicht sind zu allgemein, um
alleinig auf Ihnen im Kundenbindungsmanagement entsprechende Aussagen für den
kundendifferenzierenden Maßnahmeneinsatz abzuleiten, da sie lediglich die Grundeinstellung
der Kunden berücksichtigen und beispielsweise die Bewertung spezifischer Maßnahmen
vernachlässigen. So sind in Kapitel 5 entsprechende weitere Größen in einem
193
Vgl. [Günt01], S. 14ff.
194
Ein solches Verfahren stellt der Ansatz des Customer Lifetime Value (CLV) dar, das ursprünglich aus dem
Automobilbereich entstanden ist und den Gedanken des Kapitalwertes auf Kundenbeziehungen überträgt. Der
Wert eines Kunden bemißt sich dabei aus der ganzheitlichen investitionspolitischen Betrachtung der
kundenbezogenen Ein- und Auszahlungen über die Lebenszeit des Kunden bzw. über die für ein Unternehmen
relevante Lebenszeit im Sinne der durchschnittlichen Dauer einer Geschäftsbeziehung. Vgl. [Pepe01], S. 49f.,
[Köhl99], S. 329ff., [Poth99], S. 216, [Homb97/2], S. 40, [Zügn96], S. 333f.
195
Derartige nicht direkt-monetäre Wertgrößen stellen beispielsweise die kundenbezogenen Cross-Selling-,
Referenz- und Informationswerte dar. Vgl. [Corn01], S. 160 ff. Derartige Verhaltenskomponenten von Kunden
müssen gesondert erfaßt werden und können erst über ein- oder mehrstufige Ursache-Wirkungsbeziehungen
wieder in eine finanzielle Dimension überführt werden. Dabei werden insbesondere im Bereich der
Referenzpotentiale Verbundeffekte zu aktuellen und potentiellen Kunden betrachtet. Zur Monetarisierung von
referenzbasierten Verbundeffekten vgl. den „REVAL“-Ansatz von [Corn00]. Für eine kritische Haltung
gegenüber der Schlüsselung von verbundenen Umsätzen vgl. [Plin00], S. 735 ff.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
55
Klassifizierungsansatz zu entwickeln und zusammenzuführen, um somit die entsprechend in
Kapitel 2.2. an die Abbildung der Elemente und der Steuerungsalgorithmik gestellten
Anforderungen zu erfüllen.
Des weiteren liefert die ABC-Analyse den Ist-Erfolgsbeitrag eines Kunden. Allerdings wird
das zukünftige Potential der Kunden vernachlässigt, so daß bei alleiniger Berücksichtigung
der sich aus der ABC-Analyse ergebenden Werte als Klassifizierungsbasis aus
Unternehmenssicht einer systematischen Kundenentwicklung widersprochen wird. Zudem
wird auf rein finanzielle Größen abgestellt, so daß ökonomisch bedeutsame qualitative
Größen, wie z. B. das Weiterempfehlungspotential des Kunden vernachlässigt werden.
Da eine Bestimmung des Kundenwerts neben der Kenntnis von kosten- und umsatzbezogenen
Verbundbeziehungen innerhalb der Transaktionen196 eines Kunden auch die Kenntnis über
Art um Umfang zukünftiger Transaktionen mit dem Kunden selbst voraussetzt, ist sie mit
erheblichen Informationsbereitstellungsproblemen und Unsicherheiten verbunden. Klassische
Ansätze zur Bestimmung der Attraktivität von Kunden, wie beispielsweise Deckungsbeitragsoder Kostenrechnungsansätze, erscheinen in diesem Zusammenhang als Entscheidungshilfe
nur sehr bedingt geeignet. Zudem wird eine sehr lange Zeitstabilitätshypothese angenommen,
welche in der Regel verletzt ist.197
3.1.2.3.
Kundendatenbanken
Kundendatenbanken helfen umfangreiche Informationen über Kunden zu verwalten.198
Zudem gestatten es Kommunikationstechnologien, wie z. B. E-Mail, die gespeicherten Daten
effizient an die Vertriebsmitarbeiter weiterzuleiten.199 Entscheidend für den Wert einer
Datenbank ist dabei der Grad der Erfüllung folgender drei Anforderungen:
•
Konzentration auf wichtige Informationen und Aussieben der nicht-relevanten Daten,
•
Erfassung der Informationen auf Basis vordefinierter Ziele,
196
In diesem Zusammenhang ist unter einer Transaktion ein Austauschprozeß zwischen einem Anbieter und
einem Nachfrager zu verstehen. Vgl. dazu [Meff98], S. 24ff.
197
Vgl. [Rese01], S. 283 ff., [Schn85], S. 2159.
198
Vgl. [Pill02], S. 71f.
199
Vgl. [Wild02], S. 11f.
56
•
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
Aktualität der Daten.200
Die genannten Anforderungen sind insbesondere entscheidend für die Effektivität von
Kundendatenbanken. Werden die entscheidenden Kundendaten nicht herausgefiltert, resultiert
daraus eine Informationsflut, die der Vertriebsmitarbeiter nicht mehr effizient verarbeiten
kann. Die Effektivitätssteigerung geht gegen Null, da die Informationen sodann keine
Anwendung mehr finden. Zudem ist der effektive Nutzen für die Kundenbearbeitung gering,
wenn alle Informationen gleich gewichtet sind und keine Priorisierung auf die
kaufentscheidenden Informationen erfolgt.201 Deshalb sollte die Erfassung der Informationen
auf Basis vordefinierter Ziele, wie z. B. die Kaufverhaltensrelevanz der Information,
erfolgen.202
Hier besteht noch Entwicklungsbedarf, da aufgrund der einfacheren Erfassung bisher
hauptsächlich harte Faktoren, insbesondere demographische Merkmale, abgebildet werden.203
Letztendlich ist in Märkten die Aktualität der Informationen, in denen diese sich nahezu
stündlich ändern können, von Bedeutung.204 Wenig priorisierende Systeme neigen dazu, dafür
zu langsam zu sein, da zu viele Informationen zu verwalten sind und außerdem aufgrund der
mangelnden Verhaltensrelevanz der Informationen ein extremer, überflüssiger
Aktualisierungsbedarf entsteht.205
Auf
der
Kundendatenbank
setzen
zur
effizienten
Informationsverteilung
206
Workflowmanagement- und Groupware-Komponenten auf.
WorkflowmanagementSysteme (WFMS) sind DV-basierte Informationssysteme, die das Ziel verfolgen, sogenannte
Workflows, anzustoßen, zu steuern und zu kontrollieren.207 Workflows sind dabei Ketten von
auszuführenden Vorgängen, die im Rahmen des gesamten Prozesses zu erledigen sind.
Herzstück des WFMS ist dabei das Steuerungsmodul, das die Vorgänge zur Bearbeitung
ansteuert, das Routing der erforderlichen Informationen automatisch durchführt und die
ereignisgesteuerte Vorlage beim Bearbeiter vollzieht.208 Anwendungen in der
200
Vgl. [Sieb98], S. 132ff.
201
Vgl. [Dien99], S. 74f.
202
Vgl. [Krah99], S. 64.
203
Vgl. [Schi99], S. 64f.
204
Vgl. [Klei02], S. 79, [Wild01], S. 8f.
205
Vgl. [Sieb98], S. 92f.
206
Vgl. [Ohve99/2], S. 29f.
207
Vgl. [Stor95], S. 34. [Heil94] S. 16, [Roth95], S. 39.
208
Vgl. [Litz95], S. 25ff.
Kapitel 3.1: Existierende Arbeiten zur Abbildung der Elemente
57
Kundenbearbeitung sind bisher im wesentlichen die automatische Weitergabe von
Basisinformationen über Kunden, Kundenkontaktberichten und Kundenterminen.
Groupware-Systeme eignen sich vielmehr für die flexible, ad-hoc Kommunikation im
Rahmen von Gruppenarbeit, also ohne vorher Vorgänge fest zu definieren.209 In der
Kundenbearbeitung besteht ihre Aufgabe in der technologischen Unterstützung des
Teamsellings. Teamselling heißt, daß Mitarbeiter des Vertriebsinnen- und -außendienstes in
Netzwerken zu Teams zusammengefaßt werden.210 Durch Informationsaustausch werden
Synergien in der Kundenbearbeitung genutzt.
Ziel muß es dabei sein, Workflow- und Groupwarekomponenten zu einem Groupflow-System
zu integrieren, um Struktur und Flexibilität gleichermaßen zu unterstützen und somit eine
durchgehende Vorgangsbearbeitung zu ermöglichen.211 Mit dem Einsatz dieser Werkzeuge
wird das Ziel verfolgt, die durch die Kundenbearbeitung angestoßenen Backoffice-Prozesse –
als
Pendant
zu
den
auch
als
Client
Facing-Prozessen
bezeichneten
Kundenbearbeitungsprozessen - effizienter zu gestalten, wie z. B. die optimierte,
automatisierte Weiterleitung von Kundeninformationen. Im wesentlichen sollen also
unternehmensinterne Prozesse schneller und besser abgewickelt werden. Das läuft
letztendlich darauf hinaus, mehr Kundenkontakte in der zur Verfügung stehenden Zeit zu
bearbeiten. Hinter dieser Idee steht das Trichtermodell des Vertriebs. Das geht von der
Annahme aus, daß eine höhere Anzahl abgearbeiteter Kundentermine auch zu einer höheren
Anzahl an Vertragsabschlüssen führt.212
Neben diesen Technologien werden in der Kundenbearbeitung Business-Mapping-Tools
eingesetzt, die Besuchshäufigkeiten, die Vertriebsgebiete und die Tourenplanung (Least Cost
Routing) des Vertriebs optimieren. Die dadurch geschaffene Informationsbasis für einen
Teilbereich der Kundenbearbeitung richtet sich an der kurzfristigen Ergebnisoptimierung
durch insbesondere Kostenminimierungen aus.213
Zudem sind im Bereich Vertrieb aus dem Vertriebscontrolling prozeßorientierte Modellbasen
hervorgegangen. Deren Informationskern besteht in der Zusammenfassung von Umsatzdaten
mit Kunden und einer Prozeßkostenrechnung, welche den Anspruch erhebt, die aus der
Durchführung der Vertriebsprozesse resultierenden Kosten abzubilden. Die Reaktionen der
209
Vgl. [Karl95], S. 36ff.
210
Vgl. [Ohve99], S. 40.
211
Vgl. [Nast95], S. 30.
212
Vgl. [Sieb98], S. 102ff. und zum Begriff des Kundenbearbeitungsprozesses [Oste00], S. 31ff.
213
Vgl. [Hass99], S. 20f.
58
Kapitel 3.2: Steuerungsalgorithmik
Kunden werden lediglich im erzielten Umsatz festgehalten, die Vertriebsmaßnahmen in
Kostengrößen, da der Fokus dieser Ansätze auf der kurzfristigen monetären
Erfolgsfeststellung und der Budgetkontrolle liegt.214
Zusammenfassende Bewertung
Kundendatenbanken stellen lediglich einen Technology Enabler dar, der die
Verwaltungseffizienz der Kundendaten erhöht. Mit Hilfe der aktuellen Instanzierungen der
Kundendatenbanken ist das Problem der Kundenidentifikation gelöst. Zudem liefern sie einen
Teil – häufig in Verbindung mit entsprechenden Controlling-Informationen – der für den
Einsatz der zu konzipierenden Methode benötigten Informationen, wie z. B. der IstErfolgsbeitrag eines Kunden. Allerdings ergibt sich auch umgekehrt aus der zu entwickelnden
Methode konzeptioneller Anpassungsbedarf an Kundendatenbankstandards, um auf der einen
Seite die für die Budgetierung notwendigen Einflußgrößen abzubilden und auf der anderen
Seite die aus der Budgetierung resultierenden Ergebnisse nachzuhalten.
3.2
Steuerungsalgorithmik
Im folgenden werden die Grundprinzipien von Steuerungsalgorithmen vorgestellt, die bisher
zur Lösung ähnlich gelagerter Probleme angewendet werden. Für die betriebswirtschaftliche
Anwendung im Marketing sind bisher vergleichsweise wenig Algorithmen entwickelt worden
(Kapitel 3.2.1. Marginalanalytische Ansätze, Kapitel 3.2.2. Ansätze der mathematischen
Programmierung). Dies ist auch dadurch bedingt, daß in der Praxis des Database Marketings
Lösungen
aus
heuristischen
Verfahren,
wie
z.
B.
Entscheidungsregeln,
Strukturierungstechniken und Entscheidungsbäumen, als ausreichend angesehen werden.215
In Budgetierungsfragen finden in der Praxis zumeist heuristische Regeln Anwendung, bei
denen Praktikabilität wichtiger als die Ableitung ökonomischer Steuerungsimplikationen
erscheint. Zur Bestimmung der Budgethöhe werden Regeln eingesetzt, wie z. B. prozentualer
Auf- oder Abschlag um Budget der Konkurrenz, Orientierung an den finanziellen
Möglichkeiten, prozentualer Anteil des Umsatzes, Deckungsbeitrages oder Gewinns der
Vorperiode. Gerade die zuletzt aufgeführte Regel stellt den Wirkungszusammenhang
zwischen Umsatz und Marketing-Einsatz auf den Kopf, so daß dies zu einer rein
prozyklischen Budgetbestimmung führt, welche zwangsläufig nicht immer den
214
Vgl. [Herz99], S. 288f.
215
Vgl. [Kord79], S. 159ff.
Kapitel 3.2: Steuerungsalgorithmik
59
betriebswirtschaftlichen Erfordernissen gerecht wird.216 Die Aufteilung auf einzelne
Budgetobjekte erfolgt sodann über unternehmensinterne Planungs- und Verhandlungsrunden.
Dies ist nicht zuletzt dadurch bedingt, daß bisherige Steuerungsalgorithmen des Operations
Research für die Praxis des Marketings aufgrund zu rigider Restriktionen und
Datenbereitstellbarkeitsproblemen217 nur eingeschränkt tauglich sind.218
In Kapitel 3.2.3. wird die Vorgehensweise des Case Based Reasoning erläutert, das eine
regelbasierte Steuerung impliziert. Zudem werden in Kapitel 3.2.4. simulationsgestützte
Verfahren vorgestellt. Diese können zwar auch als Heuristik interpretiert werden, liefern aber
aufgrund der Vielzahl berechneter Kombinationen in vielen Fällen ähnliche Ergebnisse wie
logisch-analytische Algorithmen.219 Zudem kann mit entsprechend spezifizierten
simulationsgestützten Verfahren die Unsicherheit abgebildet werden, die in vielen
betriebswirtschaftlichen Problemen gegeben ist.220
3.2.1.
Budgetierung
Der Begriff Budgetierung kann aus unterschiedlichster Perspektive angegangen werden.
Dabei ist die finanzwirtschaftliche, die organisatorische und die funktionale Beziehung zu
unterscheiden. In Anknüpfung an die in Kapitel 2 gestellten Anforderungen ist im Rahmen
dieser Arbeit die funktionale Beziehung von Bedeutung. Insbesondere sind dabei
Budgetierungsansätze aus dem Gebiet des Marketings zu analysieren, inwieweit sie im
Rahmen der zu konzipierenden Methode eingesetzt werden können. Unabhängig davon, ob
die Budgetierung Top-Down, Bottom-Up oder im Gegenstromverfahren erfolgt, sind
entsprechend der funktionalen Beziehungen Inter- und Intra-Budgetentscheidungen zu
unterscheiden.221 Die Inter-Budgetentscheidung ist der Intra-Budgetentscheidung jeweils
übergeordnet. Die Verteilung eines Budgets im Kundenbindungsmanagement auf die
Maßnahmen entspricht der Intra-Budgetentscheidung, während die Bestimmung der
Gesamthöhe der Inter-Budgetentscheidung gleich kommt.222 Des weiteren sind die
Funktionen von Marketing-Budgets zu beleuchten, welche folgende Abbildung verdeutlicht.
216
Vgl. [Bern99], S. 172
217
Vgl. [Köhl99/2], S. 8ff.
218
Vgl. [Gaul90], S. 196.
219
Vgl. [Hann82], S. 322ff.
220
Vgl. [Kolb95], S. 202ff.
221
Vgl. [Wild82], S. 102ff., [Nies94], S. 885ff.
222
Vgl. [Horv93/1], S. 87f.
60
Kapitel 3.2: Steuerungsalgorithmik
Steuerungs- und
Kontrollfunktion
Motivations- und
Verantwortungsfunktion
Prioritätenfunktion
Marketing-Budgets
Zurechenbarkeitsfunktion
Zeitfunktion
Zielvereinbarungsfunktion
Abbildung 3-9: Funktionen von Marketing-Budgets223
Die Steuerungs- und Kontrollfunktion stellt an Marketing-Budgets die Anforderung, daß ihre
Zielgrößen über Soll-Ist-Vergleich im Zeitvergleich kontrolliert und darauf aufbauend
gesteuert werden können. Daran knüpft in der übergeordneten Inter-Budgetentscheidung die
Prioritätenfunktion an, über welche die strategische Marketingausrichtung des Unternehmens
in die Budgetentscheidung einfließt.224 Auf der Prioritätenfunktion basiert die Zeitfunktion,
welche den zeitlichen Budgetierungshorizont verankert.225
Die Zielvereinbarungsfunktion legt fest, daß auf Basis des aufgestellten Budgets der
Budgetverantwortliche festzulegende Zielgrößen zu erfüllen hat, die sich aus der UrsacheWirkungs-Beziehung
zwischen
Budget
und
Zielgröße
ergeben.
An
die
Zielvereinbarungsfunktion sind die Anforderungen Realistik, Operationalität, Konsistenz,
223
Vgl. in Anlehnung an [Barz90], S. 12.
224
Wie in Kapitel 2 bereits hergeleitet worden ist, ist die unternehmenspraktische Anwendung der im Rahmen
dieser Arbeit zu entwickelnden Methode sinnvoll, wenn das Unternehmen eine Differenzierungsstrategie
verfolgt und diese über eine erhöhtes Leistungsniveau im Kundenbindungsmanagement umsetzen möchte.
225
Vgl. [Horv86], S. 102ff.
Kapitel 3.2: Steuerungsalgorithmik
61
Aktualität, Vollständigkeit, Durchsetzbarkeit, Organisationskongruenz226 und Überprüfbarkeit
zu stellen, die generell für die Bestimmung von Marketing-Budgets gelten.227
Die Zurechenbarkeitsfunktion ist aus organisatorischer und instrumenteller Perspektive zu
betrachten. Organisatorisch sollen Unternehmensbereiche nur diejenigen Budgetgrößen
verantworten, welche auch in ihrem Entscheidungsspielraum liegen. Instrumentell bedeutet,
daß die Budgethöhe und der Erfolgsbeitrag hinsichtlich der Erfüllung der verfolgten
Zielgröße den eingehenden Einflußgrößen – im Falle der hier zu konzipierenden Methode die
Maßnahmen zugerechnet werden kann.228
Die Motivations- und Verantwortungsfunktion ergibt sich aus der Zurechenbarkeitsfunktion.
Damit sollen die Budgetverantwortlichen auf die Erfüllung der festgelegten Zielgrößen
ausgerichtet werden. Zur erfolgreichen Umsetzung sollte im Vergütungssystem des
Unternehmens eine Bonus-Malus-Komponente vorgesehen werden, welche sich daran
orientiert, ob die Ziele mit dem geplanten Budget erfüllt worden sind.229
Zu unterscheiden sind als grundlegende Möglichkeiten zur Budgetierung im Marketing230
sechs
verschiedene
Ansätze:
die
funktionsorientierte
Budgetierung,
die
absatzsegmentorientierte Budgetierung, die Indikatormethode, die „all-you-can-affordMethode“ und die Wettbewerbs-Paritäts-Methode sowie die zielorientierte Festlegung.231
Die „all-you-can-afford-Methode” stellt lediglich einen reaktiven, rein liquiditätsorientierten
Ansatz dar. Es werden diejenigen finanziellen Ressourcen im Marketing eingesetzt, welche
nach Abzug aller anderen Kosten und der Plan-Gewinnspanne noch übrig bleiben.232 Diese
sukzessive Vorgehensweise konterkariert jedoch die ursächliche Wirkungsbeziehung, daß
durch den Einsatz finanzieller im Mittel im Marketing die Absatzmenge beeinflußt werden
kann und daraus resultierend sich alle anderen Kostenpositionen verändern. Ebenso
226
Mit der Anforderung Organisationskongruenz ist gemeint, daß im Unternehmen die Budgetgrößen in einer
hinreichend eindeutigen Zuordnung zu einem Budgetverantwortlichen zu stehen haben.
227
Vgl. [Wild82], S. 55ff.
228
Vgl. [Horv93/1], S. 87f., [Webe98], S. 124ff.
229
In der Unternehmenspraxis werden dazu methodisch derzeit sogenannte Service Level Agreements (SLAs)
diskutiert. Vgl. zu unterschiedlichen Serviceformen [Harm02], S. 412ff. sowie die dort angegebene Literatur.
230
Hier ist auf die Budgetierungsansätze im Marketing zu referenzieren, da diese auch als Grundform für
Budgetierungsansätze im Teilbereich des Kundenbindungsmanagements anzusehen sind. Relevante, speziell auf
das Kundenbindungsmanagement zugeschnittene Ansätze sind bisher in der Literatur nicht anzutreffen.
231
Vgl. [Nies94], S. 889.
232
Vgl. [Schw95], S. 68.
62
Kapitel 3.2: Steuerungsalgorithmik
widerspricht dieser Ansatz dem Ausgleichgesetz der Planung, das von der Dominanz des
Minimumsektors ausgeht, der in der Unternehmenspraxis in der Regel die Marktseite ist.233
Die Wettbewerbs-Paritätsmethode stellt ebenso lediglich einen reaktiven Ansatz dar. Das
Marketing-Budget wird von der Höhe ebenso wie das des Wettbewerbers festgelegt. Die
Anwendung des Ansatzes entspricht prinzipiell dem Verhalten eines Marktfolgers. Dies steht
des weiteren der Verfolgung einer Differenzierungsstrategie im Sinne einer
Qualitätsführerschaft entgegen, bei der die Anwendung der zu konzipierenden Methode
geeignet ist.234
Die Indikatormethode errechnet ein Marketing-Budget als Prozentsatz einer finanziellen
Kenngröße als Referenzwert, wie z. B. der Umsatz der Vorperiode. Dieses Vorgehen spiegelt
nicht zuletzt aufgrund der immanenten Vergangenheitsorientierung nicht die UrsacheWirkungs-Beziehungen im Marketing wider. Zudem führt der Ansatz zu einem übertrieben
anti- bzw. prozyklischen Budgeteinsatz.235
Die zielorientierte Festlegung von Marketing-Budgets fordert lediglich, daß bei der
quantitativen Bestimmung die verfolgten Marketing-Ziele zu berücksichtigen ist.236 Die
funktionsorientierte Ausgestaltung erhebt des weiteren den Anspruch, daß das zu
bestimmende Budget auf einzelne Funktionsbereiche zu verteilen ist und entsprechende
Einflußgrößen dafür zu identifizieren sind. Die absatzsegmentorientierte Budgetierung fordert
die Verteilung des Budgets zu bestimmende Zielgruppen, ohne ein konkretes Vorgehen
vorzugeben.237
Zusammenfassende Bewertung
Wie bereits in den obigen Ausführungen z. T. deutlich wird, erfüllen die diskutierten Ansätze
die aufgestellten Anforderungen nur teilweise. Deutlich wird, daß in den Ansätzen
größtenteils keine Zielfunktion aufgestellt wird, welche den Ursache-Wirkungs-Beziehungen
im Marketing gerecht wird. Des weiteren ist die Realitätsentsprechung der Ansätze
eingeschränkt, da sie auf eine zu geringe Anzahl an Einflußgrößen reduzieren. Vom Prinzip
her sind für die Methode die ziel-, die absatzsegment- der funktionsorientierten
233
Vgl. [Boll83], S. 217ff., [Gute76], S. 102ff.
234
Dieser theoretische Ansatz scheitert in der Regel bereits an Problemen der Datenbereitstellung. Vgl. dazu
[Nies94], S. 587.
235
Vgl. [Barz90], S. 42ff.
236
Anzumerken ist, daß das Kundenzufriedenheitsportfolio hierzu qualitativ-normative Aussagen liefert, welches
im Detail in Anhang B erläutert wird.
237
Vgl. [Nies94], S. 885ff.
Kapitel 3.2: Steuerungsalgorithmik
63
Vorgehensweise zu kombinieren. Für das Kundenbindungsmanagement sind deshalb die
budgetierungsrelevanten
Attribute
festzuhalten,
um
darauf
aufbauend
die
Steuerungsalgorithmik zur Bestimmung optimaler Budgetentscheidungen zu konzipieren.
3.2.2.
Marginalanalytische Ansätze
Marginalanalytische Ansätze dienen zur Ableitung des optimalen Marketing-Mix, also des
optimalen Einsatzes der Marketinginstrumente. Dazu wird die Wirkung der
Marketinginstrumente in Marktreaktionsfunktionen abgebildet. Das grundlegende
Entscheidungskalkül ist dabei in der Regel die Gewinnmaximierung. Zudem werden folgende
weitere Annahmen getroffen:
•
Die Marktreaktionsfunktionen sind stetig und differenzierbar,
•
der Einsatz der Marketinginstrumente in Geldeinheiten ist auf metrischem Skalenniveau
quantifizierbar und infinitesimal veränderbar.
Auf Basis dieses Grundmodells sind verschiedene Ansätze entstanden.238 Exemplarisch wird
hier stellvertretend für diese Verfahrensklasse das sogenannte Dorfmann-Steiner-Theorem
näher erläutert. Dies trifft folgende zusätzliche Annahmen:239
•
Es liegt ein Ein-Produkt-Unternehmen vor,
•
die Marketinginstrumente wirken unabhängig voneinander.
Die Basis bildet eine absatzmengen-bezogene Marktreaktionsfunktion. Diese wird durch drei
Instrumentalvariablen erklärt:
x = x (p, q, w)
238
Vgl. ausführlich zu Darstellung und Diskussion einzelner Ansätze [Schw95], S. 70ff., [Nies94], S. 586ff.,
[Fret87], S. 137ff., [Meff74], S. 216ff. sowie die dort angegebene Literatur. Diese Ansätze sind aufgrund der
jeweiligen Weiterentwicklungen aus methodischer Perspektive z. T. in andere Verfahrensklassen als die der
marginalanalytischen Ansätze einzuordnen. Die betrifft z. B. Ansätze, die aufgrund der Abbildung einer höheren
Komplexität einer Lösungsheuristik bedürfen und damit formal nicht mehr zur Verfahrensklasse der
marginalanalytischen Ansätze gehören. Einen umfassenden Überblick zu unterschiedlichen Ansätzen liefert
[Barz90], S. 178ff. Entsprechend der Literatur sind als besonders bekannte Ansätze neben dem Dorfman-SteinerTheorem der dynamische Ansatz von Vidale/Wolfe, der konkurrenzbezogene Ansatz von Weinberg, die
regressionsanalytischen Ansätze von Koyck und Lambin, das marginalanalytische Uherek-Modell sowie die
explikativen Ansätze von Kuehn und Sebastian.
239
Vgl. [Beck98] S. 789f.
64
Kapitel 3.2: Steuerungsalgorithmik
wobei
x
=
Absatzmenge
p
=
Preis in Geldeinheiten
q
=
Produktqualität, gemessen als Qualitätsindex
w
=
Werbung, gemessen in Geldeinheiten pro Periode
Zudem wird eine Funktion der durchschnittlichen Produktionskosten modelliert. Dies erfolgt
in Abhängigkeit der Qualität und der Absatzmenge:
c = c (q, x)
wobei
cg
=
durchschnittliche Produktionskosten
Als Gewinnfunktion kann somit definiert werden:
G = p ⋅ x( p, q, w) − x ⋅ c(q, w) − w
Durch partielle Differentiation dieser Funktion nach den drei Instrumentalvariablen p, q, w
und ihrer Gleichsetzung mit dem Wert Null ergibt sich das Gewinnmaximum. Nach mehreren
Zwischenschritten gelangt man zu folgender Formel, dem Dorfmann-Steiner-Theorem:
e xp = µg =
p
⋅ e xc
cg
wobei
exp
=
Preiselastizität der Nachfrage
µg
=
Grenzertrag der Werbung
exc
=
Nachfrageelastizität in bezug auf Qualitätsänderungen
Kapitel 3.2: Steuerungsalgorithmik
65
Die Formel ist zu interpretieren. Sie besagt, daß bei den zugrunde liegenden Annahmen das
Gewinnoptimum dann erreicht ist, wenn die Preiselastizität der Nachfrage, der Grenzertrag
und die mit dem Quotienten aus Preis und Durchschnittskosten multiplizierte
Nachfrageelastizität in bezug auf Qualitätsänderungen gleich sind.240
Zusammenfassende Bewertung
Problematisch ist die Bereitstellbarkeit der erforderlichen Inputinformationen aufgrund des
hohen Aggregationsniveaus. Zudem wird die Aussagekraft durch die Annahme der
Unabhängigkeit des Einsatzes der Marketinginstrumente und durch die Ausblendung der in
Kapitel 3.1. diskutierten Ausstrahlungseffekte eingeschränkt. Da in der Realität hier
Interdependenzen in bezug auf die gewählte abhängige Variable der Absatzmenge bestehen,
ist die Ermittlung marginaler Effekte der einzelnen Instrumente in Frage zu stellen. Dies
entspricht dem zentralen Zurechnungsproblem der Wirkung des Einsatzes einzelner
Marketinginstrumente in bezug auf Absatzmengen oder monetärer Größen.241 Dies tritt auf,
wenn der Einsatz der Marketing-Instrumente - wie bei marginalanalytischen Instrumenten der
Fall - nicht kundenklassenspezifisch betrachtet wird und kein Konstrukt zur Relativierung der
eingesetzten Instrumente Anwendung findet. Des weiteren werden in den
marginalanalytischen Ansätzen die Marketing-Instrumente zu pauschal betrachtet, so daß
keine Konkretisierung auf die Kundenbeziehung erfolgt, wie es im Rahmen der zu
konzipierenden Methode erforderlich ist.
3.2.3.
Ansätze der mathematischen Programmierung
Ansätze der mathematischen Programmierung haben in diesem Anwendungsbereich ebenso
wie marginalanalytische Ansätze das Ziel, den optimalen Marketing-Mix zu ermitteln. Dazu
sind aus dem Bereich des Operations Research Ansätze der linearen, nicht-linearen und
dynamischen Programmierung entstanden:
Der Vorteil der programmierten Ansätze gegenüber den marginalanalytischen besteht darin,
daß die Zielfunktion unter Berücksichtigung von Nebenbedingungen, wie z. B. die Höhe des
zur Verfügung stehenden Budgets oder maximal mögliche Absatzmengen, optimiert wird. Für
die lineare Programmierung liegen formal ausgereifte Lösungsalgorithmen vor, speziell die so
genannte Simplex-Methode.242 Für den Einsatz der linearen Programmierung müssen
folgende Bedingungen erfüllt sein:
240
Vgl. [Meff98], S. 932ff..
241
Vgl. [Nies94], S. 432ff.
242
Vgl. [Müll73], S. 474.
66
Kapitel 3.2: Steuerungsalgorithmik
•
Den Ausprägungen der Marketinginstrumente müssen Wirkungsbeiträge zuordenbar sein,
•
diese Wirkungsbeiträge müssen voneinander unabhängig sein,
•
die verwendeten Marktreaktionsfunktionen müssen linear sein.243
Formal ergibt sich ein lineares Programm, für das eine Zielfunktion unter Berücksichtigung
von Nebenbedingungen zu maximieren oder zu minimieren ist. Dabei können beliebig viele
Nebenbedingungen in die Betrachtung einbezogen werden.
Zusammenfassende Bewertung
Zwar können Nebenbedingungen berücksichtigt werden, doch gilt hier und den
programmierten Ansätzen insgesamt ebenso die bei den marginalanalytischen Ansätzen
geäußerte Kritik bezüglich der Unabhängigkeit der Instrumente, der Datenbereitstellbarkeit
und der Zurechnungsprobleme auf einzelne Marketinginstrumente.244
Das Verfahren versagt zudem, wenn nicht-lineare Beziehungen abgebildet werden müssen,
die im Marketing häufig anzutreffen sind.245 Ein nicht-lineares Programm liegt vor, wenn die
Zielfunktion und/oder eine Nebenbedingung in den Variablen nicht linear ist. Bestimmte
nicht-lineare Beziehungen lassen sich durch die Weiterentwicklungen der dynamischen
Programmierung einbinden. Das Optimierungsproblem wird zuerst in Teilschritte zerlegt und
dann sequentiell gelöst. Allerdings existiert kein Standard-Algorithmus, der jedes beliebige
nicht lineare Programm lösen kann.246
3.2.4.
Case Based Reasoning
Case Based Reasoning stellt ein adaptives Lernverfahren dar, das mit fallbasierten Regeln
arbeitet. Der sogenannte “Reasoner“ erinnert sich an vorhergehende Situationen, die ähnlich
geartet waren, und wendet deren Lösung auf neue Probleme an. Das bedeutet, daß Lösungen
der Vergangenheit adaptiert werden, um neuen Fragestellungen gerecht zu werden. Dieses
Vorgehen des sogenannten fallbasierten Schließens verdeutlicht die folgende Abbildung.
243
Vgl. [Hütt94], S. 287ff..
244
Vgl. [Weib92], S. 35ff., [Mohr93], S. 47ff.
245
Vgl. [Beck98], S. 803f.
246
Vgl. [Zimm95], S. 208, [Gal87], S. 361ff..
Kapitel 3.2: Steuerungsalgorithmik
67
Problem
Suchen
Neuer
Fall
Gelernter
Fall
Getesteter/
Korrigierter
Fall
Endgültige Lösung
Allgemeine
Wissensbasis
(Vorhergehende
Fälle)
Verifikation
Wiederhergestellter Neuer Fall
Fall
Adaption
Gelöster
Fall
Vorgeschlagene Lösung
Abbildung 3-10: Vorgehen im Rahmen des fallbasierten Schließens247
Die vier Aufgaben des fallbasierten Schließens bzw. des Case Based Reasoning führen zu
weiteren Teilaufgaben. Eine initiale Problembeschreibung definiert dabei einen neuen Fall.
Die Aufgabe des Suchens besteht darin, einen ähnlichen Fall oder eine Menge ähnlicher Fälle
zum vorgegebenen Problem aus der Wissensbasis zu bestimmen.248 Das damit verfolgte Ziel
ist das Auffinden der bereits gelösten Situation, welche der aktuellen am nächsten kommt.
Die Ähnlichkeit wird dabei anhand eines vorgegebenen Ähnlichkeitsmaßes bestimmt.
Anschließend werden die Fälle gemäß der berechneten Ähnlichkeit sortiert und entsprechend
als Lösungsvorschlag ausgegeben.249
Da alte Fälle sich meist nicht wie neue Fälle darstellen, muß das System zum Zwecke der
Kompensation der Unterschiede Adaptionen, also Anpassungen, vornehmen können. Zudem
ermöglichen Case Based Reasoning-Systeme, von Präzedenzfällen auf neue Situationen zu
schließen. Weiterhin kann im Umkehrschluß Case Based Reasoning zur Kritik an neuen
Lösungen von Fällen eingesetzt werden. Spezialfall des Case Based Reasoning ist dabei das
Verfahren der Justifikation bzw. des Adverserial Reasoning, das eingesetzt wird, um
getroffene Entscheidungen zu widerlegen.250
247
Vgl. [Alth96/1], S. 12.
248
Vgl. [Wolt98], S. 363.
249
Vgl. [Schi00], S. 81
250
Vgl. [Hamm89], S. 36ff.
68
Kapitel 3.2: Steuerungsalgorithmik
Innerhalb der Adaption werden somit die Lösungsvorschläge auf das aktuelle Problem
übertragen. Dies entspricht dem Prinzip der Wiederverwendung unter Anpassung. Dabei
reicht das Spektrum möglicher Adaptionen von der Null-Adaption, bei der keine Anpassung
nötig ist, bis zur vollständigen Adaption des Lösungsvorschlags. Dies wird entweder manuell
von einer Entscheidungsinstanz vorgenommen, oder das System nimmt automatisiert eine
Transformation des Lösungsvorschlags auf Grundlage der Wissensbasis vor.251 Im Anschluß
erfolgt die Verifikation, durch die die angepaßten Lösungsvorschläge hinsichtlich Qualität
und Korrektheit, Nachvollziehbarkeit sowie Umsetzungsaufwand geprüft und ggf.
nachgebessert werden.252
Letztendlich werden im Rahmen der Phase des Lernens die generierten Erfahrungen
gespeichert. So wird die erfolgreich angepaßte und verifizierte Problemlösung als neuer Fall
in die Wissensbasis aufgenommen. Einen Sonderfall stellen dabei Probleme dar, welche vom
System nicht zufriedenstellend gelöst werden konnten. Diese Probleme sind zusätzlich von
einem Experten zu bearbeiten, bevor sie als neuer Fall in die Wissensbasis eingestellt werden
können.253
Das geschilderte Vorgehen entspricht dem Prozeß bei Managemententscheidungen von
Personen, da diese auch u. a. auf Basis gemachter Erfahrungen getroffen werden. Deshalb
sind auch die Hauptanwendungsgebiete von Case Based Reasoning-Systemen Planung,
Diagnose, Design und Erklärung in den Bereichen Recht und Wirtschaft zu finden.254 Case
Based Reasoning optimiert das prinzipielle Vorgehen bei Entscheidungen auf Basis von
Erfahrungen, indem es systematisch und vollständig die Lösungen aller vergangenen Fälle zur
Lösung neuer Fälle benutzt.255
Die Qualität des Einsatzes von Case Based Reasoning hängt davon ab, wie umfangreich
Erfahrungen in die Grundversion der Wissensbasis einbezogen werden. Daran anknüpfend ist
entscheidend, in welcher Qualität neue Erfahrungen integriert werden können. Zudem ist für
die Güte des Systems das Ausmaß der Fähigkeit von Bedeutung, alte und neue Situationen in
Zusammenhang zu bringen und Probleme aneinander anzupassen.256
251
Vgl. [Schi00], S. 81.
252
Vgl. [Wess96], S. 186f.
253
Vgl. [Alth96/2], S. 9.
254
Vgl. ausführlich zu den Einsatzgebieten des Case Based Reasoning in Unternehmen [Wolt98], S. 373.
255
Vgl. [Kolo93], S. 82ff.
256
Vgl. [Pupp93], S. 115ff..
Kapitel 3.2: Steuerungsalgorithmik
69
Zusammenfassende Bewertung
Die Kritik am Case Based Reasoning setzt daran an, daß Erfahrungen nur fallbasiert
angewendet werden, aber keine weiteren Erkenntnisse aus der Verknüpfung der Erfahrungen
einbezogen werden. Das Verfahren adaptiert lediglich und verbessert sich deshalb nicht, ohne
die Wissensbasis zu vergrößern. Da Fälle, wie bereits erwähnt, in der Regel nicht vollständig
gleich gelagert sind, kann es zu Fehladaptionen kommen, so daß insbesondere Fälle von
tragender Bedeutung einer zusätzlichen Überprüfung unterzogen werden sollten. Positiv
anzumerken ist, daß Case Based Reasoning die Lösung auf einer umfassenden Basis aufbaut
und Zeitvorteile erzielt.257
3.2.5.
Simulationsgestützte Verfahren
Simulationsgestützte Verfahren liefern keine eindeutigen optimalen Ergebnisse auf
analytischem Wege. Sie sind ebenso wie Heuristiken zu den systematischen Suchverfahren zu
zählen, Die Simulation ist dann von praktischer Relevanz, wenn die komplexe Struktur der
Realität nicht mehr durch exakte, analytische Modelle repräsentiert werden kann.258
Bei analytischen Modellen wird die Realität in abstrakten mathematischen Strukturen (z. B.
Formeln) abgebildet. Diese Strukturen werden durch eindeutige Definitionen der Variablen,
Konstanten und deren Beziehungen untereinander beschrieben. Analytisches Vorgehen führt
somit immer zu einem Optimum, falls dies existiert. Im Gegensatz dazu werden in
simulativen Modellen Zusammenhänge abgebildet, die auf Grund ihrer Komplexität nicht
oder nur unzureichend in analytischer Form beschrieben werden können. Unsicherheiten, wie
z. B. zufällige Entwicklungen oder Schwankungen von Variablen, werden einbezogen.
Dadurch ergibt sich als Ergebnis kein konkretes Optimum, sondern ist sich diesem vielmehr
durch vielfaches Durchlaufen des Modells mit unterschiedlichen Ausgangswerten
anzunähern. Vorteilhaft daran ist, daß dadurch bei der Wahl der Prämissen weitgehende
Freiheit besteht.259
Im Rahmen der Simulation ist zwischen deterministischer und indeterminstischstochastischer Simulation zu unterscheiden. Unterscheidungskriterium ist dabei, ob die
257
Vgl. [Kolo93], S. 84.
258
Vgl. [Nies94] S. 628ff.
259
Vgl. [Lieb95], S. 9f.
70
Kapitel 3.2: Steuerungsalgorithmik
Unsicherheit über die Werte einzelner Variablen oder den Verlauf von Ereignissen im
Rahmen der Simulation berücksichtigt wird.260
Bei der deterministischen Simulation ergibt sich der neue Endzustand des modellierten
Systems eindeutig aus dem Ausgangszustand in Verbindung mit den folgenden Aktivitäten,
die durch feste Regeln bestimmt und von Periode zu Periode fortgeschrieben werden. Da es
keine Unsicherheit bezüglich der Werte der einzelnen Variablen oder folgender Ereignisse
gibt, ergibt sich bei gleichem Ausgangszustand des Systems immer derselbe Endzustand.261
Im Gegensatz dazu existieren bei einer indeterminstisch-stochastischen Simulation
Unsicherheiten bezüglich Ereignissen oder der Höhe der Werte einzelner Variablen. In der
Realität ist dieses Phänomen häufig anzutreffen.262 Viele Einflußgrößen unterliegen
Schwankungen, wie z. B. die prognostizierte Kundenzufriedenheit oder Lieferzeiten. Will
man diese Verhältnisse möglichst realistisch abbilden, ist die Unsicherheit im Rahmen des
Modells zu integrieren. Dies kann z. B. durch die Generierung von
Wahrscheinlichkeitswerten aus einer Wahrscheinlichkeitsverteilung erfolgen, welche die
realen Verhältnisse approximativ widerspiegelt.263 Bei stochastischer Simulation können also
trotz gleicher Ausgangssituation und gleichen Regeln unterschiedliche Ergebnisse entstehen.
Da in Fragestellungen des Kundenmanagements aufgrund der Marktaffinität in der Regel
unsichere Einflußgrößen einzubeziehen sind, sind vorwiegend stochastische Simulationen zu
verwenden, um eine problemadäquate Lösung zu erzielen.
Des weiteren ist zwischen kontinuierlicher und diskreter Simulation zu unterscheiden.
Unterscheidungskriterium ist hierbei das mögliche Verhalten hinsichtlich der
Zustandausprägungen einer Variablen.
Bei der kontinuierlichen Simulation verändert sich der Zustand einer Variablen ohne Sprünge:
Die Größen können in einem fließenden Übergang beliebige Werte innerhalb des definierten
Wertebereichs annehmen.264 Diskrete Simulation hingegen arbeitet mit Variablen, deren
mögliche Werte für die Zustandsausprägungen einen diskontinuierlichen Verlauf aufweisen.
Zu diskreten Zeitpunkten finden Zustandssprünge der relevanten Größen statt, die durch
260
Vgl. [Rasc78], S. 72.
261
Vgl. ausführlich zu Beispielen deterministischer Simulation [Lieb95], S. 13f.
262
Vgl. [Lehn95], S. 56.
263
Vgl. [Hert64], S. 95ff.
264
Vgl. [Lieb95], S. 9f. Ein Beispiel für kontinuierliche Veränderungen einer Variablen stellen
Temperaturänderungen dar.
Kapitel 3.2: Steuerungsalgorithmik
71
bestimmte Ereignisse ausgelöst werden. Die Variablen nehmen dann bis zum nächsten
Zustandssprung einen diskreten Wert an.265
Ebenso ist für die Zustandausprägung einer Variablen eine Mischform aus der dargestellten
kontinuierlichen Simulation und der diskreten Simulation denkbar. Das bedeutet, daß
teilweise kontinuierlich zu simulierende Variablen mit diskontinuierlichen Phänomenen und
umgekehrt angereichert sind. In diesem Fall nimmt die Variable jeweils über ein begrenztes
Intervall kontinuierlich Werte an, ehe sie zu einem diskreten Ereignis auf ein anderes
Intervallniveau springt.266
Im Vergleich zu den in 3.2.1. und 3.2.2. beschriebenen deterministischen Verfahren der
Marginalanalyse und mathematischen Programmierung weist die Simulation in Form der
Monte-Carlo-Simulation den Vorteil auf, daß sie indeterministisch-stochastisch vorgeht. Dies
bedeutet, daß im Rahmen der Analyse ökonomischer Modelle die Prozeß- und
Ergebnisqualität erhöht werden kann, wenn für die eingehenden betriebswirtschaftlichen
Größen Risikoanalysen durchgeführt werden.267
Diese dienen zur Beantwortung von Fragestellungen, z. B. bezüglich der Wahrscheinlichkeit,
mit der ein Gewinn von x DM im folgenden Geschäftsjahr bei einem Einsatz ausgewählter
Marketinginstrumente realisiert wird. Das Monte-Carlo-Verfahren ist dabei ein Verfahren, bei
der sich die Wahrscheinlichkeitsverteilung268 der zu analysierenden Zielgröße aus den
Werteverknüfpungen
der
abzuschätzenden
Wahrscheinlichkeitsverteilungen
der
Eingangsvariablen ergibt. Die Wertausprägungen der Eingangsvariablen werden technisch
mit Hilfe von Pseudozufallszahlen erzeugt, welche der angenommenen Verteilungshypothese
gehorchen.269
Die Anwendung ist insbesondere dann sinnvoll, wenn Zahlen, die in eine Zielgröße eingehen,
mit Unsicherheit behaftet sind. Dadurch erhöht sich grundsätzlich die Aussagekraft der
Berechnung, weil durch die resultierende Verteilungsfunktion und Risikoprofil Aussagen mit
einer neuen Qualität bezüglich Sicherheit und Risiko einer Zielgröße möglich. Bei einfachen
Modellstrukturen (z. B. wenn nur wenige Variablen eingehen und diese zudem alle noch
normalverteilt sind) werden sich eventuell derartige Aussagen kaum von Abschätzungen "zu
265
Vgl. [Stah95], S. 420f.
266
Vgl. [Lieb95], S. 13f.
267
Vgl. [Evan95], S. 34f., [Perr88], S. 112ff.
268
Deterministische Werte der Eingangsparameter werden bei der Monte Carlo-Simulation durch
Wahrscheinlichkeitsverteilungen bezüglich dieser Werte ersetzt. Vgl. dazu [Perr88], S. 112f., [Hert64], S. 95ff.
269
Vgl. [Sche90], S. 218f.
72
Kapitel 3.2: Steuerungsalgorithmik
Fuß" unterscheiden. So lohnt sich die Anwendung insbesondere bei komplexen
Modellstrukturen, hochgradig sensitiven Größen und/oder beim Vorliegen von Variablen, die
mit unterschiedlichen Wahrscheinlichkeitsverteilungen in eine Zielgröße eingehen.270
Zusammenfassende Bewertung
Innerhalb der Simulation realer Systeme sind häufig Variablen zu berücksichtigen, deren
Zustandsausprägungen, sich zufällig einer bestimmten Wahrscheinlichkeitsverteilung folgend,
ergeben. Dies trifft auf Fragestellungen des Marketings im allgemeinen und des
Kundenbindungsmanagements im speziellen in vielen Fällen zu, da die meisten
Entwicklungen, z. B. die Verhaltensreaktionen der Konsumenten, von Unsicherheiten geprägt
sind. Deshalb eignen sich insbesondere Risiko- und Sensitivitätsanalysen zur
Entscheidungsunterstützung. Zur Abbildung derartiger Variablen innerhalb eines
Simulationsmodells ist insbesondere die Anwendung der Monte-Carlo-Simulation nützlich.
270
Vgl. [Brau97], S. 1158.
Kapitel 4.1: Arbeiten zu den Elementen
4.
73
Zu leistende Arbeiten
Die zu leistenden Arbeiten sind in Arbeiten zu den zentralen Elementen Kunden und
Maßnahmen sowie den Arbeiten zur Gestaltung der Steuerungsalgorithmik zu unterscheiden.
Dies wird im folgenden dargestellt.
4.1.
Arbeiten zu den Elementen
Die Elemente Kunde und Maßnahme sind mit Hilfe von Attributen steuerungsadäquat zu
spezifizieren. Für die Kunden sind Attribute zu finden, welche eine Affinität zur Wirkung der
Maßnahmen aufweisen. Dazu sind zum einen als Basis die im Marketing bereits existierenden
Segmentierungskriterien
aufzugreifen
und
an
die
Erfordernisse
des
Kundenbindungsmanagements anzupassen. Die in Kapitel 3 identifizierten Schwächen dieser
Kriterien für die Anwendung im Kundenbindungsmanagement sind zudem durch
höherwertigere operationalisierbare und hinsichtlich des Maßnahmeneinsatzes affine Attribute
zu beheben. Zum anderen sind aufgrund der im wesentlichen auf die Segmentidentifizierung
ausgerichteten Kriterien weitere zu erarbeiten, welche die Kundenklassifizierung aus
Kundensicht ermöglichen.
Neben der Beschreibung aus Kundensicht sind die Kunden mit Attributen und entsprechenden
möglichen Ausprägungen zu belegen, welche die Unternehmens- und die Prozeßperspektive
repräsentieren. Die Unternehmensperspektive hat im Rahmen der Klassifizierung die
gegenwärtige und die zukünftige ökonomische Bedeutung der einzelnen Kunden
herauszustellen. Zur Klassifizierung nach der Prozeßperspektive sind eine prozeßorientierte
Beschreibung der Kundenbearbeitung notwendig und für eine differenzierende
Kundenbearbeitung entsprechende aussagekräftige, klassifizierende Kriterien abzuleiten.
Über alle drei genannten Perspektiven sind Klassifizierungen der Kunden vorzunehmen, die
sodann in einen einheitlichen Klassifizierungsansatz münden. Dieser erlaubt es, Kunden nach
einem Klassifizierungsschlüssel zu identifizieren.
Da Maßnahmen generisch praxisgetrieben entstehen, sind diese Maßnahmen so zu
strukturieren, daß unter Verwendung strukturgebender Attribute in Maßnahmenobertypen
vom Unternehmenskontext abhängige Spezialausprägungen einordbar sind. Dazu ist eine
Attributsystematik zu erarbeiten, welche darüber hinaus die für die zu lösende
Steuerungsaufgabe notwendigen Informationen in operationalisierbarer Form liefert. Ebenso
ist ein Vorgehen zu erarbeiten, welches es erlaubt für die Maßnahmen im konkreten Einsatz
eine unternehmenskontextabhänige Wirkungsfunktion herzuleiten. Zudem sind die bei
74
Kapitel 4.2: Arbeiten zur Steuerungsalgorithmik
Marktbearbeitungsprobleme typischerweise auftretenden externen Effekte im Hinblick auf die
Maßnahmenwirkung für das Kundenbindungsmanagement zu konkretisieren.
Die in der Literatur zu findenden Ansätze zur Attributisierung und Klassifizierung bzw.
Strukturierung von Kunden und Maßnahmen werden den in Kapitel 2 aufgestellten
Anforderungen aus den in Kapitel 3 erläuterten Gründen nicht gerecht. Dies liegt darin
begründet, daß sie nicht auf Fragestellungen des Kundenbindungsmanagements fokussieren,
sondern von der Entwicklung aus anderen Marketingrichtungen, wie z. B. der
Kommunikationspolitik entstanden sind. Deshalb ist eine Maßnahmenstrukturierung, eine
Kundenklassifizierung und jeweils eine Attributisierung zu konzipieren, welche die
Gestaltung einer Steuerungsalgorithmik für die Bestimmung der optimalen Budgethöhe und
dessen Verteilung erlaubt.
4.2.
Arbeiten zur Steuerungsalgorithmik
Eine Steuerungsalgorithmik ist neu zu konzipieren, welche es erlaubt (,,) Aussagen zur
erfolgsoptimalen Budgethöhe und -verteilung auf Maßnahmen abzuleiten. Wie im Stand der
Technik dargestellt, existieren Instrumente hinsichtlich zeitlicher Budgetverteilung,
Budgetierungsprozeß etc. Allerdings bedarf es einer Methode, Budgethöhe und
Budgetverteilung auf die Elemente des Kundenbindungsmanagements gemäß ihres Beitrages
für den Unternehmenserfolg über das Vehikel der Kundenzufriedenheit optimal zu
bestimmen. Dafür ist im Rahmen der Methode eine entsprechende Zielfunktion zu
konzipieren, welche die Steuerung für einen wirkungsoptimalen Maßnahmenbudgeteinsatz
ermöglicht.
Dazu sind Wirkungsfunktionen für die einzelnen Maßnahmen im Hinblick auf ihre Wirkung
auf die unterschiedlichen Kundenklassen zu erarbeiten. Die einzelnen Wirkungsfunktionen
sind in der Zielfunktion anzuwenden und teilweise entsprechend zu aggregieren.
Die Steuerungsalgorithmik ist so zu auszugestalten, daß sie das den eingehenden Variablen
innewohnende Risiko berücksichtigt. Dazu ist ein entsprechendes Konzept zu entwickeln,
welches entsprechend anzunehmende Verteilungshypothesen in die Lösungsfindung
integriert. Des weiteren ist in Abhängigkeit der jeweiligen Risikopräferenz des Entscheiders
ein Vorgehen zu entwickeln, das die individuelle, nutzenmaximale Lösung für den
Entscheider auffindet.
Kapitel 5.1: Elemente
5.
75
Konzeption einer simulationsgestützten Methode für Budgetentscheidungen im
Kundenbindungsmanagement
Im Rahmen der Konzeption einer simulationsgestützten Methode für Budgetentscheidungen
im Kundenbindungsmanagement werden die einzelnen Komponenten analog zur
Vorgehensweise im unternehmenspraktischen Einsatz beschrieben. Dazu wird zunächst das
Vorgehen zur Bildung der elementaren Bausteine (Kapitel 5.1.) erläutert, bevor anschließend
die Steuerungsalgorithmik konzipiert wird (Kapitel 5.2.).
5.1.
Elemente
Als Basis für die Konzeption der Steuerungsalgorithmik sind die Elemente Maßnahme und
Kunde zu spezifizieren. Dies erfolgt im Anschluß.
5.1.1.
Maßnahmen
Um eine optimale Wirkung der Maßnahmen zu erzielen, ist – wie im Rahmen von Kapitel 2
dargestellt worden ist - ein differenzierter Einsatz notwendig. Dieser bedingt neben der
Kenntnis der Kundenbedürfnisse insbesondere die Kenntnis der maßnahmenspezifischen
Eigenschaften. Die Maßnahmen sind für den unternehmenspraktischen Einsatz und dort im
Hinblick auf die Gestaltung der Steuerungsalgorithmik mit Hilfe budgetierungsrelevanter
Attribute zu spezifizieren. Die budgetierungsrelevanten Attribute sind in strukturierende
Attribute und Steuerungsattribute zu unterscheiden.
Der methodische Unterschied der beiden Attributtypen besteht darin, daß die Ausprägungen
der strukturierenden Attribute unabhängig vom unternehmenspraktischen Anwendungsfall
sind. Sie konstituieren eine Maßnahme. Hingegen konkretisieren die Ausprägungen der
Steuerungsattribute den situationsspezifischen Einsatz der Maßnahme, so daß nur mögliche
Attributausprägungen angebbar sind.
5.1.1.1.
Strukturierende Attribute
Grundlegend sind die beschriebenen Maßnahmen zu strukturieren, um darauf eine
situationsadäquate Steuerung zu konzipieren. Mit Hilfe der strukturierenden Attribute wird
eine Grundtopologie der Maßnahmen geschaffen.
76
Kapitel 5.1: Elemente
Wie in Kapitel 2.2.1. dargestellt, muß die Struktur die Fragen beantworten, welche
Maßnahmen zu welchem Zweck über welchen Kanal zu welchem Zeitpunkt bzw. in welcher
Phase des Kundenbearbeitungsprozesses durchgeführt werden. Es ist also eine sachliche,
modale und zeitliche Strukturdimension auszufüllen.
Definition 5-1 (Strukturierendes Attribut einer Maßnahme)
Ein strukturierendes Attribut einer Maßnahme spezifiziert diese in einer sachlichen, zeitlichen
und modalen Strukturdimension zur Identifikation budgetierungsrelevanter Informationen.
Aktivität AKj
Kontaktkanal KKj
Prozeßphase
PRj
Abbildung 5-1: Strukturierende Attribute für Maßnahmen
Die drei skizzierten Strukturdimensionen bilden die in obiger Abbildung dargestellten
Attribute ab. Für jede Maßnahme ist zumindest eine Attributausprägung in jeder der drei
Dimensionen zu bestimmen. Dabei sind durchaus Alternativausprägungen denkbar, so daß es
sich bei den Attributen um ein- und mehrwertige Attribute handelt.
Das Attribut “Aktivität“ rekurriert auf die grundlegenden Aktivitäten des Unternehmens im
Rahmen einer Kundenbeziehung. Die Bestimmung der Ausprägungen der Maßnahmen in
diesem Attribut verdeutlicht, zu welchem Zweck im Front-Office-Bereich die Maßnahme
eingesetzt wird. Der Zweck wird durch die Aktivitäten repräsentiert, die als mögliche
Attributausprägungen fungieren.271 Die möglichen Ausprägungen verdeutlicht die folgende
Abbildung. Das Attribut “Aktivität“ bildet somit die aufgezeigte sachliche
Strukturierungsdimension ab.
271
Anzumerken ist, daß die grundlegenden Aktivitäten in ihren Detailtermini unterschiedlich betrachtet werden,
vgl. zu unterschiedlichen Begriffssystematiken Backhaus etc.
Kapitel 5.1: Elemente
•
•
•
•
•
•
•
•
•
77
Kunden informieren
Kunden terminieren
Kunden beraten
Anfragen bearbeiten
Angebote erstellen
Transaktionen abwickeln
Beschwerden bearbeiten
Nutzbarkeit der Leistungen gewährleisten
Transaktionsunabhängige Vorteile gewähren
Abbildung 5-2:
Aktivitäten
im
Kundenbearbeitungsprozeß
Kundenbindungsmanagements
des
Im Gegensatz zu den Attributen “Kontaktkanal“ und “Prozeßphase“ sind bei diesem Attribut
nur einwertige 1:N-Konstellationen zwischen Maßnahme und Attribut denkbar. Nicht zuletzt
aus dem Grunde, daß der Zweck der Maßnahme auf die Erfüllung der formulierten Sachziele
gerichtet ist, wird dieses Attribut im folgenden als erste Strukturierung verwendet.
Über die Bestimmung der Ausprägungen des Kundenkontaktkanals für die einzelnen
Maßnahmen wird die Kommunikationsstruktur des Unternehmens mit seinen Kunden
spezifiziert. Dies ist notwendig, da erst die Festlegung der Kundenkontaktkanäle die
Möglichkeit der Durchführung der Aktivität erlaubt.
Definition 5-2 (Kundenkontaktkanal):
Der Begriff Kundenkontaktkanal steht für die Gesamtheit aller Übertragungsmedien, die im
Rahmen der Durchführung einer Maßnahme zur Kommunikation zwischen Unternehmen und
Kunden eingesetzt werden.
Das Attribut “Kundenkontaktkanal“ deckt somit die modale Strukturierungsdimension ab. Für
die Attributausprägungen sind alternative Konstellationen denkbar, wie z. B.
Informationsservice sowohl über Fax als auch telefonisch möglich, so daß es sich um ein
mehrwertiges Attribut handelt, das M:N Konstellationen erlaubt.
Für die Attributausprägungen des Kundenkontaktkanals sind grob synchrone und asynchrone
Kommunikationsformen zu unterscheiden.272 Für diese können nicht zuletzt mit der
Entwicklung neuer Kommunikationsinstrumente feinere Graduierungen vorgenommen und
272
Vgl. zu synchroner und asynchroner Kommunikation [Stahl95], S. 116ff.
78
Kapitel 5.1: Elemente
damit neue Attributausprägungen identifiziert werden.273 Die folgende Abbildung
systematisiert Kontaktkanäle im Rahmen des Kundenbindungsmanagements in der für die
weiteren Ausführungen notwendigen Detaillierungstiefe. Ergänzend wird die jeweils
mögliche Unterstützung durch CRM-Komponenten dargestellt, welche im wesentlichen die
Effizienz des Kontaktkanals erhöhen.274
Kontaktkanäle
Graduierungen
Unterstützende CRMKomponenten
Telefon
Inbound (vom Kunden
ausgehend), Outbound (vom
Unternehmen ausgehend)
persönlicher Kontakt
differenziert nach ausübendem
Bereich wie Vertrieb,
Kundenservice, technischer
Kundendienst,
Outsourcing-Partner
Call Center inklusive CTI
(Computer Telephony
Integration), ACD (Automatic
Call Distribution), SBR (Skill
Based Routing), IVR
(Interactive Voice Response)
Mobile Sales-Funktionalitäten
Internet-Online-Chat
siehe Telefon
Web-Forum- Management
differenziert nach Personalisierungsgrad (persönlich-individuell, personalisiertes Standardschreiben, allgemeine Ansprache)
Kundenzeitschrift, Broschüre etc.
Passiv oder mit
Interaktionsmöglichkeiten
Kampagnenmanage-ment,
Letter-Shop-Funktionalitäten
siehe Post/Direct Mail/Fax
EMRS (E-Mail-ManagementResponse-System)
Synchrone:
Asynchrone:
Post/Direct Mail/Fax
unpersonalisierte Printmedien
Homepage
E-Mail
Layout-Funktionalitäten
Content-Management
Abbildung 5-3: Kundenkontaktkanäle
273
274
Vgl. [Schr02], S. 95f., [Stei02], S. 324f.
Anzumerken ist, daß kollaborative Komponenten von CRM sich mit der Organisation und Umsetzung dieser
unterschiedlichen Kanäle – in der Praxis auch als Multi Channel-Management bezeichnet - beschäftigen. Dazu
werden vermehrt sogenannte Customer Interaction Center aufgebaut, die als Weiterentwicklung von Call
Centern auf eine effiziente und effektive Abwicklung der Kommunikation im Rahmen des
Kundenbindungsmanagements abzielen. Synonym verwandt werden zusätzlich Begriffe wie Communication
Center, Information Center oder Customer Care Point. Im Rahmen der Realisierung gewinnt das Follow-theSun-Prinzip an Bedeutung, mit dessen Hilfe ein 24 h-Service besonders effizient umgesetzt werden kann. Vgl.
dazu [Zapf01], S. 341ff. sowie die dort angegebene Literatur.
Kapitel 5.1: Elemente
79
Im Rahmen des Maßnahmeneinsatzes ist aufgrund der dargestellten möglichen M:NKonstellationen zu bestimmen, mit welchem Kundenkontaktkanal bzw. –kanälen eine
einzusetzende Maßnahme im Hinblick auf den ökonomischen Erfolg auszustatten ist. Dies ist
über Alternativenvergleiche zu lösen. Dazu sind im Rahmen der hier zu konzipierenden
Alternativenvergleichsrechnung
nicht
nur
die
entstehenden
Kosten
das
275
Entscheidungskriterium. Vielmehr sind diese ins Verhältnis zu einer Leistungsgröße zu
setzen, um den objektiven Vergleich der Effektivität der Kontaktkanalalternativen zu
ermöglichen.276 Dabei sind hinsichtlich einer Maßnahme nicht nur einzelne Kanäle
miteinander zu vergleichen, sondern Alternativenbündel, die ggf. jeweils mehrere Kanäle
beinhalten. Folgende Abbildung liefert ein konkretes Anwendungsbeispiel für die skizzierte
Alternativenvergleichsrechnung.
Rechenbeispiel für einen KfZ-Vertragshändler
Anzusprechende Kundenzahl:
1.500
Direct Mail-Aktion:
Gesamtkosten: 3.000 DM
(Kosten pro Mailling 2,00 DM)
Call-Center-Beauftragung:
Gesamtkosten: 18.000 DM
(Kosten pro Kontakt: 12,00 DM)
Resultierende Beratungsgespräche pro
Kontakt: (durchschnittliche Erfahrungswerte)
0,02 - Mailling, 30 Kunden
Kosten pro zustande gekommenes
Beratungsgespräch:
100 DM - Mailling
0,15 - Call Center, 225 Kunden
80 DM - Call Center !
Abbildung 5-4: Anwendungsfall der Alternativenvergleichsrechnung
275
Deutlich wird dies am Beispiel, daß die Beratung des Kunden sowohl über ein persönliches Gespräch als
auch aber über den Kundenkontaktkanal Direct Mail erfolgen kann. Letztgenannte Alternative verursacht
geringere Kosten pro Kontakt, allerdings ist auch der Output an überzeugten und dann kaufenden Kunden
deutlich geringer. Welcher der beiden Kontaktkanäle für die Erfüllung der ökonomischen Ziele des
Unternehmens besser geeignet ist, ist mit Hilfe der im folgenden entwickelten Alternativenvergleichsrechnung
zu lösen.
276
Wenn unterschiedliche Qualitäten hinsichtlich der nominalen Erfüllung der Leistungsgröße für einzelne
Kanäle anzunehmen sind, so ist dies über entsprechende Äquivalenzziffern zu berücksichtigen.
80
Kapitel 5.1: Elemente
Abbildung 5-4 zeigt, daß die entstehenden Gesamtkosten für die hier betrachtete Aktivität
Kunden_informieren mit dem unmittelbaren Ziel des Anstoßes der Aktivitäten
Kunden_terminieren und Kunden_beraten bei Auswahl der Ausprägung Call Center in der
modalen Strukturierungsdimension deutlich höher sind als bei Auswahl des
Kundenkontaktkanals Direct Mail. Im Hinblick auf die Leistungsgröße Kosten pro
Beratungsgespräch erweist sich jedoch der Kundenkontaktkanal Call Center als vorteilhaft,
sofern als Nebenbedingung davon ausgegangen werden kann, daß die Folgewirkung auf die
ökonomische Zielgrößen, ausgedrückt in der Abschlussquote, über die beiden Kontaktkanäle
gleich ist.277 Deutlich wird, daß aus der modalen Strukturierungsdimension, welche über die
Alternativenvergleichsrechnung gelöst wird, budgetierungsrelevante Implikationen auch
hinsichtlich der Budgethöhe resultieren.278
Das Attribut “Prozeßphase“ hält fest, in welcher Phase des Kundenbearbeitungsprozesses im
Kundenbindungsmanagement eine Maßnahme eingesetzt wird. Die Attribution durch die
Prozeßphase füllt somit die zeitliche Strukturierungsdimension aus. Bei dem Attribut
“Prozeßphase“ handelt es sich um ein mehrwertiges Attribut, so daß in der Regel zwischen
Maßnahme und Prozeßphase M:N-Konstellationen bestehen. So kann sich z. B. die
Maßnahme Beschwerdeservice sowohl auf die Phase “Beratung“ als auch auf die Phase
“After-Sales-Service“ beziehen.
Dabei sind vier aufeinanderfolgende Phasen sowie eine prozeßbegleitende Phase zu
unterscheiden, wie sie in Kapitel 2 definiert worden sind. Die Phasen verdeutlicht folgende
Abbildung:
Information
Beratung
Abwicklung
After-SalesService
Prozeßbegleitung
Abbildung 5-5: Phasen des Kundenbearbeitungsprozesses
277
Einschränkend ist anzumerken, daß ggf. Liquiditätsrestriktionen des Unternehmens die Umsetzung der gemäß
den Ergebnissen der Alternativenvergleichsrechnung vorteilhaften Alternative negieren.
278
Hierbei ist die Aufrechterhaltung der Liquidität des Unternehmens als Nebenbedingung zu berücksichtigen.
Kapitel 5.1: Elemente
81
Zu berücksichtigen ist, daß einige Maßnahmen phasenübergreifend eingesetzt werden, wie z.
B. Kundenzeitschriften, so daß für diese die zusätzliche mögliche Attributausprägung
Prozeßbegleitung einzuführen ist.279 Des weiteren ist anzumerken, daß ggf. auf Basis des
Branchen- und/oder Unternehmenskontextes Phasen aufgrund nicht nennenswerter Bedeutung
wegfallen oder einzelne Hauptphasen weiter zu detaillieren sind. Unter Verwendung der
hergeleiteten strukturierenden Attribute sind die Maßnahmen zu spezifizieren. Dazu ist die zu
unterstützende Aktivität im Kundenbearbeitungsprozeß zu bestimmen, die Zuordnung eines
Kontaktkanals aus dem Bereich des kollaborativen CRM vorzunehmen und der zeitliche
Prozeßphaseneinsatz zu konkretisieren. Mit Hilfe dieses dreistufigen Vorgehens sind konkrete
Maßnahmen für den Einsatz zu bestimmen, auf welche das Budget zu verteilen ist. Diesen
Zusammenhang verdeutlicht die folgende Abbildung, welche exemplarische Ergebnisse für
Maßnahmen liefert:
A k t iv it ä t e n im P r o z e ß d e s K u n d e n b in d u n g s m a n a g e m e n t s
•
K u n d e n in f o rm ie re n
•
K u n d e n te r m in ie re n u n d
b e ra te n
•
K u n d e n k o n t a k tk a n ä le /M e d ie n :
A n fra g e n
b e a r b e ite n / A n g e b o t
e r s te lle n
•
V e r t r ie b s m ita r b e it e r
•
In t e r n e t
•
T r a n s a k t io n a b w ic k e ln
•
T e le f o n / C a ll C e n te r
•
B e s c h w e r d e b e a r b e ite n
•
B r ie f , F a x
•
W a r tu n g /R e p a ra tu r
d u r c h fü h re n
•
E - M a il/ In t e r n e t
•
S o n s tig e
S e r v ic e a k t iv itä te n
Maßnahm en:
In fo rm a t io n
• P e r s o n a li s ie rt e s
M a ilin g
• W e b - A u ft ritt
• V e rs e n d e n
v o n In fo rm a tio n s m a te ria lie n
Abbildung 5-6:
279
280
B e r a tu n g
• B e r a tu n g s g e s p rä c h
• In d iv id u a li s ie r t e
A n g e b o te
• W ebB e r a tu n g s g e n e ra t o r
A b w ic k lu n g
• L ie fe rs e r v ic e
• E -C a s h
• F in a n z ie r u n g s s e r v ic e
• In b e t r ie b nahm e
A f t e r - S a le s S e r v ic e
P ro z e ß b e g e le itu n g
• B e s c h w e rd e C a ll C e n te r
• O n lin e -W e b F o ru m
• U p d a te U p g ra d e S e r v ic e
• K u n d e n z e it s c h r if t
• R e p a ra t u r s e r v ic e
ü b e r P a rt n e r
• C u s to m e r
In te ra c t io n
C e n te r
• K u n d e n c lu b
Ausgestaltung konkreter Maßnahmen (Exemplarisches Ergebnis)280
Eine zusammenfassende Erläuterung der Phasen findet sich im Anhang.
Eine detaillierte Übersicht zu den Attributausprägungen der derzeit marktüblichen Maßnahmen findet sich im
Anhang C. Zur Abbildung im Anhang ist zu bemerken, daß die Gruppe “Sonstige Maßnahmen“ zu ergänzen ist.
82
5.1.1.2.
Kapitel 5.1: Elemente
Steuerungsattribute
Um die Maßnahmen für deren kontextspezifischen Einsatz einheitlich und vergleichbar zu
beschreiben und damit den in Kapitel 4 gestellten Anforderungen an eine umfassende
Methode gerecht zu werden, sind entsprechende Steuerungsattribute herzuleiten und zu
definieren. Die Attribute liefern die Basis für eine einheitliche Spezifizierung der
Maßnahmen. Zudem werden in diesem Kapitel Auswirkungen der Attribute auf die in Kapitel
5.2 zu konzipierende Steuerungsalgorithmik dargestellt.
Um im Zeitverlauf nachzuvollziehen, welcher Kunde welche Maßnahme in Anspruch
genommen hat, sind neben den Steuerungsattributen Identifikationsattribute festzulegen. So
sind für die Maßnahmen Attribute zu erfassen, die eine eindeutige Identifikation der
Maßnahme in Interaktion mit dem Kunden zu erfassen. Dies stellt eine wesentliche
Voraussetzung für die Einbindung der Methode in das Unternehmensdatenmodell dar. Somit
ist entsprechend der Begriff Identifikationsattribut zu definieren:
Definition 5-3 (Identifikationsattribut):
Ein Identifikationsattribut einer Maßnahme ermöglicht es, eine an einem Kunden
durchgeführte Maßnahme des Kundenbindungsmanagements zu identifizieren.
Diese Attribute werden im Identifikationsset der Maßnahme (IDM) zusammengefaßt.
Folgende Attribute sind hierfür kennzeichnend:
IDM-Tupel: {Maßnahmenkennummer, Durchführungsnummer, Bezeichnung, Ausführer,
Durchführungszeitpunkt, Kundennummer}.
Die Attribute Ausführer und Kundennummer ergeben sich aus der Personalnummer des
Bearbeiters sowie der Kundennummer des die Maßnahme in Anspruch nehmenden Kunden.
Damit wird gewährleistet, daß in einer Maßnahmendatenbank festgehalten werden kann,
welcher Kunde welche Maßnahmen erhalten hat.281
Sie ist nicht zuletzt deshalb aufzunehmen, da durchaus völlig neue Maßnahmen denkbar sind. Vgl. dazu
[Wied02], S. 287, [Wild02], S. 10ff., [Sto01], S. 159ff. Auch wenn in Zukunft Unternehmen immer wieder im
Detail innovative Maßnahmen konzipieren werden, so lassen sich diese trotzdem mit Hilfe der strukturierenden
Attribute auf Grundmuster zurückführen. Neue Maßnahmen stellen dann zumeist lediglich Untertypen eines
Maßnahmenobertypen dar. Zur Entwicklung neuer Maßnahmen sind entsprechende Kreativitätstechniken
einzusetzen, die nicht Gegenstand dieser Arbeit sind. Dabei ist zu berücksichtigen, daß die optimale Gestaltung
neuer Maßnahmen vom jeweiligen Unternehmenskontext abhängt.
281
Die durchgängige Stringenz dieser Dokumentation ist eingeschränkt, wenn Maßnahmen ohne
Personalisierung erbracht werden, wie z. B. bei vielen Maßnahmen, welche das Internet als Kundenkontaktkanal
nutzen.
Kapitel 5.1: Elemente
83
Definition 5-4 (Steuerungsattribut):
Ein Steuerungsattribut einer Maßnahme liefert budgetierungsrelevante Informationen für
deren Einsatz im Rahmen des Kundenbindungsmanagements.
Die Definition läßt sich weiter in die Parameter des Austausches zwischen Unternehmen und
Kunden sowie die beabsichtigte Wirkung des Maßnahmeneinsatzes unterteilen. Die
Ausgestaltung des letztgenannten Definitionsbausteines erfolgt in Kapitel 5.1.2.2.2. im
Rahmen der Konstruktion der Wirkungsfunktion.
Für die Attributzuordnung des erstgenannten Definitionsbausteins werden im folgenden
zunächst Analogien zu den Attributen herangezogen, welche die Transaktion eines Produktes
bzw. einer Dienstleistung - hier subsumiert im Begriff Leistung282 - von einem Unternehmen
zu einem Kunden konstituieren. Dazu wird die Definition nach Oehme herangezogen.283
Diese Attribute sind im einzelnen:
-
Leistungserbringer,
Art des Leistungsaustausches,
Leistungsempfänger,
Preis der Leistung,
Häufigkeit der Nachfrage,
Kosten der Leistung.
Der Leistungserbringer - auf das Kundenbindungsmanagement übertragen der
Maßnahmenträger - setzt die Maßnahme ein. Für jede Maßnahme j ist deshalb der
Maßnahmenträger in einem Attribut MTj festzuhalten. Dabei sind für den Kunden
personalisierte, quasi-unpersonalisierte und unpersonalisierte Maßnahmenträger zu
unterscheiden. Personalisierte Maßnahmenträger ist in der Regel der Kundenbetreuer, den der
Kunde auch persönlich kennt. Quasi-unpersonalisiert bedeutet, daß der Maßnahmenträger
zwar eine Person ist, wie z. B. ein Call Center-Agent, die für den Kunden aber letztendlich
anonym ist, da die Wahrscheinlichkeit gering ist, genau mit dieser Person wieder in Kontakt
zu treten. Unpersonalisiert bedeutet, daß Maßnahmen in der Interaktion mit dem Kunden
automatisiert erbracht werden, wie z. B. ein automatisierter Newsletter via Internet.284
282
Der Begriff Leistung ist unterschiedlich belegt. Hier ist unter dem Begriff Leistung die Gesamtheit aller für
einen Kunden nutzbringenden materiellen und immateriellen Komponenten eines Angebots zu verstehen. Der
Nutzen ist dabei das Maß an Bedürfnisbefriedigung, welches der Kunde durch die Inanspruchnahme der
Leistung erfährt. Vgl. dazu [Nies94], S. 1055ff.
283
284
Vgl. [Oehm92], S. 138ff.
Zusätzlich ist für die Umsetzung der aus der Algorithmik resultierenden Optimierung die Kenntnis der
Maßnahmenträger von Bedeutung, um Anpassungen in der Maßnahmenausführung einzuleiten. Das Attribut
besitzt somit zudem eine hohe Bedeutung für die operative Steuerung im Tagesgeschäft des
84
Kapitel 5.1: Elemente
Hinsichtlich der optimalen Zuordnung von Maßnahmenträgern empfiehlt sich folgendes
Regelvorgehen. Ein Anforderungsprofil285 ist zu erstellen, das die für den Einsatz der
Maßnahmen notwendigen Qualifikationen des Maßnahmenträgers zusammenfaßt. Darauf
aufbauend sind diejenigen Personen aus dem grundsätzlich für den Einsatz der betrachteten
Maßnahmen in Frage kommenden Personenkreis zu identifizieren, die dieses
Anforderungsprofil erfüllen.286 Anschließend ist die kostengünstigste Alternative - im
Regelfall die Alternative, welche die geringsten Personalkosten verursacht - auszuwählen.
Somit werden durch das Attribut MT im wesentlichen die anfallenden Personalkosten (PK)
als budgetbestimmende Größe beeinflußt.
Die Art des Leistungsaustausches ist für eine Maßnahme ebenso zu definieren wie bei dem
Austausch eines Produktes oder einer Dienstleistung. Grundsätzlich ist zu unterscheiden, ob
die Maßnahme nach dem Bring- oder Hol-Prinzip den Kunden dargeboten wird.287 So ist ein
Attribut PLAj zu definieren, welches die Form des Prinzips des Leistungsaustausches für jede
Maßnahme j festhält. Diese Unterscheidung ist auch in der Steuerungsalgorithmik zu
berücksichtigen, da je nach angewandtem Prinzip unterschiedliche Kosten anfallen. Somit
beeinflußt die konkrete Ausprägung dieses Attributes die Budgethöhe. Die möglichen
Auswirkungen werden im Rahmen der Analyse des abgeleiteten Attributs BU vertieft.
Da der Leistungsaustausch nicht nur nach dem Bring-Prinzip, sondern auch nach dem HolPrinzip durch die Kunden erfolgt, ergibt sich kanonisch, daß nicht alle Kunden mit dem
gleichen Umfang an Maßnahmen in Kontakt kommen müssen. So sind zwar objektiv die
Kunden im Rahmen des Kundenbindungsmanagements unterschiedlich bearbeitet worden.
Dies stellt jedoch für die weiteren Betrachtungen kein Abbildungsproblem dar, da das
Konstrukt der Kundenzufriedenheit den Gradmesser für den Erfolg des Maßnahmeneinsatzes
darstellt.
Die Leistungsempfänger einer Maßnahme sind Kunden. Für die budgetierungsrelevante
Beschreibung ist der jeweilige Empfängerkreis der Maßnahme zu erfassen. Dieser muß aus
zwei Gründen nicht mit der Gesamtheit der Kunden übereinstimmen. Zum einen leitet sich
dieses aus der im letzten Abschnitt diskutierten Art des Leistungsaustausches ab, zum anderen
kann es für den Unternehmenserfolg sinnvoll sein, bestimmte Maßnahmen nur ausgewählten
Kundenklassen zukommen zu lassen. Dies kann sowohl vornehmlich aus
Kostengesichtspunkten als auch aus Erwägungen zur Optimierung der Kundenzufriedenheit
resultieren.
Kundenbindungsmanagements, um die Verantwortlichen für die Durchführung einer Maßnahme jeweils erheben
zu können.
285
Vgl. zur Ausgestaltung von Anforderungsprofilen [Bert91], S. 102ff.
286
Ggf. wird eine Personallücke identifiziert, die es durch Neueinstellungen oder Weiterbildungsmaßnahmen zu
schließen gilt. Des weiteren ist aus ökonomischen und motivatorischen Gesichtspunkten darauf zu achten, daß
der ausgewählte Maßnahmenträger nicht überqualifiziert für die Umsetzung der Maßnahme ist.
287
Vgl. [Dang00], S. 163ff.
Kapitel 5.1: Elemente
85
Im ersten Fall ergibt sich ein positiver Trade-Off, also eine positive Differenz aus Wirkung
und Kosten der Maßnahme, nur bei einigen Kundenklassen. Um Kosten zu vermeiden, sind in
solchen Fällen, die Maßnahmen nach dem Bring-Prinzip zu gestalten. Im zweiten Fall führt
die
bewirkte
Exklusivstellung
bestimmter
Kundenklassen
bei
diesen
zu
überdurchschnittlichen Steigerungen der Kundenzufriedenheit und damit auch der
Kundenbindung, da sich die Individualität der Maßnahmen erhöht.
Für jede Maßnahme Mj ist somit deren Empfängerkreis im Attribut Ej zu bestimmen. Es
handelt sich um ein mehrwertiges Attribut, dessen Ausprägungen eine, mehrere oder alle k
Kundenklassen Ki beinhalten kann. Zudem ist die jeweilige Ausprägung des Attributes in der
Steuerungsalgorithmik zu berücksichtigen, da die Ausprägung des Attributes Empfängerkreis
die Budgethöhe und die Budgetverteilung beeinflußt. Die verschiedenen Konstellationen sind
insbesondere bei der Wirkung des Budgets zu berücksichtigen, wie im folgenden dargestellt
wird.
Analog zu den Preisen von Produkten und Dienstleistungen können auch für Maßnahmen
Preise erhoben werden. Nicht zwangsläufig alle Maßnahmen werden kostenlos erbracht.
Somit wäre für jede Maßnahme j des Kundenbindungsmanagements als Attribut deren Preis pj
für j = 1, ..., m Maßnahmen, differenziert nach Kundenklassen in der Form pij, festzuhalten.
Um den Fokus der Methode nicht zu verändern und in den Teilbereich der Preispolitik zu
gelangen, sind die Kosten und der Preis einer Maßnahme als saldiertes Aggregat anzusehen.
Der Preis einer Maßnahme ist somit unter Anwendung der ceteris paribus-Klausel288 konstant
gesetzt.
Ebenso ist festzuhalten, wie häufig eine Maßnahme von einer Kundenklasse nachgefragt
wird. Dabei ist für die Einbindung in das Unternehmensdatenmodell die absolute Häufigkeit
der Durchführung einer Maßnahme, ausgedrückt in h°j interessant.
Für die Budgetverteilung ist es außerdem von Bedeutung, wie hoch die reine Anzahl an
Kunden unter Vernachlässigung mehrfacher Inanspruchnahme ist, welche die Maßnahme
überhaupt in Anspruch genommen haben. Denn für die Kunden, welche die Maßnahme in der
betrachteten Periode nicht in Anspruch nehmen, ist die Maßnahme periodenirrelevant.
Periodenirrelevanz bedeutet, daß die Maßnahme von einem Kunden in der
Betrachtungsperiode nicht nachgefragt worden ist, die Maßnahme aber für den Kunden von
Bedeutung ist. Die Kundenzufriedenheit verharrt unter Vernachlässigung von
Multiplikatoreffekten auf dem Ausgangsniveau.
288
Vgl. zur ceteris paribus-Klausel [Woll90], S. 16.
86
Kapitel 5.1: Elemente
Die Maßnahme kann also für den atomaren Kunden durchaus von Bedeutung sein. Diese
Konstellation wird insbesondere bei Maßnahmen deutlich, die durch ein Ereignis ausgelöst
werden, wie z. B. die Beschwerdebearbeitung. In der Methode wird die Anzahl der Kunden,
die eine Maßnahme erhalten haben, durch das Attribut hj abgebildet. Im Vorgriff auf die in
5.2. vorgenommene Klassifizierung ist diese Anzahl nach Kundenklassen zu differenzieren,
so daß hj um den Index i zu hij zu erweitern ist. Für die Vergleichbarkeit zwischen
Kundenklassen und die Gestaltung der Steuerungsalgorithmik ist hij ins Verhältnis zur
jeweiligen Größe der k Kundenklassen in Form der Anzahl ni an Kunden einer Kundenklasse
zu setzen, wobei gilt:
k
∑n
i =1
sich ergibt aus rhij =
i
= n . Daraus leitet sich das prozentual skalierte Attribut rhij ab, das
hij
ni
Sowohl h°j als auch hj sind prognostische Größen. Diese sind für Maßnahmen, die nach dem
Bring-Prinzip erbracht werden, fest einplanbar. Für nach dem Hol-Prinzip erbrachte
Maßnahmen sind h°j und hjg nur unter Unsicherheit planbar.289 Planungsgrundlage sind die
Werte der Vorperiode h°t-1 und ht-1 sowie die entsprechenden künftigen Erwartungen, die über
Korrekturfaktoren zu berücksichtigen sind.
Zudem sind als Basis für Optimierungen im Kundenbindungsmanagement die im
Unternehmen durch Angebot und Einsatz der Maßnahme verursachten Kosten festzuhalten.290
Anzumerken ist, daß aufgrund der geschilderten Aggregatbildung etwaige Einnahmen, z. B.
aus Reparaturleistungen, in Abzug zu bringen sind. Wenn Leistungsverbesserungen bei den
Maßnahmen zu höheren Kosten führen, wovon auszugehen ist, wenn Effizienzspielräume
vollständig ausgereizt sind, ergibt sich eine positive Korrelation zwischen der
Kundenzufriedenheit und den Kosten für die Maßnahmen. Dieser Zusammenhang sowie die
Erfassung der Kosten der Maßnahmen ist von Relevanz, um im Rahmen der
Steuerungsalgorithmik eine Optimierung zwischen diesen Kosten und der erzielten Wirkung
bei den Kunden zu gestalten. Dazu wird das Attribut KO eingeführt, welches die Summe der
anfallenden Kosten für die eingesetzten Maßnahmen im Kundenbindungsmanagement
289
Dabei ist bei Maßnahmen, wie z. B. die Anzahl an durchzuführenden Beratungsgesprächen, die
Zeitstabilitätshypothese anzunehmen, so daß ohne exogene Eingriffe h°j und hj nicht signifikant schwanken und
Erfahrungswerte fortgeschrieben werden können. Exogene Veränderungen sind beispielsweise die Werbung für
eine Maßnahme zur Bekanntmachung oder Neueinführung einer Maßnahme j, wie z. B. Reparaturservice. Dies
ist über Zielkorrekturfaktoren im Rahmen der Planung des Budgetmengengerüstes zu berücksichtigen. Da diese
Fragestellungen nicht Kern dieser Arbeit sind und in das Gebiet der Werbung fallen, wird für hj und h°j im
folgenden die bereits erfolgte, implizierte Berücksichtigung derartiger Korrekturfaktoren konstatiert.
290
Wesentlich sind hier die entscheidungsrelevanten Kosten. Entscheidungsrelevant bedeutet hier, daß nur die
durch die Maßnahme direkt verursachten Kosten einbezogen werden. Damit sind maßnahmenunabhängige
Fixkosten, wie z. B. auch Gemeinkosten aus Umlagen, deren Höhe ursächlich nicht durch Variationen im
Maßnahmeneinsatz beeinflußt wird, vernachlässigbar.
Kapitel 5.1: Elemente
87
darstellt. Das Attribut KOj detailliert KO insofern, das es die im Unternehmen verursachten
Kosten der Maßnahme j für j = 1, ..., m Maßnahmen festhält. Es gilt somit:
m
KO =
∑ KO
j
j =1
In planerischer Anwendung sind diese ermittelten Ist-Kosten in eine Plangröße zu überführen.
Für die Einbindung der Methode in das Unternehmensdatenmodell ist zwischen Plankosten
KOplan respektive KOjplan und Istkosten KOist respektive KOjist zu unterscheiden.291
Die Kosten einer Maßnahme sind in Vorhalte- und die tatsächlichen Einsatzkosten
aufzuspalten. Beide Kostenarten enthalten sowohl fixe als auch variable Bestandteile. Die
Erfassung der Ist-Kosten bzw. des geplanten Budgets einer Maßnahme ist für die Gestaltung
der Steuerungsalgorithmik insofern relevant, da sie in Summe durch den Erfolg der
monetären Maßnahmen überkompensiert werden müssen.
Die Kosten sind somit nach ihrem Sachzweck und ihrer Mengenvariabilität zu
unterscheiden.292 Nach dem Sachzweck ergeben sich die Kosten aus den Personalkosten für
den Zeiteinsatz zur Durchführung der Maßnahme sowie den aus dem Maßnahmeneinsatz
resultierenden Sachkosten.293 Die Ausgestaltung des Kundenkontaktkanals einer Maßnahme
beeinflußt sowohl Personal- als auch Sachkosten.294 Für die Kostenermittlung nach dem
Sachzweck sind Verfahren der Kostenartenrechnung einsetzbar. 295 Unter Berücksichtigung
konstanter Faktorpreise und ressourceneffizienter Faktorallokation führt eine Erhöhung einer
dieser Kotenbestandteile zu einer höheren Kundenzufriedenheit, wenn daraus
nutzenbringende Leistungsverbesserungen für den Kunden resultieren. Im Rahmen der
Analyse der Mengenvariabilität der Kosten ist zu unterscheiden, ob die identifizierten
Personal- und Sachkosten jeweils von der Häufigkeit hj abhängig oder die entstehenden
Kosten vollständig fix sind, also sich unabhängig von der Nutzungshäufigkeit darstellen.296
291
Auch wenn es sich nur um eine Randthematik in dieser Arbeit handelt, sei erwähnt, daß auf Basis von
Vergleichen zwischen KOjplan, KOjist und BUj die Entwicklung eines sowohl eines periodischen als auch eines
unterperiodischen Maßnahmencontrollings möglich ist.
292
Vgl. zur Unterscheidung von Kriterien zur Aufspaltung und Zusammenfassung von Kostengrößen [Haber97],
S. 88ff.
293
Die Berücksichtigung von Kapitalkosten ist vernachlässigbar, wenn keine erheblichen Abschreibungen oder
Zinsen aus ggf. für den Einsatz der Maßnahme notwendigen Investitionen resultieren.
294
Ergänzend ist anzumerken, daß bei entsprechend notwendigen Investitionen in Kontaktkanäle, wie z. B. Call
Center oder Internet, Kapitalkosten aus Abschreibungen und Zinsen zu berücksichtigen sind.
295
Vgl. dazu ausführlich sowie zu etwaigen Ermittlungsproblemen [Humm86], S. 102ff., [Däum91], S. 128f.,
[Koch92], S. 28ff., [Haber97], S. 46ff., [Frei97], S. 34ff., [Coene97], S. 64ff.
296
Dies ist z. B. bei Internet-Serviceleistungen ohne weitere Interaktion seitens des Kunden der Fall.
88
Kapitel 5.1: Elemente
KOj setzt sich also aus variablen Kosten und fixen Kosten zusammen, so daß entsprechend
die Variablen variabler Kostensatz der Maßnahme j (kojvar), Summe der variablen Kosten der
Maßnahme (KOjvar) und (KOjfix) einzuführen sind.297 Damit gilt:
m
m
m
j =1
j =1
j =1
KO = ∑ KO j = ∑ ( KO j var + KO jfix ) = ∑ (ko j var ⋅ h j + KO jfix )
KOjplan stellt die Haupteinflußgröße dar, die das für eine Maßnahme j für j = 1, ..., mMaßnahmen zum Ausdruck kommt zur Verfügung stehende Budget BUj determiniert, so daß
unter Vernachlässigung situationsspezifischer Auf- und Abschläge bzw. unter
Berücksichtigung einer effizienten Faktorallokation KOjplan=BUj gilt. Da im folgenden die
Budgetgrößen optimiert werden, wird aus Übersichtlichkeitsgründen KOplan = KO gesetzt.
Dies gilt ebenso für die vererbten Variablen. Eine Unterscheidung zwischen Ist-Kostengrößen
und Budgetgrößen ist für ein Budgetcontrolling erforderlich, das auf Vergleichen zwischen
KOist und BU bzw. - durch die Vereinfachung zur Übersichtlichkeit bedingt - KO basiert. Für
die Budgetgrößen gelten die im Rahmen der Diskussion von KO aufgestellten Beziehungen
und somit auch:
m
BU =
∑ BU
j
j =1
Im Hinblick auf das Ziel der Verteilung des Budgets auf die Maßnahmen sind verschiedene
Verteilungsformen auf die Kundenklassen zu unterscheiden. Diese werden durch die
mögliche Variabilität der Nachfrage (h), die Art des Leistungsaustausches (PLA) sowie die
Möglichkeit der Eingrenzung des Budgets auf Empfängergruppen (E) limitiert. Auf dieser
Basis werden Verteilungsformen herausgearbeitet, die wiederum in Zusammenhang mit den
vorgestellten Maßnahmen in Verbindung gebracht werden. Zu berücksichtigen ist dabei, daß
die BU den wesentlichen Indikator für die Qualität der Durchführung der Maßnahmen
darstellt. Dies erfolgt unter der Prämisse einer ressourcenoptimalen internen
Qualitätssicherung, wie im Rahmen der Anforderungen an die Methode herausgearbeitet
worden ist.298
297
Für eine Verfeinerung des Kostencontrollings können zusätzlich die Variablen KOjvarist und KOjvarplan sowie
die Variablen KOjfixist und KOjfixplan eingeführt werden.
298
Diese Prämisse kann aufrecht erhalten werden, da im Gegensatz zu Werbemaßnahmen bei den Maßnahmen
Qualitätsverbesserungspotentiale deutlich sichtbarer und über Kennzahlen abprüfbar sind. Zur Art des
Leistungsaustausches ist anzumerken, daß trotz ressourcenoptimaler Qualitätsallokation die Ist-Qualität der
Maßnahme und damit auch die Kundenzufriedenheit eingeschränkt sein kann. Dies ist insbesondere für die
dynamische Einbindung der Methode in die Unternehmensorganisation von Bedeutung, wenn Hypothesen zu
testen sind, ob z. B. Wirkungsfunktionsverläufe beibehalten werden sollen.
Kapitel 5.1: Elemente
89
Die Art des Leistungsprinzips beeinflußt die Möglichkeit der Exklusivstellung von
Maßnahmen. Bei Maßnahmen nach dem Hol-Prinzip ist es nur eingeschränkt möglich, diese
einigen Kundenklassen nicht anzubieten. Dies ist nur möglich, wenn für Maßnahmen „aufAbruf“-Möglichkeiten eingeräumt werden, die jedoch eine vorherige Anwendung des BringPrinzips implizieren. Für die Maßnahmen ergeben sich somit verschiedene Verteilungsformen
auf die Kundenklassen.299 Somit lassen sich drei grundlegende Budgettypen in Abhängigkeit
von PLAj unterscheiden:
Typ 1 (BUj*): “Kundenklassenvariables Budget“
Bei der Durchführung der Maßnahme fallen lediglich variable Kosten an. Das Budget für den
Einsatz der Maßnahmen errechnet sich somit aus der Summe der entsprechenden Budgets für
die einzelnen Kundenklassen.300 Die Budgetverteilung kann nach Kundenklassen differenziert
werden, so daß unterschiedliche Bearbeitungsintensitäten und Exklusivstellungen einzelner
Kundenklassen modellierbar sind. Es gilt:
k
BU j* =
∑ BU
ij *
i =1
Typ 2 (BUj**): “Vorhaltebudget“
Für die Umsetzung der Maßnahme fallen lediglich fixe Vorhaltekosten an. Dies sind
beispielsweise Maßnahmen, die Kunden auf Abruf zur Verfügung stehen, ohne daß
nennenswerte variable Kosten entstehen.301 Auf die Kundenklassen wirkt das gleiche Budget,
eine Differenzierung nach Kundenklassen ist in der Grundform somit nicht möglich. Das
Maßnahmenbudget ergibt sich somit nicht aus der Summation der Einzelbudgets für die
Kundenklassen. Somit gilt:
k
BU j** ≠
∑ BU
ij **
i =1
Daraus ergibt sich:
BU j** = BU ij**
299
Die Überlegungen zur Budgetverteilung gelten unabhängig von der konkreten Klassenbildung, die in Kapitel
5.1.2. erläutert wird.
300
301
Ein Beispiel ist ein allen Kunden gewährter Wartungsservice.
Beispiele sind auf
Gebrauchsanleitungen.
die
Homepage
zum
Download
eingestellte
Produktinformationen
oder
90
Kapitel 5.1: Elemente
Typ 3 (BUj***): “Mischbudget“
Das Budget setzt sich sowohl aus Vorhalteanteilen als auch aus variablen Anteilen
zusammen. Deshalb ist zwischen fixen und variablen Budgetanteilen zu unterscheiden, die
über die Variablen BUj***fix und BUj***var zum Ausdruck kommen. Dies sind Maßnahmen, die
in ihrer Grundform allen Kunden angeboten werden, aber sich in ihrem Leistungsumfang,
ausgedrückt in der jeweiligen Budgethöhe, unterscheiden.302 Eine Differenzierung nach
Kundenklassen ist somit möglich. Es gilt:
k
BU j*** = BU ij*** fix +
∑ BU
ij ***var
i =1
Für jede Maßnahme j ist der jeweilige Budgettyp j*, j** oder j*** zu bestimmen. Ein
Maßnahmenbudget ist entweder als kundenklassenvariables Budget, als Vorhaltebudget oder
als Mischbudget zu bestimmen, es gilt eine 1:1-Beziehung. Obige Gleichung für das
Gesamtbudget läßt sich somit weiter differenzieren:
m
BU =
j
j =1
m
m
∑ BU = ∑ BU
j*=1
k
∑∑
j*=1 i =1
m
j*
+
∑ BU
∑
+
J **=1
m
koij*var * hij* +
m
j **
∑ BU
m
j ***
j ***=1
m
KOij** fix +
j **=1
=
∑
j ***=1
ij*
j *=1 i =1
m
KOij*** fix +
k
∑∑ BU
m
+
∑ BU
ij**
j **=1
m
+
∑ BU
ij*** fix
j ***=1
m
+
k
∑ ∑ BU
ij ***var
=
j ***=1 i =1
k
∑ ∑ko
ij***var * hij ***
j***=1 i =1
Die Differenzierung nach Kundenklassen bei Typ 1 und Typ 3 erfolgt über den gewährten
Leistungsumfang im Rahmen der Maßnahme, der über den Wert für koij*var bzw. koij***var als
veränderliche Reaktionsvariablen zum Ausdruck kommt, sowie über die Ausprägung des
Attributes Empfängerkreis der Maßnahme Ej. In der folgenden Abbildung wird eine mögliche
Budgetverteilung und die resultierende Budgethöhe für ein Unternehmen exemplarisch
dargestellt. Damit sich Unterschiede herauskristallisieren, wird von gleicher Anzahl Kunden
ni pro Kundenklasse k und gleicher Anzahl erhaltener Maßnahmen h die verschiedenen
Formen dargestellt, exemplarisch anhand von vier Kundenklassen.
302
Ein Beispiel ist der via Call Center gewährte Beratungsumfang.
Kapitel 5.1: Elemente
Maßnahme j
Beratung via Call
Center
91
Budgettyp
Typ 3
persönliches
Typ 1
Beratungsgespräch
ProduktinfomaTyp 2
tionen via Internet
Wartungsservice
Typ 1
über OutsourcingPartner
Budget in DM für die Kundenklasse k
Empfängerkreis
k=1
alle k Kundenklassen
mit größerem
Umfang für k = 1
alle k Kundenklassen
alle k Kundenklassen
Kundenklassen k =1
&k=3
Budget
BUj
k=2
k=3
k=4
60.000 +
20.000 =
80.000
60.000
60.000
60.000
80.000
40.000
40.000
40.000
40.000
160.000
40.000
40.000
40.000
40.000
40.000
60.000
40.000
60.000
40.000
Gesamtbudget BU
200.000
480.000
Abbildung 5-7: Exemplarische Budgetverteilung
Aus den erarbeiteten budgetierungsrelevanten Attribute, die neben dem Identifikationsset
IDM aus dem Tupel an strukturierenden Attributen {Akj, KKj, PRj} und dem Tupel an
Steuerungsattributen {MTj, PLAj, Ej, KOj bzw. KOij und BUj bzw. BUij} bestehen, ist das
Attribut der Wirkungsweise WIij der Maßnahmen bei den einzelnen Kundenklassen
abzuleiten.303 Dieses Attribut stellt somit ein abgeleitetes Attribut dar. Aufgrund der
Komplexität und hohen Bedeutung dieses Attributes für die zu gestaltende
Steuerungsalgorithmik erfolgt die Herleitung im folgenden eigenen Kapitel.
5.1.1.3.
Konstruktion der Wirkungsfunktion
Wie in Kapitel 4 bereits dargestellt, ist eine Beschreibung der Wirkung der Maßnahmen in
eine Form zu bringen, die eine Basis für die Gestaltung der Steuerungsalgorithmik liefert. Die
Wirkungsweise ist für die Maßnahmenklassifizierung nach Wirkungstyp in einem
entsprechenden Attribut WIj zusammenzufassen. Für die entsprechende Bestimmung wird im
folgenden ein Referenzvorgehen erarbeitet.
Beschreibt man in einem ersten abstrakten Schritt das Engagement des Unternehmens in einer
Maßnahme j des Kundenbindungsmanagements mit dem Aktivitätsniveau Aj und die Wirkung
bei der Kundenklasse i mit Wj, ergibt sich zunächst für jede Wirkungsfunktion einer
303
In der praktischen Umsetzung ist es sinnvoll, darüber hinaus gehende Informationen abzulegen, wie z. B. eine
verbale Beschreibung, Erfahrungen, Besonderheiten etc. oder die Funktionsvorschrift der Wirkungskurve, die im
folgenden Kapitel thematisiert wird. Die Notwendigkeit an zusätzlichen Informationen ist dabei abhängig vom
Unternehmenskontext. Aus der Perspektive der Einbindung in CRM-Software sei vorweggenommen, daß analog
zur Kundendatenbank eine Maßnahmendatenbank zu gestalten ist, welche die Ausprägungen der die
Maßnahmen strukturierenden und identifizierenden Attribute sowie der Steuerungsattribute festhält..
92
Kapitel 5.1: Elemente
Maßnahme folgende grundsätzliche, formale Funktionsvorschrift, ohne auf konkrete
operationalisierbare Größen für das Aktivitätsniveau und die Wirkung einzugehen.304
F (Aj) = Wj
Ebenso wie die Abstraktion auf Aktivitätsniveau und Wirkung der Maßnahme werden die
weiteren Erkenntnisse bezüglich der grundsätzlichen Wirkung von Maßnahmen auf Kunden
zunächst
auf
dieser
formalen
Ebene
erörtert,
um
Abbildungsund
Operationalisierungsprobleme voneinander zu trennen. Die Lösung der Abbildungsprobleme
fokussiert auf ein möglichst homomorphes Abbild des eingegrenzten Realitätsausschnittes,
das die Basis für die Sinnhaftigkeit der darauf aufbauenden Steuerungsalgorithmik ist.
Hingegen ist die Lösung der Operationalisierungsprobleme im wesentlichen eine Frage der
Datenbereitstellbarkeit für die Steuerungsalgorithmik, so daß die Lösung dieser Probleme im
entsprechenden Unterkapitel des Kapitels 5.2. erfolgt.
Die Funktionsvorschriften der Maßnahmen sind im nächsten Schritt mit den identifizierten
Kundenklassen in Verbindung zu bringen, da eine Maßnahme bei unterschiedlichen
Kundenklassen auch eine unterschiedliche Wirkung verursachen kann. So ergibt sich für die
formalen Funktionsvorschriften der Maßnahmen folgende erste Detaillierung, welche die
Wirkung der Maßnahme j bei der Kundengruppe i darstellt.
F (Aj) = Wij
Zudem ist zu berücksichtigen, daß einige Maßnahmen bewußt nur einem ausgewählten
Empfängerkreis Ej angeboten werden, so daß auch das Aktivitätsniveau in einer Maßnahme
nach Kundenklassen zu differenzieren ist. Dies bringt die folgende Gleichung zum Ausdruck.
F (Aj, Ej) = Wij
Vereinfacht heißt dies:
F (Aij) = Wij
Die weiteren Maßnahmenattribute, bei denen eine Implikation für die Steuerungsalgorithmik
und die Wirkungsweise der Maßnahmen herausgearbeitet worden ist, weisen einen engen
Bezug zum Aktivitätsniveau des Unternehmens auf. Das Aktivitätsniveau des Unternehmens
in einer Maßnahme hängt generell von einer Qualitäts- und einer Mengenkomponente ab. Das
304
Der Vollständigkeit halber sei erwähnt, daß als Annahme davon auszugehen ist, daß Aktivitätsniveau und
Wirkung positiv miteinander korreliert sind.
Kapitel 5.1: Elemente
93
Ausmaß der Qualitätskomponente kennzeichnet, inwieweit das Unternehmen jeweils in der
Lage ist, den an eine optimale Durchführung der Maßnahme geknüpften, operativen
Anforderungen gerecht zu werden. Die Mengenkomponente bildet ab, mit welcher Intensität
eine Maßnahme, beispielsweise ausgedrückt durch Häufigkeit der Durchführung oder den
Zeiteinsatz, betrieben wird. Die Attribute pij, PLAj und MTj haben Einfluß auf die
Qualitätskomponente des Aktivitätsniveaus.
Sowohl die Mengen- als auch die Qualitätskomponente des Aktivitätsniveaus in einer
Maßnahme hängen unter Berücksichtigung der dargestellten Annahmen vom jeweiligen
finanziellen Engagement ab, das sich in den Attributen KOj bzw. BUj ausdrückt. Da die
Wirkungsfunktion die Steuerungsalgorithmik unterstützen soll, wird im folgenden das
Attribut BUj weiter verwendet, da es sich um ein ex-ante-Steuerungsattribut handelt, während
KOj die angefallenen Ist-Kosten ex post dokumentiert. Diese Darstellung schließt ein, daß das
Budget jeweils effizient alloziiert wird.305
Das Attribut BUj entspricht jeweils dem geplanten finanziellen Engagement des
Unternehmens in Form des für eine Maßnahme zur Verfügung stehenden Budgets Bj. Auch
beeinflussen PLAj und MTj die Ausgestaltung des Attributes BUj, so daß BUj als ein
stellvertretendes Attribut für das Aktivitätsniveau fungiert.
Letztendlich gilt somit für das Aktivitätsniveau in einer Maßnahme der Zusammenhang
F(BUj) = Aj. Unterscheidet man BUj nach Kundenklassen in BUij, also dem für eine
Maßnahme j bei der Kundenklasse i zur Verfügung stehenden Budget, ergibt sich der
Zusammenhang zwischen BUij und Wij, umgesetzt in folgender formalen Funktionsvorschrift:
F (Aij) = F(F(BUij) = Wij
Da bei der Beziehung zwischen Aij und BUij nichts gegen die Annahme einer
Ordnungsrelation spricht, kann vereinfacht geschrieben werden:
F(BUij) = Wij
Die Wirkung Wij läßt sich als Erfolgsbeitrag über die Kundenzufriedenheit zij abbilden. Somit
kann geschrieben werden:
F(BUij) = zij
305
Bei Abweichungen sind somit im Sinne eines Budgetcontrollings sachliche Überlegungen anzustellen, ob der
Funktionsverlaufstyp anzupassen ist oder ob es sich eine vorübergehende Ressourcenfehlallokation handelt,
welche intraorganisational anzupassen ist.
94
Kapitel 5.1: Elemente
Festzuhalten ist somit, daß BUij die Aktions- und zij die Reaktionsvariable darstellt. Nach
Einarbeitung der Maßnahmenattribute in die Funktionsvorschrift sind deren mögliche
Verlaufstypen zu spezifizieren. Bevor auf die einzelnen Funktionsverläufe eingegangen wird,
sind noch einige grundsätzliche Aussagen zu treffen.
Zur konkreten Bestimmung und Initialisierung des Funktionsverlaufes einer Maßnahme im
konkreten Anwendungsfall können zwei verschiedene Techniken Anwendung finden. Dieser
Funktionsverlauf ist jeweils eine interpolierte Funktion, welche die unterschiedlichen
Wirkungspunkte der Maßnahmen bei den Kunden einer Kundenklasse bestmöglich verdichtet.
Zum einen kann der Funktionsverlauf jeweils über Mehrpunktschätzungen konstruiert
werden. Zum anderen kann dies in Anlehnung an Zufriedenheits- und
Unzufriedenheitsstiftungskoeffizienten
erfolgen,
die
ihren
Ursprung
in
der
306
Produktentwicklung haben. Als Entscheidungsregel für die Auswahl der einzusetzenden
Techniken
läßt
sich
formulieren,
daß
Zufriedenheitsund
Unzufriedenheitsstiftungskoeffizienten einzusetzen sind, sofern Ergebnisse einer KanoBefragung vorliegen.307
Mehrpunktschätzungen bedienen sich der Technik, daß die Funktionsvorschrift einer
Funktion n-ten Grades mit Hilfe von n+1 zugehörigen Punkten, z. B. mit Hilfe der
Lagrangeschen Interpolationsformel oder dem Newtonschen Interpolationspolynom, ermittelt
werden kann.308 Die notwendigen Punkte resultieren aus den Ergebnissen einer
Kundenbefragung oder fußen alternativ auf Experteneinschätzungen.
306
Vgl.
ausführlich
zur
koeffizienten [Bail96], S. 123f.
Ermittlung
von
Zufriedenheits-
und
Unzufriedenheitsstiftungs-
307
Die Koeffizienten werden in die bipolare Skala des anreiztheoretischen Konzeption der Kundenzufriedenheit
transformiert.
308
Vgl. ausführlich zur Lagrangeschen Interpolationsformel und zum Newtonschen Interpolationspolynom
[Bron91], S. 744f., [Bart82], S. 93ff.
Kapitel 5.1: Elemente
95
Die Koeffizienten, die unter Anwendung der Kano-Befragungstechnik309 erhoben werden,
geben an, inwieweit eine Ausgestaltung der Maßnahme über den Indifferenzpunkt hinaus zur
Zufriedenheit der Kunden beiträgt bzw. ein Abfallen die Zufriedenheit schmälert, also zu
Unzufriedenheit führt. Für die Werte der Zufriedenheitsstiftungskoeffizienten CSj und
Unzufriedendenheits-stiftungskoeffizienten UCSj gilt:
CSj Є [0;1] ٨ UCSj Є [-1; 0]
Aus der absoluten Differenz von CSj und UCSj können Rückschlüsse auf den
Funktionsverlauf gezogen werden, wie im folgenden noch dargestellt wird. Für die absolute
Differenz ADIj der beiden Koeffizienten CSj und UCSj einer Maßnahme j ist somit
festzuhalten:
0 < ADIj = | CSj – UCSj | < 1
Zu unterscheiden sind in einem ersten Schritt die für einen Kunden bzw. eine Kundenklasse
relevanten und die irrelevanten Maßnahmen. Die irrelevanten Maßnahmen haben keine
Bedeutung für das Ausmaß der Kundenzufriedenheit.310 Aus den Zufriedenheitsstiftungs- und
Unzufriedenheitsstiftungskoeffizienten ergibt sich als Wertepaar (CSj = 0/UCSj = 0). Der
Funktionsverlauf für irrelevante Maßnahmen ist somit:
F(BUij) = zij = 0
Um Verschwendung zu vermeiden, sollten Unternehmen in diesem Fall BUij = 0 halten.
Für die relevanten Maßnahmen, deren Ausgestaltung für das Ausmaß der
Kundenzufriedenheit bedeutend ist, ist sowohl ein linearer als auch ein degressiver als auch
ein progressiver Verlauf der Wirkungsfunktion denkbar. In die entsprechende Interpretation
309
Vgl. dazu ausführlich [Saue00], S. 34 ff. Bei der Kano-Befragungstechnik werden Maßnahmen hinsichtlich
ihrer Entsprechung in bezug auf Basis-, Leistungs-, Begeisterungs- und Irrelevanzanforderungen der Kunden
anhand eines Fragebogens klassifiziert. Für jede Maßnahme existieren zwei Fragekategorien mit jeweils fünf
Antwortmöglichkeiten. Eine Kategorie bezieht sich dabei auf die Reaktion des Kunden, wenn die Maßnahme
vorhanden ist (funktionale Frageform). Die andere Kategorie bezieht sich auf die Reaktion des Kunden, wenn
die Maßnahme nicht vorhanden (dysfunktionale Frageform) ist. Vgl. [Kano84], S. 40, [Berg93], S. 5, [King95],
S. 83. Dabei ist bei der Formulierung der Fragen zu beachten, daß die Beschreibung des zu lösenden Problems
bzw. der zu generierende Mehrwert im Vordergrund der Betrachtung steht und nicht primär die Art des
organisatorischen oder technischen Lösungsansatzes aus Unternehmenssicht. Über die kombinatorische
Verknüpfung des möglichen Antwortspektrums über beide Fragekategorien ergibt sich ex ante ein vorgegebenes
Zuordnungsmuster hinsichtlich der Anforderungsausprägung. Über diese Auswertungstabelle können die
Antworten der Fragebögen in eine Ergebnistabelle überführt werden. Auf Basis dieser Ergebnisse lassen sich
dann die Koeffizienten statistisch ableiten. Vgl. dazu auch [Bail96], S. 122.
310
Die im Rahmen der Kundenklassifizierung zur Abbildung der Bedeutung einer Maßnahme m für den Kunden
c eingeführten Attribute bjc weisen sodann den Wert 0 auf.
96
Kapitel 5.1: Elemente
gehen darüber hinaus die Erkenntnisse des Kano-Konzeptes ein.311 Somit ergeben sich für die
relevanten Maßnahmen die folgenden drei Grundtypen an Funktionsverläufen, die für die
einzelnen Maßnahmen zu spezifizieren sind. Für alle Wirkungsfunktionstypen gelten die
beiden folgenden Bedingungen für den Definitions- und Wertebereich:
Df = [0, BU ij max ]
Wf = [0, z ij max ]
zijmax ist über die zugrunde liegende Skalierung begrenzt. BUijmax bildet das finanzielle
Engagement ab, das dem größtmöglichen Aktivitätsniveau entspricht, welches zur theoretisch
maximalen Kundenzufriedenheit führt. Aufgrund der sachlichen Gegebenheiten sind weitere
Ausdehnungen des Aktivitätsniveaus nicht weiter möglich oder sinnvoll und liegen somit
außerhalb des relevanten Entscheidungsfeldes.
311
In der langfristigen, über die Maßnahmenbudgetscheidung hinausgehenden Betrachtung ist zu
berücksichtigen, daß sich der grundsätzliche Verlauf der Wirkungsfunktion einer Maßnahme im Zeitverlauf
verändern kann. Dies hängt vom Angebot der Wettbewerber und insbesondere von den sich etablierenden
Marktstandards ab. Das führt dazu, daß im Zeitverlauf Begeisterungsmaßnahmen zu Leistungsmaßnahmen und
sogar zu Basismaßnahmen werden können, sobald sich diese Begeisterungsmaßnahme zunehmend als
Marktstandard etabliert. Exemplarisch sei hier der Wartungsservice bei Computern genannt. Galt ein 24Stunden-Austauschservice vor einigen Jahren zumeist noch als Begeisterungsmaßnahme, so sehen viele Kunden
diese Maßnahme heutzutage als Marktstandard und somit als Basismaßnahme an. Dies belegt zudem, daß über
den Verlauf der Wirkungsfunktion für konkrete Maßnahme keine generellen Aussagen getroffen werden können,
sondern dieser von den Marktgegebenheiten der konkreten Anwendungssituation abhängt. So sind in der
praktischen Anwendung der Methode Initialisierungen auf Basis des vorhandenen Datenmaterials oder
Experteneinschätzungen vorzunehmen.
Kapitel 5.1: Elemente
97
KZFij
KZFij
BUij
BUij
BegeisterungsmaßnahmeBE
LeistungsmaßnahmeLE
KZFij
KZFij
Basismaßnahme BA
BUij
Irrelevante
Maßnahme IR
BUij
Abbildung 5-8: Mögliche Wirkungsfunktionstypen
Maßnahmen, die einen degressiven Verlauf der Wirkungsfunktion aufweisen, sind als
Basismaßnahmen zu verstehen. Je aufwendiger die Maßnahme ausgestaltet wird, desto
geringer fällt der zusätzliche Wirkungsbeitrag beim Kunden aus. Hingegen führt die
Unterschreitung eines Mindestniveaus zu einer stark abfallenden Wirkung beim Kunden.
Exemplarisch hierfür ist in vielen Branchen mit tendenziell weniger erklärungsbedürftigen
Leistungen die Maßnahme “Beratungsgespräch“. Eine noch so ausgefeilte Qualität der
Beratung, z. B. hinsichtlich technischer Details, ist für das Unternehmen aufwendiger alleine
aufgrund der Schulung der Mitarbeiter, für einen Großteil der Kunden häufig aber ohne
größeren Mehrwert. Wird jedoch überhaupt keine Beratung geboten, so fällt die
Kundenzufriedenheit stark ab. Die Basismaßnahmen weisen also einen konditionierenden
Charakter auf. Für die Realitätsentsprechung ist es unerheblich, ob zur Abbildung des
Verlaufs der Wirkungsfunktion der positive Funktionsast einer Wurzelfunktion, eine
logarithmische Funktion oder eine Parabel Anwendung findet. Aufgrund der besseren
Recheneigenschaften und damit der einfacheren Anwendbarkeit sowie Handhabbarkeit in der
Unternehmenspraxis wird als Grundgleichung eine Parabel eingesetzt, die für jeweils für den
98
Kapitel 5.1: Elemente
Unternehmenskontext individuell empirisch zu instanzieren ist:312
F ( BU ij ) = − pa1 ⋅ BU ij2 + pa 2 ⋅ BU ij + pa3 = z ij
jeweils unter den Nebenbedingungen:
F ( BUistij ) = zist ij
F ( BU max ij ) = z max ij
F (0) = 0
Nichtnegativitätsbedingung : F ' ( BU ij ) > 0
Konkavitätsbedingung : F ' ( BU ij ) > 0 ∧ F ' ' ( BU ij ) < 0
Die Parameter pa1 und pa2 hängen von den Ergebnissen der Zweipunktschätzung ab. Eine
Zweipunktschätzung reicht technisch aus, da als Nebenbedingung F(0)=0 gilt. Der
Funktionsverlauf kann sodann über die Lagrangesche Interpolationsformel oder das
Newtonsche Interpolationspolynom als Näherung für die Realität abgeschätzt werden.
Unter Berücksichtigung des Toleranzbereiches ß gilt für die Zufriedenheits- und
Unzufriedenheitsstiftungskoeffizienten einer Basismaßnahme somit:
CSj Є [0; 0,5 – ß[ ٨ UCSj Є ]-0,5 - ß;-1]
und damit
(0 < ADIj = | CSj – UCSj | > 2*ß) ٨ (CSj + UCSj < 0)
Maßnahmen mit einem linearen Verlauf sind als proportionale Leistungsmaßnahmen zu
verstehen, deren Wirkung beim Kunden proportional zum eingesetzten Budget des
Unternehmens steigt. Dies sind in der Regel Maßnahmen, deren Einsatz in einem Markt als
Standard gilt. Ein Beispiel ist die Maßnahme “Reparaturservice“, wenn sich dessen Angebot,
wie es z. B. in der Automobilbranche der Fall ist, etabliert hat. Preis und Qualität des Services
sind dabei als ein Aggregat anzusehen. Werden z. B. Reparaturleitungen bei gleicher Qualität
zu einem geringeren Preis angeboten oder eine höhere Qualität zum gleichen Preis, führt dies
unter der Annahme einer effizienten Ressourcenallokation zu einer linear ansteigenden
Kundenzufriedenheit bei den Kunden und gleichzeitig im Unternehmen zu einer Steigerung
des für diese Maßnahme eingesetzten Budgets BU. Erfolgt diese Verbesserung des Angebots
312
Anzumerken ist, daß die Funktionsparameter des Wirkungsfunktionstyps Basismaßnahme und aller folgenden
Wirkungsfunktionstypen über die Variable pa fortlaufend numeriert werden. Zudem steht der Zusatz “ist“ für IstGrößen
und
der
Zusatz
“max“
für
Maximalwerte.
Für
die
Zufriedenheitsund
Unzufriedenheitsstiftungskoeffizienten gilt das Wertepaar (0 < CSj < 0,5/-1 < UCSj < -0,5).
Kapitel 5.1: Elemente
99
nur für ausgewählte, exklusive Kundenklassen, so sind entsprechend nach dem
Empfängerkreis Ej der Maßnahme j Wirkung und Budget nach zij und BUij differenziert zu
betrachten. Als zu initialisierender Funktionsverlauf ergibt sich somit eine Gerade durch den
Nullpunkt mit der Steigung pa4:
F ( BU ij ) = pa 4 * BU ij = Wij
jeweils unter den Nebenbedingungen:
F ( BUistij ) = zist ij
F (0) = 0
Daraus ergibt sich, daß pa4 = Wij/Bij ist. Für die Zufriedenheits- und
Unzufriedenheitsstiftungskoeffizienten gilt das Wertepaar (CSj = 0,5/UCSj = -0,5). Da sich
dieses Wertepaar nie genau einstellen wird, wird ADIj nie genau den Wert 0 annehmen.
Jedoch ist bei geringfügigen Abweichungen trotzdem von einer Leistungsmaßnahme
auszugehen, so daß der Toleranzbereich ß einzuführen ist. Als Regel ist ß Є [0;0,1]
festzuhalten. Für eine Leistungsmaßnahme gilt somit:
CSj Є [0,5 – ß; 0,5 + ß] ٨ UCSj Є [-0,5 – ß; -0,5 + ß]
und damit
0 < ADIj = | CSj – UCSj | < 2*ß
Der dritte Typ der für die Kundenzufriedenheit relevanten Maßnahmen sind die sogenannten
Begeisterungsmaßnahmen, die der Kunde vom Unternehmen nicht unbedingt erwartet, aber
bei
entsprechender
Ausprägung
im
Sinne
eines
Überschreitens
der
Wahrnehmbarkeitsschwelle, deren Ausmaß jeweils vom individuellen Kontext abhängt, die
Kundenzufriedenheit deutlich erhöhen. So führt eine relativ schwache Ausprägung oder sogar
Nullausprägung in diesem Maßnahmentyp zu einer vernachlässigbar geringen bzw. keiner
Abnahme der Kundenzufriedenheit. Der Grenzfall einer Nullausprägung des Budgets in einer
Begeisterungsmaßnahme führt somit weder zu einem positiven noch zu einem negativen
Wirkungsbeitrag im Hinblick auf die Kundenzufriedenheit. Allerdings führt dies nicht zu
einer Abnahme der Gesamtkundenzufriedenheit: Die Begeisterungsmaßnahme besitzt dann
keine Bedeutung für die Kundenzufriedenheit, so daß wiederum bjc = 0 gilt.
Zur Abbildung des Verlaufs der Wirkungsfunktion kann prinzipiell eine Exponentialfunktion
oder eine Parabel Anwendung finden. Aufgrund der besseren Recheneigenschaften und damit
der einfacheren Anwendbarkeit sowie Handhabbarkeit in der Unternehmenspraxis wird als
Grundgleichung eine Parabel eingesetzt, deren Funktionsvorschrift wiederum z. B. mit Hilfe
der Lagrangeschen Interpolationsformel interpoliert wird:
100
Kapitel 5.1: Elemente
F ( BU
ij
) = pa 5 ⋅ BU
2
ij
+ pa 6 ⋅ BUij = z ij
jeweils unter den Nebenbedingungen:
F ( BUistij ) = zist ij
F ( BU max ij ) = z max ij
F ' ( BU ij ) > 0
Konvexitätsbedingung : F ' ( BU ij ) > 0 ∧ F ' ' ( BU ij ) > 0
Für
die
Zufriedenheitsund
Unzufriedenheitsstiftungskoeffizienten
Begeisterungsmaßnahme gilt somit unter Berücksichtigung des Toleranzbereiches ß:
einer
CSj Є ]0,5 + ß; 1] ٨ UCSj Є ]0; -0,5 + ß]
und damit
(0 < ADIj = | CSj – UCSj | > 2ß) ٨ (CSj + UCSj > 0)
Wie sich aus den in Kapitel 2.2.2. dargestellten Anforderungen ergibt, sind des weiteren
einige grundsätzliche, empirisch nachgewiesene Effekte für die Bestimmung des
Funktionsverlaufes zu berücksichtigen. Dies sind das Verhalten der Konkurrenz, Remanenzen
der Kunden aus ihrer Zufriedenheit in den Vorperioden sowie Kundenausstrahlungseffekte.
Die entsprechende Operationalisierung dieser Effekte erfolgt entsprechend im Rahmen der
Gestaltung der Steuerungsalgorithmik.
5.1.2.
Kunden
Wie in den Anforderungen an die zu lösenden Teilprobleme in Kapitel 2.2.1. dargestellt
worden ist, sind für die Beschreibung der Kundenelemente zwei Arten von Attributen bzw.
Merkmalen zu unterscheiden: Attribute, die der Identifikation von Kunden dienen, und
Attribute der Kunden, die für die Optimierung des Maßnahmeneinsatzes im
Kundenbindungsmanagement relevant sind.
Die konkrete Ausgestaltung der erstgenannten Art ist - wie bereits erwähnt -durch die
Konzeption von Kundendatenbanken im Rahmen von CRM-Systemen gelöst, so daß diese
hier nur kurz thematisiert werden. Für jedes Kundenelement bzw. für jeden Kunden sind
Attribute zu erfassen, die eine eindeutige Identifikation erlauben und eine individuelle
Ansprache ermöglichen. Dies sind die persönlichen Attribute wie Name, Vorname, Anschrift,
Kundennummer etc., die im folgenden unter dem Begriff Identifikationsset des Kunden (IDK)
Kapitel 5.1: Elemente
101
zusammengefaßt werden, wobei die Kundennummer in der Regel als Primärschlüssel
fungiert.
Auf Basis der zweitgenannten Art von Attributen sind die Kunden in Kunden-elementKlassen
für
einen
effizienten
und
effektiven
Maßnahmeneinsatz
im
Kundenbindungsmanagement zusammenzufassen. Ziel ist es, die Menge K an n Kunden c
eines Unternehmens in k Kundenklassen Ki für i = 1, ..., k zu zerlegen. Das bedeutet: K =
{K1, .... , Kk}, k Є N und Ki ⊂ {c1, ... , cn}, n Є N.
Für die Klassenbildung wird ein entsprechender Operator eingefügt, der die Syntax Cl(...)
aufweist und sich eines Klassifizierungsverfahrens bedient.313 Wichtig für die
Weiterentwicklung im Hinblick auf die Operationalisierung der Methode ist, auf Basis
welcher Daten, die in originäre und abgeleitete Daten zu unterscheiden sind, die
Klassenbildung erfolgt.
Die möglichst genaue Beschreibung der Kunden, verbunden mit einem stringenten
Klassifizierungskonzept, legt den Grundstein für die Qualität der folgenden
Budgetoptimierung im Rahmen der Steuerungsalgorithmik.314 Damit wird die Basis für eine
zielgruppengerechte Kundenbearbeitung geschaffen, um die Effektivität der eingesetzten
Maßnahmen im Hinblick auf den erzielten Umsatz zu erhöhen.315
In dem im folgenden vorgestellten Ansatz erfolgt eine Kombination neuer und bisher isoliert
betrachteter Konzepte sowie eine Integration dieser in einem ganzheitlichen
Klassifizierungskonzept. Zudem erfolgt eine Weiterentwicklung und Anpassung der aus dem
strategischen Marketing entstandenen, in Kapitel 3.1.3. vorgestellten Konzepte an die
besonderen Gegebenheiten im Kundenbindungsmanagement. Darüber hinaus erhält der
Ansatz eine prozeßorientierte Dimension, um im Rahmen der Budgetentscheidung die
Implikation eines bedarfsadäquaten Maßnahmeneinsatzes zu berücksichtigen.
313
Dabei stehen für die Klassenbildung verschiedene Verfahren wie die Clusteranalyse, Regelbäume oder
Experteneinschätzungen zur Verfügung, die in Kapitel 3 im Stand der Technik erläutert worden sind.
.
314
Neben den im Stand der Technik skizzierten grundsätzlichen Vorteilen der Marktsegmentierung führt die im
Rahmen dieser Arbeit entwickelte Kundenlassifizierung im leistungsbezogene Kundenbindungsmanagement zur
Lösung der folgenden Aufgaben, die zum Teil über die in dieser Arbeit betrachtete Budgetoptimierung
hinausgehen: zielgruppengerechte Gestaltung neuer Maßnahmen, Hinweise für die Gestaltung von
Exklusivmaßnahmen, zeitpunktadäquater Einsatz der Maßnahmen, Hinweise auf Bearbeitungsschwerpunkte im
Kundenbindungsmanagement, Basis für eine detaillierte Prognose der Wirkung von Maßnahmen und Basis für
die organisatorische Optimierung des Kundenbindungsmanagements.
315
In der Vollendung bedeutet dies, ein individuelles One-to-One-Kundenbindungsmanagement zu realisieren.
Allerdings führt dies zu höheren Kosten, so daß für die Granularität der Kundensegmente die zusätzlich
entstehenden Umsätze und Kosten aneinander abzuwägen sind.
102
Kapitel 5.1: Elemente
Wie in Kapitel 4 dargestellt, ist ein ganzheitliches Klassifizierungskonzept zu gestalten, so
daß die Neuartigkeit des Konzeptes im wesentlichen darin besteht, daß zur Klassifizierung der
Kunden die Bedürfnisse dieser, die Interessen des Unternehmens und die Erfordernisse der
prozeßorientierten Steuerung integriert. Das führt zu einer Dreistufigkeit bzw. dimensionalität des Ansatzes, also der Klassifizierung der Kunden aus Kunden-,
Unternehmens- und Prozeßsicht. Dies verdeutlicht die folgende Abbildung. Damit wird der
Ansatz den in Kapitel 2.2 formulierten Anforderungen an ein ganzheitliches,
prozeßorientiertes Kundenbindungsmanagement gerecht.
Prozeßsicht
Unternehmenssicht
Kundensicht
Abbildung 5-9: Sichten des Klassifizierungskonzeptes
Im folgenden werden die einzelnen Sichten der Kundenklassifizierung ausgestaltet:
Kundensicht (Kapitel 5.1.2.1.), Unternehmenssicht (Kapitel 5.1.2.2.) und Prozeßsicht (Kapitel
5.1.2.3.). Anschließend wird in Kapitel 5.1.2.4. die Integration der drei Sichten in einen
Klassifizierungsschlüssel, also in ein durchgängiges Klassifizierungskonzept, vorgenommen.
5.1.2.1.
Kundenklassifizierung nach der Kundensicht
Im Rahmen der Kundenklassifizierung nach der Kundensicht wird darauf abgezielt, die
Kunden
hinsichtlich
gleicher
Ausprägungen
in
für
die
Steuerung
im
316
Kundenbindungsmanagement relevanter Merkmale in Klassen einzuteilen.
Für die Klassifizierung der Kunden nach der Kundensicht könnten grundsätzlich die
Marktsegmentierungsansätze des strategischen Marketings Anwendung finden. Allerdings
316
Anzumerken ist, daß - wie bereits in Kapitel 2 herausgearbeitet worden ist - im Rahmen dieser Arbeit auf die
Stellgrößen des Kundenbindungsmanagements fokussiert, so daß Stellgrößen der Produktgestaltung und
Unternehmenskommunikation hier nicht in den relevanten Attributs- bzw. Merkmalsset aufgenommen werden.
Deshalb wird für diese beiden Bereiche eine ceteris paribus-Annahme getroffen.
Kapitel 5.1: Elemente
103
werden sie den in Kapitel 2.2. formulierten Anforderungen an die hier zu lösenden Aufgabe
des Kundenbindungsmanagements insofern nicht gerecht, als sie Kunden nur grundsätzlich
einteilen, ohne auf die konkrete Kundenbeziehung einzugehen. Somit vernachlässigen sie den
Bezug zu den Maßnahmen und nehmen keine detaillierte Zuordnung von
Attributausprägungen zu konkreten Kunden vor.
Zudem weisen diese Ansätze die Schwäche auf, daß sie relativ statisch sind und den Grad der
dynamischen Veränderbarkeit, also die Zeitvarianz der kundenverhaltensrelevanten Attribute,
nicht oder nur eingeschränkt berücksichtigen. Wie in Kapitel 2 allerdings herausgearbeitet, ist
die Berücksichtigung dieser Zeitvarianz für einen situationsadäquaten Einsatz der
Maßnahmen von Bedeutung. Auf Basis der Zeitvarianz der kundenverhaltensrelevanten
Attribute sind im Rahmen der Klassifizierung nach der Kundensicht somit SubKlassifizierungsdimensionen zu bilden, damit die lang-, mittel und kurzfristigen Perzeptionen
adäquat Berücksichtigung finden.317
Ohne explizite Kardinalitäten angeben zu müssen, ordnen sich die drei SubKlassifizierungsdimensionen hinsichtlich ihrer Zeitvarianz ordinal in die aufsteigende
Reihenfolge grundsätzliches Kaufverhalten, Bedeutung einzelner Maßnahmen und
Kundenzufriedenheit. Das grundsätzliche Kundenverhalten, das sich aus Ausprägungen
sozioökonomischer sowie den Kriterien des beobachtbaren Einkaufsverhalten resultiert,
ändert sich vergleichsweise nur langsam in einem längerfristigen Zeithorizont.318 Die
Bedeutung einzelner Maßnahmen im Vergleich zueinander werden in kürzeren Zeitabständen
mittelfristig durch beispielsweise Modewellen beeinflußt. Die Zufriedenheit des Kunden mit
einer Maßnahme kann sich unmittelbar aus deren Einsatz ändern. Die Sub-Klassifizierungen
der Kundensicht sind somit nach dem grundsätzlichen Kaufverhalten, nach der Bedeutung
von Maßnahmen und nach der Kundenzufriedenheit bezüglich der Maßnahmen vorzunehmen.
Die Ausgestaltung der identifizierten notwendigen drei Sub-Klassifizierungen wird einheitlich
nach folgenden vier Entwicklungsschritten schrittweise vom allgemeinen Ansatz bis hin zu
Meßdetails konkretisiert. Im ersten Schritt wird das jeweilige Klassifizierungsziel und die
daraus resultierende Klassifizierungsaufgabe in abstrakter, verbaler Form beschrieben.
Anschließend wird das Konstrukt erläutert, das zur Erhebung budgetierungsrelevanter
Unterschiede für eine kontextgerechte Klassifizierung der Kunden am besten geeignet ist. Im
dritten Schritt ist das Verfahren für die Erhebung der Ausprägungen des Konstruktes zu
317
Die Begriffe kurz-, mittel- und langfristig seien hier Ausdruck unterschiedlicher Zeithorizonte, deren
konkrete Dauer vom jeweiligen Markt, Produkt und der Geschäftsbeziehung abhängt.
318
[Fret83] liefert eine Bewertung von Segmentierungskriterien hinischtlich ihrer Zeitstabiität.
104
Kapitel 5.1: Elemente
bestimmen.319
-
Sub-Klassifizierung der Kundensicht nach dem grundsätzlichen Kaufverhalten
Diese Dimension der Klassifizierung hat als Ziel, die Kunden hinsichtlich ihres
grundsätzlichen Kaufverhaltens, unabhängig vom aktuellen Kaufvolumen und
Zufriedenheitszustand, in Klassen einzuteilen. Formal bedeutet dies, daß die n Kunden c eines
Unternehmens in v‘ Klassen Vi‘ für i‘ = 1, ... , v‘ hinsichtlich eines ähnlichen grundsätzlichen
Kaufverhaltens aufgespalten werden. Kundenklassen sind zu identifizieren, bei denen
grundsätzlich angenommen werden kann, daß sie tendenziell ohne Berücksichtigung der
konkreten Ausgestaltung eine ähnliche Reaktion auf Maßnahmen im Hinblick auf ihre
Kundenzufriedenheit aufweisen. Dies kann aber in der jeweils aktuellen Situation
voneinander abweichen, abhängig von den Ausprägungen der mittelfristigen und kurzfristigen
Klassifizierungsattribute.
Als ein Bestandteil des Konstruktes zur Klassifizierung finden die in Kapitel 3 skizzierten
demographischen und psychographischen Attribute Anwendung. Diese werden für die n
Kunden des Unternehmens in n Vektoren VPc zusammengefaßt, der somit die Ausprägungen
dieser Attribute vdc für d = 1, ..., e beim Kunden c enthält.
Unter Berücksichtigung dieser Attributausprägungen sind jeweils die Wirkungsweisen der
Maßnahmen abzuleiten. Die Wirkungsweise wird durch den Maßnahmentyp symbolisiert. Zu
unterscheiden sind dabei grundsätzlich irrelevante, Basis-, Leistungs- und
Begeisterungsmaßnahmen, die in Kapitel 5.1.2.2.2. im Detail erläutert werden. Für die
Kunden ist jeweils ein Wirkungsprofil WP zu ermitteln, das die den Maßnahmen
zugeordneten Maßnahmentypen verdeutlicht. Somit sind für die n Kunden des Unternehmens
n Matrizen WPc zu bestimmen.
319
Anzumerken ist, daß für die Subklassifizierung der Kunden in der Anwendungsdiskussion des
unternehmenspraktischen Einsatzes unter Umständen Datenbereitstellungsprobleme aus Effizienzgründen
hinsichtlich der Vollständigkeit der Daten argumentiert werden könnten. Dies ist tendenziell bei einer großen
Kundenmenge der Fall, die zum Teil noch anonymisiert ist. Wie aus vergleichbaren Erhebungsaufgaben, z. B.
aus Problemen der Marktforschung, bekannt ist, wird in der Praxis sodann argumentiert, daß der Aufwand im
Vergleich zum Nutzen zu hoch ist, um die relevanten Daten aller Kunden zu erfassen. In diesem Fall ist mit
Stichproben zu arbeiten, deren Ergebnisse auf die (Teil-)Gesamtheiten an Kunden hochzurechnen sind, wie
später noch dargestellt wird. Allerdings ist im Rahmen dieser Diskussion das Aufwandsargument grundsätzlich
in Frage zu stellen, da der Nutzen nur hypothetisch entgegengesetzt wird. Eine fundierte Antwort auf die
skizzierte Nutzenfrage einer Voll- bzw. Quasi-Vollerhebung im Vergleich zu Stichprobenerhebungen kann aus
der Anwendung der im folgenden entwickelten Methode herausgearbeitet werden, wenn empirische Vergleiche
der Ergebnisse durchgeführt werden.
Kapitel 5.1: Elemente
105
M1
M2
...
Mm
IR
IR1c
BA
BA1c
LE
LE1c
BE
BE1c
IRmc
BA mc
LE mc
BE mc
wobei
wobei IR = irrelevante
= irrelevante
Maßnahme
Maßnahme
BA
HY = =Hygienemaßnahme
Basismaßnahme
LE
LE= Leistungsmaßnahme
= Leistungsmaßnahme
BE
BE= Begeisterungsmaßnahme
= Begeisterungsmaßnahme
Abbildung 5-10: Wirkungsprofil
Der jeweils zugeordnete Maßnahmentyp wird durch den Wert 1 symbolisiert, so daß gilt:
IRjc, BAjc, LEjc, BEjc Є {0,1} und
IRjc + BAjc + LEjc + BEjc = 1
Die Zuordnung der Maßnahmentypen ergibt sich aus den Ergebnissen einer entsprechenden
Kano-Befragung.320
Auf Basis der n Vektoren VPc und der n Matrizen WPc erfolgt eine zweistufige
Klassifizierung der Kunden, welche über die sich ergebenden zweigliedrigen
Zuordnungstupel wiederum in eine eindimensionale Klassifizierung überführt wird. Die
Klassifizierung der Kunden auf Basis der n Vektoren erfolgt nach Normierung und Codierung
unter Zuhilfenahme der Clusteranalyse, so daß auf Basis der Erkenntnisse
320
Eine für den unternehmenspraktischen Einsatz häufig zu begrüßende Vereinfachung der Methode kann
getroffen werden, wenn die Klassifizierung der Kunden zunächst auf Basis der Attributausprägungen vdc erfolgt
und anschließend die Maßnahmentypen auf Klassenebene über Regelbäume, Experteneinschätzungen oder
empirische Erkenntnisse zugeordnet werden. Die resultierende Ergebnisabweichung wird zumeist gering
ausfallen, da eine hohe Korrelation zwischen den Attributausprägungen vdc und den Maßnahmentypen besteht.
Im unternehmenspraktischen Einsatz ist somit jeweils abzuwägen, ob diese Einschränkung einer realitätsgenauen
Abbildung durch den Vorteil einer aufwandsärmeren Erhebung als bei einer Zuordnung auf den einzelnen
Kunden überkompensiert wird.
106
Kapitel 5.1: Elemente
in Kapitel 3 CL(VPc) zu bilden ist.321
Für die Klassifizierung der Kunden nach den n Matrizen WPc sind die Matrizen miteinander
zu vergleichen und in eine Kundenvergleichsmatrix KMWP zu überführen. KMWP ist eine
obere Dreiecksmatrix, deren Werte die Ähnlichkeitskoeffizienten sc1c bis scnc als
Proximitätsmaß für jeden Kunden c im diesbezüglichen Vergleich mit sämtlichen n Kunden
enthält.
c1
c2
c3
c4
...
cn
c1
scg12 scg13 scg14 ...
scg1n
c2
scg23 scg24 ...
scg2n
c3
scg34 ...
scg3n
c4
...
scg4n
...
...
cn
...
Abbildung 5-11: Kundenvergleichsmatrix auf Basis der Wirkungsprofile
Die Ähnlichkeitskoeffizienten scg, welche in der Kundenvergleichsmatrix KMWP
zusammengefaßt werden, berechnen sich aus dem Vergleich der Wirkungsprofilmatrizen WPc
321
Methodisch kann die Clusterung neben der Clusteranalyse mit Hilfe von Experteneinschätzungen erfolgen,
wobei Experten auf Basis ihrer Einschätzungen die Gruppierungen vornehmen. Dies ist sinnvoll, wenn Probleme
bei der Datennormierung auftreten. Etwaige Ergebniswidersprüche sind entsprechend zu diskutieren und zu
harmonisieren. Zur Unterstützung der Experteneinschätzungen bei großen Datenmengen sind
Gruppierungsregeln zu formulieren, um die Einteilung effizient vornehmen zu können. Zu berücksichtigen ist
dabei, daß keine uneindeutigen oder sich ausschließenden Bedingungen formuliert werden. Dies ist über
entsprechende Prüfalgorithmen sicherzustellen. Positiv ist zu diesem Verfahren im wesentlichen anzumerken,
daß implizites Wissen der Experten in die Kundengruppierung eingeht, ohne es vorher explizit formulieren zu
müssen. Als Schwäche stellt sich insbesondere bei großen Datenmengen die eingeschränkte
Informationsverarbeitungskapazität des Menschen dar, so daß eventuell nicht alle bedeutenden Attribute in die
Klassifizierung eingehen. Des weiteren können sich in der praktischen Anwendung Unschärfen ergeben, da
eventuell Experten die einzelnen skizzierten Klassifizierungsdimensionen nicht überschneidungsfrei voneinander
trennen. Das multivariate Verfahren der Clusteranalyse teilt die Kunden hingegen auf Basis eines
Unähnlichkeitsmaßes in Gruppen ein. Die Clusteranalyse behebt die Schwächen der Eingruppierung mittels
Experteneinschätzungen. Hingegen kann sie nur explizite, in den Attributen abgebildete Informationen
verarbeiten. Des weiteren erfolgt unter Umständen die Eingruppierung der Kunden trotz Prüfung des
Signifikanzniveaus auf Basis von zum Teil insignifikanten Attribute. Die beiden skizzierten Vorgehensweisen
schließen nicht aneinander aus, sondern vielmehr sollten die Ergebnisse sich im Sinne einer gegenseitigen
Plausibilitätsprüfung ergänzen. Anpassungen sind entsprechend bei unterschiedlichen Endergebnissen in der
Gruppierung vorzunehmen. Nach Abwägung etwaiger Ergebnisunterschiede werden entweder
Fehleinschätzungen der Experten deutlich oder insignifikante Attribute der Clusteranalyse. Darauf aufbauend
sind entsprechende Umsortierungen in den Eingruppierungen vorzunehmen.
Kapitel 5.1: Elemente
107
unter Verwendung folgender Algorithmik. Dazu sind als Zeilen- und Spaltenzähler die
Hilfsvariablen c’ und c’’ für die Unterscheidung der Kunden einzuführen, wobei c’ < c’’ und
für die Definitionsbereiche c’ Є [1; (n-1)] bzw. c’’ Є [2; n] gilt.
Für jedes c’ bestimme scgc’c’’, solange c’ < c’’:
scg c'c'' : ∀ (( BA jc ' = BA jc '' = 1) ∨ ( LE jc ' = LE jc '' = 1) ∨ ( BE jc ' = BE jc '' = 1) → (scg c'c'' + 1)) +
j= j∧
c ' < c ''
∀ ( IR jc ' ≠ IR jc '' = 1) → (scg c'c'' − 1))
j= j∧
c '< c '
Auf Basis der Kundenvergleichsmatrix erfolgt die Clusterung partitionierend unter
Verwendung der folgenden Zielfunktion:322
Cl(scg):
n
ZF = ∑∑i | scg c 'c '' − cg i ' |2 → min!
c'
Als Nebenbedingung muß das arithmetische Mittel der Werte scgc’c’’ für Kunden, die nicht
zur gleichen Klasse Ki’ gehören, größer sein als ein festzulegender Minimalwert Cmin. Dies
entspricht:
n
∑ scg
∀
Ki '
-
c '∈K i ' ∧
c ''∈K i ' +1
c 'c ''
MAE{scg c 'c '' | c'∈ K i ' ∧ c' '∈ K i ' +1}
> C min
Sub-Klassifizierung nach der Bedeutung von Maßnahmen
Diese Sub-Klassifizierung zielt darauf ab, die Kunden hinsichtlich einer ähnlichen
Maßnahmen beigemessenen Bedeutung in Klassen einzuteilen. Formal bedeutet dies, die n
Kunden auf Basis des Konstruktes der Bedeutung der einzelnen Maßnahmen für die Kunden
in b‘ Klassen Bi‘‘ für i‘‘ = 1, ..., b‘ zu klassifizieren.
Wichtig ist diese Klassifizierung im aktuellen Kontext des Kundenbindungsmanagements, da
Unternehmen zwar bei der Maßnahmengestaltung große Kreativität zeigen, allerdings bei
einem kundenklassifizierenden Einsatz Schwächen offenbaren. Häufig werden lediglich
undifferenziert alle Maßnahmen allen Kunden angeboten, ohne auf die Kundenbedürfnisse,
322
Als Hilfsvariable ist die Variable cgi’ als Zentrum des jeweils betrachteten Clusters einzuführen.
108
Kapitel 5.1: Elemente
ausgedrückt in der Bedeutung der Maßnahme, einzugehen.323 Dies führt zwangsläufig zu
einem ineffizienten Ressourceneinsatz.
Mit Hilfe des Konstrukts der Bedeutung wird ermittelt, wie wichtig eine bestimmte
Maßnahme für die Gesamtkundenzufriedenheit ist. Sie besitzt also eine enge Affinität zur
Kundenzufriedenheit.324 Eine daraus abgeleitete, verdichtete Darstellung der
Kundenzufriedenheit z mit einer Maßnahme und deren Bedeutung b in einem Mittelwert
bietet sich nicht an, da Besonderheiten nivelliert werden würden. Ein Kunde, der einer
Maßnahme eine hohe Bedeutung beimißt, allerdings mit dieser sehr unzufrieden ist, würde
mit einem Kunden, der diese Maßnahme im Grunde für unwichtig hält, aber mit dieser sehr
zufrieden ist, eventuell in die gleiche Kundenklasse eingruppiert werden. Die Notwendigkeit
des Maßnahmeneinsatzes wäre dadurch verschleiert, so daß eine getrennte Betrachtung von
Bedeutung und Zufriedenheit notwendig ist.
Konventionelle Methoden zur Erhebung der Bedeutung einer Maßnahme arbeiten mit einer
direkten Befragung der Kunden nach absoluten oder relativen Bedeutungen der Merkmale.
Die Frage nach absoluten Bedeutungen weist den Nachteil auf, daß die Antworten zu einer
undifferenzierten Anspruchsinflation hinsichtlich der Bedeutung der Merkmale führen, so daß
sich keine trennscharfen Klassen ergeben. Hinsichtlich der Frage nach relativen Bedeutungen
ergeben sich in der Praxis Befragungsprobleme aufgrund der vielfach sodann festzustellenden
Probandenüberforderung.325
Eine explizite Befragung der Kunden sowohl hinsichtlich der relativen als auch der absoluten
Bedeutung führt neben den Erhebungsproblemen im Hinblick auf das Skalenverständnis
insbesondere bei Maßnahmen mit dem Zweck der Information des Kunden dazu, daß die
Validität und Reliabilität der Ergebnisse eingeschränkt ist.326 Diese Annahme resultiert aus
der analogen Anwendung der Erkenntnisse zur Ermittlung der Kundenzufriedenheit für ein
konkretes Produkt. Dort zeigt sich, daß die Kunden die Werbung für ein Produkt größtenteils
als unbedeutend einstufen. Allerdings besteht eine signifikante Korrelation zwischen dem
Gefallen der Werbung bzw. dem Bekanntheitsgrad des Produktes und der
Gesamtzufriedenheit des Kunden.327
Infolgedessen ist eine implizite Erhebungsmethode zu entwickeln, die an den
Kundenzufriedenheitsprofilen ansetzt. Hintergrund dieser Überlegung ist die Annahme, daß
323
Vgl. [Sche99], S. 20f., [Krucz00], S. 18f.
324
Die Sub-Klassifizierung nach der Kundenzufriedenheit erfolgt in Kapitel 5.2.1.1.3.
325
Vgl. [Meff98], S. 38ff.
326
Vgl. [Bere00], S. 102ff.
327
Vgl. [John98], S. 89.
Kapitel 5.1: Elemente
109
die Bedeutung einer Maßnahme um so größer für die Gesamtkundenzufriedenheit ist, je
geringer ihr absoluter Bewertungsabstand ist. Formal läßt sich dieser Zusammenhang
darstellen durch:
b j ↑, wenn | z jc − gkz c |↓
Um zufällige Abhängigkeiten auszuschalten, ist als weiteres Maß die Korrelation zu
betrachten. Das bedeutet:
n
b j ↑, wenn corr ( gkz, z j ) ↑⇔ b j ↑, wenn corr ( gkz, z j ) =
∑ ( gkz
c =1
n
∑ ( gkz
c =1
n
n
=
∑ ( gkzc −
∑ gk z
c =1
c
) ⋅ ( z jc −
∑z
n
n
∑ ( gkzc −
c =1
∑ gk z
c =1
n
c
− gkz ) ⋅ ( z jc − z j )
− gkz ) 2 ⋅ ( z jc − z j ) 2
n
n
c =1
c
c =1
jc
n
)
↑
n
c
) ⋅ ( z jc −
2
∑z
c =1
n
jc
)2
Zur Bestimmung der Bedeutungsklassen und anschließender Erhebung der Bedeutungswerte
bjc ist ein Score-Maß und anschließend ein Proximitätsmaß zu erheben. Basis für das ScoreMaß ist das Kundenzufriedenheitsprofil im Vergleich zur Gesamtkundenzufriedenheit. Dazu
wird für jeden der n Kunden c jeweils die j Werte scb’cj bestimmt:
scb'cj = ( ∀ max(| z jc − gkz c |))− | z jc − gkz c |
j =1,...,m
Das bedeutet
scb'cj = ( ∀ max(| z jc − gkzc |)− | z jc − gkzc |) ↑→ b j ↑
j =1,..., m
So ergibt sich die Score-Matrix SCB’ bezüglich der Bedeutungen, welche die folgende
Abbildung verdeutlicht:
110
Kapitel 5.1: Elemente
j=1
j=2
j=3
j=4
...
j=m
c1
scb'11
scb'12
scb'13
scb'14
...
scb'1m
c2
scb'21
scb'22
scb'23
scb'24
...
scb'2m
c3
scb‘31 scb‘32 scb‘33 scb'34
...
scb'3m
c4
scb‘41 scb‘42 scb‘43 scb‚44
...
scb'4m
...
...
...
scb‘nm
...
cn
...
...
...
...
scb‘n1 scb‘n2 scb‘n3 scb‘n4
Abbildung 5-12: Score-Matrix bezüglich Bedeutungen der Maßnahmen
Die Ermittlung des Proximitätsmaßes328 scbc’c’’ fußt in der Ausgestaltung eines
Unähnlichkeitskoeffizienten auf der in der letzten Abbildung dargestellten Score-Matrix. Es
ergibt sich für den Unähnlichkeitskoeffizienten scbc’c’’
∀
c ',c ''∈K ∧ c '<c ''
m
scbc 'c '' = ∑ scb'c ' j − scb'c '' j
j =1
Daraus ergibt sich als Clusterbasis wiederum eine obere Dreiecksmatrix KMBP, die
Kundenvergleichsmatrix auf Basis der Bedeutungen der Maßnahmen.
c1
Abbildung 5-13:
328
c2
c3
c4
...
cn
c1
scb 12 scb 13 scb 14 ...
scb 1n
c2
scb 23 scb 24 ...
scb 2n
c3
scb 34 ...
scb 3n
c4
...
scb 4n
...
...
cn
...
Kundenvergleichsmatrix auf Basis der Bedeutungen der Maßnahmen
Zur Ermittlung des Proximitätsmaßes sind die Kunden c virtuell in c’ und c’’ zu unterscheiden.
Kapitel 5.1: Elemente
111
Über die Unähnlichkeitskoeffizienten scb der Matrix KMBP sind Cluster zu bilden. Dazu sind
Bedingungen zu formulieren, um trennscharfe b’ Kundenklassen Bi’’ auf Basis der
Bedeutungsattribute bilden zu können.329 Zum einen muß jeweils der Mittelwert der Werte
scb der Kunden, die zu einem Cluster gehören, kleiner als die obere Schranke Cmax sein. Dies
entspricht:
n
∑ scb
∀ scb i '' =
c 'c ''
c '∈Bi '' ∧
c ''∈Bi ''
ni ''
Bi ''
< C max
Das ist gleichbedeutend mit der Bedingung, daß der Abstand der Werte scb zum
Clusterzentrum cbi’’ zu minimieren ist. Für die partitionierende Clusterung Cl(scb) zur
Erzeugung von b’ Klassen Bi’’ für i’’ = 1, ..., b’ ergibt sich als Zielfunktion:
n
ZF = ∑∑i || scbc 'c '' − cbi '' ||2 → min!
c'
Zum anderen muß das arithmetische Mittel der Werte scbc’c’’ für Kunden, die nicht zur
gleichen Klasse Bi’’ gehören, größer sein als ein festzulegender Minimalwert Cmin. Dies
entspricht:
n
∑ scb
∀
Bi ''
c 'c ''
c '∈Bi '' ∧
c ''∈Bi '' +1
MAE{scbc 'c '' | c'∈ Bi '' ∧ c' '∈ Bi ''+1}
> C min
Auf Basis der gebildeten Cluster sind die Werte für bi’’j = bij explizit zu bestimmen. Dies
erfolgt zunächst unnormiert unter Vernachlässigung der Werte für die Korrelation ς (gkz, zj),
so daß sich ergibt:
n
∑ scb'
bij ,unnorm =
c =1 für
c∈B i ''
n
m
∑ ∑ scb'
c =1 für j =1
c∈B i ''
329
cj
cj
Zur Bestimmung der im folgenden skizzierten oberen und unteren Schranken ist anzumerken, daß deren
Auswahl die Granularität der Klassen beeinflußt.
112
Kapitel 5.1: Elemente
Aus der notwendigen Normierung auf das Intervall bij Є [0;1] unter jeweiliger
Berücksichtigung der i Nebenbedingungen bi1+ bi2+...+bim = 1 resultiert:330
n
∑ scb'
c =1 für
c∈B i ''
n
bijnorm =
bij ,unnorm
b'
∑ bij ,unnorm
i =1
cj
m
∑ ∑ scb'
=
c =1 für j =1
c∈B i ''
cj
n
∑ scb'
c =1 für
c∈B i ''
b'
∑
n
i =1
cj
m
∑ ∑ scb'
c =1 für j =1
c∈B i ''
cj
Die Berücksichtigung der Korrelation ς(gkz, zj) ist nur über die Klasse anwendbar und
erweitert das Spektrum an Einflußgrößen. Dies senkt das Risiko, nur rein statistische
Abhängigkeiten zu untersuchen. Bei einer paritätischen Betrachtung ergibt sich für bij
sodann:331
330
Die entsprechenden Werte für bjc ergeben sich unter Berücksichtigung der Nebenbedingungen bjc Є [0;1] und
b1c+ b2c+...+bmc = 1 aus b jc =
scb' j
∑ scb'
j =1
331
.
m
j
Für den Ausnahmefall, daß bij,norm + ς(gkz,zj) < 0 ist, ist bij = 0 zu setzen.
Kapitel 5.1: Elemente
113
n
∑ scb'
c =1 für
c∈B i ''
n
m
∑
cj
n
∑ scb'cj
∑ ( gkz
c =1 für j =1
c∈B i ''
n
∑ scb'
c =1 für
c∈B i ' '
n
m
b'
∑
bij =
b'
∑
i ''=1
∑ ( gkz
c =1 für
c∈Bi ''
c =1 für j =1
c∈B i ''
2
=
bijnorm + ς ( gkz, z j )
n
cj
∑ ∑ scb'
i =1
bijnorm + ς ( gkz, z j )
+
∑ scb'
c =1 für
c∈B i ' '
n
m
b'
cj
∑
i =1
b'
∑
∑ scb'
c =1 für
c∈B i ' '
n
m
n
∑ ( gkz
cj
+
c =1 für
c∈Bi ''
c
n
∑ ( gkz
cj
∑ ∑ scb'
c =1 für j =1
c∈B i ''
− gkzi '' ) 2 ⋅ ( z jc − zi '' j ) 2
2
∑ ∑ scb'
c =1 für j =1
c∈B i ''
n
c
cj
n
2
− gkzi '' ) ⋅ ( z jc − zi '' j )
c
c =1 für
c∈Bi ''
c =1 für
c∈Bi ''
c
− gkzi '' ) ⋅ ( z jc − zi '' j )
− gkzi '' ) 2 ⋅ ( z jc − zi '' j ) 2
cj
i ''=1
2
Die Werte bij werden in b’ Bedeutungsprofilen BPi’’ zusammengefaßt.332 Dies sind Vektoren,
welche sich aus den Bedeutungsattributen bij zusammensetzen. Die Bedeutungen der
Maßnahmen sind somit zueinander gewichtet. Der Wert “0“ steht für eine völlig
unbedeutende Maßnahme ohne Wirkung auf die Kundenzufriedenheit. Nimmt die relative
Bedeutung einer Maßnahme den Wert 1 an, so ist die Maßnahme alleinig ausschlaggebend für
die Zufriedenheit des Kunden.
-
Sub-Klassifizierung nach der Kundenzufriedenheit
Die Sub-Klassifizierung nach der Kundenzufriedenheit setzt im Gegensatz zu den beiden
bisher beschriebenen Sub-Klassifizierungen an der Ist-Performance des Maßnahmeneinsatzes
an. Während die beiden ersten Sub-Klassifizierungsdimensionen die Kunden unabhängig von
der konkreten Ausgestaltung der Maßnahmen eine Sub-Klassifizierung vornahmen, liegt
dieser Sub-Klassifizierung die aktuelle Zufriedenheit des Kunden mit realen Leistungen des
Unternehmens zugrunde.
332
Für die n Kunden eines Unternehmens ergeben sich somit analog n Bedeutungsprofile BPc.
114
Kapitel 5.1: Elemente
Das Klassifizierungskonstrukt der Kundenzufriedenheit ist durch den Einsatz von
Maßnahmen kurzfristig veränderbar und damit volatiler. Die Kundenzufriedenheit weist also
einen vergleichsweise hohen dynamischen Grad der Veränderbarkeit aus.333
Die Kunden sind hinsichtlich ihrer jeweiligen Zufriedenheit mit den Maßnahmen in Klassen
einzuteilen. Formal bedeutet dies, die n Kunden eines Unternehmens in z‘ Klassen Zi‘‘‘ für i‘‘‘
= 1, ..., z‘ zu klassifizieren.
Analog zu den Bedeutungsprofilen sind auf Basis des Konstruktes der Zufriedenheit des
Kunden mit einer Maßnahme Zufriedenheitsprofile zu bilden. Für die Kunden respektive die
resultierenden Kundenklassen ist also jeweils ein Zufriedenheitsprofil ZP zu ermitteln. Es
ergeben sich somit n Zufriedenheitsprofile ZPc für die c = 1, ..., n-Kunden des Unternehmens
und z’ Klassenprofile ZPi’’’. Im Vektor Zufriedenheitsprofil werden die
Zufriedenheitsattribute in Form der Zufriedenheit zjc des Kunden c bzw. auf Klassenbasis zij
mit einer Maßnahme j für j = 1, ..., m-Maßnahmen festgehalten.334
Auf Basis der Zufriedenheitsprofile ZPc ist wiederum eine Clusteranalyse vorzunehmen,
welche die Klassifizierungsaufgabe, die n Kunden des Unternehmens in z‘ Klassen
einzuteilen, umsetzt und zu z’ Klassenprofilen ZPi’’’ führt. Dazu ist als
Unähnlichkeitskoeffizient sczc’c’’ zu definieren:
m
∀ scz c 'c '' = ∑ z jc ' − z jc ''
c '< c ''
j =1
333
Hingegen erheben die beiden anderen Sub-Klassifizierungsdimensionen die Grundkonstitution des Kunden,
welche sich nur über einen längeren Zeitraum verändert, also relativ zeitinvariant ist. Zudem besitzt das
Unternehmen einen wesentlich geringeren Einfluß auf diese beiden Dimensionen, da sie nicht das unmittelbare
Resultat einer vom Unternehmen eingesetzten Maßnahme darstellen, wie dies bei der Kundenzufriedenheit der
Fall ist.
334
Die jeweilige Kundenzufriedenheit zjc wird durch explizite Befragung der Kunden über eine Rating-Skala
ermittelt. Unterschiedliche Normierungen (5er-, 6er-, 7er-, 10er-Skala) sind denkbar. Eine Dominanz einer
Normierung gegenüber einer anderen konnte empirisch nicht nachgewiesen werden. Vgl. [Meff98], S. 248.
Alternativ kann die Kundenzufriedenheit in Kombination oder ausschließlich über die Aggregation von
Kennzahlen erhoben werden. Dies sind beispielsweise Kennzahlen wie Gesamtwert der zurückgegebenen Ware.
Verläßt man sich zur Kundenzufriedenheitsmessung auf harte Kennzahlen, wie z. B. Anzahl Beschwerden, so ist
darauf zu achten, daß eine Verbesserung nicht auf der Veränderung eines Rahmenfaktors basiert, wie z. B. eine
schlechtere Erreichbarkeit des Unternehmens. Die Kundenzufriedenheit ist in diesem Falle dann nicht gestiegen,
sondern eher noch gesunken. Fließen Kennzahlen in die Erhebung der Kundenzufriedenheit ein, so sind
entsprechende Transformationsfunktionen zu bilden, welche die Kennzahlenwerte in die
Kundenzufriedenheitsskala projizieren.
Kapitel 5.1: Elemente
115
Als Clusterungsbasis fungiert die Matrix KMZP, die Kundenvergleichsmatrix auf Basis der
Zufriedenheitsprofile, welche eine obere Dreiecksmatrix darstellt und welche die folgende
Abbildung verdeutlicht:
c1
Abbildung 5-14:
c2
c3
c4
...
cn
c1
scz'12 scz'13 scz'14 ...
scz'1n
c2
scz'23 scz'24 ...
scz'2n
c3
scz'34 ...
scz'3n
c4
...
scz'4n
...
...
cn
...
Kundenvergleichsmatrix
Kundenzufriedenheitsprofile
auf
Basis
der
Die Werte sczc’c’’ aus KMZP dienen als Basis zur Clusterbildung. Wiederum sind
Bedingungen zu formulieren, um z’ Klassen Zi’’’ zu erhalten. Zum einen muß jeweils der
Mittelwert der Werte scb der Kunden, die zu einem Cluster gehören, kleiner als die obere
Schranke Cmax sein. Dies entspricht:
n
∑ scz
∀ scz i ''' =
Z i '''
c '∈Z i ''' ∧
c ''∈Z i '' '
ni '''
c 'c ''
< C max
Das ist gleichbedeutend mit der Bedingung, daß der Abstand der Werte scz zum
Clusterzentrum czi’’’ zu minimieren ist. Für die partitionierende Clusterung Cl(scz) zur
Erzeugung von z’ Klassen Zi’’’ für i’’’ = 1, ..., z’ ergibt sich daraus als Zielfunktion:
n
ZF = ∑∑i || scz c 'c '' − czi ''' ||2 → min!
c'
Als Nebenbedingung muß dabei auf der anderen Seite gelten, daß jeweils das arithmetische
Mittel der Werte sczc’c’’ für Kunden, die nicht zur gleichen Klasse Zi’’’ gehören, größer als die
untere Schranke Cmin zu sein hat. Dies entspricht:
116
Kapitel 5.1: Elemente
n
∑ scz
∀
Z i '''
c '∈Z i ''' ∧
c ''∈Z i ''' +1
c 'c ''
MAE{scz c 'c '' | c'∈ Z i ''' ∧ c' '∈ Z i '''+1}
5.1.2.2.
> C min
Kundenklassifizierung nach der Unternehmenssicht
Die Kundenklassifizierung nach der Unternehmenssicht stellt die Bedeutung der Kunden für
den Erfolg des Unternehmens heraus. Die n Kunden eines Unternehmens sind somit nach
ihrer Bedeutung für den Unternehmenserfolg in u Klassen Uw für w = 1, ..., u einzuteilen.
Vorgehen, die auch auf diesen Zweck abzielen, sind die ABC-Analyse sowie
Kundenportfolios.
Im Rahmen der ABC-Analyse erfolgt eine Einteilung der Kunden in die drei Gruppen A, B
und C anhand des in der Vergangenheit mit diesem Kunden erzielten Umsatzes. Diese
Umsatzhöhe gibt zwar einen Hinweis, welche Kunden besonders wichtig für das
Unternehmen in der Vergangenheit waren, deckt aber nicht auf, bei welchen Kunden
Umsatzpotentiale bestehen, die das Unternehmen bisher noch nicht realisiert. Um diese
Schwäche zu beheben, ist die ABC-Analyse um einen prognostizierenden Indikator zu
erweitern, welcher die zukünftig möglichen Umsatzpotentiale erhebt.
Zudem stellt die Vorgehensweise der ABC-Analyse, sich auf den Indikator Umsatz zu
beschränken, eine monokausale Verdichtung dar. Diese ist für die Bedeutung eines Kunden
bezüglich des Ist-Unternehmenserfolges zum einen nur eingeschränkt gültig, und zum
anderen erklärt sie nur einen Teil der Bedeutung, die ein Kunde für ein Unternehmen haben
kann.
So stellt der Umsatz für sich allein nicht zwingend einen Erfolgsindikator dar, da er noch mit
den durch den Kunden verursachten Kosten zu vergleichen ist.335 Zudem muß die Bedeutung
eines Kunden für den Erfolg eines Unternehmens nicht zwangsläufig aus der Höhe eines
monetären Erfolgsindikators resultieren.336 Vielmehr kann z. B. ein besonders renommierter
Kunde, dem ein vergleichsweise geringer monetärer Erfolgsbeitrag beigemessen wird, auf
weitere
Kunden
anziehend
wirken.
Dadurch
steigt
die
Bedeutung
des
335
In einigen Unternehmen wird mit den umsatzstärksten Unternehmen nicht der größte Deckungsbeitrag zum
Erfolg erwirtschaftet, vgl. auch [Weiß97], S. 98f.
336
Vgl. [Acke97], S. 102ff.
Kapitel 5.1: Elemente
117
renommierten Kunden aufgrund seiner mittelbar, den Erfolg steigernden Wirkung.337
Allerdings ist zu berücksichtigen, daß sämtliche Indikatoren – analog zu dem in diesem
Kapitel beschriebenen Vorgehen beim Indikator Umsatz – um eine prognostische Größe im
Hinblick auf das künftige Potential in diesem Indikator zu ergänzen sind. So ist zwischen Istund Potentialindikatoren zu unterscheiden. Dieses trifft beispielsweise auch auf das
beschriebene Beispiel des renommierten Kunden zu. Eventuell werden die beschriebenen
Ausstrahlungseffekte auf andere Kunden noch nicht konsequent genutzt, könnten aber
aktiviert werden. Das führt dazu, daß bei der Bestimmung der Höhe der Potentialindikatoren
jeweils zu berücksichtigen ist, inwieweit das Unternehmen, basierend auf seinen individuellen
Stärken und Schwächen, in der Lage ist, das Potential voll auszuschöpfen.338 Die Beziehung
der Ist- und Potentialindikatoren im Hinblick auf die Bedeutung für den Unternehmenserfolg
verdeutlicht die folgende Abbildung:
H ö h e d e s P o te n tia lin d ik a to rs
s te ig e n d e B e d e u tu n g
fü r d e n U n te rn e h m e n s e rfo lg
H ö h e d e s Is tin d ik a to rs
Abbildung 5-15:
Bedeutung
der
IstUnternehmenserfolg
und
Potentialindikatoren
für
den
337
Insgesamt sind vielfältige Indikatoren denkbar, welche die Bedeutung eines Kunden für den Erfolg eines
Unternehmens beeinflussen können. Vgl. dazu auch [Pepe01], S. 277ff., der zwischen dem primären, dem
sekundären und dem tertiären Kundenwert unterscheidet. Die Relevanz eines Indikators hängt dabei vom
jeweiligen Unternehmenskontext ab. Abhilfe schaffen hier mit Einschränkungen Kundenportfolios, die
zumindest zweidimensional und in qualitativen Bewertungsdimensionen unter Verwendung von
Punktbewertungsverfahren in Ansätzen mehrdimensional Kunden klassifizieren.
338
Zudem schließt sich die Berücksichtigung einer weniger intensiven Kundenbearbeitung mit für die Zukunft
anzunehmenden sinkenden Umsatzniveau aus, da eine Verringerung des Maßnahmeneinsatzes zu schwer
kontrollierbaren Ausstrahlungseffekten führen kann, welche die Kundenzufriedenheitssituation und damit die
Erfolgssituation des Unternehmens insgesamt verschlechtern. Ein klassisches Beispiel wäre ein
Geschäftsfluggast, der kurz vor dem Ausscheiden aus dem Geschäftsleben steht. Ein positiver langfristiger
Effekt wäre theoretisch durch einen individuellen Barwert aufzunehmen und zum bisherigen Potentialwert PWIc
hinzuzurechnen. Dieser Barwert ergibt sich aus den auf den Betrachtungszeitpunkt abgezinsten, mit diesem
Kunden erzielten, zukünftigen Einzahlungsüberschüssen. Er basiert auf die im Mittel zusätzlich erzielten
Umsätze abzüglich der entstandenen Kosten, die für in der Vergangenheit gleichsam klassifizierte Kunden
darstellen. Hierbei ist zu beachten, daß in der Vergangenheit gemachte Fehler in der Kundenbearbeitung, die
nicht zu einer adäquaten Ausschöpfung dieser Potentiale gereichten, in die Zukunft mit Auswirkungen auf die
Kundenbearbeitung prognostiziert werden. In der Regel führt dies zu einer Erhöhung des berechneten Barwertes,
da eine intensive Kundenorientierung erst in jüngster Vergangenheit eingesetzt hat.
118
Kapitel 5.1: Elemente
Weiterhin stellt die im Rahmen der ABC-Analyse vorgenommene Beschränkung auf die drei
Klassen A, B und C zwar eine Komplexitätsreduktion dar, wird aber den Anforderungen zur
Abbildung des gewählten Ausschnitts der Realwelt nicht in jedem Fall gerecht. Dies wird
zusätzlich dadurch deutlich, wenn die neben dem Umsatz zusätzlichen Einflußfaktoren für die
Bedeutung eines Kunden betrachtet werden. Deshalb ist es sinnvoll, die Anzahl der zu
definierenden Klassen u im Rahmen dieser Methode offen zu lassen und diese vom jeweiligen
Unternehmenskontext abhängig zu machen.339
Die Indikatoren Iu‘ für u‘ = 1, ..., u‘‘ dienen als Klassifizierungsattribute, wobei jeweils ein
Ist-(IWIu‘) und ein Potentialwert (PWIu‘) zu erheben ist. Formal dargestellt lassen sich die
Kunden als Grundlage für die Klassifizierung aus Unternehmenssicht durch die Matrix der
Bedeutung des Kunden für den Unternehmenserfolg MBc beschreiben. In ihr werden jeweils
IWIu‘c und PWIu‘c, die Ausprägungen der Ist- und Potentialwerte der Indikatoren beim
Kunden c, zusammengefaßt. So ergeben sich für die n Kunden eines Unternehmens n
Matrizen MBc der Form:
IWI1c ; PWI1c
MBc =
IWI2c ; PWI2c
...
IWIu‘‘c ; PWIu‘‘c
Abbildung 5-16: Matrix der Bedeutung des Kunden für den Unternehmenserfolg
Für einige Indikatoren, wie z. B. der Kundenerfolg, definiert über Umsatz mit dem Kunden c
abzüglich durch diesen Kunden verursachte Kosten in der Periode t, läßt sich eine monetäre
Skalierung im Hinblick auf den Unternehmenserfolg vornehmen. Bei weichen Indikatoren,
wie z. B. das aus einer Kundenreferenz gewonnene Prestige, ist eine monetäre Abschätzung
aus Expertenurteilen vorzunehmen.
Zusätzlich zu den Ist-Werten ist es für einige Unternehmen von Bedeutung, künftige
Umsatzpotentiale zu berücksichtigen, die beispielsweise aufgrund der derzeitigen Stellung des
Kunden in seinem Lebenszyklus erst in späteren als der betrachteten Periode anfallen. Eine
339
Haupteinflußparameter ist hierbei, inwieweit Kunden signifikant unterschiedlich durch Exklusivmaßnahmen
bearbeitet werden können.
Kapitel 5.1: Elemente
119
typische Kundenklasse hierfür sind Studenten als Kunden einer Bank. Sind Ist- und
Potentialwerte für die derzeitige Periode relativ dürftig, so ist für die Zeit nach dem Studium
ein deutlich höheres Umsatzvolumen zu erwarten. Die Umsatzpotentialwerte sind also
deutlich höher.
Über die Instanzierungen der Werte für Ist-(IWIu‘) und Potentialwert (PWIu‘) im
Anwendungsfall sind unabhängige Klassen mit Hilfe von Regeln zu bilden. Dabei erfolgt die
Klassifizierung der n Kunden getrennt zweistufig für die Ist-Werte und die Potentialwerte
jeweils auf Basis monetärer Schwellwerte.340 Anschließend erfolgt die Zusammenfügung der
sich ergebenden Tupel in u Klassen Uw .341
Aus den Tupeln der gebildeten Klassen läßt sich u. a. zusätzlich für den Maßnahmeneinsatz
ableiten, insbesondere auch welche kollaborativen Komponenten einzusetzen sind.342 Dies
wird im folgenden am Beispiel einer Bank verdeutlicht.
K und enseg m entierung
nach Ist-G esch äft
R elatio nen u nd K an al zu r
K on takterstaufnahm e
K undenseg m en tierung
nach Po tential- G eschäft
A-Kunde
A-Kunde
B-Kunde
B-Kunde
C-K unde
C-K unde
A-A: Face-to-Face
B-A, C-A: C all C enter
C-B: D irect M ail
R elevante R elationen
Abbildung 5-17:
Exemplarische Implikationen der Kundenklassifizierung nach der
Unternehmenssicht
340
Zu diesem Vorgehen sind die elementaren Transformationsprobleme, wie
z. B.
Scheingenauigkeit
und
Niveauunterschiede,
von
qualitativen,
weichen
Merkmalen
anzumerken, wenn auch nicht-monetäre Indikatoren berücksichtigt werden sollen. Vgl. zu diesen Problemen
auch [Bere89], S. 217ff.
341
Die maximale Klassenanzahl
Klassifizierungstupel.
342
Uw
ergibt
sich
aus
der
möglichen
Anzahl
unterschiedlicher
Ergänzend sind Änderungen der Werte IWIu‘ und PWIu‘ aufzunehmen. Darauf basierend ist ggf. der Kunde in
eine andere Klasse einzuordnen. Eine Neubildung der Cluster bietet sich aufgrund des Durchführungsaufwandes
erst in diskreten Zeitabständen an, wenn anzunehmen ist, daß grundsätzlich die Clusterstruktur
überarbeitungsbedürftig ist. Als Regel läßt sich ein halbjährlicher Zeitabstand hierfür nennen. Im genannten
Anwendungsbeispiel ist im Sinne eines kontinuierlichen Monitoring zu prüfen, ob sich Konto ein- und ausgänge signifikant ändern. Dies ist beispielsweise bei einem Studenten der Fall, der in den Beruf einsteigt.
Sodann ist ein höherer Wert für PWIu‘ einzustellen, der ggf. zu einer veränderten Klassenzuordnung führt.
120
5.1.2.3.
Kapitel 5.1: Elemente
Kundenklassifizierung nach der Prozeßsicht
Die Klassifizierung der Kunden nach der Prozeßsicht hilft, den situationsadäquaten Einsatz
der Maßnahmen zu gewährleisten. Durch diese Klassifizierung wird deutlich, in welchem
Schritt des Kundenbindungsmanagementprozesses sich jeweils ein Kunde befindet. Daran
kann das Ausmaß der jeweils einzusetzenden Maßnahmen zeitlich ausgerichtet werden.
Von besonderer Relevanz sind die sich ergebenden Steuerungshinweise, wenn die Kunden
nicht über alle Stufen gleichverteilt sind. Entsprechend sind Steuerungsnotwendigkeiten - prooder antizyklisch - in den einzelnen Prozeßstufen festzulegen.343
Diese Klassifizierung trägt insbesondere zur effektiven Budgetverteilung im
Kundenbindungsmanagement bei, wenn die Durchlaufzeit der Kunden durch die einzelnen
Phasen relativ lang ist. Sie muß länger sein als die Dauer der explizit betrachteten Periode der
Steuerung, die üblicherweise quartalsweise, halbjährlich oder jährlich erfolgt. Dies ist
regelmäßig dann der Fall, wenn das angebotene Produkt ein relativ komplexes,
beratungsintensives und tendenziell hochpreisiges Produkt ist.344
Für die Klassifizierung nach der Prozeßsicht sind im Gegensatz zur Kunden- und
Unternehmenssicht vom Unternehmen selbst keine Klassifizierungen vorzunehmen.345
Vielmehr ergibt sich die Prozeßklassifizierung aus dem Zusammenspiel der Maßnahmen und
der Reaktion der Kunden hierauf. Die Anzahl möglicher Klassen ergibt sich aus der Anzahl
möglicher Prozeßstufen r.346
Die variierende Zugehörigkeit der Kunden zur jeweiligen Prozeßstufe r läßt sich über n
Vektoren PRSc abbilden, der die Variablen PSr‘c für r‘ = 1, ..., r Prozeßstufen enthält. Der
343
Zudem ist die Kundenklassifizierung nach der Prozeßsicht wichtig für die Umsetzung der Budgetverteilung
und das –controlling, damit im Zeitverlauf in Verbindung mit der Einbindung in das Unternehmensdatenmodell
etwaige Schwachstellen im Prozeß aufgedeckt werden können.
344
Des weiteren sind die Durchlaufzeiten der Kunden durch den Kundenbindungsmanagementprozeß tendenziell
länger im Business-to-Business-Bereich als im Business-to-Consumer-Bereich aufgrund der tendenziell höheren
Rationalität bei den Kunden im Rahmen der Entscheidungsfindung. Vgl. dazu [Pepe01], S. 54ff., [Dang02], S.
8ff.
345
346
Die konkrete Ausgestaltung der einzelnen Prozeßstufen wird in Anhang A im Detail diskutiert.
Die Anzahl der als relevant im Einzelfall zu erachtendenden Prozeßstufen ergibt sich aus dem
Geschäftsmodell des Unternehmens. So ist z. B. für ein Unternehmen, das Produkte so vertreibt, daß der Kunde
diese unmittelbar am Point of Sale erhält, die Phase Abwicklung irrelevant. Würde das gleiche Produkt über den
Kanal Versandhandel vertrieben, so ist hingegen die Phase Abwicklung von hoher Relevanz. In der Regel ist
jedoch von vier Prozeßphasen zuzüglich einer prozeßbegleitenden Phase auszugehen, wie im Rahmen der
Maßnahmenstrukturierung erläutert worden ist.
Kapitel 5.1: Elemente
121
Wert 1 für PSr‘c in einem Vektor PRSc symbolisiert die Zugehörigkeit eines Kunden zu einer
Prozeßstufe unter den Nebenbedingungen:
PSr‘c Є {0;1} und
r
∑ PS
r '=1
r 'c
=1
Technisch ist die Zugehörigkeit zu einer Prozeßstufe der Kundenhistorie zu entnehmen, die in
verteilten Kundendatenbanken aktualisiert festzuhalten ist. Auf dieser Basis erfolgen die
Kategorisierungen.347
5.1.2.4.
Integration der drei Sichten
Die Kundenklassifizierungen nach den hergeleiteten drei Sichten (Kunden-, Unternehmensund Prozeßsicht) werden in einem Klassifizierungskonzept verdichtet. Als Ausgangssituation
für die Gestaltung des Klassifizierungskonzeptes sind die Ergebnisse der bisherigen Kapitel
zusammenzufassen. In Kapitel 5.2.1. ist das Ziel der Klassifizierung formuliert worden, die
Menge K an n Kunden c eines Unternehmens in k Klassen Ki für i = 1, ..., k zu zerlegen. Dazu
sind in den Kapiteln 5.2.1.1. bis 5.2.1.3. Teilklassifizierungen durchgeführt worden, welche
die Ansprüche an die Abbildung der drei Sichten Kunden, Unternehmens- und Prozeßsicht
erfüllen. Dies sind im einzelnen für c = 1, ..., n Kunden eines Unternehmens:
-
für die Kundensicht (mit drei Sub-Klassifizierungen)
- v‘ Klassen Vi‘ für i‘ = 1, ..., v‘ hinsichtlich des grundsätzlichen Kaufverhaltens auf Basis
der n Vektoren VPc mit den Ausprägungen der Attribute vdc für d = 1, ..., e und der n
Matrizen WPc mit den Ausprägungen der Variablen IRjc, BAjc, LEjc, BEjc. Durchgeführt
wird diese Klassifizierung idealerweise mit Hilfe der Clusteranalyse.
- b‘ Klassen Bi‘‘ für i‘‘ = 1, ..., b‘ hinsichtlich der Maßnahmen beigemessenen Bedeutung
auf Basis der n Vektoren BPc mit den Ausprägungen der Attribute bjc für j = 1, ..., m347
Softwareseitig ist dies eine wesentliche Grundfunktionalität, die in CRM-Systemen zur Unterstützung des
Kundenbindungsmanagements zur Verfügung zu stellen ist.
122
Kapitel 5.1: Elemente
Maßnahmen. Durchgeführt wird diese Klassifizierung idealerweise mit Hilfe der
Clusteranalyse.
- z‘ Klassen Zi‘‘‘ für i‘‘‘ = 1, ..., z‘ hinsichtlich der Kundenzufriedenheit mit den
Maßnahmen auf Basis der n Vektoren ZPc mit den Ausprägungen der Attribute zjc für j
= 1, ..., m-Maßnahmen. Durchgeführt wird diese Klassifizierung idealerweise mit Hilfe
der Clusteranalyse.
-
für die Unternehmenssicht
- u Klassen Uw für w = 1, ..., u hinsichtlich der Bedeutung des Kunden für den
Unternehmenserfolg auf Basis der n Matrizen MBc mit den Ausprägungen der Attribute
IWIu‘c und PWIu’c für u‘ = 1, ..., u‘‘. Durchgeführt wird diese Klassifizierung mit Hilfe
von monetären Schwellwerten.
-
für die Prozeßsicht
-
r Klassen auf Basis des Vektors PRSr’c mit den Variablen PSr‘c für r‘ = 1, ..., r
Prozeßstufen. Die Klassifizierung ergibt sich aus den entsprechenden Informationen
der Kundendatenbank.
Jeder Kunde ist über die Ausprägungen 0 und 1 bezüglich der Zugehörigkeit zu einer
Teilklasse mit einem Klassifizierungsschlüssel zu versehen. Kunden mit einem gleichen
Klassifizierungsschlüssel sind in einer Kundenklasse Ki zusammenzufassen. Damit ist jeder
Kunde c ein Element genau einer Kundenklasse i an. Somit ergibt sich die Anzahl k an
Klassen Ki aus den möglichen Kombinationen der Teilklassifizierungen. Ki ist eine
wofür
in
der
Verdichtung
der
ausführlichen
Schreibweise
Ki‘,i‘‘,i‘‘‘,w,r‘,
unternehmenspraktischen Anwendung jeweils eine entsprechende Zuordnungsrelation
festzuhalten ist. Die maximale Klassenanzahl k errechnet sich somit aus k = v‘• b‘• z‘ • u •
r.348 Die Reihenfolge der Durchführung der Klassifizierung ist für die Klassenanzahl
unerheblich.349 Jede Kundenklasse verfügt somit über einen Klassifizierungsschlüssel, der
sich nach der Klassenzugehörigkeit in den einzelnen Sichten richtet.350
348
Um den Sinn der Klassifizierung nicht zu konterkarieren, ist bei relativ geringer Kundenanzahl darauf zu
achten, daß die Klassen noch eine sinnvolle Anzahl an Kundenelementen enthalten. Ggf. sind ansonsten eine
oder mehrere Klassifizierungdimensionen, die im jeweiligen Anwendungskontext tendenziell die geringste
Trennschärfe aufweisen, wegzulassen.
349
Nach Durchführung der dargestellten Klassenzusammenführung sind marginale Veränderungen der Werte bij
berechenbar.
350
Darauf aufbauend sind wiederum ggf. zwecks vereinfachter Kommunikation Oberbegriffe zu finden.
Kapitel 5.2: Steuerungsalgorithmik
5.2
123
Steuerungsalgorithmik
Für die Gestaltung der Steuerungsalgorithmik ist auf Basis der in Kapitel 5.1. hergeleiteten
elementaren Bausteine eine entsprechende Zielfunktion aufzustellen (Kapitel 5.2.1.), die der
Lösung des in Kapitel 2.2.2. formulierten Steuerungsproblems des für das Unternehmen
optimalen Budgeteinsatzes hinsichtlich der Maßnahmen gerecht wird. Dafür ist ein geeignetes
Steuerungsverfahren zu konzipieren (Kapitel 5.2.2.). Abschließend erfolgt die
Konkretisierung der Anwendung der Steuerungsalgorithmik auf Basis des ausgewählten
Verfahrens der Monte-Carlo-Simulation (Kapitel 5.2.3.), bevor in Kapitel 5.2.4. die
Ergebnisse interpretiert und beurteilt werden.
5.2.1.
Konstruktion der Zielfunktion
Im folgenden wird die Zielfunktion gemäß der in Kapitel 2.2.2. herausgearbeiteten
Anforderungen in einem Top-Down-Ansatz entwickelt. Dazu ist im Unternehmen vom
übergeordneten Ziel der Gewinnerzielung auszugehen. Diese Zielfunktion ist mit den
herausgearbeiteten Ergebnissen zur Maßnahmenabbildung und Kundensegmentierung zu
verknüpfen, um den Einfluß des Einsatzes der Maßnahmen auf den Gewinn abzubilden.
Die Anwendung des Extremumprinzips führt zu einer Erhöhung der Komplexität im Rahmen
der Gestaltung der Steuerungsalgorithmik, da die beiden Größen Gewinn und Budget variabel
sind und nicht eine der beiden exogen und fix vorgegeben ist. Dadurch wird durch die
Steuerungsalgorithmik sowohl die Höhe des gewinnmaximalen Budgets als auch dessen
Verteilung auf die einzelnen Maßnahmen bestimmt. Die Zugrundelegung des
Extremumprinzips in der Steuerungsalgorithmik kommt in der Gewinngleichung zum
Ausdruck:351
Gewinn (G) = Umsatz (U) - Kosten (K)
G = p ⋅ x − k prop ⋅ x − K fix → max!
351
Die Gleichung stellt den Gewinn für eine Einproduktunternehmung dar, die über entsprechende Indizes und
Summierung für Mehrproduktunternehmungen erweitert werden kann. Da diese Unterscheidung zu den
diskutierten Aspekten nebengelagert und somit für die zunächst folgenden Untersuchungsschritte irrelevant ist,
wird soweit die dargestellte, einfache Form verwendet. Wie bereits diskutiert, konkurrieren einzelne Produkte in
der Regel nicht um ein Maßnahmenbudget, wenn zwischen Ihnen ein Absatzverbund besteht. Ansonsten ergibt
sich eine hierarchisch höher aufgehängte Aufgabe, welche die entsprechende Ressourcenverteilung auf
verschiedene Geschäftsbereiche betrachtet und z. B. über konkurrierende Profit Center-Strukturen gelöst werden
kann.
124
Kapitel 5.2: Steuerungsalgorithmik
wobei
p
Preis des Produktes,
x
Absatzmenge des Produktes,
kprop
variabler,
abgesetzte
Produktes,
Kfix
Fixkosten des Produktes
proportionaler
Kostensatz
Mengeneinheit
pro
des
Für den budgetoptimalen Maßnahmeneinsatz ist somit sowohl die Umsatz- als auch die
Kostenseite zu betrachten. Die Zielgröße der Steuerungsalgorithmik ist somit letztendlich der
Gewinn.352
Die allgemeine Gewinngleichung ist für die Steuerungsalgorithmik weiter zu spezifizieren.353
Durch den Einsatz von Maßnahmen können unmittelbar lediglich Erhöhungen der
Absatzmenge und nur mittelbar über die Verknüpfung mit dem Preis des Produktes oder der
Dienstleistung Umsatzsteigerungen erzielt werden.354 Hingegen stellt die Absatzmenge eine
endogene Größe dar, die durch die beschriebenen exogenen Einflußgrößen und der Wirkung
der Maßnahmen beim Kunden beeinflußt wird.
Auf der Marktseite sind nur Umsatzsteigerungen zu betrachten, die aus
Absatzmengenerhöhungen durch den optimierten Einsatz von Maßnahmen des
Kundenbindungsmanagements resultieren. Daraus ergeben sich zwei verschiedene
352
Anzumerken ist, daß als Erfolgsgröße für die Optimierung der Maßnahmenwirkung nicht zwangsläufig der
Gewinn verwendet werden muß. In Abhängigkeit des Unternehmenskontextes können durchaus andere
Erfolgszielgrößen, wie z. B. die Interessentenhäufigkeit oder die Imagewirkung, eingesetzt werden, die sich
beispielsweise erst zu einem späteren Zeitpunkt in einem monetären Erfolg niederschlagen. Dessen Umsetzung
in einem dynamischen Barwert führt jedoch dann in der Regel aufgrund der Unsicherheit über
Periodenzurechnungen der Erfolgsgrößen oder der Wahl des Kalkulationszinsfußes zu verschleiernden
Scheingenauigkeiten. In diesen Fällen ist eine Reduktion auf qualitative Zielkonstrukte sinnvoll.
353
Anzumerken ist, daß ggf. für eine eingängigere Ergebnistransparenz und Ausrichtung der organisatorischen
Ressourcen auf ein Zielkonstrukt ein Wirkungssurrogat für den Gewinn mit entsprechender Vehikelwirkung zu
bestimmen ist, in einfachster Form die Kundenzufriedenheit.
354
Da Umsatzwirkungen aus Preiserhöhungen ebenso nicht Gegenstand der Untersuchung sind wie
Absatzmengensteigerungen,
hervorgerufen
durch
andere
Marketingmaßnahmen
als
die
des
Kundenbindungsmanagements, stellen diese Größen exogene Größen dar, für die die ceteris-paribus Annahme
gilt. Diese ist analog für den proportionalen Kostensatz sowie die Fixkosten des Produktes oder der
Dienstleistung gültig, so daß auch kvar und Kfix hier exogene Größen darstellen. Exogene Größen werden im
folgenden durch das Zeichen ° kenntlich gemacht, so daß z. B. für den Preis des Produktes p im folgenden p°
geschrieben wird.
Kapitel 5.2: Steuerungsalgorithmik
125
Implikationen. Zum einen zeigt sich hier das Zurechnungsproblem, welchen Aktivitäten des
Unternehmens welche Umsatzbeiträge beizumessen sind. Für die Optimierung und Steuerung
im Kundenbindungsmanagement stellt dies jedoch kein Problem dar, da analog zum
Vorgehen bei der Gestaltung der Wirkungsfunktionen der Maßnahmen von der ceterisparibus-Annahme für die anderen Bereiche des Marketings ausgegangen werden kann, ohne
die Qualität der Abbildung der Realität einzuschränken. Anzumerken ist für den praktischen
Einsatz der Methode, daß die verschiedenen Effekte auf die Absatzmengenveränderung, für
die hier ceteris-paribus-Annahmen getroffen worden sind, über Conjoint-Analysen
abgeschätzt und somit auseinander dividiert werden können.355
Zudem ist die Absatzmenge nach Kundenklassen zu differenzieren, da auch der Budgeteinsatz
nach Kundenklassen differenziert erfolgt. Das Budget enthält zwar von hij abhängige variable
Bestandteile, ist aber nicht wie die Summe der variablen Kosten von xi abhängig; vielmehr ist
der Zusammenhang umgekehrt, daß BUij die Kundenzufriedenheit KZFi beeinflußt, die
wiederum auf die Absatzmenge xi wirkt. Das bedeutet:356
k
x=
∑ x ( KZF ( BU
i
i
ij )
i =1
Zu berücksichtigen ist, daß beispielsweise im Rahmen der Anwendung der Methode bei
Handelsunternehmen, die ein bisher großes Sortiment mit vielen Artikeln bieten, aus
Effizienzgründen der Umsatz insgesamt zu betrachten ist und die einzelnen Absatzmengen xi
als Aggregat. Als Nebenbedingung gilt wiederum die Annahme konstanter Preise. Analog zu
vorheriger Gleichung ergibt sich:
k
U=
∑ U ( KZF ( BU
i
i
ij )
i =1
Die durch BUij anfallenden Kosten stellen in der Abhängigkeit zur Absatzmenge nichtproportionale Kosten dar. Der konsistenten mathematischen Form halber sei erwähnt, daß
sich somit Kfix aus BU und den verbleibenden Fixkosten, die keinen Bezug zu den
Maßnahmen aufweisen, zusammensetzt.
Des weiteren sind die Kosten des Maßnahmeneinsatzes zu berücksichtigen. Die Höhe dieser
Kosten stellt einen Gradmesser für die Intensität des Maßnahmeneinsatzes dar und ist
ursächlich nicht proportional von der abgesetzten Menge abhängig. Vielmehr beeinflussen die
355
356
Vgl. zum Einsatz der Conjoint-Analyse [Kräm99], S. 50ff., [Back90], S. 565ff.
Um die symbolische Komplexität im Rahmen zu halten, wird eine vereinfachte Schreibweise gewählt. Die
modellexogenen Einflußgrößen auf die Absatzmenge werden nicht weitersymbolisch aufgeführt.
126
Kapitel 5.2: Steuerungsalgorithmik
Kosten des Maßnahmeneinsatzes die Absatzmenge über das Wirkungskonstrukt der
Kundenzufriedenheit, da mit höheren Werten in diesen Kostengrößen eine intensivere,
verbesserte Ausgestaltung der Maßnahme verbunden ist. Die Kosten KOij des
Maßnahmeneinsatzes hängen vielmehr von der Häufigkeit h des Einsatzes der Maßnahmen h
ab. Dabei sind jeweils diese Kosten von den sonstigen betriebsbedingten fixen Kosten zu
trennen, die eine exogene Größe darstellen, da sie nicht vom Maßnahmeneinsatz beeinflußt
werden, außer für den Sonderfall, daß fixe Kapazitätsanpassungen aus einer erheblich
erhöhten Absatzmenge notwendig werden.357 Für die Kosten bedeutet dies, daß zwischen den
Kostengrößen KP, die ursächlich für das Produkt anfallen, und KO bzw. BU, die ursächlich
für den Maßnahmeneinsatz anfallen, zu unterscheiden ist. Damit ergibt sich:
k
m
k
K = KP + KO = KP + BU = k prop ° ⋅ ∑ xi + K fix ° + ∑∑ BU ij* +
i =1
m
k
∑ ∑ BU
j ***=1 i =1
m
k
ij ***var
∑ KO
ij ** fix
+
m
j **=1
ij **
m
∑ BU
+
j ***=1
ij *** fix
+
k
=k prop ° ⋅ ∑ xi ( KZFi ( BU ij ) + ∑∑ koij*var ⋅ hij* ° +
i =1
m
j **=1
j *=1 i =1
m
∑ BU
∑ KO
m
ij *** fix
j ***=1
+
j *=1 i =1
k
∑ ∑ ko
ij ***var
* hij *** °
j ***=1 i =1
Anzumerken ist, daß für alle in der obigen Gleichung verwendeten Variablen die
Nichtnegativitätsbedingung gilt. Für die Gewinngleichung ergibt sich somit:
k
G = ∑ (p° ⋅ x i – k prop ° ⋅ x i ) - BU - K fix °
i =1
k
m
= ∑∑ (p° − k prop °) ⋅ x i (KZFi (BU ij ))) - BU - K fix °
i =1 j =1
k
m
m
k
= ∑∑ ( p° − k prop °) ⋅ xi ( KZFi ( BU ij ))) −K fix ° − ∑∑ koij*var ⋅ hij* ° −
i =1 j =1
m
∑ KO
j **=1
k
ij ** fix
j *=1 i =1
+
m
∑ KO
j ***=1
ij *** fix
+
m
m
k
∑ ∑ ko
j ***=1 i =1
ij *** var
* hij *** °
m
k
= ∑ ∑ (( p° − k prop °) ⋅ xi ( KZFi ( BU ij ))) − K fix ° − ∑∑ BU ij* −
i =1 j =1
m
j *=1 i =1
k
∑ ∑ BU
j ***=1 i =1
ij ***var
m
∑ BU ij** −
j **=1
m
∑ BU
j ***=1
ij *** fix
−
→ max!
Diese Gewinnfunktion impliziert, daß sowohl die Höhe des Budgets als auch dessen
Verteilung zu optimieren sind. In der Unternehmenspraxis ist das für Maßnahmen zur
Verfügung stehende Budget häufig fest vorgegeben. Dieser vereinfachte Fall der
357
Derartige Veränderungen in den Fixkosten könnten ggf. über eine entsprechende Treppenfunktion modelliert
werden, die den sonstigen Fixkostenblock erhöht, sobald für die Absatzmenge Schwellwerte erreicht werden, die
fixe Kapazitätsanpassungen erfordern.
Kapitel 5.2: Steuerungsalgorithmik
127
Optimierung, das fest von der Höhe vorgegebene Budget wirkungsoptimal auf die
Maßnahmen zu verteilen, ist durch eine Exogenisierung der Größe BU und Gestaltung der
folgenden Nebenbedingung abzubilden:358
Nebenbedingung für die Zielfunktion bei fest vorgegebenem Budget:
m
∑
j =1
m
BU j =
k
∑∑
j *=1 i =1
m
BU ij* +
∑
m
BU ij** +
j **=1
∑
m
BU ij*** fix +
j ***=1
k
∑ ∑ BU
ij ***var
≤ BU °
j ***=1 i =1
Ergänzend sei angemerkt, daß auch der dritte, in der Praxis zumeist nicht anzutreffende
Optimierungsfall eines minimalen, wirkungsoptimal verteilten Budgets für einen fixen
Zielgewinn durch entsprechende Vorgabe dieses Wertes, Umformulierung der Zielfunktion zu
einem Budgetminimierungsproblem und Aufstellung einer zu oben analogen Nebenbedingung
für den Zielgewinn abbildbar ist.
Zu thematisieren im Hinblick auf die Erfüllung der Anforderungen ist die Wirkungsfunktion
F(KZFi)=xi. bzw. F(KZFi)=Ui.359 Über das Vehikel der Kundenbindung ergibt sich der
folgende Grundtyp für diesen Zusammenhang, den die folgende Abbildung visualisiert und
der in eine Funktion dritten Grades umgesetzt wird.360
xi
Z ie lb e re ic h
S ä ttig u n g s b e re ic h
A b w a n d e ru n g s b e r e ic h
K ZFi
Abbildung 5-18: Kundenzufriedenheits-Absatzmengen-Funktion
358
Theoretisch exakt, aber für die Praxis allerdings in der Regel irrelevant, ist zu berücksichtigen, daß eventuell
ein besseres Ergebnis erzielt wird, wenn das Budget nicht voll ausgeschöpft wird, da der zusätzliche
Umsatzbeitrag die durch den Budgeteinsatz entstehenden Kosten nicht deckt.
359
Anzumerken ist, daß es sich um eine interpolierte Funktion über die einzelnen Kunden handelt, die am besten
das Verhalten der einzelnen Kunden der Klasse in Summe zusammenfaßt.
360
Vgl. zur Diskussion der dargestellten Vehikelwirkung auch [Bruh98], S. 422, die Ausführungen zum
American Satisfaction Index in [John98], S. 102ff., [Ritt02], S. 198..
128
Kapitel 5.2: Steuerungsalgorithmik
Die Funktion teilt sich in drei Bereiche. Im Abwanderungsbereich sind die einzelnen Kunden
relativ unzufrieden und fragen deshalb relativ geringe Mengen nach.361 Sie weichen vermehrt
auf andere Anbieter aus, so daß Absatzmenge und damit Umsatz für die Kundenklasse stark
sinken. Man könnte zu der Annahme kommen, daß dies der Zielbereich für weniger profitable
Kunden ist. Hierbei ist jedoch zu berücksichtigen, daß aus den Erkenntnissen des
Beschwerdemanagements
durch
Mund-zu-Mund-Kommunikation
negative
Ausstrahlungseffekte ψ- auf andere potentielle Kunden wirken, die stärker sind als die
entsprechenden positiven Effekte ψ+ bei überdurchschnittlicher Kundenzufriedenheit. In der
Regel ist also ψ+ < ψ-.362 Normativ führt dies zur Aussage, daß auch bei weniger profitablen
Kunden zumindest eine durchschnittliche Kundenzufriedenheit angestrebt werden sollte.363
Im Sättigungsbereich ist zu berücksichtigen, daß die Kunden mittelmäßig zufrieden sind: Sie
sehen aber keinen Anlaß, ihre nachgefragte Menge weiter zu erhöhen.
Der Zielbereich ist dadurch gekennzeichnet, daß die Kunden eine hohe Kundenzufriedenheit
aufweisen.364 Die Kunden vereinen ihren Gesamtbedarf in zunehmenden Maße auf den einen
Anbieter. Zudem wirkt in diesem Bereich ψ+.365
Für die Initialisierung des Funktionsverlaufes der Kundenzufriedenheits-AbsatzmengenFunktion als Startwert ist auf empirische Erkenntnisse unter Zuhilfenahme von in den
Elementen Maßnahmen und Kunden festgehaltenen Informationen zurückzugreifen. F(KZFi)
ist differenziert nach Kundenklassen zu betrachten. Im Rahmen der Kundenklassifizierung ist
für den einzelnen Kunden und damit in Summe für die gesamte Kundenklasse das maximale
Umsatzpotential bei maximaler Kundenzufriedenheit festgehalten, das bei einer vollständigen
Zufriedenheit der Kunden mit dem Einsatz der Maßnahmen in der betrachteten Periode
erzielbar ist. Das bedeutet:
361
Die Funktion basiert auf den im Rahmen des Kapitels Stand der Technik dargestellten empirischen
Erkenntnissen bezüglich des Zusammenhanges zwischen Kundenzufriedenheit und Absatzmenge.
362
Vgl. zur empirischen Belegung des Effektes ausführlich aus Kapitel 2.1.1.3. [Bruh82], S. 58, [Hoff91], S.
198, [Good87], S. 176f., [Hans95], S. 539.
363
Da die Kundenausstrahlungseffekte auch auf potentielle Kunden wirken, besteht hier eine Verbindung zum
angrenzenden Bereich des Neukundenmanagements.
364
Vgl. dazu auch [Pepe02], S. 39ff., [Kade02], S. 75ff., [Stoj00], S. 37f. sowie die jeweils dort angegebene
Literatur.
365
Alle Kunden in den Zielbereich zu befördern, muß nicht zwangsläufig das Ziel der
Maßnahmenbudgetentscheidung sein, denn eventuell sind dafür Budgetanstrengungen notwendig, die durch die
zusätzlich erzielten Umsätze nicht kompensiert werden können. Insgesamt gilt, daß sich ein Budgeteinsatz lohnt,
solange das Grenzbudget – in Analogie zum Terminus Grenzkosten – gleich dem durch die zusätzliche
Absatzmenge erzielten Grenzumsatz ist.
Kapitel 5.2: Steuerungsalgorithmik
129
n
PWI i =
∑ PWI
c
c∈K i
Darüber hinaus sind Ist-Umsatz Ui und Ist-Zufriedenheit KZFiist jeweils bekannt, wobei die
Bestimmung von KZFi über alle Maßnahmen j im folgenden Kapitel zur Verknüpfung der
Wirkungsfunktionen im Detail erläutert wird. Die Umsatzwerte werden auf Absatzmengen
projiziert, indem die konstanten Absatzpreise durch einfache Division jeweils ausgeklammert
werden. Des weiteren ist davon auszugehen, daß diese Funktion durch den Nullpunkt verläuft,
und der Annahme, daß eine durchschnittliche Kundenzufriedenheit zu einer mittleren
Nutzung des Umsatzpotentials führt. Mit Hilfe der Lagrangeschen Interpolationsformel oder
dem Newtonschen Interpolationspolynom ist somit ein Polynom dritten Grades zu gestalten.
Die in Kapitel 2.2.2. aufgestellte Anforderung hinsichtlich der Operationalisierbarkeit der
Aktions- und Reaktionsvariablen ist zudem erfüllt, da Kosten-, Umsatz-, Gewinn- und
Budgetgrößen in der Dimension Geldeinheiten abgebildet werden und die
Kundenzufriedenheit eine dimensionslose, skalare Größe darstellt, die sich aus
Befragungsergebnissen oder der Verdichtung geeigneter Kennzahlen ergeben.366
Ziel der Steuerungsalgorithmik ist somit die Bestimmung
Verteilung, was in der Optimierung der Kundenzufriedenheit
Wie bereits in Kapitel 4 dargestellt, ist dabei bewußt auf
Maximierung der Kundenzufriedenheit abzuheben, um eine
ermöglichen.
der Budgethöhe und dessen
mit den Maßnahmen mündet.
eine Optimierung und nicht
wirtschaftliche Steuerung zu
Die Zielfunktion setzt somit als veränderliche Basisgrößen auf der Budgethöhe und der
Kundenzufriedenheit auf. Die Kundenzufriedenheit ist dabei die Reaktionsvariable und die
Budgethöhe die Aktionsvariable. Dies wird den in Kapitel 2 an die Steuerungsalgorithmik
gestellten Anforderungen gerecht, da eine sowohl eine Aktions- als auch eine
Reaktionsvariable gegeben ist, die operationalisierbar ist und damit in der
Unternehmenspraxis angewendet werden kann.367
366
367
Vgl. auch Kapitel 5.1.2.1.
Zudem wird die Methode der in Kapitel 2 formulierten Anforderung an einen modularen Aufbau insofern
gerecht, daß unternehmensindividuelle Anpassungen für die betrachteten Funktionen vorgenommen werden
können, ohne die Anwendbarkeit der grundsätzlich in Frage zu stellen. Im nächsten Schritt ist die Zielfunktion,
die bisher zur Schnittstelle an die einzelnen Maßnahmenwirkungsfunktionen – was den modularen Aufbau der
Methode zusätzlich belegt - heruntergebrochen worden ist, durch die Verknüpfung der einzelnen
Wirkungsfunktionen auszufüllen.
130
Kapitel 5.2: Steuerungsalgorithmik
5.2.2.
Verknüpfung der Wirkungsfunktionen
Um die Zielfunktion zu füllen, insbesondere um die Größe der Gesamtkundenzufriedenheit
KZFi der Kundenklassen i zu bestimmen, sind die Wirkungsfunktionen der Maßnahmen, die
nach den einzelnen Kundenklassen differenziert betrachtet werden, miteinander zu
verknüpfen. Diese Funktion hat die Wirkungsbeiträge der Einzelfunktionen der Maßnahmen
zusammenzufassen, so daß sich für jede Kundenklasse i eine m-dimensionale Funktion ergibt.
Dabei ist eine Fallunterscheidung vorzunehmen, je nachdem ob der normale
Wiederkaufzeitraum während des Optimierungszeitraumes von den Kunden in der Regel
zumindest einmal durchlaufen wird oder die Wiederkaufzeiträume in der Regel länger als der
Optimierungszeitraum sind. Da zweitgenannte Konstellation für die Berücksichtigung im
Rahmen der Methode lediglich eine Erweiterung darstellt und auf erstgenannten Fall aufbaut,
wird der erstgenannte Fall im folgenden zunächst dargestellt.
Zur vollständigen Abbildung der inhaltlichen Komplexität der Wirkungsfunktionen sind diese
im folgenden Bottom-Up zu entwickeln, so daß an einem einzelnen atomaren Kunden in
Zusammenspiel mit einer Maßnahme begonnen wird. Schrittweise werden sodann die
notwendigen Erweiterungen eingearbeitet, um zu den zu entwickelnden Funktionen für die
Gesamtkundenzufriedenheit einer Kundenklasse zu gelangen.
Die Zufriedenheit eines Kunden c mit einer Maßnahme repräsentiert der entsprechende
Zufriedenheitswert zjc. Dies wäre gleichzeitig der Endwert für die Kundenzufriedenheit eines
beliebigen
Kunden
c,
wenn
nur
eine
Maßnahme
im
Rahmen
des
Kundenbindungsmanagements angeboten würde. Da in der Regel mehrere Maßnahmen
angeboten werden, sind die resultierenden Zufriedenheitswerte zjc zu verknüpfen, um die
Kundenzufriedenheit des Kunden zu bestimmen. Dies geschieht unter Einsatz der erhobenen
Bedeutungsgewichte, um die einzelnen Werte zjc hinsichtlich ihres Einflusses auf KZF in ein
angemessenes Verhältnis zu setzen. Für einen Kunden c ergibt sich somit als Wert für die
Kundenzufriedenheit:368
m
KZFc = ∑ b jc ⋅ z jc
j =1
Somit sind die c Werte für KZF in einem Wert für die Kundenklasse i zusammenzufassen. Da
die Kunden im Rahmen der Kundenklassifizierung nach der Unternehmenssicht hinsichtlich
368
Bei höchst möglicher Granularität der Kundenklassen, wenn somit jeder Kunde genau eine Kundenklasse
darstellt, ist eine Aggregation von KZFc nicht notwendig, da sodann KZFc = KZFi ist. Diese extreme Form der
One-to-One-Kundenbearbeitung ist jedoch in den seltensten Fällen wirtschaftlich, wie im Rahmen der
Kundenklassifizierung diskutiert worden ist.
Kapitel 5.2: Steuerungsalgorithmik
131
des Beitrags für den Unternehmenserfolg klassifiziert worden sind, ist eine Gewichtung nach
diesem Kriterium auf der folgenden Aggregationsstufe notwendig. Um prinzipielle
Vergleichsaussagen zwischen den Kundenklassen zu ermöglichen, bietet es sich an, für die
einzelnen Kundenklassen einen prozentualen Kundenzufriedenheitsindexwert für die
Kundenklassen zu bestimmen. Dieser ergibt sich für die Kundenklasse i aus:
n
KZFi =
m
∑ ∑b
c =1|c∈K i j =1
jc
⋅ z jc
ni ⋅ z max
Da die Kunden sowohl auf Basis der Ausprägungen der Bedeutung bjc als auch auf Basis der
Zufriedenheitswerte zjc369 in einheitliche Klassen eingeteilt worden sind, erweist es sich als
praktikabel für den Unternehmenseinsatz, die entsprechenden Werte jeweils auf Klassenbasis
zu aggregieren. Das bedeutet für die aggregierte Zufriedenheit zij der Kunden einer
Kundenklasse mit der Maßnahme j:
n
∑z
z ij =
jc
c =1|c∈K i
ni
Wie im Rahmen der Kundenklassifizierung nach der Bedeutung dargestellt, ist aus
Erhebungsgründen hingegen die Bestimmungsreihenfolge umgekehrt. So mit wird bij
ausgehend von bjc hergeleitet:
n
∑b
bij =
jc
c =1|c∈K i
ni
Für die Kundenklasse Ki lassen sich mit Hilfe der Werte zij und bi entsprechend die
Standardabweichungen σ(z)ij und σ(b)ij bestimmen:
369
zmax steht dabei für die maximal mögliche Ausprägung der Kundenzufriedenheit.
132
Kapitel 5.2: Steuerungsalgorithmik
n
∑ (z
σ ( z ) ij =
jc
c =1|c∈K i
ni − 1
n
∑ (b
σ (b) ij =
− z ij ) 2
jc
− bij ) 2
c =1|c∈K i
ni − 1
Es ergibt sich für den prozentualen Kundenzufriedenheitsindexwert der Kundenklasse somit:
n
KZFi =
m
∑ b jc ⋅ z jc
∑
c =1|c∈K i j =1
ni ⋅ z max
m
=
∑b
ij
j =1
⋅ z ij
z max
Die Gleichung fußt bisher nur auf modellendogenen Reaktionsvariablen. Um eine Steuerung
zu ermöglichen, sind die bereits herausgearbeiteten, dahinterstehenden exogenen
Steuerungsvariablen einzubauen. Wie hergeleitet worden ist, ist die Zufriedenheit mit einer
Maßnahme auf die Steuerungsvariable BU zurückzuführen, von deren Ausprägung die
Wirkung beim Kunden also die Kundenzufriedenheit abhängt. Somit kann für KZFi
steuerungsadäquat geschrieben werden:
n
KZFi =
n
=
∑ ∑b
c =1|c∈Ki j =1
∑ ∑b
jc
jc
=
∑b
ij
∑b
j =1
ij
⋅ F ( BUij )
z max
⋅ F ( BU ij* + BU ij** + BU ij*** fix + BU ij***var )
ni ⋅ z max
m
m
⋅ F ( BUij )
ni ⋅ z max
m
c =1|c∈K i j =1
j =1
m
=
⋅ F (koij*var ⋅ hij* + KOij** fix + KOij*** fix + koij***var ⋅ hij*** )
z max
Diese Funktion stellt den Basisterm dar, um die skizzierte KundenzufriedenheitsAbsatzmengenfunktion auszufüllen. Des weiteren ist zu berücksichtigen, ob ein Kunde die
Maßnahme - unabhängig davon, ob sie nach dem Hol- oder Bring-Prinzip dargereicht wurde,
nachgefragt bzw. erhalten hat. Dies sind erstens Maßnahmen einer vom Kunden nicht
durchlaufenen Phase, zweitens die verbleibenden Maßnahmen nach dem Bring-Prinzip, die
der Kunde, unabhängig davon, ob er sie gewünscht hätte, nicht erhalten hat, und drittens die
verbleibenden Maßnahmen nach dem Hol-Prinzip, die der Kunde nicht nachgefragt hat. Das
Kapitel 5.2: Steuerungsalgorithmik
133
bedeutet, daß eventuell nicht alle Kunden einer Kundenklasse mit einer Maßnahme während
der Periode des Optimierungszeitraumes mit einer Maßnahme in Kontakt kommen. Ist dies
nicht der Fall, so verharrt die Kundenzufriedenheit auf dem Ausgangswert und ist somit
periodenirrelevant.
Nur im anderen Fall ergibt sich eine Wirkungsinduktion für die Kundenzufriedenheit. Dieses
kann gleichsam dazu führen, daß Kunden auf einem Zufriedenheitsniveau verharren, obgleich
das vom Unternehmen für diese Maßnahme eingesetzte Budget verringert oder erhöht worden
ist. So ist der Zufriedenheitswert zij (zjc) zu unterscheiden in z0ij bzw. z0jc (bisheriger
Zufriedenheitswert) und z1ij bzw. z1jc (prognostitzierter Zufriedenheitswert für den Kunden c
auf der Wirkungsfunktion nach Konfrontation mit der Maßnahme j). BUij bezieht sich dabei
jeweils auf z1ij.
Deutlich wird dieses bei der Maßnahme Beschwerdeaufnahme/-bearbeitung. Diese kommt
zwangsläufig nur dann zum Einsatz, wenn Kunden diese Maßnahme auch tatsächlich in
Anspruch nehmen. Um die Periodenirrelevanz abzubilden, sind die Bedeutungen bjc über die
Kundenklasse zu modifizieren. Aus einer Basis-, Leistungs- oder Begeisterungsmaßnahme
wird also für einzelne Kunden eine für die betrachtete Periode irrelevante Leistung. Die
verbleibenden Bedeutungsgewichte der relevanten Maßnahmen sind entsprechend neu zu
gewichten. Wie viele Kunden von einer Maßnahme tatsächlich während der Periode mit
dieser in Kontakt kommen, ist aus Vergangenheitswerten der Maßnahmendatenbank zu
entnehmen. Ebenso läßt sich die Häufigkeit der Nachfrage aus der durch die nach der
Prozeßsicht mit Hilfe der Vektoren PRSr’c gebildeten r Klassen für r‘ = 1, ..., r Prozeßstufen
ableiten. Für die Abbildung dieses Aspektes eignet sich die Variable hij und die daraus
abgeleitete Variable rhij. hij steht für die mittlere absolute Häufigkeit der Nachfrage der
Kundenklasse i nach der Maßnahme j in der Betrachtungsperiode.
Um eine allgemeine Gleichungsform zu erzielen, die unabhängig von der Anzahl ni der
Kunden c einer Kundenklasse i ist, ist die relative Häufigkeit rhij zu verwenden. Darüber wird
die sodann notwendige Modifikation die Bedeutungsgewichte der Maßnahmen eingearbeitet.
Das drückt folgende Gleichung für die Kundenzufriedenheit eines Kunden unter
Berücksichtigung der tatsächlich in Anspruch genommenen Maßnahmen aus. Die
Bedeutungsgewichte sind sodann neu zu gewichten. Für die einzelne Kundenklasse i heißt
dies:
rhij ⋅
KZFi =
m
∑b
⋅ F ( BU ij ) + rhij ⋅
ij
j =1 fürbij | rhij =1
m
∑b
⋅ F ( BU ij ) + (1 − rhij ) ⋅
ij
j =1 fürbij | rhij ≠1
m
∑
j =1 fürbij | rhij ≠1
bij
m
∑ bij
j =1 fürbij | rhij =1
z max
⋅ F ( BU ij )
134
Kapitel 5.2: Steuerungsalgorithmik
Damit ist auch implizit der zweitgenannte Fall abgebildet, daß der Optimierungszeitraum
nicht dem Wiederkaufzeitraum entspricht. Für die Maßnahmen der vom Kunden nicht
durchlaufenen Prozeßphasen ist sodann rhij = 0.
Neben dem bereits diskutierten allerdings ursächlich systemimmanenten, also endogenen
Kundenausstrahlungseffekten ψ+ und ψ- sind weitere externe Effekte zu berücksichtigen.
Diese exogenen Effekte können entweder über prozentuale Werte oder regelbasiert eingefügt
werden. Die Logik im unternehmensspezifischen Einsatz hängt von empirischen
Erkenntnissen ab. Da im Rahmen der Methode ein indeterministischer Lösungsansatz gewählt
wird, bietet sich die Berücksichtigung dieser Effekte sowie die Diskussion der Vor- und
Nachteile der Einbauvarianten im Rahmen der Simulation der Variablen an und erfolgt
deshalb in Kapitel 5.2.4.2. Im Kundenbindungsmanagement ist dabei zwischen Konkurrenzund Remanenzeffekten zu unterscheiden.
Der Remanenzeffekt Þj einer Maßnahme bezeichnet das Phänomen, daß die Beurteilung der
Vergangenheit in die zukünftige Beurteilung einbezogen wird.370 Von nennenswertem, nichtscheingenauem Ausmaß ist dieser prognostische Effekt, wenn mit extrem hohen absoluten
Budgetveränderungen ein großer Sprung in der Zufriedenheit beabsichtigt wird. Liegen für
den Ausnahmefall aus dem unternehmenspraktischen Einsatz empirische Erkenntnisse vor,
daß die Remanenzen zwischen den Kundenklassen signifikant schwanken, so kann Þj weiter
nach Þij differenziert werden. Der Effekt betrifft beide Richtungen von Budgetveränderungen.
Wenn das Budget stark zurückgefahren wird, baut sich die Kundenzufriedenheit mit
Verzögerung ab. Erklärbar ist dieses Phänomen insofern, als die Kunden die geringere
Leistung zunächst als einmaligen Ausrutscher betrachten. Ebenso steigt ggf. die
Kundenzufriedenheit mit einer Maßnahme bei großen Budgetveränderungen nur zögerlich,
weil die Kunden weiterhin mißtrauisch sind und noch nicht das volle Vertrauen in die
Leistungsfähigkeit des Unternehmens in dieser Maßnahme aufweisen.371
Der Konkurrenzeffekt ¥j beschreibt das Phänomen, daß eine prognostizierte Budgetwirkung
aufgrund des Verhaltens der Konkurrenz ggf. nicht erzielt wird. Die beabsichtigte Wirkung
beim Kunden, der die Maßnahme erhalten hat, kann sowohl unter- als auch übererfüllt
370
371
Vgl. [Beck98], S. 800f.
Kanonisch ergibt sich, daß die Remanenzeffekte nur dann auftreten, wenn in der betrachteten Periode der
Kunden die Maßnahme auch erhalten hat. Die Vergangenheit kann in der Prognose bei deterministischen
Modellen über verschiedenste Methoden, wie z. B. exponentiellle Glättungsverfahren oder gleitende
Durchschnitte, berücksichtigt werden, z. B. über Wahrscheinlichkeiten einer Gedächtniskurve. Vor- und
Nachteile in der Anwendung im Rahmen dieser Methode werden beim Einbau der Remanenzeffekte in die
Simulation berücksichtigt. Für die Funktionszusammenhänge ist lediglich festzuhalten, daß die bisherigen
Funktionsvorschriften mit dem Remanenzeffekt zu verknüpfen sind. Die Auswirkungen auf die
Funktionsvorschrift hängen von der konkreten Einbauvariante ab. Dies gilt ebenso für Definitions- und
Wertebereich von Þj. Zu beachten ist, daß die dadurch steigende Komplexität tatsächlich nur bei beabsichtigten
extremen Sprüngen wirtschaftlich vertretbar ist.
Kapitel 5.2: Steuerungsalgorithmik
135
werden. Dieser Effekt tritt insbesondere auf, wenn das eigene Unternehmen eine Maßnahme
bisher innovativ und exklusiv angeboten hat und daraufhin einige oder mehrere Wettbewerber
als Early Adopter diese Maßnahme adaptieren.
Das Alleinstellungsmerkmal bzw. das Unique Selling Propositon (USP) verpufft, so daß auch
die vorher außerordentliche Wirkung beim Kunden nachläßt. Die Maßnahme wird zum
Standard und ist Analogie zum erarbeiteten Zusammenhang des Lebenszyklus der
Maßnahmen zu sehen. Der Effekt tritt ebenso positiv wie negativ auf, wenn Informationen
darüber vorliegen, daß ein Konkurrent die Ausgestaltung einer Maßnahme extrem positiv
oder negativ verändert. Anzumerken ist, daß analog zum Remanenzeffekt wiederum im
Einzelfall zu prüfen ist, ob im Hinblick auf die Kundenklassen eine differenzierte Erweiterung
von ¥j hin zu ¥ij von Relevanz ist.
Für die grundsätzliche Berücksichtigung der Remanenz- und der Konkurrenzeffekte ist die
Gleichung für KZFi folgendermaßen zu erweitern:
rhij ⋅
m
∑ (b
⋅ ( F ( BU ij ) +Þij + ¥ ij )) + rhij ⋅
ij
j =1 fürbij | rhij =1
m
∑ (b
⋅ ( F ( BU ij ) + Þij + ¥ ij )) + (1 − rhij ) ⋅
ij
j =1 fürbij | rhij ≠1
j =1 fürbij | rhij ≠1
bij
⋅ F ( BU ij )
m
∑b
ij
j =1 fürbij | rhij =1
KZFi =
rhij ⋅
m
∑
zmax
m
∑ (b
⋅ ( F ( BU ij ) +re ⋅
ij
j = 1 fürb ij | rh ij =1
(z1ij − z 0 ij )
2
+ ¥ ij )) + rhij ⋅
m
∑ (b
⋅ ( F ( BU ij ) + re ⋅
ij
j = 1 fürb ij | rh ij ≠ 1
(z1ij − z 0 ij )
2
+ ¥ ij )) + (1 − rhij ) ⋅
m
∑
j = 1 fürb ij | rh ij ≠ 1
bij
m
∑b
=
⋅ F ( BU ij )
ij
j = 1 fürb ij | rh ij = 1
z max
Insgesamt ist für die aufgestellten Gleichungen anzumerken, daß die empirisch festgestellte
Volatilität der eingehenden Variablen – insbesondere wenn Stichprobenwerte auf die
Gesamtheit der Kunden hochgerechnet werden – hier noch zu berücksichtigen ist. Die
Weiterentwicklung von einer deterministischen zu einer indeterministisch-stochastischen
Methode bietet sich im Rahmen der Umsetzung der Funktionen in die Monte-CarloSimulation an. Diese Größen, welche die Variationsbreite der Werte repräsentieren und damit
ein Maß für die Unsicherheit bei einer atomaren Zuordnung darstellen, werden somit ebenso
wie die Berücksichtigung externer Effekte im Rahmen der Gestaltung des
Steuerungsverfahrens in die Steuerungsalgorithmik eingebaut.
5.2.3.
Verfahrensauswahl
Für die Gestaltung der Steuerungsalgorithmik sind – wie in Kapitel 4 erläutert – zwei
Gruppen an Ansätzen grundsätzlich relevant, deterministische und indeterministische. In den
folgenden Kapiteln wird herausgearbeitet, welcher der Ansätze sich zur Lösung des
136
Kapitel 5.2: Steuerungsalgorithmik
skizzierten Steuerungsproblems unter Berücksichtigung der in Kapitel 2.2.2. aufgestellten
Anforderungen als am besten geeignet erweist.
5.2.3.1.
Deterministische Verfahren
Deterministische Verfahren liefern Ergebnisse, die keine Aussage über das Risiko bzw. die
Volatilität des Ergebnisses liefert, da die Unsicherheit der eingehenden Modellparameter bzw.
Einflußgrößen nicht berücksichtigt wird. Sie liefern somit deterministische Ergebnisse für die
zu optimierende Zielgröße. Damit wird unterstellt, daß die Einflußgrößen zweifelsfrei und
sicher erhoben werden können. Für die Einflußgrößen ist die Berücksichtigung von
Wahrscheinlichkeitsverteilungen nicht vorgesehen. Es wird vielmehr mit sicheren bzw. den
wahrscheinlichsten Werten der Einflußgrößen gearbeitet. Das führt implizit zu
Risikoneutralität des Entscheiders, die jedoch nur eine der drei möglichen Risikopräferenzen,
Risikoneutralität, -aversion und -freude, repräsentiert.
Doch gerade bei der Lösung marktorientierter Probleme wie die Optimierung von Höhe und
Verteilung des Budgets für den Maßnahmeneinsatz unterliegen die Einflußgrößen
Schwankungen, die unter Verwendung von Wahrscheinlichkeitsverteilungshypothesen
abzubilden sind. Diese möglichen Schwankungen resultieren nicht nur aus statistischen
Zufälligkeiten. Vielmehr resultieren diese Schwankungen kausal zum einen aus der
Unsicherheit bezüglich der Ausprägungen eingehender Variablen und zum anderen
insbesondere aus den externen Effekten. Unsicherheit über Variablenausprägungen und
externe Effekte, wie z. B. das Verhalten der Wettbewerber oder akzidentiell auftretende
Ausstrahlungseffekte, für die lediglich Wahrscheinlichkeitsaussagen getroffen werden
können, können bereist per definitionem in deterministischen Verfahren nicht berücksichtigt
werden. Die Berücksichtigung externer Effekte sowie der Unsicherheit von
Variablenausprägungen, sofern deren Wahrscheinlichkeitsverteilung bekannt ist, vergrößert
jedoch die Ergebnisqualität, da die Risikopräferenz des Entscheiders in die Optimierung
eingeht.
Da diese Aspekte in deterministischen Verfahren nicht adäquat berücksichtigt werden, folgt
daraus, daß ein Ergebnis mit höherem Maximalwert mit größerer Unsicherheit regelmäßig
einem Ergebnis mit einem geringfügig geringeren Maximalwert unter Sicherheit vorgezogen
wird. Deutlich wird dieses anhand der folgenden möglichen Entscheidungsmatrix, wenn
zusätzlich Standardabweichungen für den Ergebniswert bei deterministischer Berechnung
bestimmt werden.
Kapitel 5.2: Steuerungsalgorithmik
Alternative
137
nicht berücksichtigte
Standardabweichungen
Alternative A1
Ergebniswert bei
deterministischer
Berechnung in
100.000
Alternative A2
99.000
0
Abbildung 5-19:
60.000
Beispiel für Interpretationsbedarf deterministischer Berechnungen
Würde ein deterministisches Verfahren eingesetzt werden, so wäre die Alternative A1
gewählt worden, da die Unsicherheit der Größen nicht berücksichtigt worden wäre. Ein
risikoaverser Entscheider, der gemäß dem Vorsichtsprinzip in erster Linie auf die
Liquiditätslage und den sicheren Fortbestand des Unternehmens achtet, würde sich allerdings
in den meisten Fällen in Abhängigkeit seiner Risiko-Nutzen-Funktion für Alternative A2
entschieden werden.
Deutlich wird, daß bei deterministischen Verfahren zur Entscheidungsunterstützung mit dem
Zielkriterium der Maximierung des Erwartungswertes die Risikopräferenz des Entscheiders
keine Berücksichtigung findet. Würde man eine empirische Befragung durchführen, wäre ein
Sicherheitsäquivalent mit geringerem Erwartungswert – wie hier Alternative A2 - von vielen
Entscheidern bevorzugt worden. Da es sich bei dem hier betrachteten Optimierungsproblem
um ein Entscheidungsproblem unter Unsicherheit handelt, eignet sich der Einsatz
deterministischer Verfahren nur bedingt. Dies kann zu Entscheidungen führen, die für das
Unternehmen nicht optimal sind. Heruntergebrochen auf betriebswirtschaftliche Größen, zeigt
dieser Zusammenhang auf, daß als alleiniges Kriterium für die adäquate
Unternehmenssteuerung nicht nur die Maximierung der Rentabilität herhalten sollte, sondern
auch die Berücksichtigung der Liquiditätslage.372
Im Hinblick auf das hier zu lösende Steuerungsproblem stellen die Merkmale der
deterministischen Lösungsansätze eine Schwäche dar, da nicht nur hinsichtlich der
eingehenden Parameter, sondern auch hinsichtlich der Wirkungsfunktionen Unsicherheit
besteht.373 Deterministische Verfahren eignen sich nur, wenn die in das Modell eingehenden
Daten
nicht
mit
Unsicherheit
behaftet
sind,
keine
Aussagen
über
Wahrscheinlichkeitsverteilungen möglich sind oder der Unsicherheitsbereich der eingehenden
372
So wäre ein Beispiel denkbar, das zwar den höchsten Erwartungswert hinsichtlich Rentabilität prognostiziert,
aber aufgrund der Liquiditätssituation des Unternehmens, z. B. aufgrund notwendiger Investitionen, die
Umsetzung der Alternative den Fortbestand des Unternehmens gefährdet.
373
Der Einsatz deterministischer Ansätze, wie z. B. die lineare Optimierung, hat zudem in der Vergangenheit in
Rahmen der Lösung quantitativer Entscheidungsprobleme im Marketing gezeigt, daß aufgrund der
Vereinfachungen der Realität und der undifferenzierten Betrachtung des Kunden als ein Aggregat die Ergebnisse
zumeist für die Praxis der Marktbearbeitung irrelevant waren.
138
Kapitel 5.2: Steuerungsalgorithmik
Größen eine untergeordnete Rolle spielt, da dieser einen vernachlässigbar geringen Einfluß
auf das Ergebnis besitzt, also im Hinblick auf die Ergebnisveränderung einen geringen
Sensitivitätsgrad aufweist.
Hier sind allerdings bereits bei der Simulation der Kundenzufriedenheitswerte für die
einzelnen Kundenklassen Volatilitäten durch Standardabweichungen zu berücksichtigen. Des
weiteren unterliegen die externen Effekte in Wahrscheinlichkeitsverteilungen abbildbare
Risiken bzw. Unsicherheiten.
5.2.3.2.
Indeterministische Verfahren
Indeterministische Ansätze weisen gegenüber deterministischen Ansätzen den Vorteil auf, das
Risiko der eingehenden Einflußgrößen explizit zu berücksichtigen, so daß dies auch im
Ergebnis zum Tragen kommt und dem Entscheider ermöglicht, eine rationale Entscheidung
auf Basis seiner Risikopräferenz zu fällen.
Die Anwendung des im folgenden beschriebenen Verfahrens zur Risikoanalyse ist sinnvoll,
wenn Zahlen, die in eine Zielgröße eingehen, mit Unsicherheit behaftet sind. Dadurch erhöht
sich grundsätzlich die Prozeßqualität der Berechnung. Zudem sind durch Verteilungsfunktion
und Risikoprofil Aussagen mit einer neuen Ergebnisqualität bezüglich Sicherheit und Risiko
einer Zielgröße möglich.374 So lohnt sich die Anwendung des beschriebenen Verfahrens zur
Risikoanalyse insbesondere bei komplexen Modellstrukturen, hochgradig sensitiven Größen
und/oder
beim
Vorliegen
von
Variablen,
die
mit
unterschiedlichen
Wahrscheinlichkeitsverteilungen in eine Zielgröße eingehen.
Dies ist hier in allen drei Kriterien gegeben, so daß sich die Anwendung eines
indeterministischen Verfahrens anbietet. Das erfolgt mit Hilfe einer indeterministischen,
stochastischen Steuerungsalgorithmik auf Basis der Monte-Carlo-Simulation, die das
handhabbarste und deshalb gängigste Instrument zur Berücksichtigung von Unsicherheit bzw.
Wahrscheinlichkeitsverteilungen für die eingehenden Parameter im Rahmen von
Optimierungsproblemen darstellt.375 Allerdings ist zu berücksichtigen, daß sich keine
einwertigen Ergebnisse, sondern vielmehr Risikoprofile ergeben, die einer Interpretation unter
Berücksichtigung der Risikopräferenz des Entscheiders bedürfen.
374
Bei einfachen Modellstrukturen (z. B. wenn nur wenige Variablen eingehen und diese zudem alle noch
normalverteilt sind) werden sich eventuell derartige Aussagen kaum von Abschätzungen "zu Fuß" unterscheiden,
so daß der Aufwand nicht gerechtfertigt ist. Dies ist im Rahmen dieser Methode nicht der Fall.
375
Vgl. [Lieb95], S. 12ff:
Kapitel 5.2: Steuerungsalgorithmik
139
So ist es im Rahmen der Gestaltung einer Steuerungsalgorithmik für die Optimierung der
Maßnahmenbudgetentscheidung sinnvoll, für die eingehenden betriebswirtschaftlichen
Größen Risikoanalysen durchzuführen. Die Bestimmung von Budgethöhe und dessen
Verteilung erfolgt dabei mit Hilfe einer Algorithmik auf Basis der Monte-Carlo-Simulation.
Die Risikoanalysen dienen zur Beantwortung von Fragestellungen z. B. bezüglich der
Wahrscheinlichkeit des Auftretens externer Effekte. Konkret bedeutet dies beispielsweise,
inwieweit zu erwartende Verhaltensweisen der Wettbewerber die Wirkung der eigenen
Maßnahmen einschränken. Derartige Erwartungen über das Verhalten der Wettbewerber
werden mit Hilfe von Wahrscheinlichkeitsverteilungen, z. B. über schiefwinklige
Dreiecksverteilungen, modelliert. Für die Kundenzufriedenheit sind bei der Erhebung aus
Befragungsergebnissen bereits implizit Risikoanalysen durchgeführt worden, die sich ausgedrückt in der Standardabweichung σ als gängigsten Streuungsparameter – in der
Volatilität σzi der Kundenzufriedenheitswerte der Kundenklasse i äußern.
Die Risikoanalysen sind im Rahmen der Monte-Carlo-Simulation zu integrieren: Die MonteCarlo-Simulation liefert Ergebnisse, die sämtliche in den Einflußgrößen induzierten
Unsicherheiten enthalten. Vom technischen Vorgehen her betrachtet, ist die Monte-CarloSimulation ein Verfahren, bei dem die Wahrscheinlichkeitsverteilung der zu analysierenden
Zielgröße mit Hilfe von Pseudozufallszahlen simuliert wird und so näherungsweise ermittelt
werden kann. Das grundsätzliche Vorgehen gestaltet sich folgendermaßen:
Vorgehensweise in Kürze:
1.
Identifikation unsicherer Variablen
2.
Bestimmung der Wahrscheinlichkeitsverteilungen der
unsicheren Variablen
3.
Simulation von Ergebniswerten der unsicheren Variablen
4.
Berechnung des jeweiligen Ergebnisses der Zielgröße mit den in Punkt 2
simulierten Ergebniswerten auf Basis der entwickelten Zielfunktion (vgl. Kapitel
5.2.1.)
5.
Darstellung der Ergebnisse der Zielgröße in Ergebnisklassen
6.
Aufstellung der Häufigkeitsverteilung, Verteilungsfunktion und des
Risikoprofils
7.
Ökonomische Interpretation des Ergebnisses unter
Berücksichtigung der Risikoneigung des Betrachters
Abbildung 5-20: Vorgehensweise im Rahmen der Monte-Carlo-Simulation
140
5.2.4.
Kapitel 5.2: Steuerungsalgorithmik
Steuerungsalgorithmik auf Basis der Monte-Carlo-Simulation
Im Rahmen der Optimierung ist das Risiko der einzelnen eingehenden Funktionsparameter zu
berücksichtigen, so daß zunächst darzulegen ist, wie die Einflußgröße Risiko im Rahmen der
Steuerungsalgorithmik abgebildet wird (Kapitel 5.2.4.1). Im Anschluß ist unter
Berücksichtigung der skizzierten grundsätzlichen Vorgehensweise herauszuarbeiten auf Basis
der
identifizierten,
zu
simulierenden
Variablen
und
der
erarbeiteten
Transformationsoperatoren das konkrete Vorgehen zur Simulation der Funktionsparameter
der aufgestellten Ziel- und Wirkungsfunktionen für die Maßnahmen zu erarbeiten (Kapitel
5.4.2.2.). Die Ergebnisdarstellung der Steuerungsalgorithmik erfolgt in Kapitel 5.4.2.3., die in
Kapitel 5.4.2.4. einer Beurteilung unterzogen wird.
5.2.4.1.
Transformation der Variablen
Im folgenden werden die Möglichkeiten dargestellt, wie das den Variablen bzw.
Funktionsparametern inhärente Risiko im Rahmen der Steuerungsalgorithmik abgebildet
wird. Dazu sind die Variablen mit Hilfe des im folgenden entwickelten Simulationsoperators
(sim) von einer deterministischen Größe in eine indeterministische, stochastische Größe zu
transformieren. Für jeden zu simulierenden Funktionsparameter ist eine Verteilungshypothese
anzunehmen, welche die Grundlage für die Ergebnissimulation bildet.376 Die Variable wird
somit zu einer Zufallsvariable, für die Ausprägungen simuliert werden, welche der
angenommenen Verteilungshypothese gehorchen.
Der Simulationsoperator beinhaltet neben den zu simulierenden Größen die unterstellte
Verteilungshypothese sowie die Parameter dieser Verteilungshypothese. Dies führt zu
folgender Syntax für den Simulationsoperator sim:
Simulationsoperator sim:
sim(allgemeine Syntax)=
sim(zu simulierende Variable (v); Verteilungshypothese (φ);
für die Simulation notwendige Parameter der Verteilung)
Abbildung 5-21: Syntax des Simulationsoperators sim
Mit Hilfe des Simulationsparameters werden jeweils y Zufallsausprägungen für die
betrachtete Variable bestimmt. Das bedeutet:
376
Die Konstruktion des konkreten Vorgehens für die in der Zielfunktion und in den Wirkungsfunktionen
verwendeten Parameter erfolgt in Kapitel 5.4.2.3.
Kapitel 5.2: Steuerungsalgorithmik
sim(v; φ; Parameter der Verteilung φ)
sind
141
y Ausprägungen von v, die gemäß φ verteilt
Abbildung 5-22: Formales Ergebnis des Simulationsoperators sim
Aus der jeweiligen Verteilungshypothese resultieren die anzugebenden Parameter der
Verteilung. In Abhängigkeit der Variable ergeben sich die entsprechenden Werte aus
Parameterschätzungen. Einen Überblick zu den in diesem Zusammenhang wesentlichen
Verteilungshypothesen und den sich jeweils daraus ergebenden für die Simulation einer
Variablen notwendigen Parameter liefert die folgende Abbildung.
Verteilungshypothese φ
Parameter der Verteilung φ/Eingang in den
Simulationsoperator sim
Bernoulli-Verteilung
p-Wert
Binomialverteilung
p-Wert, Anzahl der Durchführung
Dreiecksverteilung
Minimalausprägung au1, wahrscheinlichste Ausprägung
au2 sowie Maximalausprägung au3 der Variable v,
wobei gilt au1 < au2 < au3
Gleichverteilung
Normalverteilung
Poissonverteilung
untere Bereichsgrenze a sowie die obere
Bereichsgrenze b, wobei gilt a < b
Erwartungswert µ und Varianz σ2 bzw.
Standardabweichung σ
Lambda-Wert
Standardnormalverteilung
Normalverteilung mit µ =0 und σ2 = σ =1
Trapezverteilung
Minimalausprägung aut1 der Variable,
Minimalausprägung auta2 der Variable für den
wahrscheinlichsten Wert der Dichtefunktion,
Maximalausprägung autb2 der Variable für den
wahrscheinlichsten Wert der Dichtefunktion,
Maximalausprägung aut3 der Variable, wobei gilt aut1 <
auta2 < autb2 < aut3
Abbildung 5-23: Verteilungshypothesen und notwendige Parameter
Zufallszahlen für die Variablen, die einer der obigen durch Verteilungshypothese und
Parameter spezifizierten Verteilung gehorchen, sind technisch mit Hilfe von
142
Kapitel 5.2: Steuerungsalgorithmik
Analyseprogrammen wie SAS, SPSS, Crystal Ball oder MS Excel zu simulieren.377 Davon
auszunehmen sind die Dreiecksverteilung und die Trapezverteilung, also dreieckverteilte und
trapezverteilte Zufallsvariablen. Die Umsetzung der Simulation von Zufallszahlen, für die
eine dieser beiden Verteilungshypothesen angenommen werden soll, wird im folgenden
erläutert.
Zu betrachten ist eine Variable v, welche durch den Simulationsoperator sim folgendermaßen
spezifiziert ist: sim(v; Dreiecksverteilung; au1, au2, au3). Für die Simulation der Variable v
unter der Annahme der Verteilungshypothese φ = Dreiecksverteilung wird ausgegangen von
der Dichtefunktion F(au) der Zufallsvariablen v.
Wahrscheinlichkeit w
au
1
au
2
au
Ausprägung
3 der Variable au
Abbildung 5-24: Dichtefunktion einer dreieckverteilten Zufallsvariable
Für die dargestellte Dichtefunktion ist zunächst die Funktionsvorschrift zu ermitteln.
Anschließend ist diese Dichtefunktion zu integrieren, um die Verteilungsfunktion zu erhalten.
Schließlich ist noch die Umkehrfunktion der Verteilungsfunktion zu ermitteln.
Das führt zu folgender allgemeiner Funktionsvorschrift für die erwähnte Umkehrfunktion der
Verteilungsfunktion, die für jegliche Dreiecksverteilung gültig ist.
377
Dies erfolgt beispielsweise mit Hilfe von Hash-Algorithmen. Weiterhin sind als bekannteste Methoden zur
Erzeugung von Zufallszahlen die Mid-Square-Methode und die multiplikative Kongruenzmethode zu nennen.
Vgl. dazu ausführlich [Müll93], S. 461f., [Koxh67], S. 47ff.
Kapitel 5.2: Steuerungsalgorithmik
143
−
au = F 1 ( w) =

au2 − au1
)
 au1 + ( au2 − au1 ) • ( au3 − au1 ) * w für 0 ≤ w ≤ (
au3 − au1

−
au + ( au − au ) • ( au − au ) * (1 − w) für ( au2 au1 ) < w ≤ 1
3
2
3
1
 3
au3 − au1
Abbildung 5-25:
Allgemeine
Funktionsvorschrift
der
Umkehrfunktion
Verteilungsfunktion für eine dreieckverteilte Zufallsvariable
der
In die ermittelte Umkehrfunktion sind Zufallszahlen einzusetzen, die über dem Intervall
INT=[0,1] gleichverteilt sind. Daraus ergeben sich Zufallsausprägungen für die Variable v,
welche jeweils gemäß der angenommenen Dreiecksverteilung verteilt sind.
144
Kapitel 5.2: Steuerungsalgorithmik
Beispiel:
Für ein Unternehmen soll eine risikobasierte Prognose der Absatzmenge x erstellt
werden. Das Unternehmen setzt derzeit 2.000 Mengeneinheiten ab. Aufgrund der
Wettbewerbslage wird für die folgende Periode von einer maximal mögliche
Absatzmenge von 2.400 Mengeneinheiten und einer minimalen von 1.000
Mengeneinheiten ausgegangen, da diese bereits größtenteils vertraglich fixiert ist.
Das Absatzmengensteigerungspotential erscheint somit stärker ausgereizt. Als
wahrscheinlichste Ausprägung für die Absatzmenge wird von einer Verstetigung
bei 2.000 Mengeneinheiten ausgegangen. Als Dichtefunktion ergibt sich:
Wahrscheinlichkeit w
1.000 2.0002.4000 Absatzmenge
Für die Umkehrfunktion der Verteilungsfunktion obiger Dichtefunktion ergibt sich somit:
−
au = F 1 ( w) =

5
 1000 + 1.400.000 * w für 0 ≤ w ≤
7

2.400 + 960.000 * (1 − w) für 5 < w ≤1

7
Durch Einsetzen von Zufallszahlen, die über dem Intervall [0;1] gleichverteilt
sind, ergeben sich Werte für die Absatzmenge, die obiger
Verteilungshypothese gehorchen. Eingesetzt in die zugrunde liegende
Zielfunktion, ergeben sich soviele Ergebniswerte, wie Zufallszahlen bzw.
Zufallszahlentupel, wenn mehrere Variablen mit Unsicherheit behaftet sein
sollten, simuliert worden sind. Die Ergebniswerte sind sodann in einem
Ergebnisprofil zusammenzufassen.
Abbildung 5-26:
Beispiel für die Simulation einer dreieckverteilten Zufallsvariablen
Kapitel 5.2: Steuerungsalgorithmik
145
Das Vorgehen faßt die folgende Abbildung zusammen:
Exemplarische Dichtefunktion
einer unsicheren Größe
Wahrscheinlichkeit w
1. Ermittlung der Funktionsvorschrift
2. Integration der Dichtefunktion
führt zur Verteilungsfunktion
3. Bestimmung der Umkehrfunktion der Verteilungsfunktion
führt zu:
Generieren und Einsetzen von Zufallszahlen
in 3., die über dem
Intervall [0;1] gleichverteilt sind:
au = F −1 ( w) =
au1
au2 au3 Ausprägung
Basisverlauf aus empirischen Daten +
Einbau von Annahmen
Abbildung 5-27:
au − au1

au1 + (au 2 − au1 ) • (au3 − au1 ) * w für 0 ≤ w ≤ ( 2
)
au3 − au1


au 2 − au1
au3 + (au 3 − au 2 ) • (au 3 − au1 ) * (1 − w) für (
) < w ≤1

au3 − au1
Umsetzung einer dreieckverteilten
Steuerungsalgorithmik
Variable
im
Rahmen
der
Für die Trapezverteilung, die als Hybrid aus Gleichverteilung und Dreiecksverteilung zu
interpretieren ist, können analog Zufallszahlen generiert werden. Prinzipiell ist mit Hilfe der
oben skizzierten Vorgehensweise auch jede andere Verteilungshypothese abbildbar.
Allerdings sind diese nur in Sonderfällen sachlich sinnvoll in den dargestellten
Zusammenhängen des Kundenbindungsmanagements anwendbar.
Zudem ist für die Simulation der Variablenausprägungen die Anzahl der zu simulierenden
Fälle anzugeben. Um die Rechenkapazität nicht zu überlasten, bietet sich eine Anzahl von
1.000 Fällen bzw. Zufallszahlen pro Variable an, da damit bereits eine
Sicherheitswahrscheinlichkeit von annähernd 95% bei einer zugelassenen Streuung von 5%
erzielt wird. Für 300 Fälle ergibt sich auch bereits bei Unterstellung einer
Normalverteilungshypothese eine Sicherheitswahrscheinlichkeit von 90% bei einer
zugelassenen Streuung von 5%.378 Da im folgenden für alle Variablen die gleiche Anzahl an
Fällen mit den durch für rhij ≠ 1 bedingten Ausnahmen simuliert wird, die der zugrunde
liegenden Verteilungshypothese entsprechen, braucht diese nicht als
Spezifikationsparameter in den Simulationsoperator aufgenommen zu werden.
378
Vgl. ausführlich zur Berechnung von Sicherheitswahrscheinlichkeiten [Bere89], S. 62f.
gesonderter
146
5.2.4.2.
Kapitel 5.2: Steuerungsalgorithmik
Simulation der Variablen
Zur Simulation der Variablen wird die dargestellte Vorgehensweise zur Monte-CarloSimulation unter Berücksichtigung der Erkenntnisse der Variablentransformation angewandt.
Im Rahmen der erarbeiteten Ziel- und Wirkungsfunktionen für die Optimierung des
Budgeteinsatzes im Kundenbindungsmanagement sind zahlreiche Variablen zu verwenden,
deren Ausprägungen einer prognostischen Unsicherheit unterliegen. Dazu ist für die
Gestaltung des Simulationsoperators der betrachteten Variablen eine Verteilungshypothese
anzunehmen. Im folgenden wird dies für die verwendeten Variablen zunächst grundlegend
und anschließend im einzelnen konkret diskutiert.
Im einfachsten Fall wird für die Berücksichtigung des einer Variable innewohnenden Risikos
die Normalverteilungshypothese angenommen. Von der Annahme dieser Hypothese ist
auszugehen, wenn keine weiteren Informationen vorliegen, die zur Ablehnung dieser
Hypothese führen. Allerdings ist insbesondere für die Berücksichtigung der dargestellten
externen Effekte eine andere Verteilungshypothese anzunehmen, beispielsweise aufgrund des
erwarteten Wettbewerberverhaltens. Liegt eine Stichprobe vor, so ist die anzunehmende
Hypothese über entsprechende Testverfahren zu prüfen.379
Wie bereits dargestellt, sind die prognostizierten Zufriedenheitswerte der Kunden mit den
einzelnen Maßnahmen – differenziert nach den identifizierten Kundenklassen i - unter
Berücksichtigung der jeweiligen Lage- und Streuungsparameter. zu simulieren. Als
Verteilungshypothese ist eine Normalverteilung aus oben genannten Gründen anzunehmen,
die sich zudem aus dem Einsatz des multivariaten Verfahrens der Clusteranalyse zur
Klassifizierung ergibt. Zu simulieren sind die Zufriedenheitswerte z1ij, die bei dem geplanten
Budgeteinsatz jeweils zu erwarten sind, um y Zufriedenheitsprofile zu erhalten.
Als Parameter der Verteilung sind im Simulationsoperator der Erwartungswert µ(z1)ij der
Kundenzufriedenheit in Abhängigkeit des Budgeteinsatzes für die Maßnahme sowie die
Streuung σ(z1)ij der Kundenzufriedenheit zu verwenden.380 Die Größe µ(z1)ij ergibt sich
jeweils aus der Wirkungsfunktion der Maßnahme. Für die Standardabweichung σ(z1)ij wird
der gemessene Ist-Wert σ(z0)ij bei bisheriger Budgetausprägung genutzt. Das impliziert, daß
die gemessenen Streuungsparameter σ(z0)ij beim Ist-Budgeteinsatz ebenso für die
prognostizierten Punkte der Wirkungsfunktionen bei Variationen des einzusetzenden Budgets
gelten. Es gilt somit, daß σ(z)ij = σ(z0)ij = σ(z1)ij. Für die Standardabweichung ist somit die
Gültigkeit der Wirkungs- und der Zeitstabilitätshypothese anzunehmen. Anzumerken ist, daß
379
Vgl. ausführlich zu Testverfahren [Bron91], S. 686ff., [Rasc78], S. 228ff.
380
Vgl. zur Herleitung der Berechnungsvorschrift von σ(z1)ij bzw. σ(z)ij Kapitel 5.2.2.
Kapitel 5.2: Steuerungsalgorithmik
147
eine Normierung der Standardabweichung z. B. mit Hilfe des Streuungsparameters
Variationskoeffizient nicht notwendig ist, da die Zufriedenheitswerte dem gleichen
Kontinuum entnommen werden. Als Nebenbedingung ist der Vollständigkeit halber des
weiteren festzuhalten, daß das untere bzw. das obere Skalenende als untere respektive obere
Schranke der zu simulierenden Werte z1 fungieren.
Für den Simulationsoperator sim, mit dessen Einsatz die Ausprägungen der prognostizierten
Zufriedenheitswerte z1ij simuliert werden, ergibt sich somit: sim(z1ij; Normalverteilung;
µ(z1)ij, σ(z1)ij).
Zu berücksichtigen ist der Aspekt, daß nicht alle Kunden während des
Betrachtungszeitraumes mit jeder Maßnahme – ausgedrückt durch rhij - konfrontiert werden
und somit auf z0ij verharren. Dieser Effekt ist grundlegend bereits in Kapitel 5.2.2. diskutiert
und in die Zielfunktion eingebaut worden. Im Rahmen der Ermittlung von KZFi sind somit für
die Maßnahmen j mit rhij < 1 y Wertepaare (z1ij/z0ij) zu gestalten, wobei z0ij der Wert der
Vorperiode und z1ij den simulierten Wert der Kundenzufriedenheit darstellt.
Zudem ist die Variable bij, die Bedeutung einer Maßnahme j für die Kundenklasse i zu
simulieren. Für sie kann aus der analogen Anwendung der bereits oben dargestellten Gründe
ebenfalls die Normalverteilungshypothese angenommen werden. Dabei sind die Ist-Werte der
zu simulieren, da diese Werte, z. B. aus Befragungsergebnissen, vorgegeben sind und durch
Budgetveränderungen nicht beeinflußt werden können. Für die Werte bij gilt somit die
Zeitstabilitätshypothese, solange nicht neue Erkenntnisse einen Anlaß geben, die Werte zu
revidieren.
Der hier für die Simulation von Ausprägungen für bij, die gemäß der
Normalverteilungshypothese verteilt sind, notwendige Streuungsparameter σ(b)ii ist bereits in
Kapitel 5.2.2. hergeleitet worden. Für den notwendigen Parameter µ(b)ij gilt: µ(b)ij = bij.
Damit ergibt sich für den Simulationsoperator der Bedeutungen:
sim(bij; Normalverteilung; µ(b)ij, σ(b)ii).
Bei der Simulation ist die folgende in Kapitel 5.1.2.1. aufgestellte Nebenbedingung für das
Bedeutungsprofil eines Kunden zu beachten: bjc Є [0;1] und b1c+ b2c+...+bmc = 1. Diese gilt
analog für das Bedeutungsprofil BPi einer Kundenklasse i in der Form: bij Є [0;1] und bi1+
bi2+...+bim = 1.
Um diese Nebenbedingung einzuhalten, sind die für das Bedeutungsprofil simulierten Werte
zu normieren. Diese Normierung ist auf alle für das Bedeutungsprofil simulierten Fälle
anzuwenden. Dies kommt durch folgende Gleichung zum Ausdruck, wobei der Ausdruck
148
Kapitel 5.2: Steuerungsalgorithmik
sim(b) den simulierten Einzelwert repräsentiert und normsim(b) einen simulierten und
anschließend normierten Einzelwert symbolisiert.
Für alle simulierten Bedeutungsprofile ist für die Werte der Bedeutung b der Maßnahme j für
die Kundenklasse i somit folgende Normierung durchzuführen:
normsim(bij ) =
sim(bij )
m
∑ sim(b )
ij
j =1
Für die Budgetgrößen ergibt sich, daß keine Risikoanalysen vorzunehmen sind, da die
Budgetgrößen die Aktionsvariablen des Unternehmens darstellen und damit sicher sind.
Vielmehr ist für diese Aktionsvariable ein Budgettableau zu erstellen, welches die
alternativen Ausprägungen der Budgets für die einzelnen Maßnahmen zusammenfaßt. Um
den Simulationsaufwand und somit insbesondere auch den unternehmenspraktischen Einsatz
der Methode so wirtschaftlich wie möglich auszugestalten, ist für die einzelnen Maßnahmen
der sich aus dem Kontext der unternehmenspraktischen Anwendung ergebende, realistische
budgetrelevante Bereich zu bestimmen. Des weiteren ist zu unterscheiden, ob bei einer
Maßnahme die Betrachtung der Budgethöhe als stetige Größe sinnvoll ist oder signifikante
Niveauunterschiede in der Ausgestaltung der Maßnahme durch sprungfixe Alternativen für
die Budgethöhe abzubilden sind. Für letztgenannten Fall sind somit diskrete alternative
Budgethöhen darzustellen, wobei ggf. auch bei sprungfixen Budgets auf den einzelnen
Niveaus selbst jeweils ein stetiges bzw. interpoliertes Kontinuum zu berücksichtigen ist.
Zu beachten sind des weiteren die Transformationen zwischen Budget und bewirkter
Kundenzufriedenheit. Abgesehen von den im folgenden noch zu modellierenden Störgrößen,
ist davon auszugehen, daß die gewählten Budgetalternativen hinsichtlich ihrer
Umsetzungsqualität, die sich in der bewirkten Kundenzufriedenheit ausdrückt, den
Planwerten entsprechen und somit auf dem Budgeteffizienzstrahl liegen.381
Analog zur Simulation der Bedeutungs- und Zufriedenheitswerte, könnten die Werte hij
simuliert werden. Wie die folgenden Ausführungen jedoch zeigen, hängt es vom Einzelfall
ab, ob die Simulation dieser Größe einen nennenswerten Einfluß auf die Verbesserung der
Prozeß- und Ergebnisqualität im Rahmen der Lösungsfindung besitzt
Würde eine Verteilungshypothese beispielsweise aus den Werten für hij der vergangenen
Perioden, so sollte sich nur eine vernachlässigbar geringe, quasi-scheingenaue
Zusätzlich ergibt sich daraus als Synergieeffekt die Basis für ein effizientes
Budgetcontrolling, da dadurch aus der Retrospektive Ursachen für Prozeßschwachstellen
zuordenbar sind.
381
Kapitel 5.2: Steuerungsalgorithmik
149
Schwankungsbreite. Ist jedoch eine deutliche Schwankungsbreite festzustellen, so ist in der
Regel anzunehmen, daß die Zeitstabilitätshypothese verletzt ist, was den sinnvollen Einsatz
der Verteilungshypothese ausschließt. Starke Schwankungen in hij deuten auf grundsätzliche
Verschiebungen in der Nachfrage nach Maßnahmen hin, so daß von Strukturbrüchen
auszugehen ist, welche eine Überprüfung der Zeitstabilitätshypothese der
Verteilungshypothese erfordert.382
Die Simulation der Häufigkeit bietet sich an, wenn Informationen vorliegen, die zu starken
Schwankungen führen. Dies ist der Fall, wenn das Unternehmen selbst erhebliche
Veränderungen vorgenommen hat.383 Dann ist in der Regel entsprechend eine
Normalverteilungs- oder Dreiecksverteilungshypothese zu unterstellen. Entsprechend ergibt
sich für hij in Anwendung des Simulationsoperators sim(hij, Verteilungshypothese, Parameter
der Verteilung). Ansonsten ist für den Regelfall als wahrscheinlichster Wert die Häufigkeit
der Vorperiode anzunehmen.
5.2.4.3.
Einbau externer Effekte
Als Erweiterungen der Methode sind die Kundenausstrahlungseffekte ψ+ und ψ- sowie die
exogenen Effekte Remanenz Þ und Konkurrenz ¥ zu verstehen. Deren Einbau in die
Steuerungsalgorithmik wird im folgenden im Detail weiter spezifiziert.384
-
Einbau des Remanenzeffektes Þ
Für die Abbildung des Remanenzeffektes Þ, bieten sich zwei alternative Vorgehensweisen an.
Die erste der im folgenden diskutierten Alternativen fußt auf einem Regelwerk, während die
zweite auf einer Gedächtniskurve basiert. Eine weitere Differenzierung von Þj in Þij nur für
382
Des weiteren sei erwähnt, daß auch die Maßnahmen, wie bereits dargestellt, einem Lebenszyklus unterliegen.
In der Einführungsphase würde z. B. eine nach dem Hol-Prinzip erbrachte Maßnahme seltener als nach
Etablierung in der Sättigungsphase nachgefragt werden. Die Häufigkeit der Nachfrage in der Einführungsphase
in der Prognose für die Häufigkeit künftigen Perioden der Sättigungsphase zu berücksichtigen, ist somit nicht
sinnvoll.
383
Dies ist beispielsweise dann der Fall, wenn eine Produktschwäche ausgemerzt werden konnte und
dementsprechend weniger häufig Reparaturmaßnahmen durchzuführen sind. Entsprechend sind die Parameter
der Verteilung abzuschätzen.
384
Die Abbildung dieser Effekte ist für den unternehmenspraktischen Einsatz nicht zwingend erforderlich. Ohne
Abbildung dieser Effekte wird die Funktionsweise der Methode nicht beeinträchtigt. Hier ist in der Anwendung
im Unternehmensalltag im Einzelfall zu prüfen, ob der Abbildungsaufwand durch signifikante
Ergebnisunterschiede, die nicht nur scheingenaue Unterschiede darstellen, gerechtfertigt werden kann. Dies trifft
insbesondere auf den Remanenzeffekt zu, da dieser außer bei deutlichen Budgetveränderungen, die im
unternehmenspraktischen Einsatz der Methode eher die Ausnahme darstellen, zu vernachlässigen ist.
150
Kapitel 5.2: Steuerungsalgorithmik
die Ausnahmefälle sinnvoll ist, in denen signifikante Remanenzunterschiede für Maßnahmen
und Kundenklassen beispielsweise aus der Historie gemessen werden können oder
entsprechende Sachgründe vorliegen. Für den Einbau ist allerdings eine Unterscheidung in
Anstiegsremanenz Þ+j – wenn das Unternehmen einen Anstieg der Kundenzufriedenheit durch
Budgetsteigerungen beabsichtigt – und Abstiegsremanenz Þ-j bei Budgetkürzungen.
Für die Einbindung des Effektes über ein Regelwerk sind obere und untere Schranken für die
maximal mögliche Veränderung der Kundenzufriedenheit durch die Remanenz festzulegen.
Für Þ+j ist z1ij > z0ij, für Þ-j ist z1ij < z0ij:
Þ + j ∨ Þ - j ≠ 0 → ∆z ij = z1ij − z 0 ij
Dies sind die Remanenzoberschranke ROS bei Anstiegremanenz Þ+j und die
Remanenzunterschranke RUS bei Abstiegsremanenz Þ-j. Der Anstieg bzw. Abfall der
Kundenzufriedenheit von einer Periode zur nächsten kann die festgelegte obere bzw. untere
Schranke nicht überschreiten, auch wenn die Veränderung des Budgets einen kleineren oder
größeren Wert für die Kundenzufriedenheit annehmen würde. Das bedeutet:
RUS j ≤ Þ - j < 0 < Þ + j ≤ ROS j
In Märkten mit starkem Wettbewerb ist regelmäßig davon auszugehen, daß die Remanenz bei
einem beabsichtigten Anstieg der Kundenzufriedenheit stärker ausfällt als bei einem Abfall,
so daß der Remanenzeffekt sodann asymmetrisch ist und Þ+j > Þ-j gilt.385
Beim Einbau über die Gedächtniskurve wird für jede Maßnahme eine stetige Remanenz
festgelegt. Diese kommt über die folgende Gleichung zum Ausdruck:
Þ + / - j = re + / - ⋅
(z1ij - zo ij )
2
Der Faktor re spiegelt die angenommene Wirkung der Remanenz wider. Er ist in der
praktischen Anwendung über Vergangenheitswerte zu messen bzw. abzuschätzen oder mit
Plausibilitätsüberlegungen zu hinterlegen. Um wiederum ein unterschiedliches Ausmaß der
beiden Remanenzrichtungen berücksichtigen zu können, ist re in re+ und re- zu unterscheiden.
re+ betrifft den Anstieg, re- den Abfall der Kundenzufriedenheit. Für den Wertbereich von re
385
Aufgrund vieler Wettbewerber ist die Toleranz der Kunden gegenüber der erbrachten Leistung geringer.
Sodann ist die obere Schranke größer als die untere Schranke zu wählen. Dies ist auch der strategischen
Ausrichtung der Qualitätsführerschaft insofern förderlich, daß Schwächen deutlich erkennbar werden. Im
Extremfall wird somit lediglich eine obere Schranke bestimmt.
Kapitel 5.2: Steuerungsalgorithmik
151
und damit auch für re+ und re- ergeben sich zwei logische Schranken, so daß gilt: re Є [0;2]
und damit auch re+, re- Є [0;2].
Wird für re+ oder re- der Wert “2“ gewählt, so bedeutet dies, daß der Remanenzeffekt
maximal zum Tragen kommt. Eine Budgetveränderung führt zu keiner Veränderung in der
Kundenzufriedenheit. Der untere Extremwert “0“ bedeutet hingegen, daß der Remanenzeffekt
vollständig ausgeschaltet wird. Die durch die Budgetveränderung induzierte Veränderung der
Kundenzufriedenheit kommt voll zum Tragen. Der nicht zuletzt für die Praxis relevante Fall,
daß die Remanenz bei einer Budgetsteigerung größer als bei einer Budgetsenkung ausfallen
soll, ist durch re+ > re- abbildbar. Die Werte re können mit Hilfe des Simulationsoperators sim
analog zum Vorgehen bei den bisher diskutierten Variablen simuliert werden, wenn
entsprechende Informationen vorliegen. So ergibt sich:
sim(re+; Verteilungshypothese; Parameter der Verteilung)
sim(re-; Verteilungshypothese; Parameter der Verteilung)
Anzumerken ist schließlich, daß der Remanenzeffekt bei neu eingeführten Maßnahmen
zwangsläufig nicht auftritt. Formal gilt also: re+, re- = 0.386
Die beiden dargestellten Einbauvarianten sind kritisch gegeneinander abzuwägen. Dem
einfach abbildbaren regelbasierten Einbau steht das abrupte Auftreten des Remanenzeffektes
gegenüber, der die Realitätsentsprechung einschränkt. Der Einbau über eine Gedächtniskurve
behebt diesen Nachteil, ist jedoch aufwendiger und führt ggf. nur zu vernachlässigbar
geringen bzw. scheingenauen Veränderungen der Kundenzufriedenheit. Insgesamt empfiehlt
sich die Einbauvariante über Gedächtniskurven. Insbesondere ist dies von Vorteil, wenn
große Remanenzeffekte auftreten, die in der Regel größer sind, je höherwertiger die
Kernleistung ist.
-
Einbau des Konkurrenzeffektes ¥
Der Konkurrenzeffekt ¥ ist über den Simulationsoperator analog zum Vorgehen z. B. bei der
Variable der Bedeutung abbildbar. Sodann sind Risikoanalysen für die Konkurrenzeffekte
durchzuführen und entsprechende Ausprägungen zu simulieren. Es stellt sich allerdings die
Frage, wann die Simulation des Konkurrenzeffektes für die Ergebnisfindung von Bedeutung
ist. Dies ist z. B. dann der Fall, wenn vermutet wird, daß ein Wettbewerber eine Maßnahme in
einem höheren Niveau als das eigene Unternehmen einführt oder neu einführt.
386
Analog gilt sodann ROSj, RUSj = 0.
152
Kapitel 5.2: Steuerungsalgorithmik
Der Konkurrenzeffekt ist – wie in Kapitel 5.2.2. erläutert - im Stile eines Korrekturfaktors in
die Simulation einzubauen, so daß der Konkurrenzeffekt auch den Wert Null annehmen kann.
Somit ergibt sich hierfür:
sim(¥ij; Verteilungshypothese; Parameter der Verteilung).
Grundsätzlich
könnte
dazu
für
den
Konkurrenzeffekt
Standardnormalverteilungshypothese anzunehmen, so daß sich ergäbe:
eine
sim(¥ij; Standardnormalverteilung; µ(¥ij )= 0; σ(¥ij)=1).
Die Gestaltung eines derartigen Simulationsoperators entspricht den Anforderungen des
Korrekturfaktors. In diesem Fall würde davon ausgegangen werden, daß der
wahrscheinlichste Wert, der Erwartungswert für den Konkurrenzeffekt, die Null ist, also keine
Korrektur der prognostizierten Kundenzufriedenheitswerte durch Konkurrenzeinflüsse
vorzunehmen ist. Die Schwankungsbreite des Konkurrenzeffektes kommt durch die
Standardabweichung zum Ausdruck und kann durch einen Faktor variiert werden, wobei
jeweils das Erreichen des unteren bzw. oberen Skalenendes der Kundenzufriedenheit als
untere bzw. obere Schranke für die Korrektur durch den Konkurrenzeffekt fungieren.
Die Standardnormalverteilungshypothese ist symmetrisch, so daß das Risiko des Effektes
gleichmäßig betrachtet wird und somit der einschränkende Konkurrenzeffekt, der eine
Asymmetrie in der Verteilung impliziert, nicht adäquat abgebildet wird. Liegen Informationen
vor, aus denen Konkurrenzeffekte abgeschätzt werden können, ist in der Regel eine
asymmetrische Verteilungshypothese wie eine schiefwinklige Dreiecksverteilung als adäquate
Verteilungshypothese anzunehmen. Um den Konkurrenzeffekt weiterhin als Korrekturfaktor
auszugestalten, sollten die Parameter au1, au2 und au3 um den Wert Null schwanken. Dies
bedeutet nicht, daß der wahrscheinlichste Wert au2 zwangsläufig den Wert Null annehmen
muß. Vielmehr kann dieser Sachverhalt über folgende drei Nebenbedingungen abgebildet
werden.
au1 ∈ [−∞;0]
au3 ∈ [0; ∞]
au1 < au 2 < au3
Ob ein im Ergebnis für das Unternehmen tendenziell positiver oder negativer
Konkurrenzeffekt abgebildet wird, kommt dabei durch die absoluten Beträge von au1 und au3
zum Ausdruck. Ist |au3| > |au1|, liegt ein positiver Konkurrenzeffekt ¥ vor, während ein
Kapitel 5.2: Steuerungsalgorithmik
153
negativer Konkurrenzeffekt ¥, also eine erwartete Zunahme der Konkurrenzaktivitäten, bei
|au1| > |au3| abgebildet ist.387
Einbau des Kundenausstrahlungseffektes ψ
-
Die Kundenausstrahlungseffekte ψ+ und ψ- sind über Regeln in die Steuerungsalgorithmik
einzubauen. Da Kundenausstrahlungseffekte auf Basis der Gesamtkundenzufriedenheit eines
Kunden auftreten, bedeutet dies, daß die Ergebniswerte für KZFi anzupassen sind.388, 389
Somit erfolgt die Berücksichtigung des Kundenausstrahlungseffektes im Anschluß an die
Simulation der bisherigen Einflußgrößen. Zu definieren sind dabei die Ausstrahlungslinien λ+
und λ- sowie die Ausstrahlungswirkfaktoren δ+ und δ-.
Die Ausstrahlungslinien λ+ und λ- sind als untere bzw. obere Schranke abzubilden, bei deren
Über-/Unterschreitung die positiven bzw. negativen Kundenausstrahlungseffekte zum Tragen
kommen. Die Werte ergeben sich aus der eingesetzten Skalierung. Daraus resultieren zwei
Mengen AU+i und AU-i je Kundenklasse:390
AU + i = {sim( KZF i ) | sim( KZFi ) > λ+ }
AU − i = {sim( KZF i ) | sim( KZFi ) < λ− }
Für den weiteren Einbau ist als relative Größe die Mächtigkeit dieser Mengen ins Verhältnis
zur Anzahl simulierter Ergebnisfälle von Bedeutung, um die Auswirkungen unabhängig von
der frei wählbaren Anzahl gestalten zu können. Dies wird in den Variablen rm+/- festgehalten.
rm + i =
MAE{sim( KZF i | sim( KZFi ) > λ+ }
MAE ( AU + i )
=
MAE ( sim( KZFi ))
MAE ( sim( KZFi ))
387
Die Simulation von ¥ij ist somit nicht regelmäßig, sondern akzidentiell durchzuführen, wenn tatsächlich
entsprechende Informationen bezüglich ¥ij vorliegen und der Mehrwert für die Ergebnisqualität erkennbar ist und
nicht lediglich scheingenaue Anpassungen hervorgerufen werden.
388
Daraus folgt, daß aus den Kundenausstrahlungseffekten ψ+ und ψ- auch Auswirkungen auf GKZF und somit
auf das Ergebnis der verwendeten Zielgröße der Steuerungsalgorithmik resultieren.
389
Formal ist ebenfalls eine Modellierung der Kundenausstrahlungseffekte auch auf Basis c’≠ c’’ denkbar.
Allerdings wird hier in der Regel der zusätzliche Erhebungsaufwand durch die Vorteile aus der höheren
Ergebnisgenauigkeit nicht überkompensiert.
390
sim(KZFi) ist das Ergebnis der Verknüpfungen der bisherigen Teilsimulationen.
154
Kapitel 5.2: Steuerungsalgorithmik
MAE{sim( KZF i | sim( KZFi ) < λ− }
MAE ( AU − i )
=
MAE ( sim( KZFi ))
MAE ( sim( KZFi ))
rm − i =
Um die unterschiedliche Größe der Kundenklassen zu berücksichtigen, sind rm+/entsprechend mit ni zu gewichten. So ergibt sich die Anzahl rmgew+/-, wie häufig der Effekt
ψ+ bzw. ψ- auftritt.
rmgew+ i = rm + i ⋅ ni =
MAE{sim( KZF i ) | sim( KZFi ) > λ+ }
MAE ( AU + i )
⋅ ni = (
) ⋅ ni
MAE ( sim( KZFi ))
MAE ( sim( KZFi ))
rmgew− i = rm − i ⋅ ni =
MAE{sim( KZF i ) | sim( KZFi ) < λ− }
MAE ( AU − i )
⋅ ni = (
) ⋅ ni
MAE ( sim( KZFi ))
MAE ( sim( KZFi ))
Die Ausstrahlungswirkfaktoren legen fest, auf wie viele Kunden in welchem Ausmaß die
Kundenausstrahlungseffekte wirken. Um diese beiden Wirkungsdimensionen abzubilden, ist
δ+/- in die Parameter δ+/-1 und δ+/-2 zu unterscheiden. δ+/-2 liefert das Ausmaß des
Kundenausstrahlungseffektes. δ+/-1 bildet ab, wie viele Kunden jeweils durch einen Kunden,
bei dem der Kundenausstrahlungseffekt auftritt, beeinflußt werden. Empirisch nachgewiesen
ist diese Komponente des Kundenausstrahlungseffektes – wie in Kapitel 2.1.1.3 dargestellt
wird – asymmetrisch, so daß δ+1 < δ-1 gilt. Auf Basis der empirischen Erkenntnisse empfiehlt
es sich, die Parameter δ+1 und δ-1 folgendermaßen zu simulieren.
sim(δ+1; Normalverteilung; µ(δ+1) = 2, σ(δ+1) = 1)
sim(δ-1; Normalverteilung; µ(δ-1) = 5, σ(δ-1) = 2,5)
unter den Nebenbedingungen: δ+1, δ-1 > 0 und δ+1, δ-1 < zmax
Anschließend ist jeweils die Anzahl Kunden zu bestimmen, auf welche die
Kundenausstrahlungseffekte ψ+ und ψ- wirken. Diese Anzahlen nψ+ und nψ- errechnen sich
aus:
k
k
i =1
i =1
k
k
i =1
i =1
nϕ + = ∑ µ (δ +1 ) ⋅ rmgew+ i = ∑ µ (δ +1 ) ⋅ rm + i ⋅ ni
nϕ − = ∑ µ (δ −1 ) ⋅ rmgew− i = ∑ µ (δ −1 ) ⋅ rm − i ⋅ ni
Kapitel 5.2: Steuerungsalgorithmik
155
Darauf aufbauend ist zu bestimmen, wie viele Werte δ+1 und δ-1 zu simulieren sind. Diese
Anzahl ergibt sich aus:
Anz ( sim(δ +1 )) =
Anz ( sim(δ −1 )) =
nϕ +
n
nϕ −
n
⋅ MAE ( sim( KZFi ))
⋅ MAE ( sim( KZFi ))
Im Anschluß ist mit Hilfe einer Zufallsfunktion, z. B. auf Basis einer Hash-Funktion391, zu
bestimmen, welche Werte sim(KZFi) mit δ+/-2 zu verknüpfen sind, um das Ausmaß von ψ+
und ψ- abzubilden. Die Werte werden durch sim(KZFi*) gekennzeichnet.
Das Ausmaß δ+/-2 der Kundenausstrahlungseffekte ψ+ und ψ- ist als Korrekturfaktor
darzustellen. Dieser gibt jeweils an, um wieviel Prozent sich KZFi verändert, wenn einer der
Effekte ψ+ bzw. ψ- auftritt.392 Für den Definitionsbereich von δ+/-2 gilt somit: δ+/-2 Є [0;1].
Darauf aufbauend bietet sich für die Simulation von δ+/-2 an:
sim(δ+2; Normalverteilung; µ(δ+2) = 0,5, σ(δ+2) = 0,125)
sim(δ-2; Normalverteilung; µ(δ-2) = 0,5, σ(δ-2) = 0,125)
unter den Nebenbedingungen: δ+2, δ-2 > 0
Dabei ist die gleiche Anzahl an Werten wie bei δ1 zu simulieren, so daß gilt:
Anz ( sim(δ +1 )) = Anz ( sim(δ + 2 )) ∧ Anz ( sim(δ −1 )) = Anz ( sim(δ − 2 ))
Die endgültigen Werte für sim(KZFi) nach Auftreten der Kundenausstrahlungseffekte,
gekennzeichnet durch sim(KZFi**), ergeben sich nach Bildung entsprechender Wertepaare
aus:393
sim( KZFi * *) = sim( KZFi *) + ( sim( KZFi *) ⋅ sim(δ + 2 ))
sim( KZFi * *) = sim( KZFi *) − ( sim( KZFi *) ⋅ sim(δ − 2 ))
391
Vgl. zur Hash-Funktion [Stah95], S. 188.
392
Dabei kann als Regel z. B. von 50% ausgegangen werden.
393
Das simulierte Kundenzufriedenheitsprofil sim(ZPi) einer Kundenklasse setzt sich somit aus Werten
sim(KZFi) und sim(KZF**i) zusammen.
156
Kapitel 5.2: Steuerungsalgorithmik
unter den Nebenbedingungen: zmin < sim(KZFi**) < zmax
5.2.4.4.
Ergebnisprofil
Das Ergebnis der Steuerungsalgorithmik liefert im ersten Schritt einen Set an mehrwertigen
Ergebnisprofilen EP, aus denen dasjenige auszuwählen ist, das den ökonomischen Erfolg
unter Berücksichtigung der Risikopräferenz des Unternehmens maximiert. Es ergeben sich in
Abhängigkeit der Anzahl an Budgetalternativen verschiedene Ergebnisprofile, die zu
interpretieren sind.
Sind die einzelnen Maßnahmen jeweils nur in bestimmten Stufen sinnvoll modellierbar,
resultiert daraus eine endliche Anzahl Ergebnisprofile, die sich aus dem Produkt der Anzahlen
an Alternativen für die einzelnen Maßnahmen ergibt. Für den Einsatz der Budgetgrößen in die
Wirkungsfunktionen und darauf aufbauend in die Zielfunktion kann sodann eine Simulation
über eine vollständige Enumeration durchgeführt werden. Ggf. ergeben sich allerdings
unendlich viele Budgetalternativen, wenn es Sinn macht, das Budget einer Maßnahme
durchgängig oder auf Basis sprungfixer Stufen vollständig stetig im Rahmen des relevanten
Budgetbereichs zu modellieren.394
Aus der Simulation ergeben sich Ergebnisprofile hinsichtlich der Kundenzufriedenheit, die in
Ergebnisprofile hinsichtlich des erzielten Gewinns über die skizzierten KundenzufriedenheitsAbsatzmengen-Funktionen in Verbindung mit der Gewinnfunktion transformiert werden.395
Diese Transformation ist notwendig, wenn über die Budgethöhe und der Verteilung dieses
Budgets auf die Maßnahmen zu entscheiden ist.
Im Rahmen der Budgetentscheidung genügt die Betrachtung der Ergebnisprofile hinsichtlich
der Kundenzufriedenheit, wenn die bereits skizzierte, in der Unternehmenspraxis häufig
anzutreffende Entscheidungssituation vorliegt, daß ein fest vorgegebenes Budget vollständig
auf Maßnahmen zu verteilen ist. Sodann wandelt sich die Zielsetzung der Optimierung der
394
Ex definitione ist in diesen Fällen eine vollständige Enumeration nicht möglich, sondern lediglich eine
partielle. Dabei kann die Lösungsgeschwindigkeit durch Ausschluß dominierter Budgetalternativen, z. B. mit
Hilfe eines Branch-and-Bound-Algorithmus, erhöht werden. Dabei helfen die im folgenden erarbeiteten
Dominanzbeziehungen.
395
Bei Auswahl eines Wirkungssurrogats als kundenzufriedenheitswirkungsinduzierte Zielgröße ist analog eine
Transformation der Zufriedenheitsprofile möglich.
Kapitel 5.2: Steuerungsalgorithmik
157
Kundenzufriedenheit in die Maximierung der Kundenzufriedenheit.396
Ein Ergebnisprofil ist die Menge aller Ergebniswerte, welche die Simulation einer
Budgetalternative mittels des oben entwickelten Verfahrens liefert. Im Rahmen der
unternehmenspraktischen Anwendung bietet es sich aus Übersichtlichkeitsgründen an, die
Ergebniswerte des Ergebnisprofils in Klassen zusammenzufassen.397 Dies führt zu absoluten
Klassenhäufigkeiten, die durch die Division der Anzahl der simulierten Ergebniswerte des
betrachteten Ergebnisprofils zu relativen Klassenhäufigkeiten transformiert werden. Daraus
ergibt sich die Verteilungsfunktion (VF) des Ergebnisprofils, indem die relativen
Häufigkeiten kumuliert werden. Das Risikoprofil des betrachteten Ergebnisprofils errechnet
sich aus der Subtraktion 1 - Wert der Verteilungsfunktion.398
Die Bewertung dient der Bestimmung des optimalen Ergebnisprofils und damit der optimalen
Budgetverteilung sowie der –höhe. Dazu sind in einem ersten Schritt in Anlehnung an die
Dominanzbeziehungen zwischen Entscheidungsalternativen, die dominierten Ergebnisprofile
auszuschließen. Da eine rationale Budgetentscheidung eine ressourceneffiziente Allokation
impliziert, scheiden Budgetalternativen, die zu dominierten Ergebnisprofilen führen, als
optimale Alternative per se aus. Dabei ist zwischen absoluter und relativer Dominanz zu
unterscheiden.
Ein Ergebnisprofil EP* dominiert ein Ergebnisprofil EP** absolut, wenn sämtliche
Ergebniswerte von EP* größer als von EP** sind. 399 Zur Festlegung der relativen Dominanz
396
Die im folgenden getroffenen, grundlegenden Aussagen zur Ableitung einer optimalen Budgetentscheidung
auf Basis der Ergebnisprofile gelten für beide Entscheidungssituationen, also für Ergebnisprofile sowohl
hinsichtlich des Gewinns als auch der Kundenzufriedenheit. Dazu sind der Begriff des Ergebnisprofils und die
darauf aufbauenden Entscheidungshilfen im Detail zu erläutern.
397
Für Ergebnisprofile hinsichtlich der Kundenzufriedenheit bieten sich beispielsweise als Klassengrenzen die
ganzzahligen Skalenpunkte an, für Ergebnisprofile hinsichtlich des Gewinns relevante Sprünge in dieser Größe,
welche die Ergebniswerte möglichst trennscharf gruppieren.
398
Verteilungsfunktion und Risikoprofil ermöglichen z. B. Aussagen über die Eintrittswahrscheinlichkeit von
Gewinnhöhen oder Zufriedenheitsniveaus. Exemplarisch können folgende Aussagen abgeleitet werden. Aus der
Verteilungsfunktion ergibt sich z. B., daß mit einer bestimmten Wahrscheinlichkeit der Gewinn oder das
Zufriedenheitsniveau unter einem bestimmten Wert liegt. Aus dem Risikoprofil kann beispielsweise hergeleitet
werden, daß mit einer bestimmten Wahrscheinlichkeit der Gewinn oder das Zufriedenheitsniveau über einem
bestimmten Wert liegt.
399
Die abgeleiteten Dominanzdefinitionen basieren auf den beiden in der Literatur der Entscheidungstheorie
anzutreffenden Dominanzbegriffen, also sowohl die absolute Dominanz als auch die relative, häufig auch als
Zustandsdominanz bezeichnete Dominanz, vgl. zu Dominanzbegriffen. Hier ist der theoretische Sonderfall zu
betrachten, daß bei der Budgetentscheidung über Höhe und Verteilung des Budgets ein Ergebnisprofil
hinsichtlich der Kundenzufriedenheit zwar von einem anderen dominiert wird, diese Aussage nach
Transformation in Ergebnisprofile hinsichtlich des Gewinns oder einer anderen Zielgröße aufrecht erhalten
werden kann.
158
Kapitel 5.2: Steuerungsalgorithmik
sind die Klassen in zwei Hälften zu zerlegen, die Klassen der oberen Hälfte und die Klassen
der unteren Hälfte, so daß die Ergebniswerte möglichst gleichmäßig verteilt sind.400
Sämtliche Ergebniswerte der Klassen der oberen Hälfte sind größer als die Ergebniswerte der
unteren Hälfte. Trennpunkt der Hälften ist der Median über die Klassen. Ein Ergebnisprofil
EP* dominiert ein Ergebnisprofil EP** relativ, wenn von EP* alle relativen
Klassenhäufigkeiten in Klassen der oberen Hälfte größer sind als von EP** und damit alle
relativen Klassenhäufigkeiten in Klassen der unteren Hälfte kleiner sind.
Für die Verteilungsfunktionen der Ergebnisprofile gilt dann, daß die Steigung und damit die
erste Ableitung der zu EP* gehörigen Verteilungsfunktion VF* in der oberen Hälfte
durchgängig größer und der unteren Hälfte durchgängig kleiner ist. Das bedeutet, daß in der
oberen Hälfte VF*’>VF**’ gilt und in der unteren Hälfte VF*’< VF**’ gilt.401
Für die Ableitung der optimalen Budgetentscheidung sind des weiteren Lage- und
Streuungsparameter des Ergebnisprofils zu bestimmen. So sind nach Ausschluß der
dominierten Ergebnisprofile für alle verbleibenden Ergebnisprofile EP der Erwartungswert
µ(EP) und die Standardabweichung σ(EP) zu bestimmen.
5.2.4.5.
Beurteilung
Die Beurteilung der Ergebnisprofile und die darauf aufbauende Budgetentscheidung hängt
von der Risikoeinstellung des Entscheiders ab. Die Risikoeinstellung des Entscheiders ist über
die Risiko-Nutzen-Funktion Ɣ abzubilden, die in Abhängigkeit der Ausprägungen der
jeweiligen Lage- und Streuungsparameter jedem Ergebnisprofil einen Risikonutzenwert
zuordnet.402 Zu unterscheiden sind die Risikoeinstellungen Risikoneutralität, Risikoaversion
und Risikofreude.
Bei Risikoneutralität des Entscheiders erweist sich die Bestimmung der Risiko-Nutzen-Werte
für die einzelnen Ergebnisprofile und damit für die Budgetalternativen vergleichsweise
einfach, weil das Risiko und damit auch die Verteilung der Ergebniswerte für den Entscheider
ohne Bedeutung ist. Der Risiko-Nutzenwert der Budgetalternative ergibt sich aus dem
400
Anzumerken ist, daß für extreme Verteilungsfunktionen, wenn eine möglichst gleichmäßige Verteilung der
Ergebnisse nicht berücksichtigt worden ist, das Konzept der relativen Dominanz ggf. nur mit Einschränkungen
gilt.
401
Anzumerken ist, daß die aufgestellten Dominanzregeln unabhängig von der Risikoeinstellung des
Entscheiders gelten.
402
Vgl. zu den Grundlagen Kapitel 2.2.2.
Kapitel 5.2: Steuerungsalgorithmik
159
Erwartungswert des Ergebnisprofils. Dies ist wiederum davon unabhängig, ob ein festes
vorgegebenes Budget auf die Maßnahmen des Kundenbindungsmanagements auf Basis der
Ergebnisprofile hinsichtlich der Kundenzufriedenheit zu verteilen ist oder Höhe und
Verteilung des Budgets auf Basis der Ergebnisprofile hinsichtlich des Gewinns oder einer
alternativen Zielgröße zu bestimmen sind. Die Risiko-Nutzenfunktion bei Risikoneutralität ist
somit Ɣ (µ(EP)) = µ(EP). Als für die Entscheidungssituation optimale Budgetalternative ist
diejenige auszuwählen, deren Ergebnisprofil den höchsten Erwartungswert und damit RisikoNutzenwert aufweist.
Auch bei Risikoaversion oder -freude des Entscheiders ist diejenige Budgetalternative
auszuwählen, deren Ergebnisprofil den höchsten Risikonutzenwert liefert. Allerdings ist die
Bestimmung und dabei insbesondere der vom Entscheider festzulegenden Funktionsparameter
komplexer, da auch die Verteilung der Ergebniswerte in Form des bereits vorgestellten
Streuungsparameters σ (EP) des Ergebnisprofils in die Bestimmung der Risikonutzenwerte
der Risiko-Nutzen-Funktion einbezogen wird.
Bei Risikoaversion des Entscheiders ist die Risiko-Nutzen-Funktion folgendermaßen zu
konstruieren: Ɣ (µ(EP),σ(EP)) = µ(EP) – av * σ(EP). Der Parameter av justiert die RisikoNutzenfunktion in Abhängigkeit des Ausmaßes der Risikoaversion des Entscheiders. Für av
gilt die Nichtnegativitätsbedingung, also av > 0.403 Je größer av gewählt wird, desto größer ist
dabei die Risikoaversion des Entscheiders.
Im Falle von Risikofreude des Entscheiders ist die Risiko-Nutzen-Funktion entsprechend
folgender grundsätzlicher Funktionsvorschrift zu gestalten: Ɣ (µ(EP),σ(EP)) = µ(EP) + af *
σ(EP). Analog zur Risiko-Nutzen-Funktion bei Risikoaversion justiert der Parameter af die
Risiko-Nutzenfunktion in Abhängigkeit des Ausmaßes der Risikofreude des Entscheiders. Für
af gilt wie bei av die Nichtnegativitätsbedingung, also af > 0. Ebenso ginge für af = 0 die
Risikoeinstellung der Risikofreude in die Risikoneutralität über und analog für af < 0 in die
Risikoaversion. Je größer af gewählt wird, desto größer ist dabei die Risikofreude des
Entscheiders.404
403
Ansonsten wird die Risikoeinstellung des Entscheiders konterkariert. Für av = 0 ginge die Risikoeinstellung
der Risikoaversion in die Risikoneutralität über, für av < 0 sogar in die Risikofreude.
404
Neben der Abbildung der Budgetentscheidungssituationen hinsichtlich Bestimmung von Höhe sowie
Verteilung und lediglich Verteilung eines fest vorgegebenen Budgets auf die Maßnahmen, könnte das
Optimierungsproblem auch dual zum zweitgenannten Typ formuliert werden, daß ein bestimmter
Risikonutzenwert mit einem minimalen Budget erzielt werden soll. Abgesehen von den bereits in Kapitel 5.2.1.
dargestellten Argumenten, ergibt sich das Problem, daß ggf. die Lösungsmenge leer ist. Sodann müßte der
Zielwert korrigiert werden.
160
Kapitel 5.2: Steuerungsalgorithmik
Der formalen Korrektheit der Risiko-Nutzen-Funktion steht der Nachteil des hohen
Abstraktionsgrades gegenüber, welcher die unternehmenspraktische Anwendung und damit
Entscheidungsfindung erschwert. Diese Schwäche wird durch die Entscheidungsfindung über
formulierte Regeln behoben. Dies sind Regeln, welche das hinter der Budgetentscheidung
stehende Risiko greifbarer machen und insbesondere die Kommunikation und Abstimmung
bei multipersonalen Budgetentscheidungen erleichtern. Der oder die Entscheider legen für
diese Regeln jeweils einen Zielgewinn und einen Wahrscheinlichkeitswert fest, zu welchem
die Zielgröße über- oder nicht unterschritten werden sollte. Dabei können diese Regeln zu
einem Regelset kombiniert werden. Diese Erweiterung erlaubt ebenso verschiedene
Zielrichtungen und Nebendingungen abzubilden, so daß Wachstums-, Rentabilitäts- und
Liquiditätsziele integriert berücksichtigt werden können.
Die Regeln sind weiter auf Kundenklassen zu differenzieren, so daß strategische
Nebenbedingungen hinsichtlich einer oder mehrerer Kundenklassen in die
Steuerungsalgorithmik eingebaut werden können, z. B. daß bedingt durch ψ- lediglich zu einer
festgelegten Wahrscheinlichkeit die Ergebniswerte einen bestimmten Skalenwert
unterschreiten dürfen. Durch die gebildeten Regeln wird mit Hilfe von RP und VF der
Lösungsraum an in Frage kommenden Budgetalternativen eingeschränkt. Mittels eines auf die
Ergebnisprofile des Lösungsraums anzuwendenden Zusatzkriteriums, z. B. das dann geringste
Budget oder bei einem fest vorgegebenen Budget die Verteilung, für die µ(EP) am größten ist,
wird anschließend die optimale Budgetentscheidung ermittelt.
Zu beachten ist, daß keine sich ausschließenden Regeln formuliert werden. Zudem ergibt sich
eventuell keine Lösung bei Anwendung des Regelsets, der Lösungsraum ist sodann leer. Dann
ist der Regelset zu korrigieren bzw. die Budgetalternative mit dem am ehesten dem Regelset
entsprechenden Ergebnisprofil auszuwählen.405
Des weiteren ist zu vermerken, daß als Hilfestellung die Bewertung der Ergebnisprofile zur
Bestimmung der optimalen Budgetentscheidung auch mit Hilfe eines Scoring-Modells406
erfolgen kann. Dies bietet sich insbesondere an, wenn weitere beliebige insbesondere nicht
quantifizierbare Nebenbedingungen im Rahmen der Entscheidungsfindung berücksichtigt
werden sollen. Die Risikoeinstellung wird nicht explizit quantifiziert, sondern durch die
entsprechenden, vergebenen Punktwerte implizit berücksichtigt.
Als Lösung ergibt sich, wie hoch die Budgets BUij für die einzelnen Maßnahmen im Hinblick
auf den Einsatz bei den einzelnen Kundenklassen zu bestimmen sind. Dies ist unabhängig
405
Anzumerken ist, daß die Entscheidungsfindung über Regelsets ggf. den Nachteil aufweist, daß für extreme
Verteilungsfunktionen mit erheblichen Diskontinuitäten bei übergeordnet rationaler Betrachtung im Grunde
suboptimale Entscheidungen gefällt werden.
406
Vgl. ausführlich zum Scoring-Modell [Schi97], S. 102ff.
Kapitel 5.2: Steuerungsalgorithmik
161
davon, ob die Budgethöhe bei einem Zieloutput zu minimieren ist, ein fest vorgegebenes
Gesamtbudget BU zu verteilen ist oder sich das Gesamtbudget aus der Summe der
Einzelbudgets zusammensetzt.
162
6.
Kapitel 6.1: Informationsbereitstellung
Einbindung der Methode in CRM-Software
Zur Einbindung der entwickelten Methode in CRM-Software sind Fragen der
Informationsbereitstellung (Kapitel 6.1.), Datenanalysefragen (Kapitel 6.2.) sowie
organisatorische Aspekte (Kapitel 6.3.) zu berücksichtigen. Dazu wird insbesondere darauf
eingegangen, welche Funktionalitäten bzw. Instrumente, die in CRM-Softwarepaketen
angeboten werden, den Einsatz der Methode in den dargestellten Dimensionen unterstützen.
Einen umfangreichen Überblick zum Entwicklungsstand von CRM-Software liefert Anhang
2.407
6.1
Informationsbereitstellung
Die entwickelte Methode intendiert die Gestaltung eines differenzierten Vertriebsreportings
zur Informationsbereitstellung, welches sowohl auf Basis qualitativer als auch quantitativer
Daten auszugestalten ist. In der qualitativen Form erfolgt eine Berichterstattung über Lage
und Besonderheiten der gegenwärtigen Vertriebssituation des Unternehmens. Dies geschieht
in der einfachsten Form mit Hilfe einer Sammlung von Berichten der Vertriebsmitarbeiter.
Das kann schnell zu einer kontraproduktiven Verbürokratisierung führen, die den Zielen der
Effizienz- und Effektivitätsverbesserungen entgegenwirkt.
Zu beachten ist, daß die Funktionalität des Vertriebsreporting/-controlling im Grenzbereich zu
Funktionalitäten von Controlling- und Kostenrechnungssoftwaresystemen liegt. Zu
unterscheiden sind dabei eine qualitative und eine quantitative Ausgestaltungsform.
Für die qualitative Form des Vertriebsreporting sollte aus Softwaresicht zusätzlich lediglich
eine offene Plattform gestaltet werden, da die Erfordernisse für die konkrete Ausgestaltung
bei den Unternehmen stark variieren. Da diese Funktionalität in vielen Unternehmen bereits
realisiert ist, ist darauf zu achten, daß systemseitig weitestgehend die bestehenden
Komponenten eingebunden werden. Zudem sollte wiederum eine Schnittstelle geschaffen
werden, um bei den Unternehmen bereits realisierte Lösungen integrieren zu können.
In der quantitativen Ausgestaltung erweisen sich als methodisches Instrument neben
Standardberichten Exceptional Reports von Abweichungen vom Budgetplan, als effizientes
und effektives Instrument, um Besonderheiten aufzudecken und entsprechende operative
Steuerungshinweise zu geben. Darüber können effizient die wesentlichen Informationen
kommuniziert werden.
407
Vgl. [Helm01/1], S. 34ff.
Kapitel 6.1: Informationsbereitstellung
163
Eine Schnittstelle zur Kostenrechnung ist dabei die Grundvoraussetzung, um die
Funktionalitäten Vertriebsreporting in der quantitativen Ausgestaltungsform Vertriebs- und
Kundenerfolgsrechnung sowie viele der später erläuterten Funktionalitäten des Data Mining
effizient und effektiv einzusetzen. Entscheidend sind dabei leistungsfähige Interfaces, über
die ein reibungsloser, stabiler Datentransfer zwischen CRM- und Kostenrechnungssoftware
ermöglicht wird.
Die folgenden quantitativ orientierten Funktionalitäten Kundenerfolgs- sowie
Vertriebserfolgsrechnung, ABC-Analyse, Kundenpotentialanalyse und Kundenportfolios
unterstützen den praktikablen Einsatz der Methode im Rahmen der Kundenklassifizierung aus
der Unternehmenssicht. Festgehalten wird somit die Bedeutung der Kunden für den
Unternehmenserfolg aus den verschiedenen relevanten Dimensionen. Die quantitative
Ausgestaltung setzt auf den für die Durchführung notwendigen definierten Variablen auf,
welche das ökonomische Resultat des durch die Anwendung der Methode zur
Budgetoptimierung bestimmten optimalen Maßnahmeneinsatz dokumentieren.
Für die dynamische Bestimmung der Kundenklassen nach der Unternehmenssicht ist als
Informationsgrundlage eine Kundenerfolgsrechnung ein probates Mittel.408 In einer
Kundenerfolgsrechnung werden Umsätze und Kosten einer Periode den Kunden zugeordnet,
um den Gewinn pro Kunden ein- oder mehrstufig zu bestimmen.409 Die
Kundenerfolgsrechnung bietet somit eine Informationsfunktion für die Kundenpriorisierung
aus Unternehmenssicht im Rahmen der Kundenklassifizierung.410 Für die Realisierung dieser
Funktionalität ist zur effizienten Datenversorgung eine entsprechende Schnittstelle zum
Kostenrechnungssystem des Unternehmens als Basisvoraussetzung unumgänglich. Die
Kundenerfolgsrechnung bietet somit zusätzlich eine Controllingfunktion für den Erfolg der
Kundenbearbeitung.
Zudem sollten im Übergang zur Vertriebserfolgsrechnung die Kundenergebnisse den
einzelnen Vertriebsmitarbeitern zugeordnet werden können, damit auch Schwachstellen in der
Umsetzung der Maßnahmen zur Kundenbearbeitung identifiziert werden können. In einer
Vertriebserfolgsrechnung werden somit Umsätze und Kosten einer Periode den
Vertriebsmitarbeitern zugeordnet, um den Gewinn pro Vertriebsmitarbeiter ein- oder
mehrstufig zu bestimmen.411 Sie ermöglicht analog zur Kundenerfolgsrechnung, welche
408
In der Literatur wird für den Begriff der Kundenerfolgsrechnung häufig der Begriff der
Kundendeckungsbeitragsrechnung synonym verwandt.
409
Vgl. [Link95], S. 110ff.
410
Vgl. [Haag92], S. 25ff.
411
Vgl. [Herz99], S. 288ff.
164
Kapitel 6.1: Informationsbereitstellung
Vertriebsmitarbeiter in welchem Maße zum Unternehmenserfolg beitragen. Somit kann die
Vertriebserfolgsrechnung u. a. auch als Basis für eine leistungsgerechte Entlohnung der
Vertriebsmannschaft Anwendung finden. Dabei sollte als Vergütungskriterium neben
monetären Größen ebenso die Kundenzufriedenheit eine Rolle spielen, um die Nachhaltigkeit
der Kundenbearbeitung zu festigen. Dadurch wird die Kundenzufriedenheit und darauf
basierender ökonomischer Erfolg als Zielgröße auch organisatorisch verankert. Dies ist eine
wesentliche Basis, um die Erfüllung der Zielgröße auch in den Handlungen des Personals
umzusetzen und somit diese daran auszurichten.412
Im Rahmen der Kundenpotentialanalyse wird gegenübergestellt, mit welchen Kunden derzeit
welche Umsätze realisiert und wie hoch die Umsätze in Zukunft sein könnten413. Ggf. werden
qualitative Potentialkomponenten wie Prestigewirkung oder Empfehlungspotential ergänzt.
Kundenportfolios stellen die graphische Aufbereitung der Analyseergebnisse der
Vertriebssituation eines Unternehmens dar und setzen somit zwei oder mehrere
kundenbeziehungsrelevante Dimensionen ins Verhältnis zueinander.414 So können z. B. die
Kundenpotentiale jeweils ins Verhältnis zu den kundenspezifischen Vorteilen gegenüber den
Wettbewerbern gesetzt werden. Derartige Portfolios liefern beispielsweise eine zusätzliche
Informationsbasis zur Bestimmung der Konkurrenzeffekte ¥j.
Mit Hilfe der Funktionalität Auftragsabwicklung wird der jeweilige Bearbeitungsstand eines
Kundenauftrages im Sinne eines Tracking & Tracing festgehalten. Sie kann als Nebeneffekt
u. a. zur internen Auftragsfortschrittskontrolle und als Kundenserviceleistung bei etwaigen
Nachfragen zum Liefertermin genutzt werden. Zudem kann die Nachbereitung, wie z. B. das
Forderungsmanagement oder die Nachkalkulation, hier auf den festgehaltenen Datenbestand
aufsetzen. Hauptsächlich für die Anwendung der Methode ist, daß sich aus der Funktionalität
der Auftragsabwicklung die notwendigen Daten für die Befüllung der Vektoren PRSr’c
ergeben.
Am geeignetesten ist es, die Steuerungsalgorithmik mit Hilfe der Informationen bereit
stellenden Instrumente zu jedem neuen Budgetverteilungstermin einzusetzen bzw.
unterperiodisch im Sinne eines Exceptional Reportings, sobald erhebliche Abweichungen von
412
Die ABC-Analyse ordnet die Kunden hinsichtlich ihrer Bedeutung für den Unternehmenserfolg, welche in
der Regel am Umsatzvolumen gemessen wird, in die Kategorien A, B und C ein. Wie bereits dargestellt, ist
dadurch das für die Unternehmenserfolg bedeutende Potential des Kunden noch nicht berücksichtigt. Dieser
Mangel wird im Rahmen der Informationsbereitstellung durch den Einsatz einer Kundenpotentialanalyse in der
CRM-Software behoben. Während der Einsatz der Kundenerfolgsrechnung in Verbindung mit der ABC-Analyse
die Datenbasis für die Bestimmung der Ist-Werte IWI der in Kapitel 5.1.2.2. entwickelten Matrix MB liefert,
hilft die Kundenpotentialanalyse bei der Ermittlung der entsprechenden Potentialwerte PWI.
413
Vgl. [Schu95], S. 102ff.
414
Vgl. [Homb97/1], S. 65.
Kapitel 6.1: Informationsbereitstellung
165
den prognositizierten Werten offensichtlich werden und eine Umschichtung des geplanten
Budgets noch möglich ist. Daraus ergeben sich entsprechend notwendige Anpassungen.
Grundlegend sind des weiteren zur Verwaltung der zu erfassenden Kundendaten – also die
Identifikations- und die Steuerungsattribute - entsprechende elektronische Kundenakten
anzulegen, welche in einem sogenannten Customer Data Warehouse zusammengefaßt werden
können. Elektronische Kundenakten bezeichnen die strukturierte Zusammenfassung aller über
eine Kundenbeziehung relevanten Informationen in einem elektronischen Ordner. Der
Informationsgehalt sollte dabei über die in der Kundendatenbank gespeicherten Merkmale
hinausgehen und beispielsweise die dem Kunden zugekommenen Maßnahmen festhalten, um
die operative Umsetzung der Budgetentscheidung sicherzustellen. Zusätzlich sind ggf., als
Dokumente der Korrespondenz mit dem Kunden über eine entsprechende
Dokumentenmanagementsoftwarekomponente zu sichern.
Die Funktionalität der elektronischen Kundenakte sollte an die Kundendatenbank
angegliedert sein, um die Datenintegrität zu wahren. In der elektronischen Kundenakte sollten
zudem alle im Unternehmen gängigen Dateiformate reibungslos verwaltet werden können.
Des weiteren sollte es möglich sein, elektronische Kundenakten problemlos über die im
Unternehmen zur Verfügung stehenden Kommunikationsmedien übertragen zu können.
Beispielsweise muß der Außendienstmitarbeiter in der Lage sein, bei Bedarf aufwandsarm
und selbständig elektronische Kundenakten in ihrem aktuellen Stand abrufen zu können. Als
Nebenbedingung sind hier somit entsprechende Anforderungen an die methodischen
Funktionalitäten Workflow- und Replizierfähigkeit zu stellen.
Zudem sollte die elektronische Akte nicht nur aktuelle Daten bereit stellen, sondern auch
Daten aus der Vergangenheit der Kundenbeziehung, der sogenannten Kundenhistorie,
vorhalten. Neben den vielfältigen Auswertungszielen und -möglichkeiten bezüglich dieser
Daten, lassen sich für den konkreten Einsatz im Rahmen der Methode über
Längsschnittanalysen zusätzliche Erkenntnisse über den Maßnahmeneinsatz herausfiltern.
Ebenso ist auf die Möglichkeit einer offenen Gestaltbarkeit zu achten. Das bedeutet, daß nicht
die Software die grundsätzlich zu erfassenden Informationen vorschreibt, sondern sich die
Ausgestaltung an den individuellen Unternehmenserfordernissen ausrichten sollte. Außerdem
müssen einfache strukturelle Anpassungen vom Unternehmen selbständig durchführbar sein,
wenn beispielsweise eine veränderte Marktlage die Erfassung zusätzlicher Informationen, z.
B. bezüglich der budgetierungsrelevanten Daten der Kunden bezüglich neu eingeführter
Maßnahmen Mj des Kundenbindungsmanagements, erforderlich macht.
166
6.2
Kapitel 6.2: Datenanalyse
Datenanalyse
Die Funktionalitäten der Datenanalyse liefern im Gegensatz zu den Funktionalitäten der
Informationsbereitstellung nicht unmittelbar die für die Anwendung der Methode
notwendigen Informationen. Sie weisen vielmehr den Charakter von Werkzeugen zur
Ermittlung dieser Informationen auf.
Die Kundenzufriedenheitsanalyse unterstützt die Messung der Zufriedenheit der Kunden auf
Basis von Urteilen der Kunden aus Befragungen und anhand stellvertretender harter
Indikatoren, wie z. B. die benötigte Antwortzeit bei Anfragen. Zur Auswertung der erhobenen
Daten werden uni-, z. B. Mittelwerte, bi-, wie z. B. Kreuztabellierungen, und multivariate
Verfahren, wie z. B. Kausalanalysen, angewandt.
Die aus der Anwendung dieser Funktionalität resultierenden Ergebnisse weisen eine eminente
Bedeutung für den Einsatz der Methode auf, da sie wesentliche Kerndaten bezüglich zjc und
damit zur Aufstellung der n Zufriedenheitsprofile ZPc analysieren hilft. Die Bedeutung pflanzt
sich mittelbar hinsichtlich der Kundenklassifizierung fort, da die Zufriedenheitsprofile ZPc
zur Bestimmung der z‘ Klassen Zi‘‘‘ für i‘‘‘ = 1, ..., z‘ hinsichtlich der Kundenzufriedenheit
mit den Maßnahmen benötigt werden, welche das Ergebnis einer SubKlassifizierungsdimension zur Bestimmung der k Kundenklassen Ki darstellen.
Die Funktionalitäten des Kundenzufriedenheitsmanagements liefern zudem mit ihrer
Zielgröße Kundenzufriedenheit für die Erfolgskontrolle in Marketing, Vertrieb und
Kundenbearbeitung ein wesentliches objektives Meßkonstrukt neben dem Umsatz.
Kundenzufriedenheit und Umsatz sind dabei mit Hilfe von Kausal- und Korrelationsanalysen
miteinander verglichen werden, um neue Erkenntnisse, z. B. aufgrund sich wandelnder
Marktgegebenheiten, für die konkrete Beziehung zwischen Kundenzufriedenheit und Umsatz
des Unternehmens abzuleiten und damit die Kundenzufriedenheits-Absatzmengen-Funktion
zu optimieren und zu aktualisieren. Zudem liefert die Kundenzufriedenheitsanalyse die Basis
und auch notwendige Voraussetzung für die Ausgestaltung der beiden Funktionalitäten
Kundenzufriedenheitsindex und Kundenzufriedenheitscontrolling.
Der Kundenzufriedenheitsindex verdichtet die Ergebnisse der Kundenzufriedenheitsanalyse,
z. B. mehrstufig über Produktbereiche, Vertriebsgebiete-/regionen oder Kundenklassen.415 Er
faßt also die Zufriedenheitswerte der Kunden mit den Leistungen des Unternehmens in einem
Index zusammen. Dieser Index liefert zum einen hochverdichtete Informationen, sollte
andererseits wiederum in Einzelkomponenten zerlegbar sein. Darauf aufbauend können für
die Entwicklung der Kundenzufriedenheit z. B. Längsschnittanalysen über die Zeit sowie
415
Vgl. [Forn96], S. 7ff.
Kapitel 6.2: Datenanalyse
167
Querschnittsanalysen nach den oben genannten Kriterien durchgeführt werden. Da die
Kundenzufriedenheit jeweils in einem Wert zusammengefaßt wird, ergeben sich
nachvollziehbare
Vergleichswerte.
Diese
stellen
somit
ein
effizientes
Kommunikationsinstrument im Unternehmen zur Verdeutlichung der aktuellen
Kundenzufriedenheitssituation dar.
Die Funktionalität Kundenzufriedenheitscontrolling stellt den rationalen dynamischen Einsatz
der Methode im Zeitverlauf sicher. Sie basiert auf der Kundenzufriedenheitsanalyse sowie
ggf. dem Kundenzufriedenheitsindex. Dabei plant bzw. kontrolliert sie die Entwicklung der
Kundenzufriedenheit und gibt sowohl Hinweise als auch Ursachen bei Abweichungen an.
Hinsichtlich
Einsatzeffizienz
und
-effektivität
der
Funktionalität
Kundenzufriedenheitscontrolling ist es von entscheidender Bedeutung, daß Reports zur
Kundenzufriedenheitssituation entsprechend übersichtlich und managementorientiert
aufbereitet werden. Zudem sollten diese in festen Rhythmen, z. B. quartalsweise, an die
kundenbearbeitenden Stellen weitergeleitet werden. Für die Weiterleitung sind entsprechende
Workflows zu gestalten.
Zu beachten ist, daß kein Datenfriedhof in Form extrem umfangreicher und wenig
strukturierter Reports erzeugt wird, der lediglich zu einer Informationsüberflutung führt und
den Einsatz der Informationen im Tagesgeschäft behindert. In diesem negativen Fall können
die Daten aufgrund der eingeschränkten Informationsverarbeitungskapazität des Menschen
nicht mehr effizient genutzt werden. Es gilt somit der Grundsatz „Qualität vor Quantität“. So
besteht die Aufgabe des Kundenzufriedenheitscontrollings nicht nur in der vollständigen
Auswertung der Daten, sondern auch in der Zusammenstellung der bedeutenden
Informationen. Ist entsprechend eine Informationsauswahl zu treffen, sollten im Report
besondere Veränderungen der Zufriedenheitssituation im Sinne eines Exceptional Reporting
dargestellt werden.
Bei den für die Kundenzufriedenheitsanalyse; den Kundenzufriedenheitsindex und das
Kundenzufriedenheitscontrolling notwendigen Auswertungsverfahren herrscht das Dilemma
zwischen Anwendungsfreundlichkeit und Aussagekraft. Uni- und bivariate Verfahren sind
zwar relativ einfach einsetzbar, aber ebenso ist auch ihre Aussagekraft begrenzt. Auf der
anderen Seite können mit Hilfe multivariater Verfahren differenziertere Aussagen getroffen
werden, doch ist die Anwendung relativ komplex und erfordert somit ein größeres
spezifisches Know-how des Anwenders.
Erläuterungsbedürftig sind dabei die drei multivariaten Verfahren der Kausal-, Conjoint- und
Clusteranalyse für den Einsatz im Rahmen der Methode. Anzumerken ist, daß diese
grundlegend konzeptionell bereits in Kapitel 3 erläutert worden sind.
168
Kapitel 6.2: Datenanalyse
Mit Hilfe der Kausal- und der Conjoint-Analyse wird die Ermittlung der für die SubKlassifizierungsdimension Bedeutung benötigten Daten unterstützt. So können mit Hilfe
dieser Analysewerkzeuge die Attribute bjc und damit die n Vektoren BPc zur SubKlassifizierung nach der Maßnahmen beigemessenen Bedeutung befüllt werden, welche die
Basis für die Bildung der b‘ Klassen Bi‘‘ für i‘‘ = 1, ..., b‘ liefern.
Die Clusteranalyse stellt abschließend das probate Instrument dar, die unterschiedlichen
Daten de einzelnen Sub-Klassifizierungsdimensionen in Sub-Klassen zusammenzufassen.
Dazu sind jeweils die notwendigen Informationen im Rahmen der Klassifizierung der Kunden
in k Klassen Ki zu liefern.
Ebenso ergeben sich aggregierte Top-Kennzahlen für die Kundenzufriedenheit, welche in
wertorientierten Unternehmensführungskonzepten, wie z. B. in der Marktperspektive der
Balanced Scorecard, einen wichtigen Bestandteil darstellen. In weiterer Verwendung lassen
sich innovative Lohnformen mit Hilfe der Indexwerte entwickeln, die in Bonus-MalusSystemen als weiteres Kriterium für die zu leistenden Vergütungen aufgenommen werden
können. Die Anwendung bietet sich nicht nur bei der Vergütung der eigenen Mitarbeiter an,
sondern auch wenn das Unternehmen externe Servicepartner, z. B. zum Betrieb eines Call
Centers, beauftragt.
Die im Rahmen der Kundenzufriedenheitsanalyse eingesetzten Verfahren weisen dabei einen
engen Bezug zu den Verfahren des Data Mining auf. Insbesondere bei Anwendung sehr
komplexer Verfahren ist eine Anbindung von Standardsoftwareapplikationen aus diesem
Bereich, wie. z. B. SAS oder SPSS, z. T. sinnvoll. Anzumerken ist, daß sich zur technischen
Umsetzung der Kundenzufriedenheitsanalyse jeweils die Frage, ob diese Funktionalität
zwangsläufig in der CRM-Software enthalten sein muß oder über Schnittstellen angebunden
werden kann.
Die Funktionalität Positionierung zu Wettbewerbern bezieht sich auf die
Wettbewerbsbeobachtung insbesondere hinsichtlich der systematischen Erfassung, welche
Maßnahmen Wettbewerber ergreifen, um die Kundenzufriedenheit zu erhöhen. Im Rahmen
der entwickelten Methode ist diese Funktionalität im Hinblick auf die Bestimmung der
Konkurrenzeffekte ¥j.
Diese Funktionalität ist vor allem für in gesättigten Märkten agierende Unternehmen von
Relevanz, da sich hier Wettbewerbsvorteile hauptsächlich nur noch über die Zielgröße
Kundenzufriedenheit erzielen lassen. Die konkrete Ausgestaltung kann sehr unterschiedlich
erfolgen. Dazu kann eine Wissensdatenbank, ein unternehmensinternes Diskussionsforum
oder ein Newsletter eingesetzt werden. Wichtig ist, daß neben der Auswertung
branchenspezifischer Informationen z. B. aus Fachzeitschriften das Wissen des Außendienstes
Kapitel 6.3: Organisatorische Instrumente
169
aufbereitet und verteilt wird. Dies setzt die Bereitschaft des Außendienstes dazu voraus. Dazu
ist die Akzeptanz dieser Funktionalität beim Außendienst notwendig, auf welche ggf. mit
Hilfe der vorgestellten Change Management-Instrumente hinzuwirken ist. Die effiziente
Verteilung der gewonnenen Informationen ist dabei die notwendige Voraussetzung, um die
Funktionalität Positionierung zu Wettbewerbern nicht zum Selbstzweck degenerieren zu
lassen.
Für die erfolgreiche Anwendung dieser Funktionalität sind von großer Bedeutung adäquate
Schnittstellen zur Kundendatenbank und ggf. zur Kostenrechnungssoftware: Der Daten/Informationsfluß zur Kundendatenbank ist wechselseitig. Zum einen werden u. U. Daten aus
der Kundendatenbank zur Kundenklassifizierung benötigt. Zum anderen müssen die
Ergebnisse der Kundenklassifizierung in die Kundendatenbank automatisiert eingepflegt und
ggf. aktualisiert werden, damit eine auf den gebildeten Kundenklassen differenzierte
Kundenbearbeitung auch in die Praxis umgesetzt werden kann.
6.3.
Organisatorische Instrumente
Organisatorische Instrumente sind hier in zwei Gruppen zu unterscheiden. Darunter sind
sowohl Funktionalitäten zu verstehen, die ihren Ursprung in organisatorischen Konzepten
haben, wie z. B. Teamselling, als auch Funktionalitäten, welche aus
informationstechnologischen Weiterentwicklungen entstanden sind und als Werkzeuge die
Kundenbearbeitung unterstützen, wie z. B. Replizierfähigkeit.
Teamselling stellt eine organisatorische Voraussetzung dar, um die entwickelte Methode
optimal umsetzen zu können. Die Funktionalität Teamselling ergibt sich aus der
Schlußfolgerung, daß aufgrund veränderter Marktanforderungen der einzelne
Vertriebsmitarbeiter nicht mehr als Einzelkämpfer auftreten kann, um am Markt maximalen
Erfolg zu erzielen. Das bedeutet, daß Mitarbeiter des Vertriebsinnen- und -außendienstes in
Netzwerken zu Teams zusammengefaßt werden. Wichtig ist die strukturierte
Marktbearbeitung im Team und der effiziente Informationsaustausch zwischen den
Teammitgliedern, z. B. über das Wettbewerberverhalten.
Zu beachten ist, daß Teamselling einen sehr dehnbaren Begriff darstellt. Im Grunde kann
schon von Teamselling gesprochen werden, wenn die Software das Kriterium der
Mehrbenutzerfähigkeit erfüllt. Jedoch wird dadurch nur ein passiver Datenaustausch realisiert,
der nur auf Initiative des einzelnen Vertriebsmitarbeiters erfolgt. Ein aktives Teamselling ist
durch entsprechende Groupware- und Workflow-Funktionalitäten zu unterstützen. Dabei
sollten Groupware- und Workflow- zu Groupflowfunktionalitäten verschmolzen werden, um
den unterschiedlichen Strukturierungsgraden der Geschäftsprozesse in Marketing, Vertrieb
170
Kapitel 6.3: Organisatorische Instrumente
und Kundenservice gerecht zu werden. Die Funktionalität Workflowfähigkeit wird noch im
Rahmen der Vorstellung der methodischen Funktionalitäten erläutert. Im Rahmen der
entwickelten Methode ist die Funktionalität Teamselling zur Einbindung der Methode in das
CRM-Systeme insofern von Bedeutung, daß neue Informationen über Kunden, Bedeutungen
und Maßnahmen zwischen den am Vertriebsprozeß beteiligten Stellen des Unternehmens
reibungslos ausgetauscht werden. Sie setzen die vollständige Datensicht in eine vollständige
Transaktionssicht bezüglich des effizienten Datenaustausches um.
Die erfolgreiche Einführung der Funktionalität Teamselling hängt dabei stark von der Güte
der Ausgestaltung der methodischen Funktionalität Workflowfähigkeit ab, damit effizient und
vollständig die Informationen im Vertriebsteam verteilt werden. Trotz des Teamgedankens
sind nicht alle Informationen für alle Mitglieder des Teams relevant, so daß die Installation
automatischer Filter möglich sein muß, um ineffiziente und ineffektive
Informationsüberflutungen einzelner Teammitglieder zu vermeiden.
Key-Account-Management steht für das Organisationsprinzip einer individuellen Bearbeitung
der Großkunden eines Unternehmens. Sie kann als Spezialfall des One-to-OneMarketingmanagements angesehen werden. Aufgrund der großen Bedeutung der KeyAccounts, die Elemente eine oder mehrerer im Rahmen der Kundenklassifizierung
entwickelten Klassen darstellen, sollte diese ein gezieltes Monitoring erfahren, um
Imponderabilien zu beherrschen und Eskalationen vorzubeugen. Im einfachsten Fall liefert ein
Ausschnitt aus der Kunden- bzw. Kontaktdatenbank, verbunden mit den entsprechenden
elektronischen Kundenakten, die Basis für die Vertriebsmitarbeiter, ein effizientes und
effektives Key-Account-Management zu betreiben.
Technisch sollte die Umsetzung des Key-Account-Managements in der einfachen
Ausgestaltungsvariante über die Gestaltung entsprechender Views auf die Kundendatenbank
regelmäßig keine Probleme bereiten. Zusätzlich sollte ein übergreifendes Lead-Verzeichnis
zur Verfügung stehen, um Doppelansprachen durch eine Maßnahme zu vermeiden und das
Prinzip „One-Face-to-the-Customer“ zu gewährleisten, sofern darauf in der
Kundenbearbeitung abgezielt wird. Dies gilt auch und dann insbesondere bei bewußt
mehreren Ansprechpartnern für einen Kunden, z. B. aufgrund technisch sehr unterschiedlicher
Produkte.
Informationstechnologisch liefern im wesentlichen die Funktionalitäten Workflowfähigkeit
und Replizierfähigkeit organisatorische Unterstützung:
Workflowfähigkeit unterstützt die Abarbeitung strukturierter Geschäftsprozesse. Dazu wird
die Weiterleitung der jeweils benötigten Informationen von einem Arbeitsschritt zum
nächsten automatisiert eingeleitet. Die methodische Funktionalität Replizierfähigkeit
Kapitel 6.3: Organisatorische Instrumente
171
bezeichnet die Möglichkeit des automatisierten Datenabgleichs bzw. der Aktualisierung, z. B.
zwischen der Datenbank des Nutzers und der zentralen Datenbank.416
Für die Auswertung und Aufbereitung der Ergebnisse aus dem Einsatz der Methode sind des
weiteren Visualisierungsmöglichkeiten von großer Bedeutung. Da die behandelten Verfahren
und resultierenden Ergebnisse in der Regel interpretationsbedürftig sind, erleichtert eine
graphische Aufbereitung, wie z. B. beim Risikoprofil, das Verständnis. In der Regel bietet
sich hier die Schaffung von Schnittstellen zum im Unternehmen eingesetzter
Bürostandardsoftware, wie z. B. MS-Office, an, weil die Mitarbeiter mit diesen Programmen
bereits vertraut sind und sich deshalb ein derartiges Vorgehen aus den bereits diskutierten
Gründen als effizient und effektiv erweist.
Ein weiteres informationstechnologische Unterstützungsinstrument ist die Bereitstellung von
Diskussionsplattformen im Intranet des Unternehmens, auf der Vertriebsmitarbeiter ihre
Erfahrungen austauschen können. Dieses berührt nicht unmittelbar den Client-Facing-Prozeß
zum Key Account, sondern ist ein nützliches, den Einsatz der Methode bereicherndes
Backoffice-Instrument. Allerdings hängt der erfolgreiche Unternehmenseinsatz stark von der
Unternehmenskultur ab, inwieweit sich das Intranet neben der Funktion als Kommunikationsauch als Informationsmedium etabliert hat.
416
Vgl. [Stor95], S. 34. [Heil94] S. 16, [Roth95], S. 39.
172
7.
Kapitel 7: Zusammenfassung und Ausblick
Zusammenfassung und Ausblick
Die im Rahmen dieser Arbeit entwickelte Methode löst das Problem, verbesserte,
simulationsgestütze Budgetentscheidungen im Kundenbindungsmanagement zu treffen. Dazu
ist die Bestimmung der Budgethöhe und der Budgetverteilung auf die Maßnahmen
notwendig, um eine für den ökonomischen Unternehmenserfolg optimale
Kundenzufriedenheit zu erzielen.
Dabei sind sowohl die Budgetentscheidungssituation über Höhe und Verteilung als auch die
lediglich über die Verteilung abgebildet. Letztgenannte Variante entspricht in vielen Fällen
der Unternehmenspraxis, da auf übergeordneter Ebene einzelnen Bereichen Budgets
zugeordnet worden sind oder Liquiditätsrestriktionen vorliegen. Sodann erfolgt die
Optimierung auf Basis des zur Verfügung stehenden Budgets, ohne jedoch im Gegensatz zur
Entscheidungssituation über Höhe und Verteilung des Budgets notwendigerweise
Gesamtoptimum zu erzielen, das nur mit Einsatz größerer finanzieller Ressourcen erzielbar
wäre.
Die Methode setzt an der Interaktion zwischen Maßnahmen und den Kunden an. Dazu ist als
Basis eine differenzierte Betrachtung notwendig, um die Zufriedenheit kundenindividuell zu
steigern.
Zur Strukturierung der Maßnahmen sind Identifikations- und Steuerungsattribute hergeleitet
worden, um den Budgettyp der Maßnahme sowie ihre Wirkung ganzheitlich abzubilden.
Dabei sind neben den steuerbaren Gestaltungsparametern des Unternehmens externe
Einflußfaktoren des Marktes und der Wettbewerber berücksichtigt worden.
Für die Klassifizierung der Kunden ist ein Ansatz entwickelt worden, der steuerungsadäquat
auf den Dimensionen Interessen des Kunden, Interessen des Unternehmens sowie aktuelle IstSituation basiert. Der Klassifizierungsansatz zielt dabei darauf ab, die auf die
Kundenzufriedenheit unterschiedliche Wirkung des Maßnahmeneinsatzes unter den
Nebenbedingungen der Bedeutung des Kunden für den unternehmerischen Erfolg sowie der
aktuellen Situation der Kundenbeziehung entsprechend abzubilden. Zur Umsetzung dieser
Klassifizierungsdimensionen sind entsprechende Attribute hergeleitet worden und in einem
ganzheitlichen Klassifizierungsansatz zusammengefügt worden.
Auf Basis der Wirkungsfunktionen der Maßnahmen im Hinblick auf die Kundenzufriedenheit
ist eine Zielfunktion entwickelt worden. Diese weist als unabhängige Steuerungsvariable die
Budgetalternativen für die Maßnahmen und die daraus resultierenden Kosten auf. Als
abhängige Variable fungieren über das Vehikel der Kundenzufriedenheit der Gewinn bzw.
eine hierfür stellvertretende Zielgröße. Für die Entscheidungssituation über die
Kapitel 7: Zusammenfassung und Ausblick
173
Budgetverteilung bei einem bezüglich der Höhe fest vorgegeben Budgets kann unter der
Annahme der vollständigen Budgetausschöpfung von der Zielgröße Gewinn auf die Zielgröße
Umsatz oder wiederum eine hierfür stellvertretende Größe reduziert werden. Im Rahmen des
Optimierungsproblems sind somit finanzielles Engagement und entsprechende Wirkung auf
die Kundenzufriedenheit und damit der betrachteten mit den zusätzlich entstehenden Kosten
zu vergleichen.
Zur Lösung des Problems ist als Steuerungsalgorithmik eine indeterministische Simulation
unter Verwendung der Monte Carlo-Methode entwickelt worden. Kennzeichnend hierfür ist,
daß das den eingehenden Variablen innewohnende Risiko über entsprechende
Wahrscheinlichkeitsverteilungen systematisch berücksichtigt wird und damit auch in die
Entscheidung über Budgethöhe und -verteilung eingeht. Dadurch lassen sich Annahmen über
externe Einflußgrößen im wesentlich über die zukünftige Marktentwicklung und das
Wettbewerberverhalten in die Ergebnisfindung einbinden. Zur Ableitung der
Budgetentscheidung auf Basis der Verteilungen für die betrachteten Zielgrößen der
Zielfunktion sind analytisch entsprechende Risiko-Nutzen-Funktionen bestimmt worden.
Zudem sind insbesondere für die unternehmenspraktische Anwendung Regelmechanismen
dargestellt worden, welche die Ableitung einer Budgetentscheidung durch Vergleich und
Bewertung der simulierten Budgetvarianten im Hinblick auf ihre Ergebniswirkung erlauben.
Die Methode stellt eine Lösung für ein taktisches Planungsproblem des
Kundenbindungsmanagements dar. In zukünftigen Arbeiten können, ausgehend von der
entwickelten Methode als Basis, für die anderen skizzierten Problembereiche des
Kundenbindungsmanagements Optimierungsbausteine entwickelt werden, so daß sich ein die
Problembereiche des Kundenbindungsmanagements ganzheitlich lösender Methodenkasten
ergibt.
174
Anhang A: Prozeßphasen des Kundenbindungsmanagements
Anhang
Anhang A: Prozeßphasen des Kundenbindungsmanagements
Zur Veranschaulichung werden die einzelnen Phasen unter Berücksichtigung exemplarischer
Maßnahmen im folgenden erläutert:
Phase I: Information
In dieser Phase kann das Unternehmen MI-(Maßnahme während der Informationsphase)Maßnahmen zur Information des Kunden anbieten, die sowohl nach dem Bring- als auch nach
dem Hol-Prinzip erbracht werden können. Darauf zu achten ist, daß es sich in der Tat um
Maßnahmen handelt, welche im Bereich des Kundenbindungsmanagements eingesetzt
werden, und nicht um Maßnahmen der Kommunikationspolitik. Eine stringente Trennung ist
in vielen Fällen in der Praxis schwierig, da der Kunde auch mit Kombinationen von
Maßnahmen und der Kommunikationspolitik konfrontiert wird. Trennkriterium ist die
Intention der Maßnahme insofern, ob bei der Maßnahme Branding-Ziele oder Ziele zur
Steigerung der Kundenzufriedenheit überwiegen. Denn für Maßnahmen der
Kommunikations- und der Produktpolitik gilt – wie gesagt – die ceteris-paribus-Annahme, um
trennscharfe Informationen für eine Optimierung des Kundenbindungsmanagements zu
erzielen. In der Praxis wird der überwiegende Teil der Maßnahmen in der Regel nach dem
Hol-Prinzip erbracht. Denn die Maßnahmen zur Kundeninformation in dieser Phase, die auf
eine Erhöhung der Kundenzufriedenheit abzielen und nicht Branding-Zwecke verfolgen,
unterliegen ebenso Streuverlusten. Dies liegt darin begründet, daß die Kundenzufriedenheit
steigernde Wirkung zu einem Großteil verpufft, wenn in diesem Zeitraum grundsätzlich kein
Bedarf besteht.
Die Maßnahmen, die nach dem Hol-Prinzip erbracht werden, gewinnen zunehmend an
Bedeutung durch das Medium Internet, da hier auf effiziente Art die Kundenzufriedenheit
steigernde Informationen für den Abruf zusammengestellt werden können. Ebenso kann diese
Funktion durch Dritte, also für das Unternehmen nicht steuerbare Maßnahmenträger erbracht
werden, wie unabhängige Kundenforen und Online-Branchennewsletter, aber auch
konventionelle Medien, wie z. B. Zeitschriften oder Stiftung Warentest, belegen. Im Rahmen
der Optimierungsmethode ist demzufolge eine entsprechende Störgröße zu berücksichtigen.
Anhang A: Prozeßphasen des Kundenbindungsmanagements
175
Phase II: Beratung
Die Phase II der Beratung am Point of Sale ist eine Einzelmaßnahme, die vom Kunden
eventuell unabhängig von seiner Kundenzufriedenheit mehrmals durchlaufen wird, bevor er
in die nächste Phase übergeht. Sie wird formal ausschließlich nach dem Hol-Prinzip erbracht;
da eine Beratungsmaßnahme dem Kunden per se nicht aufgezwungen werden kann.
Allerdings kann der Maßnahmenträger selbst durch sein Verhalten den Abruf der Maßnahmen
forcieren. Dies wirkt sich in der Regel positiv auf die Kundenzufriedenheit aus, wenn
anschließend eine entsprechend qualifizierte Beratung erfolgt.
Der Maßnahmenträger ist das Unternehmen selbst oder in mehrstufigen Distributionskanälen
ein Absatzmittler, der jedoch in einer gewissen Bandbreite vom Unternehmen steuerbar ist.
Zudem ergibt sich in dieser Phase eine einfache Wirkungskette auf die Kundenzufriedenheit.
Analog zu Wollen- und Können-Komponenten eines Handlungsträgers, welche die
entscheidenden, verdichteten Faktoren für das Gelingen einer Handlung darstellen, ist die
Kundenzufriedenheit steigernde Wirkung abhängig von der Freundlichkeit und Kompetenz
des Maßnahmenträger der Beratung. Das Unternehmen selbst kann diese beiden
Einflußgrößen im wesentlichen durch Anreizsysteme und Schulungen steuern. Anzumerken
ist, daß auch eine Nullausprägung in dieser Phase denkbar ist, also keine Beratung erfolgt.
Eine Ist-Nullausprägung in dieser Phase muß nicht zwangsläufig auf eine schwache
Maßnahmenerstellung
des
Maßnahmenträger
hindeuten,
die
zu
verringerter
Kundenzufriedenheit oder Nichtkauf führt. Sie kann auch die Normalausprägung sein, z. B.
bei habitualisierten Käufen oder Impulskäufen, wo der Kunde selber keine Beratungsleistung
erwartet.
Phase III: Abwicklung
Maßnahmen des Kundenbindungsmanagements der Phase III der Abwicklung werden
bisweilen in der unternehmenspraktischen Anwendung im Hinblick ihrer Auswirkung auf die
Kundenzufriedenheit unterschätzt. Sie versetzen den Kunden in die Lage, die Leistung zu
beziehen und zu nutzen. Diese Maßnahmen betreffen beispielsweise die Finanzierung des
Kaufpreises, die Logistizierung des Produktes bzw. die Erstellung der Dienstleistung bis hin
zur Installation.
Der Maßnahmenträger kann das Unternehmen sein, insofern derartige Maßnahmen überhaupt
angeboten werden. Ebenso können diese Maßnahmen vom Kunden selbst oder von externen
Dritten, für die das Unternehmen über Steuerungsmechanismen verfügt oder die nicht oder
nur bedingt im Einflußbereich des Unternehmens liegen. Bespiele für erstgenannten Fall sind
vom Unternehmen beauftragte Spediteure oder kooperierende Banken bzw.
Leasinggesellschaften. Der Fall nichtsteuerbarer externer Dritter kann vernachlässigt werden,
da diese in der Regel vom Kunden mit der Durchführung der Maßnahme beauftragt worden
176
Anhang A: Prozeßphasen des Kundenbindungsmanagements
sind und das Gelingen deshalb keinen Einfluß auf die Kundenzufriedenheit mit dem
Unternehmen hat. Werden diese Maßnahmen vom Kunden selbst erbracht, stellt sich für
Unternehmen als Nebeneffekt die Frage, ob es wirtschaftlich, diese in Zukunft zur Erhöhung
der Kundenzufriedenheit anzubieten.
Phase IV: After-Sales-Service
In der Phase IV des After-Sales-Services werden Maßnahmen erbracht, die dazu dienen, die
Zufriedenheit des Kunden in der Verwendung des Produktes oder mit dem Ergebnis der
erbrachten Dienstleistung zu erhöhen. Beispiele sind Service-Hotlines, Wartungs- und
Reparaturservice oder Update-Service. Diese Maßnahmen können wiederum sowohl nach
dem Hol- als auch nach dem Bring-Prinzip erbracht werden. In der Regel erfolgt eine zeitliche
Reihung der Maßnahmen. Maßnahmenträger können Einheiten des Unternehmens selbst oder
externe Dritte sein, die vom Unternehmen beauftragt worden sind und deshalb dessen
Einflußbereich unterliegen, z. B. externe Call-Center-Agenturen. In dieser Phase wird
folgende Besonderheit besonders virulent, nämlich ob es sich um eine „positiv“ oder
„negativ“ intendierte Maßnahme handelt. „Positiv“ bedeutet eine zusätzlich Maßnahme, die
vom Kunden abgerufen wird oder vom Unternehmen nach dem Bring-Prinzip erbracht wird
mit der Intention der Steigerung der Kundenzufriedenheit. „Negativ“ bedeutet Maßnahmen
zur Behebung von Reklamationen, welche die Artikulation subjektiv wahrgenommener
Dissonanzen zwischen den Vorstellungen des Kunden, also dem Soll, und dem tatsächlichen
Ist, also der erbrachten Leistung des Unternehmens darstellen.
Die Reklamation hat in der Regel bereits die Kundenzufriedenheit gesenkt. Die Maßnahme
der Reklamationsbearbeitung zielt darauf ab, die Kundenzufriedenheit zumindest auf das
Vorniveau zu bringen. Da jedoch ein persönlicher Kontakt zwischen Kunden und
Unternehmen bzw. Unternehmensbeauftragten entsteht, ist – wie die Empirie zeigt – in vielen
Fällen die Kundenzufriedenheit nach der Maßnahme sogar höher als vor der Reklamation. Ein
ökonomisches Kalkül daraus abzuleiten, bewußt Anlässe für Reklamationen zu liefern, ist
jedoch eine Fehleinschätzung, da besonders unzufriedene Kunden für eine Maßnahme der
Reklamationsbearbeitung – selbst bei Gestaltung nach dem Bring-Prinzip – nicht offen sind.
Es ist deshalb die Zahl getätigter Reklamationen festzuhalten, sondern auch eine Abschätzung
der nicht artikulierten Reklamationen. Daraus läßt sich zudem die Qualität des
Reklamationszugangs kontrollieren. Denn eine geringe Anzahl an Reklamationen ist nicht
zwangsläufig auf eine hohe Kundenzufriedenheit zurückzuführen; sie kann auch auf einer
erschwerten Erreichbarkeit des Unternehmens basieren.
Eventuell ist es sinnvoll, die Phase IV noch in Detailphasen zu untergliedern, wenn die
Verwendungsdauern der Produkte relativ lang sind, wie z. B. in der Automobilbranche. Dann
sind unterschiedliche Arten von Maßnahmen in verschiedenen Ausprägungsformen in den
einzelnen Detailphasen für die Steigerung der Kundenzufriedenheit relevant.
Anhang B: Kundenzufriedenheitsportfolio
177
Anhang B: Kundenzufriedenheitsportfolio
Durch die Maßnahmenstrukturierung und Bewertung in den Dimensionen
Kundenzufriedenheit und Bedeutung der Maßnahme erhalten Unternehmen einen Überblick,
in welchen Bereichen des Kundenbindungsmanagements noch Lücken bestehen bzw. welche
eventuell
überbesetzt
sind.
Mit
Hilfe
der
Einordnung
in
ein
IstKundenzufriedenheitsportfolio, welches die folgende Abbildung verdeutlicht, wird die
strategische Ausgangslage vermittelt, die erste Ansätze für Optimierungspotentiale aufzeigt.
Zufriedenheit
mit der
Maßnahme
(= Performance)
Geringe Bedeutung /
starke Performance
selektieren;
Engagement tendenziell
verringern
Hohe Bedeutung /
starke Performance
Performance aufrecht
erhalten
oder noch verbessern
Geringe Bedeutung /
Hohe Bedeutung /
schwache Performance
schwache Performance
selektieren;
Fokus der PerformanceRessourcenverschwenverbesserungen
dung vermeiden
Bedeutung der
Maßnahme
Abbildung: Kundenzufriedenheitsportfolio
Im Quadranten oben links sind nach Auswertung der Bedeutung und der Kundenzufriedenheit
diejenigen Maßnahmen abgebildet, in denen das Unternehmen zwar eine gute Leistung liefert,
die aber für den Kunden eine relativ geringe Bedeutung für ihre Kundenzufriedenheit und
damit auch Kaufentscheidung aufweisen. Hier ist tendenziell zu selektieren, um
Ressourcenverschwendung zu vermeiden. Es ist abzuwägen, ob die für das Instrument
eingesetzten Ressourcen lieber in andere Instrumente investiert werden.
Im Quadranten unten links befinden sich für den Kunden tendenziell unwichtige Maßnahmen,
in denen das Unternehmen zudem eine schwache Performance aufweist. Diese Instrumente
sind abzulösen, nicht nur um Ressourcenverschwendung, sondern auch Imageschäden aus
Ausstrahlungseffekten aufgrund einer schwachen Performance in einem eigentlich tendenziell
unwichtigen Instrument zu vermeiden.
178
Anhang B: Kundenzufriedenheitsportfolio
Im Quadranten oben rechts ist sozusagen der „grüne Bereich“. Das Unternehmen weist eine
hohe Performance in für die Kunden wichtigen Maßnahmen auf. Hier ist zu überlegen, ob die
Performance noch weiter verbessert werden kann. Ebenso sind ggf. Überlegungen
anzustellen, wie die Performance aufrecht erhalten bzw. weiter differenziert werden kann,
wenn die Konkurrenz entsprechend nachzieht.
Der Quadrant unten rechts symbolisiert sozusagen den „roten Bereich“. Das Unternehmen
weist in für die Kunden bedeutenden Maßnahmen eine schwache Performance auf. Hier ist
der Hauptansatzpunkt zu Verbesserungen der Kundenzufriedenheit zu sehen, indem diese
Instrumente besonders forciert werden.
Um den skizzierten Ansprüchen einer differenzierten Kundenbearbeitung gerecht zu werden,
ist diese Auswertung kundengruppenspezifisch durchzuführen, da häufig unterschiedliche
Kundengruppen auch unterschiedliche Einschätzungen abgeben. Daraus ergeben sich zwei
wesentliche Ansatzpunkte. Zum einen ist auf der Informationsseite die
Zielgruppenzusammensetzung zu überarbeiten, wenn die Ergebnisse im Detail in einer
Kundengruppe sehr unterschiedlich ausfallen. Ebenso ergeben sich Ansatzpunkte für
Exklusivinstrumente für ausgewählte Kundengruppen, die diesem Instrument eine hohe
Bedeutung beimessen. Das vermeidet auf der Kostenseite Streuverluste und führt aufgrund
der Exklusivstellung der Kundengruppe bei dieser zu zusätzlichen Steigerungen der
Kundenzufriedenheit.
Zudem können die Ergebnisse der Kundenzufriedenheitsanalyse in einem
Kundenzufriedenheitsindex nach unterschiedlichen Dimensionen, wie z. B. Vertriebsgebiet, mitarbeiter, Produkt, Instrumentengruppe etc., verdichtet werden. Dieser dient als effizientes,
objektives Controllinginstrument für die Kundenzufriedenheit. Zudem kann die Entwicklung
dieses Indexwertes in die Anreizsysteme des Vertriebs eingebaut werden, was zu einer noch
stärker an den Kundenbedürfnissen ausgerichteten Personalführung führt.
Neben der Verbesserung in den bisher eingesetzten Maßnahmen sind ggf. neue Maßnahmen
einzuführen. Zur Entwicklung neuer Maßnahmen sind entsprechende Kreativitätstechniken
einzusetzen, die nicht Gegenstand dieser Arbeit sind.417 Zu berücksichtigen ist, daß die
optimale Auswahl neuer Maßnahmen vom jeweiligen Unternehmenskontext abhängt. Die
Sinnhaftigkeit einer Einzelmaßnahme kann dabei über das Konstrukt einer antizipativen
Kundenzufriedenheit abgeschätzt werden. Dieser strategische Überblick stellt lediglich eine
erste Grobanalyse mit lediglich normstrategischem Aussagewert dar.
Aussagen für eine taktische Budgetsteuerung sind nicht eindeutig ableitbar. So wird bei der
ausgelösten Reaktion der Maßnahmen keine Differenzierung nach Kundenklassen
417
Vgl. dazu ausführlich [Schi95], S. 149ff.
Anhang B: Kundenzufriedenheitsportfolio
179
vorgenommen, die im folgenden Kapitel die Durchführung einer optimierten Budgetsteuerung
vorgenommen wird. Im Rahmen der Reaktion werden ebenso externe Effekte vernachlässigt.
Dies liegt nicht zuletzt daran, daß Portfolios in ihrer Grundform eine statische
Vergangenheitsaufnahme darstellen und dynamische Effekte nicht berücksichtigen.418 Zudem
sind die Aktionsvariablen des Unternehmens nicht abgebildet und erlauben deshalb auch
keine Operationalisierung in Budgetgrößen.
418
Vgl. zur Kritik an der Portfolio-Technik ausführlich [Wild82], S. 102.
180
Anhang C: Überblick zu am Markt gängigen Maßnahmen
Anhang C: Überblick zu am Markt gängigen Maßnahmen
Aufbauservice
x
Aufmerksamkeiten/G
e-schenke
x
Beratungsservice
x
Beratungssoftware
x
x
x
x
x
x
Prozeßbegleitung
After-Sales-Service
Abwicklung
Beratung
Information
E-Mail
Homepage
unpersonaliserte
Printmedien
Brief/Mailing/Fax
Internet-Online-Chat
personlicher Kontakt
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
Informations-Hotline
x
Informationsmaterial
x
Informationsservice
x
Konfigurationsservice
x
x
x
x
x
x
x
x
x
Helpdesk
x
x
Gebrauchsanleitung/handbuch
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
Kundenforum
x
Kundenkarte
Kundenseminare
x
x
Finanzierungsservice
Kundenclub
x
x
Beschwerdebearbeitung/-abwicklung
Bestell-/Auftragsannahmekanalangebot
Individuelle
Anfragenbearbeitung
Individuelle
Angebotsbearbeitung
Prozeßphasen
x
Austauschservice
Erstkontaktaufnahme
Transaktionsunabhän-gige
Vorteile gewähren
Beschwerden bearbeiten
Nutzbarkeit der
Leistungen gewährleisten
Transktionen abwickeln
Angebote erstellen
Anfragen bearbeiten
Kunden beraten
Kunden terminieren
Kunden informieren
Maßnahme/Maßnahmengruppe
Telefon/Call Center
Kundenkontaktkanäle
Synchron Asynchron
Aktivität
x
x
x
x
x
x
x
x
x
x
x
x
x
Anhang C: Überblick zu am Markt gängigen Maßnahmen
x
Lieferservice
x
x
Logistikservice
x
x
Online-Web-Forum
x
x
x
Produktkonfigurator
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
Techniker-/Handwerkervermittung
Tracking &Tracing
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
Upgrade-Sevice
x
x
x
Wartungsservice
x
x
x
x
x
x
x
x
Update-Service
WebBeratungsgenerator
Prozeßbegleitung
After-Sales-Service
x
x
Service zur
Inbetrienahme
Service-Hot-Line
Abwicklung
x
x
x
x
Beratung
x
x
Reparaturservice
Information
Prozeßphasen
E-Mail
Homepage
unpersonaliserte
Printmedien
Brief/Mailing/Fax
Internet-Online-Chat
personlicher Kontakt
Transaktionsunabhän-gige
Vorteile gewähren
Beschwerden bearbeiten
Nutzbarkeit der
Leistungen gewährleisten
Transktionen abwickeln
Angebote erstellen
Anfragen bearbeiten
Kunden beraten
x
Kunden terminieren
Kunden informieren
Kundenzeitschrift
Telefon/Call Center
Kundenkontaktkanäle
Synchron Asynchron
Aktivität
Maßnahme/Maßnahmengruppe
181
x
Zum Teil ergeben sich aus den Instanzierungen einer Maßnahme aus Vermarktungszwecken
Spezialbegriffe, die synonym verwandt werden und auf eine grundlegende Maßnahme bzw.
Maßnahmengruppe zurückgeführt werden können
182
Anhang D: CRM-Softwarefunktionalitäten
Anhang D: CRM-Softwarefunktionalitäten
Die folgenden Ergebnisse geben einen Überblick, welche Funktionalitäten aktuell in CRMSoftware umgesetzt werden. Dabei ist zu berücksichtigen, daß es sich hierbei z. T. auch um
Funktionalitäten aus verwandten Gebieten, wie z. B. der Kommunikationspolitik handelt.
Dies liegt darin begründet, daß sich diese unter dem Namen CRM besser vermarkten lassen,
wie bereits in Kapitel 2 im Rahmen der Definition der Begriffe Kundenbindungsmanagement
und Customer Relationship Management dargelegt worden ist. Die Ausführungen basieren
auf [Helm01/1].
Vertriebsmanagement/CAS
Projektmanagement
Diese Funktionalität beinhaltet die Verwaltung und Planung von Projekten im
Kundenmanagement, wie z. B. eine Werbekampagne. Sie ist häufig eng angelehnt an am
Markt erhältlicher Standardsoftware.
Diese Funktionalität stellt eine Standardanforderung dar, die auch in anderen Bereichen
Anwendung findet. Da sich in diesem Bereich für verschiedene Anwendungsgebiete offene
Standardsoftware, wie z. B. MS Project, etabliert hat, sollte das System über eine
entsprechende
Schnittstelle
verfügen,
sofern
im
Unternehmen
bereits
Projektmanagementsoftware Anwendung findet. Kundenindividuelle Detailanpassungen sind
in der Regel nicht erforderlich, da Projektmanagement ein relativ klar umrissenes,
einheitliches Feld darstellt. Diese Funktionalität stellt somit zumeist eine Soll-Funktionalität
dar.
Produktkonfigurator
Ein Produktkonfigurator dient der individuellen Angebotsgestaltung, insbesondere wenn eine
Vielzahl von Varianten einer Grundleistung, wie z. B. in der Möbelbranche, als für den
Kunden optimales Produkt in Frage kommen.
Diese Funktionalität wird nur in relativ wenigen CRM-Systemen im Standardset angeboten.
Sie stellt auch eine diffizile Funktionalität dar, für deren Entwicklung im Hinblick auf einen
effizienten und effektiven Einsatz sehr viel Spezial-Know-how erforderlich ist. In der Regel
ist die konkrete Ausgestaltung eines Produktkonfigurators eine Spezialanfertigung, die auf
Basis einer Plattform an die individuellen Bedürfnisse des Unternehmens angepaßt ist. Zudem
ist die zugrunde liegende Preislogik detailliert zu untersuchen, damit dadurch keine, beim
Kunden häufig Unzufriedenheit auslösende Strukturbrüche auftreten. Die Preislogik ist
ebenso mit den Kostendaten abzugleichen, damit die Kalkulation stimmig ist.
Anhang D: CRM-Softwarefunktionalitäten
183
Unternehmen ist hier zu empfehlen, sofern diese Funktionalität benötigt wird, auf einen dieser
Spezialanbieter zurückzugreifen, selbst wenn geplant ist, weitere Funktionalitäten mit dem
Produkt eines anderen Anbieters umzusetzen. Damit stellt der Produktkonfigurator eine
tendenziell ausgliederbare Funktionalität dar. Zur Integration sind entsprechende
Schnittstellen zu schaffen. In der einfachsten Form kann darauf sogar verzichtet werden,
wenn der Konfigurator als reines Präsentations- und Kundeninformationsmedium genutzt
wird. In höheren Ausgestaltungsstufen, die den Mehrwert des Konfigurators deutlich erhöhen,
ist eine Verlinkung zumindest zur Kundendatenbank wünschenswert, damit in der
Kundenhistorie effizient nachgehalten werden kann, welcher Kunde welches Angebot bereits
nachgefragt hat. Auf technischer Seite ist aus den oben dargestellten Gründen eine
Schnittstelle zur Kostenrechnung und zur Preisliste sinnvoll, um unmittelbar Informationen
über den Preis der gewünschten Konfiguration des Produktes vorzuhalten. Insbesondere bei
Maßanfertigungen sollte die Vernetzung bis hin zum PPS- und SCM-System sowie zur
Buchhaltung reichen, um zeitnah die Produktion des Kundenauftrags einleiten zu können und
notwendige administrative Vorgänge, wie z. B. die Rechnungsstellung in Gang zu setzen.
Sofern Produktkonfiguratoren in der Kundenbearbeitung sinnvoll angewendet werden
können, stellen sie in Abhängigkeit des Unternehmenskontextes eine Soll- oder eine Nice-tohave-Funktionalität dar.
Elektronische Produktkataloge
Diese Funktionalität beinhaltet die Gestaltung von Produktkatalogen eines Unternehmens auf
elektronischen Medien. Elektronische Produktkataloge werden häufig von Unternehmen
bereits eingesetzt. Oftmals ist lediglich eine Überarbeitung notwendig, um Design und
Funktionalität entsprechend des aktuellen Standes der Technik aufzuwerten. Insbesondere zu
Design- und Übersichtlichkeitsfragen bietet es sich an, Spezialisten, z. B. eine Werbeagentur
hinzuzuziehen. Technisch ist die Gestaltung elektronischer Produktkataloge weniger
komplex. Sofern Produkte in verschiedenen Varianten hergestellt werden können, ist eine
Verknüpfung des elektronischen Produktkatalogs mit einem Produktkonfigurator sinnvoll.
Unternehmen sollten zudem darauf achten, daß eine Lösung geschaffen wird, bei der
erforderliche Anpassungen z. B. durch Produktinnovationen, relativ aufwandsarm von
eigenen Mitarbeitern vorgenommen werden können.
Elektronische Kundenakten
Elektronische Kundenakten bezeichnen die strukturierte Zusammenfassung aller über eine
Kundenbeziehung relevanten Informationen in einem elektronischen Ordner. Der
Informationsgehalt sollte dabei über die in der Kundendatenbank gespeicherten Merkmale
hinausgehen und beispielsweise die Dokumente der Korrespondenz mit dem Kunden
enthalten.
184
Anhang D: CRM-Softwarefunktionalitäten
Diese Funktionalität sollte an die Kundendatenbank angegliedert sein, um die Datenintegrität
zu wahren. In der elektronischen Kundenakte sollten zudem alle im Unternehmen gängigen
Dateiformate reibungslos verwaltet werden können. Des weiteren sollte es möglich sein,
elektronische Kundenakten problemlos über die im Unternehmen zur Verfügung stehenden
Kommunikationsmedien
übertragen
zu
können.
Beispielsweise
muß
der
Außendienstmitarbeiter in der Lage sein, bei Bedarf aufwandsarm und selbständig
elektronische Kundenakten in ihrem aktuellen Stand abrufen zu können. Als Nebenbedingung
sind hier somit entsprechende Anforderungen an die methodischen Funktionalitäten
Workflow- und Replizierfähigkeit zu stellen.
Ebenso ist auf die Möglichkeit einer offenen Gestaltbarkeit zu achten. Das bedeutet, daß nicht
die Software die grundsätzlich zu erfassenden Informationen vorschreibt, sondern sich die
Ausgestaltung nach den individuellen Unternehmenserfordernissen richtet sollte. Außerdem
müssen einfache strukturelle Anpassungen vom Unternehmen selbständig durchführbar sein,
wenn z. B. eine veränderte Marktlage die Erfassung weiterer oder anderer Informationen
erforderlich macht. In der Regel stellen elektronische Kundenakten eine Soll-Funktionalität
dar.
Teamselling
Teamselling bedeutet, daß Mitarbeiter des Vertriebsinnen- und -außendienstes in Netzwerken
zu Teams zusammengefaßt werden. Die erfolgreiche Einführung der Funktionalität
Teamselling hängt stark von der Güte der Ausgestaltung der methodischen Funktionalität
Workflowfähigkeit ab, damit effizient und vollständig die Informationen im Vertriebsteam
verteilt werden. Trotz des Teamgedankens sind nicht alle Informationen für alle Mitglieder
des Teams relevant, so daß die Installation automatischer Filter möglich sein muß, um
ineffiziente und ineffektive Informationsüberflutungen einzelner Teammitglieder zu
vermeiden. Sofern sich im Unternehmen der Vertrieb auf Basis der Idee des Teamsellings
gestaltet, ist diese Funktionalität eine Soll-Funktionalität bei Einführung eines CRM-Systems.
Vertriebsreporting
Die Funktionalität Vertriebsreporting kann sowohl auf Basis qualitativer als auch
quantitativer Daten ausgestaltet werden. In der qualitativen Form erfolgt eine
Berichterstattung über Lage und Besonderheiten der gegenwärtigen Vertriebssituation des
Unternehmens. Dies geschieht in der einfachsten Form mit Hilfe einer Sammlung von
Berichten der Vertriebsmitarbeiter. Das kann schnell zu einer kontraproduktiven
Verbürokratisierung führen, die den Zielen der Effizienz- und Effektivitätsverbesserungen
entgegenwirken. Die quantitative Ausgestaltung setzt auf der Vertriebserfolgs- und der
Kundenerfolgsrechnung auf. Beiden Ausgestaltungsformen ist das Ziel gemeinsam, Aussagen
Anhang D: CRM-Softwarefunktionalitäten
185
für die Verbesserung der Vertriebssteuerung abzuleiten. Zu beachten ist, daß die
Funktionalität des Vertriebsreportings/-controllings im Grenzbereich zu Funktionalitäten von
Controlling- und Kostenrechungssoftwaresystemen liegt.
Für die qualitative Form des Vertriebsreporting sollte die Software lediglich eine offene
Plattform vorsehen, da die Erfordernisse für die konkrete Ausgestaltung bei den Unternehmen
stark variieren. Da diese Funktionalität in vielen Unternehmen bereits realisiert ist, ist darauf
zu achten, daß systemseitig weitestgehend die bestehenden Komponenten eingebunden
werden. Zudem sollte wiederum eine Schnittstelle geschaffen werden, um bei den
Unternehmen bereits realisierte Lösungen integrieren zu können. In der quantitativen
Ausgestaltung erweisen sich neben Standardberichten Exceptional Reports von
Abweichungen, z. B. vom Business-Plan, als effizientes und effektives Instrument, um
Besonderheiten aufzudecken und entsprechende Steuerungshinweise zu geben. Darüber
können effizient die wesentlichen Informationen kommuniziert werden. Grundsätzliche
Hinweise für die Gestaltung von Reports werden ausführlich im Rahmen der Erläuterung
Kundenzufriedenheitscontrolling gegeben.
Die konkrete Ausgestaltung des Vertriebsreportings ist wiederum unternehmensindividuell,
so daß den Kunden die ihren Anforderungen gerecht werdende, maßgeschneiderte Lösung auf
Wunsch als Zusatzleistung angeboten werden sollte. In der Standardversion sollte lediglich
ein Werkzeug angeboten werden, mit dessen Hilfe der Anwender auch selbst die
Datenanalysen durchführen kann. Wichtig ist zudem, daß die Vertriebsreports zur
Erkenntnisgewinnung genutzt und die Ergebnisse an den Vertrieb zurückgespielt werden. In
der Regel stellt die Realisierung dieser Funktionalität eine Soll-Anforderung dar.
Besuchshäufigkeitenoptimierung
Die Funktionalität der Besuchshäufigkeitenoptimierung errechnet für den Vertrieb, welche
Kunden wie oft besucht werden sollten, um einen maximalen Vertriebserfolg zu erzielen.
Entscheidend ist hier, daß die von Unternehmen gewünschten Optimierungsregeln abbildbar
sind. Häufig liefern CRM-Systeme dazu auch sinnvolle Vorschlagsvarianten.
Nebenbedingung für den erfolgreichen Einsatz ist, daß das System die Ergebnisse in
vertretbarer Zeit errechnet und die Ergebnisse effizient weiterleitet. Zumindest die
Eingangsparameter
der
teilweise
recht
komplexen
Berechnungen
zur
Besuchshäufigkeitenoptimierung sollten klar sein, um eine kaum akzeptierte Black-BoxLösung zu vermeiden. Besuchshäufigkeitenoptimierung ist tendenziell eine Nice-to-haveFunktionalität.
186
Anhang D: CRM-Softwarefunktionalitäten
Key-Account-Management
Key-Account-Management steht für die individuelle Bearbeitung der Großkunden eines
Unternehmens. Sie kann als Spezialfall des One-to-One-Marketingmanagements angesehen
werden und ist ebenso auf Informationen aus anderen Funktionalitäten des CRM-Systems
angewiesen. Im einfachsten Fall liefert ein Ausschnitt aus der Kunden- bzw.
Kontaktdatenbank, verbunden mit den entsprechenden elektronischen Kundenakten, die Basis
für die Vertriebsmitarbeiter, ein effizientes und effektives Key-Account-Management zu
betreiben.
Technisch sollte die Umsetzung des Key-Account-Managements in der einfachen
Ausgestaltungsvariante über die Gestaltung entsprechender Views auf die Kundendatenbank
regelmäßig keine Probleme bereiten. Zusätzlich sollte ein übergreifendes Lead-Verzeichnis
zur Verfügung stehen, um Doppelansprachen zu vermeiden und das Prinzip „One-Face-tothe-Customer“ zu gewährleisten, sofern darauf in der Kundenbearbeitung abgezielt wird. Dies
gilt auch und dann insbesondere bei bewußt mehreren Ansprechpartnern für einen Kunden, z.
B. aufgrund technisch sehr unterschiedlicher Produkte.
Eine weitere Ausgestaltungsform ist die Bereitstellung von Diskussionsplattformen im
Intranet des Unternehmens, auf der Vertriebsmitarbeiter ihre Erfahrungen austauschen
können. Dieses berührt nicht unmittelbar den Client-Facing-Prozeß zum Key Account,
sondern ist ein nützliches Backoffice-Instrument. Allerdings hängt der erfolgreiche
Unternehmenseinsatz stark von der Unternehmenskultur ab, inwieweit sich das Intranet neben
der Funktion als Kommunikations- auch als Informationsmedium etabliert hat. Abschließend
ist zu vermerken, daß das Key-Account-Management in der Regel eine Soll-Funktionalität
darstellt.
Die folgenden vier zu behandelnden Funktionalitäten ABC-Analyse, Kundenpotentialanalyse,
Neukunden- versus Altkundenanalyse sowie Kundenportfolios werden jeweils zunächst
erläutert und anschließend gemeinsam ausgewertet, da zwischen diesen Funktionalitäten
interdependente inhaltliche Verflechtungen bestehen.
ABC-Analyse
Die ABC-Analyse ordnet die Kunden hinsichtlich ihrer Bedeutung für den
Unternehmenserfolg, welche in der Regel am Umsatzvolumen gemessen wird, in die
Kategorien A, B und C ein.
Kundenpotentialanalyse
Anhang D: CRM-Softwarefunktionalitäten
187
Im Rahmen der Kundenpotentialanalyse wird gegenübergestellt, mit welchen Kunden derzeit
welche Umsätze realisiert und wie hoch die Umsätze in Zukunft sein könnten. Sie unterstützt
also auch die Umsatzplanung im Kundenmanagement.
Neukunden- versus Altkundenanalyse
Die Neukunden- versus Altkundenanalyse führt die beschriebenen Funktionalitäten der ABCund der Kundenpotentialanalyse sowie der Kundenportfolios für Neu- und Altkunden im
Vergleich durch. Zudem werden bei dieser Analyse Kennzahlen im Querschnitt, z. B. über
Produktbereiche, oder im Längsschnitt über die Zeit gebildet. Dies sind Kennzahlen wie
Anzahl an Neukunden versus Anzahl an Altkunden, Umsatz mit Neukunden versus Umsatz
mit Altkunden oder Vertriebskosten für Neukunden versus Vertriebskosten für Altkunden,
nach verschiedenen Kriterien wie Vertriebsgebiete, Produkte etc. aufgesplittet.
Kundenportfolios
Kundenportfolios stellen die graphische Aufbereitung der Analyseergebnisse der
Vertriebssituation eines Unternehmens dar. So können z. B. die Kundenpotentiale jeweils ins
Verhältnis zu den kundenspezifischen Vorteilen gegenüber den Wettbewerbern gesetzt
werden. Derartige Portfolios unterstützen die Vertriebssteuerung, beispielsweise bei der
Verteilung der Vertriebsressourcen auf Kunden.
Die Bereitstellung der vier vorgestellten Funktionalitäten ist in der Regel eine SollAnforderung, da sie oftmals Standard-Funktionalitäten für die Planung und Steuerung in der
Kundenbearbeitung darstellen. Die für die Durchführung notwendigen Informationen sollten
die Analysen aus der Kundendatenbank erhalten. Für aussagekräftige, weitergehende
Detailauswertungen sind eventuell Daten aus der Kostenrechnung erforderlich, so daß eine
entsprechende Schnittstelle wünschenswert ist.
Da diese Funktionalitäten häufig bereits in Unternehmen eingesetzt werden, ist hier
insbesondere auf die Integration dieser Lösungen in neue CRM-Komponenten aus den oben
beschriebenen Gründen zu achten. Wichtig ist für diese Funktionalitäten zudem, daß
graphische Aufbereitungsmöglichkeiten vorhanden sind, die intuitiv einsichtig und
aufwandsarm genutzt werden können. Das vereinfacht die Präsentation, Auswertung und
Interpretation der Analyseergebnisse.
Zudem sollten Unternehmen darauf achten, daß zur Weiterentwicklung dieser Analysen in
Richtung eines Database Marketing die Anwendung von Data Mining-Verfahren, wie z. B.
Clusteranalysen oder Regelgeneratoren, die im entsprechenden Unterpunkt noch im Detail
erläutert werden, möglich ist. Zur Kennzahlenanalysen ist es für die aufwandsarme
Inbetriebnahme des Systems förderlich, wenn in der CRM-Software vorinstallierte Abfragen
188
Anhang D: CRM-Softwarefunktionalitäten
als Standard vorhanden sind. Allerdings sollte für den Anwender auch die Möglichkeit
gegeben sein, selbständig mit vertretbarem Aufwand neue Kennzahlenabfragen gestalten zu
können. Das stellt hinsichtlich der Benutzerfreundlichkeit die Anforderung, daß Abfragen
ohne Quellcodeprogrammierung nach Möglichkeit mit Hilfe einer möglichst intuitiv
einsichtigen Nutzeroberfläche effizient möglich sind. Anzumerken ist, daß für
mehrdimensionale Auswertungen das Vorhandensein der OLAP-Funktionalität
empfehlenswert ist, die im folgenden noch vorgestellt wird.
One-to-One-Marketingmanagement
One-to-One-Marketingmanagement beschreibt ein Marketing, welches in der
Kundenbearbeitung den Anspruch erhebt, eine kundengruppenindividuelle, in der Idealform
auf die Bedürfnisse jedes einzelnen Kunden zugeschnittene Ansprache und
Angebotsgestaltung zu ermöglichen. Diese Funktionalität ist in seiner konkreten
Ausgestaltung wiederum sehr dehnbar. Beispielsweise kann auf eine einfache Gruppierung,
die sich bereits aus einer ABC-Analyse ergibt, eine differenzierte Kundenbearbeitung
erfolgen. Dies stellt jedoch noch keine neuartige Funktionalität dar, sondern beschreibt
vielmehr lediglich bereits bekannte Vorgehensweisen. Um ein One-to-OneMarketingmanagement innovativ und effektiv zu gestalten, muß auf Daten der
Kundenerfolgsrechung, der Kundenhistorie, der Analyseergebnisse von Data Mining-Tools
etc. zurückgegriffen werden. Das zeigt schon, daß die Konzeption eines effektiven One-toOne-Marketingmanagements sehr aufwendig ist.
CRM-Software bietet hier oftmals die Plattform, zusammengesetzt aus dazugehörigen
Instrumenten, wie z. B. Kundendatenbank, elektronische Kundenakten, Tools zum
Kampagnenmanagement etc. Aufgrund der Komplexität und den verschiedenen
unternehmensindividuellen Anforderungen ist eine Standardlösung kaum denkbar und in der
Regel nicht sinnvoll. Hier bedarf es jeweils vor allem der Entwicklung einer schlüssigen
inhaltlichen Konzeption, für deren Gestaltung es sich oft anbietet, auf die Unterstützung von
Unternehmens- bzw. Organisationsberatern zurückzugreifen. Die Unterstützung eines One-toOne-Marketingmanagement stellt insgesamt eine Soll-Funktionalität dar, sofern im
Strategiefindungsprozeß diese Form der Kundenbearbeitung als Leitfunktion festgehalten
worden ist.
Schnittstelle zur Kostenrechnung
Eine Schnittstelle zur Kostenrechung ist die Grundvoraussetzung, um die Funktionalitäten
Vertriebs- und Kundenerfolgsrechung, Vertriebsreporting in der quantitativen
Ausgestaltungsform sowie viele der später erläuterten Funktionalitäten des Data Mining
effizient und effektiv einzusetzen. Diese Funktionalität stellt eine Soll-Funktionalität dar,
insbesondere wenn CRM auch zu marktanalytischen Zwecken eingesetzt werden soll.
Anhang D: CRM-Softwarefunktionalitäten
189
Entscheidend ist die Möglichkeit eines reibungslosen, stabilen Datentransfers zwischen CRMund Kostenrechnungssoftware.
Kundenerfolgsrechnung
In einer Kundenerfolgsrechnung werden Umsätze und Kosten einer Periode den Kunden
zugeordnet, um den Gewinn pro Kunden ein- oder mehrstufig zu bestimmen. Zudem sollten
im Übergang zur Vertriebserfolgsrechung die Kundenergebnisse den einzelnen
Vertriebsmitarbeitern zugeordnet werden können. Die Kundenerfolgsrechnung bietet somit
eine Controllingfunktion für den Erfolg der Kundenbearbeitung. Für die Realisierung dieser
Funktionalität ist zur effizienten Datenversorgung eine entsprechende Schnittstelle zum
Kostenrechnungssystem des Unternehmens als Basisvoraussetzung unumgänglich.
Vertriebserfolgsrechnung
In einer Vertriebserfolgsrechung werden Umsätze und Kosten einer Periode den
Vertriebsmitarbeitern zugeordnet, um den Gewinn pro Vertriebsmitarbeiter ein- oder
mehrstufig zu bestimmen. Sie ermöglicht analog zur Kundenerfolgsrechung, welche
Vertriebsmitarbeiter in welchem Maße zum Unternehmenserfolg beitragen. Somit kann die
Vertriebserfolgsrechung u. a. auch als Basis für eine leistungsgerechte Entlohnung der
Vertriebsmannschaft Anwendung finden.
Für modern geführte, kunden- und marktorientierte Unternehmen sollte die Gestaltung einer
Kunden- sowie einer Vertriebserfolgsrechnung eine Soll-Funktionalität darstellen. Zu
beachten ist bei der Anbieterauswahl, daß die konzeptionelle Ausgestaltung einer
Kundenerfolgsrechnung aufgrund von Kostenverschlüsselungen etc. mit Hilfe einer
Standardsoftware in den meisten Fällen nicht lösbar ist. Hier bedarf es in der Regel jeweils
nicht nur technischer, sondern auch konzeptioneller Weiterentwicklungen.
Die Ergebnisse der Kundenerfolgsrechnung sind wichtig für das Controlling der
Kundenbearbeitung. Da sie zudem einen entscheidenden Einfluß auf die Planung und
Steuerung im Unternehmen haben, ist es für Unternehmen häufig empfehlenswert, zusätzlich
zum Softwareanbieter spezialisierte Unternehmens- und Organisationsberater mit der
inhaltlichen Konzeption und Einführung zu beauftragen. Zudem übernehmen diese Berater
auch zumeist den Change-Management-Prozeß. In diesen sind insbesondere die Mitarbeiter
im Vertrieb einzubeziehen, da der Erfolg ihrer Arbeit in den Ergebnissen zum Ausdruck
kommt und davon oft auch ein Teil ihrer Vergütung abhängt. Hier ist neben der adäquaten
inhaltlichen Ausgestaltung entscheidend, eine allgemeine Akzeptanz für die
Berechnungsmethode und die Erfolgsrechnungen an sich zu schaffen.
190
Anhang D: CRM-Softwarefunktionalitäten
Zeitmanagement
Die Funktionalität des Zeitmanagements unterstützt den Vertriebsmitarbeiter bei der Tages-,
Wochen-, Monatplanung etc. Analog zur Funktionalität Projektmanagement, ist bei der
Anbieterauswahl zumeist auf eine entsprechende Schnittstelle für eine direkte Verknüpfung,
z. B. mit der Kundendatenbank, zu achten, da derartige Funktionalitäten zumeist bereits
eingesetzt werden. Da diese Funktionalität sich in der Regel als nicht als zu komplex darstellt,
ist die Einarbeitung in eine neue Softwarekomponente zumeist vertretbar, insbesondere wenn
zusätzliche Produktfeatures die Anwendungskomfortabilität erhöhen. Die Funktionalität
Zeitmanagement stellt eine Nice-to-have-Funktionalität dar, deren Anwendung im
Unternehmen letztendlich von den Vorlieben des individuellen Arbeitstils jedes einzelnen
Vertriebsmitarbeiters bzw. Mitarbeiters in der Kundenbearbeitung abhängt.
Zielplanung
Die Zielplanung stellt wiederum eine Funktionalität dar, die im Grenzbereich zu anderen
Softwarekomponenten von Planungs- und Controllingsystemen liegt. Sie kann differenziert
nach Kunden, Vertriebsmitarbeitern, Perioden, Umsätzen oder Deckungsbeiträgen und in
Kombination dieser Kriterien ausgestaltet werden.
Aufgrund der Affinität zu
Schnittstelle zu gestalten,
Zudem muß ebenso die
Unternehmen bestehen.
Abweichungsanalyse, die
Exceptional Reports.
anderen Softwarekomponenten ist wiederum eine entsprechende
die im Zweifel die Schnittstelle zur Kostenrechnung darstellt.
Möglichkeit der Integration bereits bestehender Lösungen im
Ebenso liefert die Zielplanung, verbunden mit einer
Basis für im Vertriebsreporting-/controlling zu realisierende
Kundendatenbankfunktionalitäten
Auftragsabwicklung
Mit Hilfe der Funktionalität Auftragsabwicklung wird der jeweilige Bearbeitungsstand eines
Kundenauftrages festgehalten. Sie kann u. a. zur internen Auftragsfortschrittskontrolle und als
Kundenserviceleistung bei etwaigen Nachfragen zum Liefertermin genutzt werden. Zudem
kann die Nachbereitung, wie z. B. das Forderungsmanagement oder die Nachkalkulation, hier
auf den festgehaltenen Datenbestand aufsetzen.
Das Vorhandensein dieser Funktionalität ist bei der Anbieterauswahl wichtig und damit
häufig eine Soll-Anforderung, wenn das Unternehmen im weitesten Sinne seine Leistungen
Anhang D: CRM-Softwarefunktionalitäten
191
auf Auftragsbasis am Markt anbietet. Dann sind in der Kundendatenbank entsprechende
Informationen zum Bearbeitungsstatus im Sinne eines Tracking & Tracing aufzunehmen. In
der Optimalausgestaltung dieser Funktionalität erfolgt dies in automatisierter Abstimmung
mit dem PPS-System des Unternehmens. Bei der Integration externer Partner im Rahmen der
Auftragsabwicklung ist es wünschenswert, entsprechende Informationen über Service Level
Agreements festzuhalten. Abweichungsanalysen bilden sodann die Basis für die Gestaltung
von Bonus-/Malus-Systemen.
Kundenhistorie/Kontakthistorie
In der Funktionalität Kundenhistorie/Kontakthistorie werden das Nachfrage-/
Bestellverhalten sowie die persönlichen, telefonischen und schriftlichen Kundenkontakte der
Vertriebsmitarbeiter festgehalten. Entscheidend bei der Anbieterauswahl ist es, daß neben
einer Vorauswahl an Standardfeldern – deren bedeutendste für ein effizientes Einsteigen in
die Software bereits vorgegeben sein sollten bzw. über Zusatzauswahlen angepaßt werden
können – die Möglichkeit für den Nutzer besteht, eigene Datenfelder zu definieren. Dies muß
wiederum analog zur Gestaltung zusätzlicher Datenbankabfragen intuitiv einsichtig möglich
sein. Zudem ist die Möglichkeit der Integration der Daten in Data Mining-Verfahren von
Bedeutung. So können die Daten der Kundenhistorie zur Gestaltung von Kundenprofilen
genutzt werden. Ebenso eignen sich Kontakt- und Kaufdaten zur Erstellung von
Kaufwahrscheinlichkeitsprognosen, die wiederum von Bedeutung für die Durchführung von
Direct Mailing-Kampagnen ist.
Terminmanagement
Die Funktionalität des Terminmanagements bietet dem Vertriebsmitarbeiter die Möglichkeit,
seine Kundentermine effektiv und effizient zu planen und zu organisieren. Sie kann auch als
Anwendung der Funktionalität Zeitmanagement auf die Kundendatenbank verstanden
werden.
Grundsätzlich gelten die gleichen Aussagen wie zur Funktionalität Zeitmanagement. Zudem
ist es wichtig, daß die Daten des Terminmanagements in die elektronischen Kundenakten
eingehen.
Wiedervorlagefähigkeit
Die Funktionalität Wiedervorlagefähigkeit dient zur Verwaltung von Aufgaben. Der
Anwender wird u. a. nach von ihm selbst bestimmten Terminen an die Durchführung der
Aufgabe erinnert.
192
Anhang D: CRM-Softwarefunktionalitäten
Die Funktionalität stellt in der Regel eine Nice-to-have-Funktionalität dar, welche z. B. die
geplante, übersichtliche Kundenkontaktierung ermöglicht. Ob sie letztendlich eingesetzt wird,
hängt vom individuellen Arbeitsstil des Anwenders ab.
Doublettenabgleich
Mit Hilfe der Funktionalität Doublettenabgleich werden doppelte Adressen in
Kundendatenbanken identifiziert. Diese Funktion fördert Effizienz und Effektivität im
Kampagnenmanagement, nicht zuletzt weil Kundenunzufriedenheiten aus doppeltem MailingVersand vermieden werden. Der Doublettenabgleich stellt eine Nice-to-Have-Funktionalität
dar, die nicht zwangsläufig in der CRM-Software enthalten sein muß. Für die Realisierung
des Doublettenabgleichs ist am Markt Spezialsoftware erhältlich, die in der Regel problemlos
auf gängige Datenbankformate angewendet werden kann. Zu beachten ist, daß die Güte der
erzielten Ergebnisse stark schwanken kann.
Integration von E-Mail
Die Integration von E-Mail bedeutet, daß unmittelbar aus der CRM-Software heraus E-Mails
sowohl an Vertriebsmitarbeiter als auch an Kunden versendet werden können. Dies ist eine
Soll-Funktionalität, die nahezu alle CRM-Systeme unterstützen und deren Erfüllung den
Anforderungen an moderne Arbeitsplätze gerecht wird. In der Regel wird diese Funktionalität
unter Verwendung der für diesen Bereich gängigen Standardsoftware, wie z. B. MS-Explorer,
MS-Outlook oder Lotus Notes, umgesetzt.
Serienbriefe
Die Funktionalität Serienbriefe ermöglicht es, auf Basis von Datenbankabfragen an
ausgewählte Kunden effizient Mailings zu versenden. Sie stellt eine rudimentäre Anwendung
der Funktionalität Kampagnenmanagement dar.
Die Möglichkeit der Gestaltung von Serienbriefen ist in der Regel über eine Verbindung zu
Textverarbeitungssoftware, wie z. B. MS-Word, in CRM-Systemen umgesetzt.
Multi-User-Fähigkeit
Die Multi-User-Fähigkeit ist eine Soll-Anforderung, da zumeist mehrere Anwender auf die
Kundendatenbank zugreifen müssen. Hier ist bei der Auswahl auf die Performance in
Abhängigkeit der User zu achten.
Anhang D: CRM-Softwarefunktionalitäten
193
Vertragsmanagement
Die Funktionalität des Vertragsmanagements bezeichnet im Rahmen von CRM-Systemen die
DV-gestützte Zusammenfassung und Verwaltung aller Verträge eines Unternehmens, die mit
einem Kunden geschlossen worden sind, in einer Datenbank. Zusätzlich aufgewertet wird die
Funktionalität Vertragsmanagement, wenn die Originalverträge eingescannt und über eine
Dokumentenmanagementsoftware (DMS) verwaltet werden können.
Zwangsläufig ist diese Funktionalität nur sinnvoll für Unternehmen, bei denen
kundenindividuelle Verträge gestaltet oder stark differenzierende Konditionen gewährt
werden. Die Konditionen und Rabatte sollten in entsprechend zur Verfügung stehenden
Datenfeldern, ggf. differenziert nach Produkten, festgehalten werden können. Die
Konditionen- und Rabattverwaltung stellt oftmals eine Soll-Funktionalität dar.
Ablage "harter" und "weicher" Faktoren
Die Ablage "harter" und "weicher" Faktoren zielt darauf ab, in der Kundendatenbank
Informationen über Kunden abzulegen, die eine möglichst hohe Kaufverhaltensrelevanz
aufweisen. "Harte" Faktoren sind Daten, wie z. B. Umsatz oder Anzahl Bestellungen,
"Weiche" Faktoren sind Daten z. B. über Einstellungen der Kunden oder deren Hobbies für
Event-Planungen.
Neben der Vorauswahl an Feldern, deren Detailauswahl der Nutzer selber vornehmen können
muß, ist es wichtig, daß der Nutzer selbständig ohne großen Aufwand zusätzliche Datenfelder
anlegen kann. Wichtig ist wiederum für die Anbieterauswahl, daß diese Daten für die
Anwendung in Data Mining-Verfahren genutzt werden können. Denn unter Verwendung
dieser Daten können Kundenprofile für die Gestaltung von Kundensegmenten und der
Ableitung von Zielgruppen geschaffen werden. Grundsätzlich ist die Möglichkeit der Ablage
"harter" und "weicher" Faktoren eine Soll-Funktionalität, die Vielfalt an vorinstallierten
Schablonen ist als Nice-to-have-Funktionalität zu bezeichnen.
Customer Service Center
Call Center-Management/Call Center-Controlling/Customer Interaction Center (CIC)
Call Center realisieren einen telefonischen Beratungsservice. Dabei handelt es sich um eine
Anzahl von Telefonarbeitsplätzen, die zu einer Organisationseinheit zusammengefaßt sind.
Zu unterscheiden sind Inbound- und Outbound-Call Center. Bei Call Centern nach dem
Inbound-Prinzip ruft der Kunde das Unternehmen an, beim Outbound-Prizip hingegen das
194
Anhang D: CRM-Softwarefunktionalitäten
Unternehmen des Kunden. Call Center nach dem Inbound-Prinzip werden somit
hauptsächlich zur Behebung von auftretenden Anwendungsproblemen, Aufnahme von
Beschwerden etc. eingesetzt. Call Center nach dem Outbound-Prinzip werden im wesentlichen zu Akquisitionszwecken genutzt, so daß sich eine enge Beziehung zur Funktionalität Telefonmarketing ergibt. Das Call Center-Controlling mißt anhand von Kennzahlen,
wie effizient und effektiv das Call Center arbeitet.
Ein entscheidender Erfolgsfaktor für den Betrieb des Call Centers ist die Mitarbeiterqualifikation. Es muß dem Unternehmen gelingen, das Personal insoweit zu schulen, daß adäquat
Fragen beantwortet werden können. Unterstützend für die Einarbeitung von Mitarbeitern des
Call Centers wirkt hierbei die Realisierung der im folgenden noch diskutierten Funktionalität
Helpdesk.
Zudem sind einige technische Detailfunktionalitäten, die unter dem Oberbegriff CTI
(Computer Telephony Integration) zusammengefaßt werden, in Call Centern umzusetzen. So
sollten Anrufe automatisch an einen freien Call Center-Agenten bzw. weitergeleitet, damit
nicht Unzufriedenheiten beim Kunden aus Wartezeiten entstehen. Des weiteren sollten beim
Anruf auf dem Bildschirm unmittelbar die für das Gespräch wesentlichen Kundendaten
erscheinen.
Das Angebot der Leistungen eines Call Centers nach dem Inbound-Prinzip etabliert sich mehr
und mehr zu einem Marktstandard bei der Servicegestaltung komplexer Produkte, so daß sich
hier eine Soll-Anforderung ergibt. Die regelmäßige oder zeitweise Nutzung – z. B. im
Rahmen von Kampagnen – der Funktionalität Call Center nach dem Outbound-Prinzip hängt
von der Vertriebsphilosophie des Unternehmens im Einzelfall ab.
Ein Call Center-Controlling stellt in der Regel eine Soll-Anforderung dar, sofern das Call
Center in einem nennenswerten Umfang ausgestaltet ist. Dieses fußt auf zwei Arten von
Kennzahlen. Dies sind zum einen Kennzahlen bezüglich des Anrufverhaltens, die unmittelbar
dem System zu entnehmen sind. Zur Messung der inhaltlichen Leistungsqualität der
Gespräche sind Folgekennzahlen festzuhalten, so z. B. die Kundenzufriedenheit nach
Behebung der Beschwerde, Freundlichkeit und Kompetenz der Call Center-Mitarbeiter,
unmittelbar akquiriertes Auftragsvolumen oder Anzahl vereinbarter Kundentermine.
Beschwerdemanagement/Beschwerdemanagementcontrolling
Das Reklamations- bzw. Beschwerdemanagement dient zur systematischen Aufnahme von
Beschwerden. Die resultierenden Informationen sollten für weitere Auswertungen in einer
Datenbank hinterlegt werden. Darauf aufbauend sollen gezielt unzufriedene Kunden
angegangen werden, um die Ursachen der Beschwerde abzustellen und die Zufriedenheit des
Kunden zu erhöhen. Zudem soll die Erfassung und Auswertung von Beschwerden
Anhang D: CRM-Softwarefunktionalitäten
195
Anhaltspunkte für die Leistungsverbesserung des Unternehmens insgesamt geben. Das
Beschwerdemanagementcontrolling beschäftigt sich mit zwei Fragestellungen. Zum einen ist
zu überprüfen, ob auch tatsächlich die Beschwerden das Unternehmen erreichen. Denn eine
geringe Anzahl Beschwerden heißt nicht zwangsläufig, daß die Kunden auch tatsächlich mit
der Unternehmensleistung zufrieden sind, sondern vielleicht nur, daß die Kunden wenig
Möglichkeiten haben, dem Unternehmen ihre Beschwerden mitzuteilen. Zum anderen sind
Kennzahlen zur Leistungsverbesserung auf Basis von Beschwerden zu erheben. Diese
Informationen gehen in die Funktionalität Kundenzufriedenheitsanalysen ein.
Für die Realisierung dieser Funktion ist eine eigene Datenbankfunktionalität zu entwickeln,
die es nach Möglichkeit auch erlaubt, Textdokumente von Beschwerden mit Hilfe eines
Dokumentenmanagementsystems zu verwalten. Zudem sollten Kategorien vorgegeben
werden, wie z. B. Beschwerde aufgrund unfreundlicher Mitarbeiter, notwendiger Reparaturen
etc., bzw. auch selbst vom Nutzer angelegt werden können, um Beschwerden zu
systematisieren und konkrete Schwachstellen offen zu legen. Diese Kategorisierung der
Beschwerden ist zudem wichtig für die Dokumentation der Entwicklung des
Beschwerdeverhaltens. Auf Basis darauf gebildeter Kennzahlen ist ein Beschwerdemanagementcontrolling zu konzipieren, das die Entwicklung des Beschwerdeverhaltens
nachhält. Die Ergebnisse sind an die kundenbearbeitenden Stellen wiederum in zusammenfassenden Reports zu kommunizieren. Zur Gestaltung der Reports gelten die gleichen
Aussagen wie bei der im folgenden noch diskutierten Funktionalität Kundenzufriedenheitscontrolling.
After-Sales-Servicemanagement/After-Sales-Service-Controlling
Das After-Sales-Servicemanagement gewinnt insbesondere bei komplexen Produkten zunehmend an Bedeutung, da die Kunden nicht mehr nur ein bloßes Produkt, sondern eine
komplette Lösung für ihr Problem wünschen. Es beinhaltet das Management von
Serviceleistungen, die ein Unternehmen seinen Kunden nach dem eigentlichen Kaufakt
gewährt. Beispiele für derartige Serviceleistungen sind Service-Hotlines oder
Wartungsarbeiten.
Die Realisierung der Funktionalität After-Sales-Service-Management ist nicht eine sich für
allein stehende Lösung, sondern immer ein unternehmensindividuell abgestimmtes Paket
verschiedener Leistungen, die dem Kunden nach dem Kauf geboten werden. Die einzelnen
Leistungen können sowohl nach dem Hol-, also vom Kunden initiiert, als auch nachdem
Bring-Prinzip, also vom Unternehmen initiiert, ausgestaltet werden. An die Realisierung des
After-Sales-Service-Management
sind
insbesondere
inhaltliche,
konzeptionelle
Anforderungen zu stellen insofern, als die einzelnen Leistungen ein schlüssiges
Gesamtkonzept ergeben. Die Erfassung der resultierenden Kundenkontakte ist ebenso in der
Kundendatenbank zu hinterlegen. Sofern Unternehmen eine Differenzierungsstrategie in
196
Anhang D: CRM-Softwarefunktionalitäten
Märkten für erklärungsbedürftige Produkte verfolgen, stellt die Realisierung eines adäquaten
After-Sales-Servicemanagement eine Soll-Anforderung dar.
Helpdesk-Funktionen
Helpdesk-Funktionen liefern Informationen bei Problemen z. B. mit der Bedienung eines
Produktes. Sie können dabei unterschiedlich ausgestaltet sein. Dies hängt von den Zielanwendern ab. So ist zwischen Helpdesks für Kunden und für Mitarbeiter zu unterscheiden.
In der Regel ist diese Funktionalität eine hilfreiche Nice-to-Have-Funktionalität. Zu beachten
ist, daß der Helpdesk tatsächlich auch einen Mehrwert darstellen sollte, so daß die
Realisierung in der Regel nur bei komplexen, erklärungsbedürftigen Produkten sinnvoll ist.
Ansonsten wird der Helpdesk nicht genutzt, so daß er wirkungslos ist. In der Regel sind
Helpdesks Datenbanken, die z. B. Antworten auf sogenannte FAQs (Frequently Asked
Questions) liefern. Für die Zielgruppe Kunden bieten sich eine web-basierte Lösung an, auf
deren Basis sich die Kunden nach dem Hol-Prinzip selbständig die Informationen zur Lösung
des Problems besorgen können. Dies ist zwar die kostengünstigste Ausgestaltungsform, aber
hinsichtlich der Kundenzufriedenheit nicht immer die beste. Zur Maximierung der
Kundenzufriedenheit sollte diese Form des Helpdesks nur zusätzlich angeboten werden.
Gleichzeitig sollte für Kunden bei Anwendungsproblemen die Möglichkeit gegeben sein, eine
Service-Hotline anwählen zu können.
Geo-Marketing
Die Geo-Marketing-Funktionalitäten beschäftigen sich mit logistischen Fragen der
Optimierung der Kundenbearbeitung durch den Außendienst des Unternehmens.
Tourenplanung
Mit Hilfe der Funktionalität Tourenplanung können für die Vertriebsmitarbeiter optimierte
Touren für die Reihenfolge der Kundenbesuche geplant werden. Wichtig ist bei der
unternehmenspraktischen Umsetzung dieser Funktionalität, daß über Schnittstellen die
organisatorischen Voraussetzungen für den effizienten Einsatz geschaffen werden. Das
bedeutet u. a., daß die Vertriebsmitarbeiter diese Funktionalität auch selbständig einsetzen
können.
Zudem
bietet
sich
eine
Verbindung
zur
Funktionalität
Besuchshäufigkeitenoptimierung an, damit auf das Kriterium der optimalen Anzahl an
Besuchen im Verhältnis zum Verfügung stehenden Zeitbudget in die Optimierung mit
einfließt. Im wesentlichen ist die Tourenplanung auf Effizienzverbesserungen durch
Kosteneinsparungen fokussiert. Zum einen sollen Sachkosten, zum anderen die
Personalkosten pro Kundenbesuch reduziert werden. Die resultierenden Zeiteinsparungen
führen dazu, daß mehr Kundenbesuche in der zur Verfügung stehenden Zeit durchgeführt
Anhang D: CRM-Softwarefunktionalitäten
197
werden können, was zu Umsatzerhöhungen führen soll. Inwieweit es sich bei dieser
Funktionalität um eine Soll-Funktionalität handelt, hängt von der Planungskomplexität der
Touren im unternehmensindividuellen Einzelfall ab.
Standortanalyse/-optimierung
Diese Funktionalitäten helfen Unternehmen bei der Optimierung von Standortfragen. Diese
Funktionalitäten müssen nicht zwangsläufig im CRM-System integriert sein. Sie stellen
tendenziell ausgliederbare Funktionalitäten dar, da hierzu in der Regel Sonderanalysen bei
Bedarf durchgeführt werden. Zu beachten ist allerdings, daß diese Funktionalitäten für eine
effiziente und effektive Durchführung viele der im CRM-System abgelegten Daten benötigen.
Vertriebsgebietsanalyse/-optimierung
Diese Funktionalität unterstützt die rein örtliche Optimierung der Einteilung der
Vertriebsgebiete in Abhängigkeit von Größen wie Fahrtzeiten und -kosten.
Diese Funktionalität wird zumeist in regelmäßigen Zeitabständen benötigt. Zu beachten ist,
daß bei Neuschneidung und damit neuer Zuordnung von Außendienstmitarbeitern zu
Vertriebsgebieten insbesondere bei A-Kunden nicht langjährige Kundenbeziehungen durch
den Wechsel gefährdet werden. Ebenso wie bei der Funktionalität Tourenplanung hängt die
Frage hinsichtlich Soll-Anforderung von der Planungskomplexität ab.
Marktkommunikation
Kampagnenmanagement
Kampagnenmanagement bedeutet die systematische Durchführung von Werbekampagnen im
weitesten Sinne. Die Funktionalität beinhaltet sowohl die Zeit- und Kostenplanung der
Kampagne im ganzen als auch die Feinplanung der einzelnen Werbemaßnahmen. Neben der
Unterstützung dieser taktisch-strategischen Aufgaben bietet die Funktionalität
Kampagnenmanagement in CRM-Systemen in der Regel auch die Unterstützung vielfältiger
operativer Aufgaben. Dies sind z. B. Lettershop-Funktionalitäten, die es ermöglichen,
Mailing-Aktionen weitestgehend automatisiert durchführen zu können.
Sofern Unternehmen Kampagnenmanagement in nennenswertem Unfang betreiben, stellt die
Umsetzung dieser Funktionalität eine Soll-Anforderung dar. Insbesondere wenn Direct
Mailings gestaltet werden, bei denen Kunden individuell angesprochen werden sollen, ist eine
Verbindung zu den Kundenstammdaten der Kundendatenbank notwendige Voraussetzung für
eine effiziente Durchführung. Zudem sollte im Optimalfall in der Kundenhistorie auch die
198
Anhang D: CRM-Softwarefunktionalitäten
„Kampagnen- bzw. Kontakthistorie“ festgehalten werden. Diese Historie in Verbindung mit
Umsatzdaten
liefert
eine
interessante
Datenbasis
für
vielfältige
Auswertungswertungsmöglichkeiten. So können darauf aufbauend Kaufwahrscheinlichkeiten
abgeschätzt werden. Zudem sollten Vertriebsmitarbeiter einsehen können, welche
Kampagnen gestartet worden sind und welche Kunden welche Mailings erhalten haben.
Anzumerken ist, daß – insbesondere wenn umfangreiche Mailing-Aktionen gestartet werden
sollen – auf die Leistungsfähigkeit der Letter-Shop-Funktionalitäten zu achten ist.
Management von Direct Mailings
Diese Funktionalität stellt einen Sonderfall der Funktionalität Kampagnenmanagement dar.
Allerdings erfolgen Direct Mailings personalisiert. Somit ist auf die Kundenstammdaten der
Kundendatenbank zurückzugreifen. Zudem sind die entsprechenden Antwortrückläufe
festzuhalten, so daß auch die Kontakthistorie zweifach berührt ist.
Anbieter, welche die Funktionalität Kampagnenmanagement in ihrer Software integriert
haben, bieten in der Regel auch das Management von Direct Mailings. Die Besonderheiten
dieser
Funktionalität
wurden
bereits
bei
der
vorherigen
Funktionalität
Kampagnenmanagement diskutiert.
Werbebudgetierung
Mit Hilfe der Funktionalität Werbebudgetierung wird das für ein Produkt bzw. eine
Produktgruppe zur Verfügung stehende Werbebudget geplant, verwaltet und kontrolliert.
Diese Funktionalität wird in Unternehmen häufig bereits von anderen Softprogrammen
unterstützt. Deshalb ist ggf. eine adäquate Anbindung zu schaffen. Bei Ablösung einer alten
Software ist wiederum abzuwägen, ob der Funktionalitätsvorsprung den Umstellungsaufwand
rechtfertigt. Anzumerken ist, daß die grundlegende inhaltliche und konzeptionelle Planung, z.
B. der optimalen Höhe des Werbebudgets, durch diese Funktionalität nicht vollständig ersetzt
wird. Vielmehr erleichtert diese die Planung, z. B. durch Simulationsrechnungen für
alternative Werbepläne.
Mediaselektion
Im Rahmen der Funktionalität der Mediaselektion wird das Werbebudget für ein Produkt
bzw. für eine Produktgruppe auf verschiedene Werbeträger verteilt. Dazu werden Mediapläne
erstellt. Dabei ist zwischen der Inter-Mediaselektion und der Intra-Mediaselektion zu
unterscheiden. Die Inter-Mediaselektion trifft die Auswahl zwischen verschiedenen
Werbemedien, z. B. Zeitschriften- versus Fernsehwerbung. Daraus aufbauend wird bei der
Anhang D: CRM-Softwarefunktionalitäten
199
Intra-Mediaselektion entschieden, welche konkreten Titel eines Werbemediums in welchem
Umfang gebucht werden sollen.
Diese Funktionalität ist in der Regel für Unternehmen eine Nice-to-Have-Funktionalität.
Allerdings erfordert der adäquate Einsatz In vielen Fällen einen erheblichen Zeitaufwand
schon allein für die Pflege der Stammdaten. Häufig ist es effizienter, die Gestaltung von
Mediaplänen an externe Dienstleiter, wie z. B. spezialisierte Werbe- und Mediaagenturen,
outzusourcen.
Kundenzufriedenheitsmanagement
Kundenzufriedenheitsanalyse
Die Kundenzufriedenheitsanalyse mißt die Zufriedenheit der Kunden auf Basis von Urteilen
der Kunden aus Befragungen und anhand stellvertretender harter Indikatoren, wie z. B. die
benötigte Antwortzeit bei Anfragen. Zur Auswertung der erhobenen Daten werden uni-, z. B.
Mittelwerte, bi-, wie z. B. Kreuztabellierungen, und multivariate Verfahren, wie z. B.
Kausalanalysen, angewandt.
Anzumerken ist, daß in den Befragungsergebnissen erfasst ist, in welcher Software welche
der genannten Verfahren zur Kundenzufriedenheitsanalyse eingesetzt werden.
Erläuterungsbedürftig sind dabei die multivariaten Verfahren der Kausal-, Cluster- und
Faktorenanalyse. Diese relativ komplexen Verfahren sollen nicht im Detail erläutert werden,
sondern sozusagen „umgangssprachlich“ kurz und anschaulich vorgestellt werden.
Grob gesagt, prüft die Kausalanalyse Hypothesen über Einflußgrößen auf die
Kundenzufriedenheit mit Hilfe von Interkorrelationsmessungen. Dadurch können Aussagen
über die Einflußgrößen der Kundenzufriedenheit im konkreten Anwendungsfall im Detail
bestimmt werden. Die Clusteranalyse faßt Kunden in Klassen zusammen, die in sich
möglichst homogen, aber untereinander möglichst heterogen sind. Sie unterstützt also die
Kundensegmentierung, indem Kunden mit einem ähnlich zu erwartenden Verhalten in
Klassen für die eine differenzierte Kundenbearbeitung eingeteilt werden. Die Faktorenanalyse
ist ein verfahren zur Datenverdichtung. Das bedeutet, daß letztendlich viele voneinander
abhängige Merkmale auf einen dahinter stehenden Oberbegriff, den sogenannten Faktor,
zurückgeführt werden. Das führt zudem zu einer verbesserten Übersichtlichkeit, wenn viele
Einzeldaten erhoben werden.
Kundenzufriedenheitsindex
200
Anhang D: CRM-Softwarefunktionalitäten
Der Kundenzufriedenheitsindex verdichtet die Ergebnisse der Kundenzufriedenheitsanalyse,
z. B. mehrstufig über Produktbereiche, Vertriebsgebiete-/regionen oder Kundenklassen.
Kundenzufriedenheitscontrolling
Das Kundenzufriedenheitscontrolling basiert auf der Kundenzufriedenheitsanalyse sowie ggf.
dem Kundenzufriedenheitsindex. Es plant und kontrolliert die Entwicklung der
Kundenzufriedenheit und gibt sowohl Hinweise als auch Ursachen bei Abweichungen an.
Für alle drei erläuterten Funktionalitäten ist als Ziel feszuhalten, daß die Ergebnisse
wesentliche Anknüpfungspunkte für Verbesserungen in der Kundenbearbeitung liefern
sollten, auf deren Basis adäquate Maßnahmen zu initiieren sind. Konzeptionell ist bei den
beschriebenen Funktionalitäten von Bedeutung, daß die generierten Informationen auch im
Tagesgeschäft eingesetzt werden. Dazu ist als Basis eine Schnittstelle zur Kundendatenbank
zu schaffen, sofern aus Kundenzufriedenheitserhebungen personalisierte Daten erhoben
werden können.
Hinsichtlich
Einsatzeffizienz
und
-effektivität
der
Funktionalität
Kundenzufriedenheitscontrolling ist es von entscheidender Bedeutung, daß Reports zur
Kundenzufriedenheitssituation entsprechend übersichtlich und managementorientiert
aufbereitet werden. Zudem sollten diese in festen Rhythmen, z. B. quartalsweise, an die
kundenbearbeitenden Stellen weitergeleitet werden. Für die Weiterleitung sind entsprechende
Workflows zu gestalten.
Zu beachten ist, daß kein Datenfriedhof in Form extrem umfangreicher Reports erzeugt wird,
der lediglich zu einer Informationsüberflutung führt. In diesem negativen Fall können die
Daten aufgrund der eingeschränkten Informationsverarbeitungskapazität des Menschen nicht
mehr effizient genutzt werden. Es gilt somit der Grundsatz „Qualität vor Quantität“. So
besteht die Aufgabe des Kundenzufriedenheitscontrollings nicht nur in der vollständigen
Auswertung der Daten, sondern auch in der Zusammenstellung der bedeutenden
Informationen. Ist entsprechend eine Informationsauswahl zu treffen, sollten im Report
besondere Veränderungen der Zufriedenheitssituation im Sinne eines Exceptional Reporting
dargestellt werden. Als Faustregel kann angegeben werden, daß derartige Reports maximal
fünf Seiten umfassen sollten. Dabei helfen graphische Aufbereitungen, die Ergebnisse
anschaulich, effizient und komprimiert darzustellen. Im Idealfall werden zudem keine
Standardberichte erstellt, sondern individualisierte Berichte gemäß der jeweiligen Wünsche
des Kundenbearbeiters. Des weiteren sollte die Möglichkeit bestehen, daß Kundenbearbeiter
auf Wunsch Sonderauswertungen erhalten oder ohne größeren Aufwand selbst erstellen
können.
Anhang D: CRM-Softwarefunktionalitäten
201
Bei den für die Kundenzufriedenheitsanalyse und den Kundenzufriedenheitsindex
notwendigen
Auswertungsverfahren
herrscht
das
Dilemma
zwischen
Anwendungsfreundlichkeit und Aussagekraft. Uni- und bivariate Verfahren sind zwar relativ
einfach einsetzbar, aber ebenso ist auch ihre Aussagekraft begrenzt. Auf der anderen Seite
können mit Hilfe multivariater Verfahren differenziertere Aussagen getroffen werden, doch
ist die Anwendung relativ komplex und erfordert somit ein größeres spezifisches Know-how
des Anwenders. So ist zu beachten, daß auch komplexere Berechnungsverfahren
anwendungsfreundlich integriert werden und eine Abstimmung zwischen gewünschten
Verfahren und zur Verfügung stehenden Mitarbeiterressourcen durchzuführen ist.
Die im Rahmen der Kundenzufriedenheitsanalyse eingesetzten Verfahren weisen einen engen
Bezug zu den Verfahren des Data Mining auf. Insbesondere bei Anwendung sehr komplexer
Verfahren ist eine Anbindung von Standardsoftwareapplikationen aus diesem Bereich, wie. z.
B. SAS oder SPSS, z. T. sinnvoll.
Aufgrund der inhaltlichen Komplexität der Thematik ist es für Unternehmen häufig
zielführend für eine effiziente und effektive Einführung, neben dem Softwareanbieter für die
DV-technologische Umsetzung einen auf Kundenzufriedenheitsmanagement spezialisierten
Unternehmensberater für die konkrete, inhaltliche Ausgestaltung der Funktionalitäten
hinzuziehen.
Ebenso wie bei den Funktionalitäten Vertriebsreporting, Kundenerfolgsrechung etc., die dem
Bereich Controlling nahe sind, stellt sich wiederum die aufbauorganisatorische Frage, welche
Stelle die aus der Funktionalität Kundenzufriedenheitsmanagement resultierenden Aufgaben
bearbeiten sollte. Diese Frage kann wiederum nur unternehmensindividuell beantwortet
werden.
Positionierung zu Wettbewerbern
Die Funktionalität Positionierung zu Wettbewerbern bezieht sich auf die
Wettbewerbsbeobachtung insbesondere hinsichtlich der systematischen Erfassung, welche
Maßnahmen Wettbewerber ergreifen, um die Kundenzufriedenheit zu erhöhen. Die effiziente
Verteilung der gewonnenen Informationen ist die notwendige Voraussetzung, um die
Funktionalität Positionierung zu Wettbewerbern nicht zum Selbstzweck degenerieren zu
lassen. Insgesamt ist diese Funktionalität in der Regel eine Nice-to-Have-Anforderung.
Data Mining/Databasemarketing
Die Funktionalitäten des Data Mining/Databasemarketing unterstützen Back Office-Prozesse
der Kundenbearbeitung, deren Ergebnisse in den Client Facing-Prozessen angewendet
202
Anhang D: CRM-Softwarefunktionalitäten
werden.
Analog
zu
den
Funktionalitäten
der
Sub-Kategorie
Kundenzufriedenheitsmanagement, werden diese Funktionalitäten teilweise bereits in
Spezialanwendungen umgesetzt häufig auf Basis von anwendungsunabhängiger
Standardsoftware zur Datenanalyse, wie z. B. SAS oder SPSS. Durchgängig weisen die
Funktionalitäten einen relativ geringen Reifegrad auf.
Die im folgenden erörterten Funktionalitäten sollen Entscheidungen unterstützen und helfen,
reine Bauchentscheidungen zu vermeiden. Zudem ergeben sich aus der Anwendung der
Funktionalitäten häufig Synergieeffekte in der Form, daß grundsätzliche neue Erkenntnisse
über Marktzusammenhänge transparent werden.
Grundsätzlich ist wiederum zudem als sine qua non zu vermerken, daß die gewonnenen
Erkenntnisse auch tatsächlich für die Kundenbearbeitung verwendet werden. Aussagen
hinsichtlich der Bedeutung der im folgenden dargestellten Funktionalitäten sind aufgrund der
starken Abhängigkeit vom jeweiligen Unternehmenskontext nicht möglich, so daß hier auf
Aussagen hinsichtlich Soll-, Nice-to-Have-Funktionalitäten etc. verzichtet wird.
Grundsätzlich gilt deshalb auch für die konkrete Ausgestaltung dieser Funktionalitäten, daß in
der Regel nicht Standardfunktionalitäten von der „Stange“ eingesetzt werden können, sondern
zumeist technische und insbesondere konzeptionelle, also die inhaltliche Ausgestaltung
betreffende "Maß"-Anpassungen notwendig sind.
Markt- und Kundensegmentierung
Mit Hilfe der Tools zur Markt- und Kundensegmentierung sollen die Kunden Kalssen zerlegt
werden. Das bedeutet, daß Kunden mit einem ähnlichen Kaufverhalten in Klassen
zusammengefaßt werden. Dies kann sowohl auf Basis soziodemographischer und
psychographischer Kriterien als auch auf Basis von Kriterien des beobachtbaren
Käuferverhaltens
oder
in
kombinierter
Anwendung
erfolgen.
Gängiges
Datenanalyseverfahren für komplexere Klassifizierungen ist die Clusteranalyse, die bereits im
Rahmen der Erläuterung der Funktionalität Kundenzufriedenheitsanalyse dargestellt worden
ist. Allerdings sind auch Segmentierungen über einfache Regeln denkbar, welche die Kunden
z. B. eindimensional über ihr Alter in Klassen zusammenfassen. Diese Regeln sind zwar
leichter umzusetzen, weisen aber zumeist auch nur eine geringere Aussagekraft für das zu
erwartende Kundenverhalten auf.
Für die erfolgreiche Anwendung dieser Funktionalität sind von großer Bedeutung adäquate
Schnittstellen zur Kundendatenbank und ggf. zur Kostenrechnungssoftware, wenn auch
derartige Daten in die Markt- und Kundensegmentierung einfließen sollen. Dies sind Daten,
die z. B. zur Unterscheidung zwischen derzeit attraktiveren und unattraktiveren
Kundenbeziehungen dienen, oder Daten zur Klassifizierung nach Kundenpotentialen.
Anhang D: CRM-Softwarefunktionalitäten
203
Der Daten-/Informationsfluß zur Kundendatenbank ist wechselseitig. Zum einen werden u. U.
Daten aus der Kundendatenbank zur Kundenklassifizierung benötigt. Zum anderen müssen
die Ergebnisse der Kundenklassifizierung in die Kundendatenbank automatisiert eingepflegt
und ggf. aktualisiert werden, damit eine auf den gebildeten Segmenten differenzierte
Kundenbearbeitung auch in die Praxis umgesetzt werden kann. Viele Unternehmen haben
bereits Markt- und Kundensegmente im Detail in personalisierter Form bestimmt, so daß bei
Einführung der CRM-Software eine entsprechende Datenintegration notwendig ist.
OLAP-Funktionalität
Die OLAP(Online Analytical Processing)-Funktionalität bietet dem Nutzer die Möglichkeit,
Daten online mehrdimensional auszuwerten. Die Erfüllung dieser Funktionalität stellt eine
methodische Forderung dar, die in Zukunft zum Standard für moderne Auswertungssoftware
werden sollte.
Simulation Kaufwahrscheinlichkeiten/Cross-Selling-Potentiale
Die prinzipielle Vorgehensweise und die wesentlichen Implikationen bei Einführung von
Simulationsfunktionalitäten ist bereits im Rahmen der Erläuterung der PricingFunktionalitäten dargestellt worden. Die Simulation kann neben dem Einsatz im Pricing
jedoch zur Lösung vielfältiger anderer Optimierungsprobleme in Marketing und Vertrieb
beitragen, wie z. B. die Simulation von Kaufwahrscheinlichkeiten oder Cross SellingPotentialen auf Basis unterschiedlicher Annahmen für das Kundenverhalten. Die
Durchführung dieser beiden Anwendungen ist häufig insbesondere im Vorfeld der Gestaltung
von Kampagnen hilfreich, um deren Wirtschaftlichkeit zu bestimmen.
Ganzheitliche Monte Carlo-Simulation
Die ganzheitliche Monte Carlo-Simulation stellt eine Spezialform der Simulationsrechung
dar, welche im Rahmen der Lösungsfindung die Unsicherheit von Informationen durch die
Berücksichtigung von Wahrscheinlichkeiten berücksichtigen. Sie berechnet somit die
Auswirkungen unterschiedlicher unsicherer Marktsituationen auf die Erfolgssituation des
Unternehmens. In Abgrenzung zur Funktionalität Simulation von Kaufwahrscheinlichkeiten
kann ganzheitlich für alle Einflußparameter deren Unsicherheit in der Simulationsrechnung
berücksichtigt werden. Die Prozeß- und Ergebnisqualität wird erhöht, weil also für die
eingehenden betriebswirtschaftlichen Größen Risikoanalysen durchzuführen sind. Eventuell
ist es für Unternehmen sinnvoller, eine Alternative der Markt- und Kundenbearbeitung zu
wählen, die zwar einen geringeren Maximalerfolg aufweist, aber dafür mit größerer Sicherheit
behaftet ist.
204
Anhang D: CRM-Softwarefunktionalitäten
Der Einsatz der Monte Carlo-Simulation ist insbesondere sinnvoll bei komplexen Strukturen
der abzubildenden Zusammenhänge, hochgradig sensitiven Größen und/oder beim Vorliegen
von Variablen, die mit unterschiedlichen Wahrscheinlichkeitsverteilungen in eine Zielgröße
eingehen.
Anzumerken ist, daß für die korrekte Anwendung der Monte Carlo-Simulation nicht
unerhebliches statistisch-mathematisches Know-how erforderlich ist. Ansonsten gelten die
gleichen Ausführungen bezüglich Einbindung in die CRM-Software, die bei der Erläuterung
der
Funktionalitäten
Simulations-/Szenariorechnung
der
Sub-Kategrorie
Kundenzufriedenheitsmanagement bereits dargestellt worden sind.
Prognose/Forecasts
Die Funktionalität Prognose/Forecasts ermöglicht es dem Nutzer, die Entwicklung der
Absatzsituation und damit einhergehende Umsatzentwicklung abzuschätzen. Bei Einführung
ist die z. T. stark variierende Umsetzungsqualität zu berücksichtigen, ausgedrückt in
adäquater Abbildung der Zusammenhänge der Realität auf der einen Seite sowie
Benutzerfreundlichkeit und Datenbereitstellbarkeit auf der anderen Seite. Einfache
Prognosesysteme, für die tendenziell wenige Eingangsdaten benötigt werden, schreiben die
Zahlen der Vorperiode einfach fort. Allerdings ist dann die Aussagekraft limitiert, da die
komplexe Realität oftmals nur unzureichend abgebildet wird. Auf der anderen Seite führen
komplexen Logiken, welche die Mängel der einfachen Prognosen beheben, z. T. zu
Problemen hinsichtlich Benutzerfreundlichkeit und Datenbereitstellbarkeit. Dies ist
insbesondere dann der Fall, wenn viele zusätzliche Informationen zur Prognose benötigt
werden, die in Sonderanalysen zu erheben sind. Wichtig ist wiederum, daß die berechneten
Prognosewerte nicht nur zum Selbstzweck dienen, sondern auch zur Information an die
entsprechenden kundenbearbeitenden Stellen weitergeleitet werden.
Schnittstelle zur Kostenrechnung
Ebenso wie bei einigen bisher diskutierten Funktionalitäten, wie z. B. die
Kundenpotentialanalyse, ist für die Unterstützung der vorgestellten Verfahren eine
Schnittstelle zur Kostenrechung von Vorteil, um effizient auf benötigte Daten zugreifen zu
können.
Verbindung zur Balanced Scorecard
Mit Hilfe der bisher diskutierten Verfahren lassen sich Top-Kennzahlen im Plan und im Ist
bilden, die analog zu den Funktionalitäten des Kundenzufriedenheitsmanagements
Informationen nicht nur für die Ausgestaltung der Marktperspektive, sondern auch für die
finanzwirtschaftliche Perspektive der Balanced Scorecard liefern. Die Balanced Scorecard ist
Anhang D: CRM-Softwarefunktionalitäten
205
ein ganzheitliches Management- und Kennzahlensystem, das nicht-monetäre Ziele über
Ursache-Wirkungs-Beziehungen mit den finanziellen Zielen des Unternehmens verbindet. Als
nicht-monetäre Zielperspektiven werden dazu häufig die Perspektiven Markt/Kunden,
Mitarbeiter und Prozesse eingesetzt. So bietet es sich an, über Workflows eine entsprechende
Schnittstelle zur Balanced Scorecard zu schaffen, sofern diese im Unternehmen eingesetzt
wird.
Visualisierungsmöglichkeiten
Für die Auswertung und Aufbereitung der Verfahrensergebnisse sind die
Visualisierungsmöglichkeiten aufgrund der einfacheren Interpretation von großer Bedeutung.
Da die behandelten Verfahren und resultierenden Ergebnisse in der Regel relativ komplex und
interpretationsbedürftig sind, erleichtert eine graphische Aufbereitung das Verständnis.
206
Literaturverzeichnis
Literaturverzeichnis
[Acke97]
Ackerschott, H.: Strategische Vertriebssteuerung. Gabler-Verlag,
Wiesbaden, 1997.
[Adam83]
Adam, D.: Kurzlehrbuch Planung. 2. überarb. Auflage. Gabler-Verlag,
Wiesbaden 1983.
[Adam93]
Adam, R.: Wer kauft was warum nicht? Gabler-Verlag, Wiesbaden,
1993.
[Adam96]
Adam, D.: Planung und Entscheidung. 4. überarb. Auflage, GablerVerlag, Wiesbaden, 1996.
[Ahle01]
Ahlemeyer-Stubbe, A.: Datenmanagement & CRM. In: Direkt
Marketing, 37. Jg., Heft 7/2000, Seite 26 – 28.
[Alth96/1]
Althoff, K.-D./Aamodt, A.: Zur Analyse fallbasierter Problemlöse- und
Lernmethoden in Abhängigkeit von Charakteristika gegebener
Aufgabenstellungen und Anwendungsdomänen. In: Künstliche
Intelligenz, o. Jg., Heft 1/1996, Seite 10 –15.
[Alth96/2]
Althoff, K.-D./Bartsch-Spörl, B.: Decision Support for Case Based
Applications. In: Wirtschaftsinformatik, o. Jg., Heft 1/1996, Seite 8 –
16.
[Ande98]
Anderson, J. C./Narus, J. A.: Business Marketing: Understand what
Customers Value. In: Harvard Business Review, 76. Jg., Heft 6/1998,
Seite 53 - 65.
[Aris72]
Arisawa, S. u. a.: Optimal Time-Cost Trade-Offs in GERT Networks. In:
Management Science, Seite 589 – 599.
[Back90]
Backhaus, K.: Multivariate Analysemethoden. 6. überarbeitete Auflage,
Springer-Verlag, Berlin, Heidelberg, 1990.
[Back92]
Backhaus, K.: Investitionsgütermarketing. 3. Auflage, Vahlen-Verlag,
München, 1992.
Literaturverzeichnis
207
[Back99/1]
Backhaus, K.: Industriegütermarketing. 6. Auflage, Vahlen-Verlag,
München, 1999.
[Back99/2]
Backhaus,
K./Baumeister,
C.:
Kundenbindung
im
Industriegütermarketing. In: Bruhn, M.; Homburg, C. (Hrsg.):
Handbuch Kundenbindungsmanagement. 2. Aufalge, Wiesbaden, 1999,
S. 301 - 325.
[Bail96]
Bailom, F. u. a.: Das Kano-Modell der Kundenzufriedenheit. In:
Marketing ZFP, 18. Jg., Heft 2/1996, Seite 117 – 126.
[Bald88]
Balderjahn, I.: Die Kreuzvalidierung von Kausalmodellen. In:
Marketing – Zeitschrift für Forschung und Praxis, o. Jg., Heft 1/1988,
Seite 61 – 72.
[Bald93]
Balderjahn, I.: Marktreaktionen von Konsumenten. Band 33, Drucker &
Humblot-Verlag, Berlin, 1993.
[Bank98]
Banks, J.: Principles of Simulation. In: Banks, J. (Hrsg.): Handbook of
Simulation: Principles, Methodology, Advances, Applications and
Practice. New York, Wiley, 1998, Seite 3 – 30.
[Baro95]
Baron, S./Harris, K.: Services Marketing. Macmillan Press Ltd.,
London, 1995.
[Bart82]
Bartsch, H.-J.: Mathematische Formeln.
Fachbuchverlag Leipzig, Leipzig, 1982.
[Barz90]
Barzen, D.: Marketing – Budgetierung. Diss. Siegen, Lang-Verlag,
Frankfurt am Main, 1990.
[Bass74]
Bass, C.: Consumer Behavior. Wiley, New Jork, 1974.
[Bech02]
Bechmann, M.: Erfolsfaktoren des Kundenmanagements. In: Horn,
C./Kölmel, B./Ried, C.: Kundenmanagement im Mittelstand,
dpunkt.verlag, Heildeberg, 2002, Seite 31 – 41.
[Beck98]
Becker, J.: Marketing-Konzeption.
München, 1998.
6.
12.
Auflage,
Auflage,
VEB
Vahlen-Verlag,
208
Literaturverzeichnis
[Behr91]
Behrens, G.: Konsumentenverhalten. 2. Auflage, Physica-Verlag,
Heidelberg, 1991.
[Bere89]
Berekoven, L./Eckert, W./Ellenrieder, P.: Marktforschung. 4. Auflage,
Gabler-Verlag, Wiesbaden, 1989.
[Bere99]
[Berg96]
Berekoven, L./Eckert, W./Ellenrieder, P.: Marktforschung. 8. Auflage,
Gabler-Verlag, Wiesbaden, 1999.
Berger, C. u. a.: Kanos Methods for Understanding Customer-defined
Quality. In: Center for Quality Management Journal, o. Jg., Heft
4/1996, Seite 3 – 36.
[Bern90]
Berndt, R.: Marketing 1. Springer-Verlag, Berlin, Heidelberg, 1990.
[Bern99]
Bernecker, M.: Grundlagen der Betriebswirtschaftslehre. OldenbourgVerlag, München, Wien, 1999.
[Bert91]
Berthel, J.: Personal-Management, Grundzüge für Konzeptionen
betrieblicher Personalarbeit. 3. Auflage, Schäffer-Poeschel-Verlag,
Stuttgart, 1991.
[Bieb98]
Bieberstein, I.: Dienstleistungsmarketing. 2. Auflage, Modernes
Marketing für Studium und Praxis, Ludwigshafen (Rhein), 1998.
[Biet96]
Biethahn
J./Mucksch
H./Ruf
W.:
Ganzheitliches
Informationsmanagement Band I Grundlagen. 4. Auflage, OldenbourgVerlag, München, Wien, 1996.
[Böhm72]
Böhm, F./Hempel, L./Kirchheim, A./Krause, H./Weise, G.:
Mathematische Standardmodelle der Operationsforschung. 2. Auflage,
Verlag Die Wirtschaft, Berlin, 1992.
[Böck86]
Böcker, F.: Präferenzforschung als Mittel marktorientierter
Unternehmensführung.
In:
Schmalenbachs
Zeitschrift
für
betriebswirtschaftliche Forschung, o. Jg. Heft 6/1986, Seite 543 – 574.
[Bona00]
Bonato, R.: Was bringt Customer Realtionship Management? In:
Groupware Magazin, o. Jg., Heft 1/2000, S. 44 – 46.
[Booc94]
Booch, G.: Object Oriented Analysis and Design with Applications. 2.
Auflage, Benjamin/Cummings Pub. Co., Redwood City, 1994.
Literaturverzeichnis
209
[Boll83]
Bollmann, P.: So werden strategische Pläne in Budgets umgesetzt, in:
Management Zeitschrift, 52. Jg., Heft 6/83, Seite 217 – 219.
[Bran87]
Brandt, D. R.: A Procedure for Identifying Value-Enhancing Service
Components Using Customer Satisfaction Survey data. In: Suprenant C.
(Hrsg.): Add Value to your Service: The Key to Success. Redcliff, San
Diego, 1987.
[Bran90]
Brand, D.: Der Transaktionskostenansatz in der betriebswirtschaftlichen
Organisationstheorie. Frankfurt a. M., u. a., 1990.
[Brau97]
Braun, B.: Risikoanalyse einer Erfolgsprognose mit einem
Tabellenkalkulationsprogramm. In: Das Wirtschaftsstudium wisu, o.
Jg., Heft 12/1997, Seite 1153 – 1160.
[Brin97]
Brinker, D.: Untersuchung zu Einsatz und Konsequenzen von
Multimediakonzepten
in
Geschäftsprozessen
und
Workflowmanagement-Systemen. Tectum, Marburg, 1997.
[Brin98]
Brinkmann, T.: Servicepolitik als Mittel zur Erhöhung der
Kundenzufriedenheit und –bindung in Banken. Lang-Verlag, Frankfurt
am Main, 1998.
[Bron91]
Bronstein, I. N./Semendjajew, K. A.: Taschenbuch der Mathematik. 25.
Auflage, B. G. Teubner Verlagsgesellschaft, Leipzig u. a., 1991.
[Bros89]
Brosius, G.: SPSS/PC+ Advanced Statistics und Tables. SpringerVerlag, Hamburg, 1989.
[Bruh82]
Bruhn, M.: Konsumentenzufriedenheit und Beschwerden. Lang-Verlag,
Frankfurt am Main, 1982.
[Bruh85]
Bruhn, M.: Konsumentenzufriedenheit und Beschwerden. In: wisu, Heft
4/1984, Seite 300 – 307.
[Bruh99]
Bruhn,
M./Georgi,
D.:
Wirtschaftlichkeit
des
Kundenbindungsmanagements. In: Bruhn, M.; Homburg, C. (Hrsg.):
Handbuch Kundenbindungsmanagement. 2. Aufalge, Wiesbaden, 1999,
S. 411 - 442.
210
Literaturverzeichnis
[Bunk92]
Bunk, B.: Fluktuation minimieren – Was Kunden bindet. In:
Absatzwirtschaft, 35. Jg., Heft 4/1992, Seite 36 – 47.
[Büsc95]
Büschken, J.: Multipersonale Kaufentscheidungen: Empirische
Analysen zur Operationalisierung von Einflußbeziehungen im Buying
Center. Gabler-Verlag, Wiesbaden, 1994.
Chamoni, P.: Ausgewählte Verfahren des Data Mining. In: Chamoni,
P./Gluchowski, P. (Hrsg.): Analytische Informationssysteme. SpringerVerlag, Berlin, Heidelberg, 1998, Seite 301 –320.
[Cham98]
[Chof78]
Choffray, J.-M./Lilien, G. L.: Assessing Response to Industrial
Marketing Strategy. In: Journal of Marketing, 42. Jg., Heft 2/1978,
Seite 20 - 31.
[Coen97]
Coenenberg, A. G.: Kostenrechnung und Kostenanalyse. 3. Auflage,
Verlag Moderne Industrie, Landsberg am Lech, 1997.
[Cons65]
Constable, G. E.: The relevance of advanced networks to research and
development. In: Operations Research Study Group. Redcliff,
Eaglewood Cliffs 1965, Seite 2 – 20.
[Corn00]
Cornelsen, J.: Kundenwertanalysen im Beziehungsmarketing. Nürnberg
2000.
[Corn01]
Cornelsen, J.: Kundenbewertung mit Referenzwerte. In: Günter,
B./Helm, S. (Hrsg.): Kundenwert: Grundlagen - Innovative Konzepte Praktische Umsetzungen, Gabler-Verlag, Wiesbaden 2001, Seite 155 187.
[Cors99]
Corsten, H./Reiß, M.: Betriebswirtschaft. 3. Auflage, OldenbourgVerlag, München, 1999.
[Dang95]
Dangelmaier, W./Warnecke, H. J.: Modell der Fertigungslenkung.
Springer-Verlag, Berlin, u. a., 1995.
[Dang97]
Dangelmaier, W./Warnecke, H. J.: Fertigungslenkung. Springer-Verlag,
Berlin, Heidelberg, 1997.
Literaturverzeichnis
211
[Dang00]
Dangelmaier, W./Helmke, S.: Gestaltung eines Informationsmodells für
ein prozeßorientiertes Kundenbindungsmanagement. In: Schmidt H.
(Hrsg.): Modellierung betrieblicher Informationssysteme, Proceeding
der MobIS - Fachtagung 2000, Universität Siegen, GI-Verlag, Siegen,
2000.
[Dang01]
Dangelmaier, W./Helmke, S./Uebel M.: Trends im Customer
Relationship Management (CRM). In: Trend 2001, Jahrbuch der
Zeitschrift Database Marketing, Ettlingen, 2000, Seite 5 – 8.
[Dang02]
Dangelmaier, W./Uebel, M./Helmke, S.: Grundrahmen des Customer
Relationship Management-Ansatzes. In: Uebel, M./Helmke,
S./Dangelmaier, W. (Hrsg.): Praxis des Customer Relationship
Management, Gabler-Verlag, Wiesbaden 2002, Seite 3 – 16.
[Däum91]
Däumler, K.-D./Grabe, J.: Kostenrechnung I. 5. Auflage, Neue
Wirtschaftsbriefe, Herne, 1991.
[Demu00]
Demuth, A.: Das strategische Management der Unternehmensmarke.
In: Markenartikel, o. Jg., Heft 1/2000, Seite 14 – 23.
[Deso92]
DeSouza, G.: Designing a Customer Retention Plan. In: Journal of
Business Strategy, 13. Jg., Heft 2/1996, Seite 24 – 29.
[Dich96]
Dichtl, E./Peter, S.: Kundenzufriednheit und Kundenbindung in der
Automobilindustrie – Ergebnisse einer empirischen Untersuchung. In:
Bauer,
H.
H./Dichtl,
E./Herrmann,
A.
(Hrsg.):
Automobilmarktfoschung – Nutzenorientierung von PKW-Herstellern,
Vahlen-Verlag, München 1996, Seite 14 – 31.
[Died89]
Diederich, H.: Allgemeine Betriebswirtschaftslehre. 6. Auflage,
Kohlhammer-Verlag, Stuttgart u. a., 1989.
[Dien98]
Dienes, M.: Bindungsprogramme für loyale Kunden. In: acquisa, o. Jg.,
Heft 9/1999, Seite 74 – 76.
[Dill92]
Diller, H.: Kunde. In: Diller, H. (Hrsg.): Vahlens großes
Marketing Lexikon, Vahlen-Verlag, München, 1992, Seite 583.
[Dill96]
Diller, H.: Kundenbindung als Marketingziel. In: Marketing ZFP, 18.
Jg., Heft 2/1996, Seite 81 – 94.
212
Literaturverzeichnis
[Dres99]
Dresselhaus, D.: Kundenbindung in der Automobilbranche: Das
Kundnebindungssystem der Dr. Ing. h. c. F. Porsche AG. In: Bruhn,
M./Homburg, C.: Handbuch Kundenbindungsmanagement. 2. Auflage,
Gabler-Verlag, Wiesbaden 1999, Seite 655 – 674.
[Dros97]
Drosten, M./Krüwer, T.: Kundenzufriedenheit – Knack-punkte und
Konzepte – von Alptraumland ins Traumland? In: Absatzwirtschaft, 40.
Jg., Heft 2/1997, Seite 30 – 37.
[Dude97]
Dudenhöffer, F.: Was tun, wenn Produkthelden sterben? In:
Harvard Business Manager, 19. Jg., Heft 3/1997, Seite 101 – 108.
[Düsi98]
Düsing, R.: Knowledge Discovery in Data Bases and Data Mining. In:
Chamoni, P.; Gluchowski, P. (Hrsg.): Analytische Informationssysteme.
Springer-Verlag, Berlin, 1998, Seite 339 – 354.
[Düsi00]
Düsing,
R.:
Knowledge
Discovery
in
Databases.
Wirtschaftsinformatik, o. Jg., Heft 1/2000, Seite 74 –75.
[Egge99]
Eggert, A.: Kundenbindung
Wiesbaden 1999.
[Egge00]
Eggert, A./Helm, S.: Determinanten der Weiterempfehlung:
Kundenzufriedenheit oder Kundenbindung? In: Der Markt, 39 Jg., Heft
2/2000, Seite 63 – 72.
[Egge01]
Eggert, A./Fassott, G.: Electronic Customer Relationship Management.
Schäffer-Poeschel-Verlag, Stuttgart, 2001.
[Egge02]
Eggert, A.: Kundencenter als Instrument der Kundenbindung. In:
Helmke S./Uebel, M./Dangelmaier W. (Hrsg.): Effektives Customer
Relationship Management. 2. Auflage, Gabler-Verlag, Wiesbaden,
2002, Seite 133 – 154.
[Ende99]
Enders, A./Fromme, H.: C Customer Relationship ManagementSoftware – der Integration gehört die Zukunft. In: CAS-Report,
salesprofi, o. Jg., Sonderheft, 1999, Seite 22 – 26.
[Evan95]
Evans, A.-H.: Risiko besser im Griff – Bewertung gewerblicher
Immobilien durch die Monte-Carlo-Methode. In: Hamburger
Wirtschaft, o. Jg., Heft 9/1995, Seite 34 – 36.
aus
Kundensicht.
In:
Gabler-Verlag,
Literaturverzeichnis
213
[Ever93]
Everitt, B. S.: Cluster Analysis. 3. Auflage, Arnold, London u. a., 1993.
[Fers93]
Ferstl, O. K./Sinz, E. J.: Grundlagen der Wirtschaftsinformatik.
Oldenbourg-Verlag, München, Wien, 1993.
Fillon, M.: Keep on Trucking. In: Sales & Marketing Management, o.
Jg., Heft 6/1995, Seite 17 – 23.
[Fill95]
[Fish67]
Fishbein, M.: A Behavior Theory: Approach to the Relations between
Beliefs about an Object and the Attitude toward the Object. In: Fishbein
M.(Hrsg.): Readings in Attitude Theory and Measurement. John Wiley
& Sons Inc., New York, 1967.
[Fish87]
Fisher, D. H.: Knowledge Acquisition Via Incremental Conceptual
Clustering. Redcliff, New York, u. a., 1987.
[Forn92]
Fornell, C.: A National Customer Satisfaction Barometer: The Swedish
Experience. In: Journal of Marketing, 56. Jg., Heft 1/1992, Seite 6 – 21.
[Forn96]
Fornell, C./Johnson, M. D./Anderson, W./Cha, J./Everitt Bryant, B.:
The American Customer Satisfaction Index: Nature, Purpose and
Findings. In: Journal of Marketing, 60. Jg., Heft 10/1996, Seite 7 – 18.
[Foxa94]
Foxall, G. R./Goldsmith, R.: Consumer Psychology for Marketing.
Routledge-Verlag, London, 1994.
[Frei97]
Freidank, C. C.: Kostenrechnung. 6. Auflage, Oldenbourg-Verlag,
München, 1997.
[Fret77]
Freter, H.: Interpretation und Aussagewert mehrdimensionaler
Einstellungsmodelle im Marketing. In: Meffert, H./Steffenhagen,
H./Freter, H./Bruhn, M. (Hrsg.): Konsumentenverhalten und
Information, Gabler-Verlag, Wiesbaden, 1977, Seite 162 – 184.
[Fret83]
Freter, H.: Marktsegmentierung. Kohlhammer-Verlag, Stuttgart, 1983.
[Fret87]
Freter, H.: Aussagewert ökonometrischer Modellierungen für die
Werbebudgetierung – dargestellt am Beispiel pharmazeutischer
Erzeugnisse. In: Freter, H. (Hrsg.): Ausgewählte Beiträge, Siegen 1987,
Seite 137 – 151.
214
Literaturverzeichnis
[Gal87]
Gal, T.: Grundlagen des Operations Research. Springer-Verlag, Berlin,
Heidelberg, 1987.
[Gall00}
Gall, H./Michael, J.: Strategisches CRM bei der Deutschen Post AG. In:
IM - Die Fachzeitschrift für Informationsmanagement + Consulting, 15.
Jg., Heft 1/2000, Seite 56 – 60.
[Gaul90]
Gaul, W./Both, M.: Computergestütztes Marketing. Springer-Verlag,
Berlin, Heidelberg, 1990.
[Gent02]
Gentsch, P.: Potentiale des CRM im Internet: eMarketing und
Personalisierung in der Praxis. In: Uebel, M./Helmke, S./Dangelmaier,
W. (Hrsg.): Praxis des Customer Relationship Management, GablerVerlag, Wiesbaden 2002, Seite 111 – 134.
[Gier93]
Gierl, H./Sippler, H.: Zufriedenheit mit dem Kundendienst. In: Jahrbuch
für Absatz und Verbraucherforschung, 39. Jg, 1993, Seite 239 – 259.
[Good87]
Goodman, J. A./Malech, A. R./Marra, T. R.: Beschwerdepolitik unter
Kosten-/Nutzengeschichtspunkten, Lernmöglichkeiten aus den USA. In:
Hansen, U./Schoenheit, I. (Hrsg.): Verbraucherzufriedenheit und
Beschwerdeverhalten. Springer-Verlag, Frankfurt am Main, New Jork
1987, Seite 165 – 202.
[Good90]
Goodwin, C./Ross, I.: Consumer Evaluations of Responses to
Complaints: What´s Fair and Why. In: Journal of Service Marketing, 4.
Jg., Heft 3/1990, Seite 53 – 61.
[Görz95]
Görz, G.: Einführung in die künstliche Intelligenz. Addison-Wesley,
Bonn, 1995.
[Gran94]
Grant, R. W./Shani, R./Krishnan, R.: TQM´s Challenge to Management
Theory and Practice. In: Sloan Management Review, 35. Jg., Heft
4/1994, Seite 25 – 48.
[Grim98]
Grimmer, U./Mucha, H.-J.: Datensegmentierung mittels Clusteranalyse.
In: Nakhaeizadeh G. (Hrsg.): Data Mining. Theoretische Aspekte und
Anwendungen. Physica-Verlag, Heidelberg, 1998, Seite 109 – 141.
Literaturverzeichnis
215
[Grup99]
Grupe, C.: Kundenbindung in der Automobilbranche: Das Quality
Network-Vertriebssystem der Adam Opel AG. In: Bruhn, M./Homburg,
C.: Handbuch Kundenbindungsmanagement. 2. Auflage, GablerVerlag, Wiesbaden 1999, Seite 637 – 658.
[Güc01]
Güc, A..: CRM lernt laufen. In: Groupware Magazin, o. Jg., Heft
5/2001, S. 44 – 45.
[Günt92]
Günter, B./Platzek, T.: Management von Kundenzufriedenheit – Zur
Gestaltung des After-Sales-Netzwerkes. In: Marktforschung &
Management, o. Jg., Heft 3/1992, Seite 109 – 114.
[Günt01]
Günter, B.; Helm, S.: Kundenwert - eine Einführung in die
theoretischen und die praktischen Herausforderungen der Bewertung
von Kundenbeziehungen. In: Günter, B./Helm, S. (Hrsg.): Kundenwert:
Grundlagen - Innovative Konzepte - Praktische Umsetzungen, GablerVerlag, Wiesbaden, 2001, Seite 3 - 35.
[Gute76]
Gutenberg, E.: Grundlagen der Betriebswirtschaftzslehre. 15. Auflage,
Band II, Der Absatz, Berlin, u. a., 1976.
[Haag92]
Haag, J.: Kundendeckungsbeitragsrechnungen – ein Prüfstein des KeyAccount-Managements. In Die Betriebswirtschaft, 52. Jg., 1992, Seite
25 – 39.
[Habe97]
Haberstock, L./Breithecker V.: Kostenrechnung I. 9. Auflage, E.
Schmidt-Verlag, Bielefeld, 1997.
[Hans95]
Hansen
U./Jeschke
K.:
Beschwerdemanagement
für
Dienstleistungsunternehmen – Beispiel des Kfz-Handels. In: Bruhn
M./Stauss B. (Hrsg.): Dienstleistungsqualität. 2. Auflage, GablerVerlag, Wiesbaden 1995, Seite 525 – 550.
[Hamm89]
Hammond, K. J.: Case Based Planning. Redcliff, Boston, 1989.
[Hans87]
Hansen,
U./Schoenheit,
I.:
Verbraucherzufriedenheit
und
Beschwerdeverhalten. Campus-Verlag, Frankfurt, New Jork, 1987.
216
Literaturverzeichnis
[Hans02]
Hanser, P.: CRM-Einführung bei GEHE – eine Fallstudie. In: Wilde, K.
D./Hippner, H. (Hrsg.): CRM 2002 - Customer Relationship
Management, Verlagsgruppe Handelsgruppe, Düsseldorf, 2002, Seite
91 – 93.
[Harm02]
Harms, V.: Angebot von Kundendiesntleistungen. In: Pepels, W.
(Hrsg.): Handbuch Vertrieb, Hanser-Verlag, München, Wien, 2002,
Seite 411 – 435.
[Hart91]
Hart, C. W. L./Heskett, J. L./Sasser, W. E.: Wie Sie aus Pannen Profit
ziehen. In: Harvard Business Manager, 13. Jg., Heft 1/1991, Seite 128 –
138.
[Hart02]
Hartmannsgruber, M.: Gestaltung des Implementierungsprozesses für
Customer Relationship Management bei der FESTO AG & Co. In:
Uebel, M./Helmke, S./Dangelmaier, W. (Hrsg.): Praxis des Customer
Relationship Management, Gabler-Verlag, Wiesbaden 2002, Seite 249
– 266.
[Hass82]
Hassmann, F.: Quantitative Betriebswirtschaftslehre. 4. Auflage,
Oldenbourg-Verlag, München, u. a., 1982.
[Hass99]
Hassmann, V.: Knappe Zeit optimal einsetzen. In: Sales Profi, o. Jg.
Heft 7/1999, Seite 20 – 23.
[Haue97]
Hauer,
C./Lühring,
N./Dresen,
H.:
Servicequalität
und
Kundenzufriedenheit – Ansätze zur Operationalisierung. In: Wicher, H.
(Hrsg.): Betriebliches Qualitätsmanagement. Verlag an der Lottbek,
Ammersbeck bei Hamburg, 1997, Seite 223- 251.
[Heil94]
Heilmann, H.: Workflow Management – Integration von Organisation
und Informationsverarbeitung. In: HMD Handbuch der modernen
Datenverarbeitung, o. Jg., Heft 176/1994, Seite 8 – 21.
[Helm98]
Helmke, J.: Aufbau eines Modells zur Gestaltung unternehmensweiter
Informationssysteme. Diss. Hamburg, Lang-Verlag, Frankfurt am Main,
u. a., 1998.
[Helm00/1]
Helmke, S.: CRM-Systeme Quo vadis? In: CRM-Report, salesprofi, o.
Jg., Sonderheft, 2000, Seite 36 – 39.
Literaturverzeichnis
217
[Helm00/2]
Helmke, S.: Höhere Reagibiltät im Kundenmanagemnt durch CRMSysteme. In: Dangelmaier, W./Felser, W. (Hrsg): Das reagible
Unternehmen, ALB-HNI-Verlagsschriftenreihe, Paderborn, 2000, Seite
163 - 172.
[Helm01/1]
Helmke, S./Dangelmaier, W.: Marktspiegel Customer Relationship
Management - Anbieter von CRM-Software im Vergleich. GablerVerlag, Wiesbaden, 2001.
[Helm01/2]
Helmke, S./Dangelmaier, W.: CRM-Audit – Grundstein für eine
erfolgreiche Einführung von CRM. In: Helmke S./Dangelmaier W.
(Hrsg.): Effektives Customer Relationship Management. GablerVerlag, Wiesbaden, 2001, Seite 279 – 290.
[Helm01/3]
Helmke, S./Dangelmaier, W.: Change Managemenet für den
erfolgreichen Roll Out von CRM-Systemen. In: Helmke S./Dangelmaier
W. (Hrsg.): Effektives Customer Relationship Management. GablerVerlag, Wiesbaden, 2001, Seite 291 – 302.
[Helm01/4]
Helmke, S./Bernecker, M.: Kundenmanagement – Organisation. In:
Pepels W.(Hrsg.): Organisationsgestaltung in marktorientierten
Unternehmen. Sauer-Verlag, Heidelberg, 2001, Seite 109 – 125.
[Henk93]
Henkel, H. O.: Die Dienstleistung – wichtiger als das Produkt? In:
Simon, H. (Hrsg.): Industrielle Dienstleistungen. Schäffer-PoeschelVerlag, Stuttgart, 1993, Seite 41 – 50.
[Henn01]
Hennig-Thurau, T./Hansen, U.: Relationship Management – Some
Reflections on the State-of-the-Art of the Relational Concept. In:
Hennig-Thurau, T./Hansen, U. (Hrsg.): Relationship Marketing:
Gaining Competitive Advantage Through Customer Satisfaction and
Customer Retention, Springer-Verlag, Berlin u. a., 2001.
[Hent90]
Hentschel, B.: Die Messung wahrgenommener Dienstleistungsqualität
mit SERVQUAL. Eine kritische Auseinandersetzung. In: Marketing
ZFP, 12. Jg., Heft 4/1990, S. 230 – 240.
[Herr97/1]
Herrmann, J.: Maschinelles Lernen und Wissensbasierte Systeme.
Springer-Verlag, Berlin, Heidelberg, 1997.
218
Literaturverzeichnis
[Herr97/2]
Herrmann, A. u. a.: An Introduction to Quality, Satisfaction and
retention. In: Johnson M. D. (Hrsg.): Customer Terention in the
Automotive Industry. Gabler-Verlag, Wiesbaden, 1997, Seite 1 – 18.
[Herr98]
Herrmann, A.: Produktmanagement. Vahlen-Verlag, München, 1998.
[Herr99]
Herrmann, A./Homburg,
Wiesbaden, 1999.
[Hert64]
Hertz, D. B.: Risk Analysis in Capital Investment. In: Harvard Business
Review, 5. Jg., Heft 1/1964, Seite 95 – 108.
[Herz99]
Herzog, E./Zehetner, K.: Prozessorientiertes Controlling des
Vertriebes. In: Kostenrechnungs-Praxis KRP, o. Jg., Heft 5/1999, Seite
288 – 293.
[Hesk94]
Heskett, J. L./Jones, T. O./Loveman, G. W./Sasser, W. E./Schlesinger,
L. A.: Dienstleister müssen die ganze Service-Gewinn-Kette nutzen. In:
Harvard Business Manager, 15. Jg., Heft 4/1994, Seite 50 – 61.
[Hilk89]
Hilk, W.: Grundprobleme und Entwicklungstendenzen des
Dienstleistungs-Marketing In: SzU, Dienstleistung – Marketing. Band
35, Gabler-Verlag, Wiesbaden, 1989, Seite 5 – 44.
[Hint97]
Hinterhuber, H. H.: Kundenzufriedenheit durch Kernkompetenzen.
Hanser-Verlag, München, 1997.
[Hint99]
Hinterwimmer, P.: Kundenbindung im Industriegüterbereich: Das
Beispiel der KRONES AG. In: Bruhn, M./Homburg, C.: Handbuch
Kundenbindungsmanagement. 2. Auflage, Gabler-Verlag, Wiesbaden
1999, Seite 735 – 754.
[Hipp01]
Hippner, H./Wilde, K.: Data Mining im CRM. In: Helmke
S./Dangelmaier W.(Hrsg.): Effektives Customer Relationship
Management. Gabler-Verlag, Wiesbaden, 2001, Seite 211 – 232.
[Hipp98]
Hippner, H./Meyer, M./Wilde, K. D.: Computer Based Marketing.
Vieweg & Sohn-Verlag, Braunschweig, Wiesbaden, 1998.
[Hoch91]
Hochstädter, D.: Statistische Methodenlehre. Harri Deutsch-Verlag,
Frankfurt am Main, 1991.
C.:
Marktforschung.
Gabler-Verlag,
Literaturverzeichnis
219
[Hoff91]
Hoffmann, A.: Die Erfolgskontrolle von Beschwerde-managementSystemen. Lang-Verlag, Frankfurt am Main, u. a., 1991.
[Holl02]
Holland, H.: CRM bei der Lufthansa Systems Group. In: Uebel,
M./Helmke, S./Dangelmaier, W. (Hrsg.): Praxis des Customer
Relationship Management, Gabler-Verlag, Wiesbaden 2002, Seite 227
– 242.
[Homb90]
Homburg, C./Sütterlin, S.: Kausalmodelle in der Marketingforschung.
In: Marketing – Zeitschrift für Forschung und Praxis, o. Jg., III Quartal,
Heft 3/1990, Seite 181 – 191.
[Homb92]
Homburg, C.: Die Kausalanalyse – Eine Einführung. In: WiSt
Wirtschaftswissenschaftliches Studium, o. Jg., Heft 10/1992, Seite 499
– 508.
[Homb95]
Homburg, C./Rudolph, B.: Wie zufrieden sind Ihre Kunden tatsächlich?
In: Harvard Business Manager, 17. Jg., Heft 1/1995, Seite 43 – 50.
Homburg, C./Garbe, B.: Industrielle Dienstleistungen – lukrativ, aber
schwer zu meistern. In: Harvard Business Manager, 18. Jg., Heft
1/1995, Seite 68 – 75.
[Homb96]
[Homb97/1]
Homburg, C./Daum, D.: Marktorientiertes Kostenmanagement. FAZVerlag, Frankfurt am Main, 1997.
[Homb97/2]
Homburg, C./Daum, D.: Die Kundenstruktur als Controllingherausforderung. In: Controlling, 9. Jg., Heft 6/1997, Seite 394 - 405.
[Homb98]
Homburg, C./Rudolph, B.: Theoretische Perspektiven zur
Kundenzufriedenheit. In: Simon H., Homburg C. (Hrsg.):
Kundenzufriedenheit – Konzepte, Methoden, Erfahrungen. 3. Auflage,
Gabler-Verlag, Wiesbaden 1998, Seite 31 – 54.
[Homb99/2]
Homburg, C./Giering, A./Hentschel, F.: Der Zusammenhang zwischen
Kundenzufriedenheit und Kundenbindung. In: Bruhn, M./Homburg, C.:
Handbuch Kundenbindungsmanagement. 2. Auflage, Gabler-Verlag,
Wiesbaden 1999, Seite 81 – 112.
220
Literaturverzeichnis
[Homb99/3]
Homburg,
C./Werner,
H.:
Kundenverständnis
über
die
Kundenzufriedenheit hinaus. In: Kundenorientierung von Banken.
Frankfurt, 1999, Seite 348 – 364.
[Hopp01]
Hopp, H.: Prozeßgestaltung in marktorientierten Dienstleistungsunternehmen. In: Pepels W.(Hrsg.): Organisationsgestaltung in
marktorientierten Unternehmen. Sauer-Verlag, Heidelberg, 2001, Seite
212 – 233.
[Horv93/1]
Horvath, P./Reichmann, T.: Vahlens Großes Controllinglexikon –
Budgetierung. Beck-Verlag, Vahlen-Verlag, München, 1993, Seite 87 –
88.
[Horv93/2]
Horvath, P./Reichmann, T.: Vahlens Großes Controllinglexikon –
Simulations-Modelle. Beck-Verlag, Vahlen-Verlag, München, 1993,
Seite 573 – 574.
[Hors98/1]
Horstmann, R.: The Customer-Oriented Marketing Apporach at Krupp.
In: Thexis, 15. Jg., Heft 4/1998, Seite 50 – 53.
[Hors98/2]
Horstmann, R.: Führt Kundenzufriedenheit zur Kundenbindung? In:
Absatzwirtschaft, 41. Jg., Heft 9/1998, Seite 90 – 94.
[Horv86]
Horvarth, P./Dembowski, J./Posselt, S./Schimank, C.: Budgetierung in
industriellen
Großunternehmen.
In:
Zeitschrift
für
Betriebswirtschaftslehre ZfB, 56 Jg., Heft 1/1986, Seite 24 – 39.
[Horv98]
Horvath, P.: Controlling. 7. vollst. überarbeitete Auflage, VahlenVerlag, München, 1998.
[Humm86]
Hummel, S./Männel, W.: Kostenrechnung 1: Grundlagen, Aufbau und
Anwendung. 4. Auflage, Wiesbaden, 1986.
[gHumm86]
Hummel, H. J.: Kausalanalyse – Techniken der empirischen
Sozialforschung. Oldenbourg-Verlag, München, 1986.
[Hütt89]
Hüttner, M.: Grundzüge der Marktforschung. 4. Auflage, Walter de
Gruyter-Verlag, Berlin, 1989.
[Hütt94]
Hüttner, M./Pingel A./Schwarting U.: Marketing – Management.
Oldenbourg-Verlag, München, Wien, 1994.
Literaturverzeichnis
221
[John98]
Johnson, M. D.: Customer Orientation and Market Action. Redcliff,
New Jersey, 1998.
[Jone95]
Jones, T./Sasser, W. E.: Why satisfied customers defect. In: Harvard
Business Review, Heft 6/1995, Seite 88 – 99.
Jost, W.: Das ARIS-Toolset: Eine neue Generation von ReengineeringWerkzeugen. In: Scheer A.W. (Hrsg.): Prozessorientierte
Unternehmensmodellierung. Gabler- Verlag, Wiesbaden, 1994, Seite 77
– 100.
[Jost94]
[Kade02]
Kade,
T.
S.: Mehr
Durchblick
im CRM-Zeitalter
–
Produktivitätssteigerungen mit analytischem CRM. In: Uebel,
M./Helmke, S./Dangelmaier, W. (Hrsg.): Praxis des Customer
Relationship Management, Gabler-Verlag, Wiesbaden 2002, Seite 73 100..
[Kano93]
Kano, N.: A Perspective on Quality Activities in American Firms. In:
California Management Review, 35. Jg., Frühjahr 1993, Seite 12 – 31.
[Kano94]
Kano, N. u. a.: Attractive Quality and Must-BE Quality. In: The Journal
of the Japanese Society for Qualiy Control, 14. Jg., Heft 2/1994, Seite
39 – 48.
[Kapl97]
Kaplan, R. S:/Norton, D. P.: The Balanced Scorecard- Strategien
erfolgreich umsetzen. Verlagsgruppe Handelsblatt, Stuttgart, 1997.
[Karg99]
Kargl, H.: DV-Controlling. 4. unwesentl. veränd. Auflage, OldenbourgVerlag, München, Wien, 1999.
[Karl95]
Karl, R.: Qual der Wahl. In: Business Computing, o. Jg., Heft 7/1995,
Seite 36 – 38.
[Kehl00}
Kehl, R. E.: Kundenzufriedenheit als wichtiger Erfolgsmaßtab für
CRM-Prozesse.
In:
IM
–
Die
Fachzeitschrift
für
Informationsmanagement + Consulting, 15. Jg., Heft 1/2000, Seite 61 –
67.
[King95]
King, B.: Designing Products and Services that Customers Want.
Blackwell Business, Portland 1995.
222
Literaturverzeichnis
[Klau65]
Klaus, D.: Philosophisches Wörterbuch, VEB-Verlag, Leipzig, 1965.
[Klei97]
Kleinaltenkamp, M.: Geschäftsbeziehungsmanagement.
Verlag, Berlin, Heidelberg, 1997.
[Klei02]
Klein, C.: Nugget oder Nippes? Auf der Suche nach verborgenen
Datenschätzen. In: Wilde, K. D./Hippner, H. (Hrsg.): CRM 2002 Customer Relationship Management, Verlagsgruppe Handelsgruppe,
Düsseldorf, 2002, Seite 79 – 81.
[Klein97]
Kleinaltenkamp, M., Plinke, W.: Dienstleistungsmarketing. SpringerVerlag, Berlin u. a., 1997.
[Klim95]
Klimakowitz, E. V.: Strategische Führungsinformations-systeme. In:
Grimm U./Sokolowsky P. (Hrsg.): Strategische Führungssysteme.
Gabler-Verlag, Wiesbaden 1995, Seite 51 – 72.
[Koch92]
Koch J.: Kosten- und Leistungsrechnung. 5. Auflage, OldenbourgVerlag, München, 1992.
[Kolb95]
Kolberg, M.: Betriebswirtschaftliche Formeln und Verfahren. LangVerlag, Haar bei München, 1995.
[Kolo93]
Kolodner, J.: Case Based Reasoning. Morgan Kaufmann Publishers
Inc., San Mateo, 1993.
[Kopp97]
Koppelmann, U.: Marketing – Einführung in die Entscheidungsprobleme
des Absatzes und der Beschaffung. 5. Auflage, Werner-Verlag,
Düsseldorf, 1997.
[Kopp01]
Koppelmann, U.: Produktmarketing – Entwicklungsgrundlagen für
Produktmanager. 6. überarb. und erw. Auflage, Springer-Verlag, Berlin,
Heidelberg, 2001.
[Kord79]
Kordina-Hildebrandt, I.: Planung bei steigender Unsicherheit des
Managements. Bern, 1979.
[Kotl72]
Kotler, P.: A Generic Concept of Marketing. In: Journal of
Marketing, 36. Jg., Heft: 2/1972, Seiten 46 - 54.
Springer-
Literaturverzeichnis
223
[Kotl82]
Kotler, P.: Marketing – Management, 4. Auflage, Schäffer- PoeschelVerlag, Stuttgart, 1982.
[Kotl97]
Kotler, P.: Marketing – Management. 9. Auflage, Schäffer-PoeschelVerlag, Stuttgart, 1997.
[Köhl99/1]
Köhler, R.: Kundenorientiertes Rechnungswesen als Voraussetzung des
Kundenbindungsmanagements. In: Bruhn M./Homburg C.(Hrsg.):
Handbuch Kundenbindungsmanagement. 2. Auflage, Gabler-Verlag,
Wiesbaden, 1999, Seite 329 – 357.
[Köhl99/2]
Köhler, R./Zimmermann, H. J.: Entscheidungshilfen im Marketing.
Schäffer-Poeschel-Verlag, Stuttgart, 1999.
[Krah99]
Krah, E.-S.: Kontakte knüpfen ohne Druck. In: salesprofi, o. Jg., Heft
9/1999, Seite 62 – 64.
[Krei91]
Kreikebaum, H.: Strategische Unternehmensplanung. 4. Auflage,
Kohlhammer-Verlag, Stuttgart, u. a., 1991.
[Kruc00]
Kruczynski, K./Klickermann, R.: Kundenkontakt und Kundenmessung.
In: eCRM, 1. Jg., Heft 9/2000, Seite 18 – 23.
[Krüg00]
Krüger-Strohmayer,
S.:
Profitabilitätsorientierte
Kundenbindung durch Zufriedenheitsmanagement, FGM-Verlag, Diss.
München, München, 2000.
[Kräm99]
Krämer,
A./Wilger,
G.:
Messung
von
vielschichtigen
Kundenpräferenzen mittels Conjoint Measurement. In: Planung &
Analyse, o. Jg., Heft 5/1999, Seite 50 – 56.
[Kraf01]
Krafft, M.: Kundenbindung
Heildelberg, 2001.
[Kric97]
Kricsfalassy, A.: Kundenorientierung = Mitarbeiterorientierung?! In:
Zeitschrift Führung + Organisation, 66 Jg., Heft 2/1997, Seite 99 –103.
[Kroe92]
Kroebel-Riel, W.: Konsumentenverhalten. 5. Auflage, Vahlen-Verlag,
München, 1992.
und
Kundenwert.
Physica-Verlag,
224
Literaturverzeichnis
[Küpp97]
Küpper, H.-U.: Controlling. 2. aktualisierte und erw. Auflage, SchäfferPoeschel-Verlag, Stuttgart, 1997.
[Küpp99]
Küppers, B.: Data Mining in der Praxis. Ein Ansatz zur Nutzung der
Potentiale von Data Mining im betrieblichen Umfeld. Diss., Graz, 1999.
[Laak96]
Laakmann, K.: Value-Added Services – Ausgestaltungsformen und
Wirkungen. In: Meyer A. (Hrsg.): Grundsatzfragen und
Herausforderungen des Dienstleistungsmarketing. Gabler-Verlag,
Wiesbaden, 1996, Seite 125 – 156.
[Lack98]
Lackes, R. u. a.: Data Mining in der Marktforschung. In: Hippner H. u.
a. (Hrsg.): Computer Based Marketing. Vieweg-Verlag, Braunschweig,
u. a., 1998.
[Laug98]
Laughery, R./Plott, B./Scott-Nash, S.: Simulation of Service Systems.
In: Banks J. (Hrsg.): Handbook of Simulation: principles, methodology,
advances, applications and practice. John Wiley and Sons, New York,
Wiley, 1998, Seite 629 – 644.
[Lebo86]
Lebowitz, M.: Integrated Learning: Controlling Explanation. In
Cognitive Science, 10 (2), 1986, Seite 219 – 240.
[Lehn95]
Lehn, J./Rettig ,S.: Deterministischer Zufall. In: Braitenberg, V.; Hosp,
I. (Hrsg.): Computer zwischen Experiment und Theorie. RowohltVerlag, Reinbek 1995, Seite 56 – 79.
[Lieb95]
Liebl, F.: Simulation: problemorientierte Einführung. 2. überarb.
Auflage, Oldenbourg-Verlag, München, Wien, 1995.
[Link94]
Link J./Hildebrand V.: Verbreitung und Einsatz des Database
Marketing und CAS. Vahlen-Verlag, München, 1994.
[Link95]
Link, J.: Führungssysteme: Strategische Herausforderung für
Organisation, Controlling und Personalwesen, Vahlen-Verlag,
München 1995.
[Ling91]
Lingenfeld, M./Schneider, W.: Die Zufriedenheit von Kunden – Ein
Marketingziel? In: Marktforschung & Management, o. Jg., Heft 1/1991,
Seite 29 – 34.
Literaturverzeichnis
225
[Litk95]
Litke, H.-D.: Gute Planung – Hoher Nutzen. In: Business Computing,
o. Jg., Heft 7/1995, Seite 24 – 27.
[Meff86]
Meffert, H.: Marktforschung: Grundriß mit Fallstudien. Gabler-Verlag,
Wiesbaden, 1986.
[Meff98]
Meffert,
H.:
Marketing
–
Grundlagen
marktorientierter
Unternehmensführung. 8. Auflage, Gabler-Verlag, Wiesbaden, 1998.
[Meis01]
Meister, U./Meister, H.: Marktorientierte Geschäftsprozesse. In: Pepels
W.
(Hrsg.):
Organisationsgestaltung
im
marktorientierten
Unternehmen. Sauer-Verlag, Heidelberg 2001, Seite 198 – 211.
[Mert00]
Mertens, P./Wieczorrek, H. P.: Data X Strategien. Data Warehouese,
Data Mining und operationale Systeme für die Praxis. Springer-Verlag,
Berlin, 2000.
[Meye95]
Meyer, A./Oevermann, D.: Kundenbindung. In: Tietz, B./Köhler,
R./Zentes, J. (Hrsg.): Handwörterbuch des Marketing, 2 . Auflage,
Schaeffer-Poeschel-Verlag, Stuttgart, Spalte 1340- 1351.
[Meye99]
Meyer, A./Blümelhuber, C.: Kundenbindung durch Services. In: Bruhn
M., Homburg C. (Hrsg.): Handbuch Kundenbindungsmanagement. 2.
Auflage, Gabler-Verlag, Wiesbaden, 1999, Seite 189 – 212.
[Meye01]
Meyer, A./Schaffer, S.: Die Kundenbeziehung als ein zentraler
Unternehmenswert. In: Günter, B./Helm, S. (Hrsg.): Kundenwert:
Grundlagen - Innovative Konzepte - Praktische Umsetzungen, GablerVerlag, Wiesbaden, 2001, Seite 57 - 80.
[Mohr93]
Mohrdieck, C.: Kreativität aus dem Chaos. In: Marketing – Zeitschrift
für Forschung und Praxis, o. Jg., I. Quartal, Heft 1/1993, Seite 47 – 50.
[Musi99]
Musiol, G./Sladowski, A.: Explorative Lösungsansätze zur Beurteilung
des Leistungsspektrums von Versandhandelsbetrieben auf der Basis von
Conjoint- und Clusteranalyse. In: Marketing, o. Jg., Heft 4/1999, Seite
329 – 341.
[Müll94]
Müller, W.: Kundenbindungs-Management. In: Müller W./Bauer H.H.
(Hrsg.): Wettbewerbsvorteile erkennen und sichern. LuchterhandVerlag, Neuwied, u. a., 1994, Seite 187 – 208.
226
Literaturverzeichnis
[Müll73]
Müller-Merbach, H.: Operations Research. 3. Auflage, Vahlen-Verlag,
München, 1973.
[Nakh00]
Nakhaeizadeh, G.: Vom Data Ming zum verteilten Data Mining. In:
VDI Berichte 1526: Computational Intelligence im industriellen
Einsatz. Fuzzy-Systeme, Neuronale Netze, Evolutionäre Algorithmen
und Data Mining. Tagung Baden-Baden, 1. und 12. Mai 2000, BadenBaden, 2000, S. 199 – 209.
[Nakh98]
Nakhaeizadeh, G./Reinartz T./Wirth R.: Wissensentdeckung in
Datenbanken und Data Mining: Ein Überblick. In: Nakhaeizadeh, G.
(Hrsg.): Data Mining. Theoretische Aspekte und Anwendungen,
Physica-Verlag, Heidelberg, 1998.
[Nast95]
Nastansky, L./Hilpert, W.: Balance zwischen Struktur und Flexibilität.
In: Business Computing, o. Jg., Heft 7/1995, Seite 30 – 36.
[Neub94]
Neuberger, O.: Theorien der Arbeitszufriedenheit. Kohlhammer-Verlag,
Stuttgart u. a., 1994.
[Neue01]
Neuerburg, O.: One face – one voice. In: Database Marketing, o. Jg.,
Heft 3/2001, Seite 28 - 34.
[Neum79/1]
Neumann, K./Steinhardt, U.: Lecture Notes in Economics and
Mathematical Systems. Springer-Verlag, Berlin, Heidelberg, 1979.
[Neum79/2]
Neumann, K./Steinhardt, U.: GERT Networks and the Time-Oriented
Evaluation of Projects. Springer-Verlag, Berlin, Heidelberg, 1979.
[Newe01]
Newell, F.: Customer Relationship Management im E-Business. Verlag
Moderne Industrie, Landsberg am Lech, 2001.
[Nies94]
Nieschlag, R./Dichtl, E./Hörschgen, H.: Marketing. Duncker &
Humbolt-Verlag, Berlin, 1994.
[Oehm92]
Oehme, W.: Handelsmarketing. 2. Auflage, Vahlen-Verlag, München,
1992.
Literaturverzeichnis
227
[Öste02]
Österle, H./Schmid, R./Bach, V.: CRM bei Banken: Vom Produkt zum
Prozeßportal. In: Helmke S./Dangelmaier W.(Hrsg.): Effektives
Customer Relationship Management. 2. Auflage, Gabler-Verlag,
Wiesbaden, 2002, Seite 87 – 102.
[Ogge92]
Oggenfuss, C. W.: Retention Marketing. In: Thexis, 9. Jg., Heft 6/1992,
Seite 25 – 29.
[OhVe99]
o. V.: Fachbegriffe rund um Vertriebs- und Marketingsoftware. In:
aquisa, o. Jg., Heft 7/1999, Seite 40.
[OhVe99]
o. V.: So wird der Kunde König. In: Notes-Magazin, o. Jg., Heft
6/1999, Seite 28 – 31.
[Olfe97]
Olfert, K./Rahn, H.-J.: Lexikon der Betriebswirtschaftslehre. 2.
Auflage, Kiehl-Verlag, Ludwigshafen 1997.
[Oste00]
Osterloh, M./Frost, J.: Prozessmanagement als Kernkompetenz. GablerVerlag. Wiesbaden, 3. Auflage, 2000.
[Pepe01]
Pepels, W.: Darstellung und Bedeutung des Kundenlebenszeitwerts im
Business to Business-Marketing. In: Helmke S./Dangelmaier W.(Hrsg.):
Effektives Customer Relationship Management. Gabler-Verlag,
Wiesbaden, 2001, Seite 49 – 84.
[Pepe02]
Pepels, W.: Qualitäts- und Zufriedenheitsmessung als CRM-Basis. In:
Helmke S./Uebel, M./Dangelmaier W. (Hrsg.): Effektives Customer
Relationship Management. 2. Auflage, Gabler-Verlag, Wiesbaden,
2002, Seite 39 – 70.
[Perr88]
Perridon, L./Steiner, M.: Finanzwirtschaft der Unternehmung. 5.
Auflage, Vahlen-Verlag, München, 1988.
[Pete98]
Peter, S.: Kundenbindung als Marketingziel. In: Absatzwirtschaft, 41.
Jg., Heft 7/1998, Seite 74 – 81.
[Pete99]
Peter, S. I.: Kundenbindung als Marketingziel: Identifikation und
Analyse zentraler Determinanten. 2. Auflage,
Gabler- Verlag,
Wiesbaden, 1999.
228
Literaturverzeichnis
[Pidd97]
Pidd, M.: Computer Simulation
4. Auflage, Wiley, Chichester, 1997.
in
Management
Science.
[Pill02]
Piller, F. T.: Was echtes Customer Realtionship Mangament ausmacht.
In: Wilde, K. D./Hippner, H. (Hrsg.): CRM 2002 - Customer
Relationship Management, Verlagsgruppe Handelsgruppe, Düsseldorf,
2002, Seite 71 – 73.
[Plin97]
Plinke, W.: Bedeutende Kunden. In: Kleinaltenkamp, M./Plinke, W.
(Hrsg.): Geschäftsbeziehungsmanagement, Springer-Verlag, Berlin u.
a., 1997, Seite 113 -159.
[Plin00/1]
Plinke, W.: Grundkonzeption des industriellen MarketingManagements. In: Kleinaltenkamp M., Plinke W.(Hrsg.): Technischer
Vertrieb. Springer-Verlag, Berlin, 2000, Seite 103 – 169.
[Plin00/2]
Plinke, W./Rese, M.: Erfolgsquellenanalyse. In: Kleinaltenkamp,
M./Plinke, W. (Hrsg.): Technischer Vertrieb: Grundlagen des Businessto-Business Marketing, 2. neuberarb. und erw. Aufl., Springer-Verlag,
Berlin u. a. 2000, Seite 691 -758.
[Poth99]
Poth, L./Poth, G.: Gabler Marketing-Begriffe von A-Z, Gabler-Verlag,
Wiesbaden 1999.
[Prit66/1]
Pritsker, A.B. u. a.: GERT – Graphical Evaluation and Review
Technique, Part I: Fundamentals. In: The Journal of Industrial
Engineering. Heft 2/1966, Seite 267 – 274.
[Prit66/2]
Pritsker, A. B. u. a.: GERT – Graphical Evaluation and Review
Technique, Part II: Probalistics and Industrial Engineering
Applications. In: The Journal of Industrial Engineering, 1966, Seite 293
– 301.
[Pupp93]
Puppe, F.: Systematic Introduction to Expert Systems. Springer-Verlag,
Berlin, Heidelberg, 1993.
[Quar96]
Quartapelle, A. Q./Larsen, G.: Kundenzufriedenheit. Springer-Verlag,
Berlin, Heidelberg, 1996.
Literaturverzeichnis
229
[Quin83]
Quinlan, J. R.: Learning efficient classification procedures and their
application to chess and games. In: Michalski R.-S.(Hrsg.): Maschine
Learning (I). Morgan Kaufmann Publishers, Inc., Palo Alto, 1993.
[Radt99]
Radtke, T.: Angebote ohne Ende. In: Notes – Magazin, o. Jg., Heft
6/1999, Seite 16 – 18.
[Rapp00]
Rapp R.: Customer Relationship Management. Campus-Verlag,
Frankfurt am Main, 2000.
[Rasc78]
Rasch, D.: Einführung in die mathematische Statistik. 2. berichtigte
Auflage, VEB Deutscher Verlag der Wissenschaften, Berlin, 1978.
[Reic97]
Reichheld, F. F.: Der Loyalitäts-Effekt. Campus-Verlag, Frankfurt am
Main, 1997.
[Reih97]
Reichmann, T.: Controlling mit Kennzahlen und Managementberichten.
5. überarb. und erw. Auflage, Vahlen-Verlag, München, 1997.
[Rent96]
Rentschler, P.: Ein innovatives Entwicklungsfeld.
Management, o. Jg., Heft 5/1996, Seite 47 – 50.
[Rese01]
Rese, M.: Entscheidungsunterstützung in Geschäftsbeziehungen mittels
Deckungsbeitragsrechnung - Möglichkeiten und Grenzen. In: Günter,
B./Helm, S. (Hrsg.): Kundenwert: Grundlagen - Innovative Konzepte Praktische Umsetzungen, Gabler-Verlag, Wiesbaden 2001, Seite 275 292.
[Riek92]
Rieker, S.: Kundenorientierung als tragender Erfolgsfaktor des Key
Account Managements. In: Homaier R. (Hrsg.): Investitionsgüter- und
High-Tech-Marketing
(ITM).
Verlag
Moderne
Industrie,
Landsber/Lech, 1992, Seite 355 – 380.
[Ritt02]
Ritter, U: Multi-Channel-Management als Differenziator am Markt. In:
Helmke S./Uebel, M./Dangelmaier W. (Hrsg.): Effektives Customer
Relationship Management. 2. Auflage, Gabler-Verlag, Wiesbaden,
2002, Seite 195 – 210.
[Roga00]
Rogall, D.: Kundenbindung als strategisches Ziel des Medienmarketing.
Diss. Marburg, Tectum-Verlag, Marburg, 2000.
In:
Office
230
Literaturverzeichnis
[Roge94]
Rogers, M. /Peppers, D.: Kundenmanagement 1:1-Marketing. In:
Absatzwirtschaft, 37. Jg., Heft 3/1994, Seite 42 – 48.
[Roth95]
Rothenbacher, C.: Strategie vor Technik. In: Business Computing, o.
Jg., Heft 6/1995, Seite 39 – 42.
[Runo82]
Runow, H.: Zur Theorie und Messung der Verbraucherzufriedenheit.
Barudio & Hess-Verlag, Frankfurt am Main, 1982.
[Rupp90]
Rupps, O. C.: Strategieverdichtung im Konzern. In: Zeitschrift für
Betriebswirtschaft, 60. Jg., Heft 10/1990, Seite 1091 – 1104.
[Saue00]
Sauerwein, E.: Das Kano-Modell der Kundenzufriedenheit. Diss.
Insbruck, Gabler-Verlag, Wiesbaden, 2000.
[Scha95]
Scharf, A. /Schubert, B.: Marketing, Einführung in Theorie und Praxis.
Schäffer-Poeschel-Verlag, Stuttgart, 1995.
[Sche90]
Scheer, A.-W.: EDV-Orientierte Betriebswirtschaftslehre. SpringerVerlag, Berlin, Heidelberg, 1990.
[Sche94]
Scheer, A.-W.: Prozessorientierte Unternehmens-modellierung. GablerVerlag, Wiesbaden, 1994.
[Sche97]
Scheer, A.-W.: Wirtschaftsinformatik.
Heidelberg, 1997.
[Sche98]
Scheer, A.-W.: ARIS – Modellierungsmethoden, Metamodelle,
Anwendungen. 3. Auflage, Springer-Verlag, Berlin, Heidelberg, 1998.
[Sche99]
Scherenberg, V.: Kundenbeziehungen gestalten sich nicht zufällig. In:
Database Marketing, o. Jg., Heft 4/1999, Seite 20 – 21.
[Schi97]
Schierenbeck, H.: Grundzüge der Betriebswirtschaftslehre. 12. überarb.
Auflage, Oldenbourg-Verlag, München, u. a., 1997.
[Schi99]
Schimmel-Schloo, M.: Kaufberatung für CAS-Einsteiger. In: Acquisa,
o. Jg., Heft 7/1999, Seite 62 – 71.
[Schm94]
Schmidt, G.: Methode und Techniken der Organisation. 10. überarb.
Auflage, Schmidt-Verlag, Gießen, 1994.
Springer-Verlag,
Berlin,
Literaturverzeichnis
231
[Schn85]
Schneider, D.: Vollkostenrechnung oder Teilkostenrechnung? In: Der
Betrieb, 38. Jg, Seite 2159 - 2162.
[Schn96]
Schneider, U.: Ein formales Modell und eine Klassifikation für die
Fertigungssteuerung. HNI-Verlagsschriftenreihe, Paderborn, 1996.
[Scho01]
Schomakers, J.: Customer Relationship Management stellt den Kunden
in den Mittelpunkt des Handelns. In: Frischmuth, J./Karrlein, W./Knop,
J. (Hrsg.): Strategien und Prozesse für neue Geschäftsmodelle.
Springer-Verlag, Berlin u. a., 2001.
[Schr02]
Schrick, K./ Weinlich, B.: Customer Relationship Management im
Communication Center der Advance Bank. In: Wilde, K. D./Hippner,
H. (Hrsg.): CRM 2002 - Customer Relationship Management,
Verlagsgruppe Handelsgruppe, Düsseldorf, 2002, Seite 95 – 98.
[Schu95]
Schulz, B.: Kundenpotentialanalyse
Unternehmen. Wien 1995.
[Schu01]
Schulte-Zurhausen, M.: Schnittstelle Marketing und Organisation. In:
Pepels W.(Hrsg.): Organisationsgestaltung in marktorientierten
Unternehmen. Sauer-Verlag, Heidelberg, 2001, Seite 17 – 47.
[Schü92]
Schütze, R.: Kundenzufriedenheit: After-Sales-Marketing auf
industriellen Märkten. Diss. Berlin, Gabler-Verlag, Wiesbaden, 1992.
[Schw 94]
Schwarze, J.: Netzplantechnik – Eine Einführung in das
Projektmanagement. 7. Auflage, Verlag Neue Wirtschafts-Briefe,
Herne, Berlin, 1994.
[Schw95]
Schweiger, G./Schrattenecker, G.: Werbung. 4. Auflage, Gustav Fischer
Verlag, Stuttgart, u. a., 1995.
[Seng02]
Sengpiehl, J.; Schmahl, J.: Customer Relationship Management (CRM)
–
erfoglreiche
Realisierung
der
kundenwertorientierten
Unternehmensführung. In: Pepels, W. (Hrsg.): Handbuch Vertrieb,
Hanser-Verlag, München, Wien, 2002.
im
Kundenstamm
von
232
Literaturverzeichnis
[Sexa02]
Sexauer, H./Wellner, M.: Electronic Customer Relationship
Management (eCRM) in deutschen Unternehmen. In: Uebel,
M./Helmke, S./Dangelmaier, W. (Hrsg.): Praxis des Customer
Relationship Management, Gabler-Verlag, Wiesbaden 2002, Seite 147
– 162.
[Sieb98]
Siebel, T. M./Malone, K. C.: Die Informationsrevolution im Vertrieb.
Gabler-Verlag, Wiesbaden, 1998.
[Simo93]
Simon, H.: Industrielle Dienstleistungen und Wettbewerbsstrategie. In:
Simon, H. (Hrsg.): Industrielle Dienstleistungen. Schäffer-PoeschelVerlag, Stuttgart, 1993, Seite 3 – 33.
[Sobo71]
Sobol, I. M.: Die Monte Carlo Methode. VEB Deutscher Verlag der
Wissenschaften, Berlin, 1971.
[Stae90]
Staehle, W. H.: Management - Eine verhaltenswissenschaftliche
Einführung. 5. Auflage, Vahlen-Verlag, München, 1990.
[Stah95]
Stahlknecht, P.: Wirtschaftsinformatik. 7. Auflage, Springer-Verlag,
Berlin, Heidelberg, 1995.
[Stau96]
Stauss, B./Seidel, W.: Beschwerdemanagement. Hanser- Verlag,
München, 1996.
[Stef94]
Steffenhagen, H. : Marketing. 3. Auflage, Kohlhammer-Verlag,
Stuttgart, 1994.
[Stei02]
Steimer, F.: Kundenbeziehung im Online-Zeitalter. In: Conrady,
R./Jaspersen,
T./Pepels,
W.:
Online-Marketing-Instrumente,
Luchterhand-Verlag, Neuwied, u. a., 2002, Seite 324 – 341.
[Stoj00]
Stojek, M.: Customer Relationship Management: Software, Strategie,
Prozeß oder Konzept? In: IM - Die Fachzeitschrift für
Informationsmanagement + Consulting, 15. Jg., Heft 1/2000, Seite 37 –
42.
[Stop01]
Stopka, J.: Praxisbeispiel: TECCOM – E-Business im Automobil –
Ersatzteilhandel. In: Frischmuth, J./Karrlein, W./Knop, J. (Hrsg.):
Strategien und Prozesse für neue Geschäftsmodelle. Springer-Verlag,
Berlin u. a., 2001.
Literaturverzeichnis
233
[Stor95]
Storp, H.: Leitstand im Büro. In: Business Computing, o. Jg., Heft
7/1995, Seite 32 – 35.
[Teic02]
Teich, I./Kolbenschlag, W.: Auswahl von CRM-Software mit ePavos.
In: Wilde, K. D./Hippner, H. (Hrsg.): CRM 2002 - Customer
Relationship Management, Verlagsgruppe Handelsgruppe, Düsseldorf,
2002, Seite 87 – 89.
[Tire99]
Tirey, V.: Kundenbeziehungen erfolgreich managen. In: Database
Marketing, o. Jg., Heft 4/1999, Seite 5 – 10.
[Töpf99]
Töpfer, A.: Die Brücke zwischen Kundenerwartung und
Kundenbindung. In: Kundenzufriedenheit messen und steigern.
Luchterhand-Verlag, Neuwied, u. a., 1999, Seite 3 – 41.
[Trom75]
Trommsdorff, V.: Die Messung von Produktimages für das Marketing –
Grundlagen und Operationalisierung. Heymann-Verlag, Köln, u. a.,
1975.
[Trom93]
Trommsdorff, V.: Konsumentenverhalten. 2. Auflage, KohlhammerVerlag, Stuttgart, 1993.
[Tulo91]
Tulowitzki, U.: Anwendungssystemarchitekturen im strategischen
Informationsmanagement. In: Wirtschaftsinformatik, 33 Jg., Heft
2/1991, Seite 94 – 99.
[Uebe01]
Uebel, M.: Kosten- und Nutzenaspekte von CRM als DV-gestütztes
Informationssystem. In: Helmke S./Dangelmaier W.(Hrsg.): Effektives
Customer Relationship Management. Gabler-Verlag, Wiesbaden, 2001,
Seite 327 – 340.
[Ulri95]
Ulrich, P., Fluri, E.: Management. 7. Auflage, UTB für Wissenschaft,
Verlag Paul Haupt, Bern u. a., 1995.
[Vers00]
Versteegen, C.: Rundum umsorgt – Customer Care Center: Der Kunde
im Mittelpunkt. In: IT-Manager, o. Jg., Heft 9/2000, Seite 80 – 85.
[Webe98]
Weber, J.: Einführung in das Controlling. 7. Auflage, SchäfferPoeschel-Verlag, Stuttgart, 1998.
234
Literaturverzeichnis
[Webs72]
Webster, F. E. Jr./Wind, Y.: A General Model for Understanding
Organizational Buying Behavior. In: Journal of Marketing, 36. Jg., Heft
2/1972, Seite 12 – 19.
[Wehr01]
Wehrmeister, D.: Customer Relationship Management -Kunden
gewinnen und an das Unternehmen binden. Fachverlag Deutscher
Wirtschaftsdienst, Frankfurt, 2001.
[Weib93]
Weiber, R.: Chaos: Das Ende der klassischen Diffusionsmodellierung?
In: Marketing-Zeitschrift für Forschung und Praxis, 15. Jg., I Quartal,
Heft 1/1993, Seite 35 – 46.
Weiß, C.: Marketing. 10. Auflage, Friedrich Kiel-Verlag,
Ludwigshafen(Rhein), 1997.
[Weiß97]
[Wenz93]
Wenz, S.: Neue Simulationskonzepte und Instrumente. In: Simulation
von Systemen in Logistik, Materialfluß und Produktion. VDI Verlag,
Düsseldorf, 1993, Seite 1 – 17.
[Wess95]
Wess, S.: Intelligente Systeme für den Customer-Support: Fallbasiertes
Schließen in Help Desk- und Call Center-Anwendungen. In:
Wirtschaftsinformatik, o. Jg., Heft 1/1996, Seite 23 – 31.
[Wess98]
Wessling, H.: Aktive Kundenbeziehungen mit CRM. Gabler-Verlag,
Wiesbaden, 1998.
[West91]
Westbrook, R./Oliver R.: The Dimensionality of Consumption Emotion
Patterns and Consumer Satisfaction. In: Journal of Consumer Research,
18. Jg., Heft 6/1991, Seite 84 – 91.
[Wich01]
Wicher, H.: Kundenorientierte Organisationsformen. In: Helmke
S./Dangelmaier W.(Hrsg.): Effektives Customer Relationship
Management. Gabler-Verlag, Wiesbaden, 2001, Seite 303 – 314.
[Wiec95]
Wiechmann, J.: Kundenbindungssysteme im Investitionsgüterbereich.
Diss. St. Gallen, St. Gallen 1995.
[Wied02]
Wiedmann, K. P./Greilich, J.: Customer Relationship Management
(CRM) in der Chemischen Industrie – Forschungsergebnisse und
Tendenzen. In: Uebel, M./Helmke, S./Dangelmaier, W. (Hrsg.): Praxis
des Customer Relationship Management, Gabler-Verlag, Wiesbaden
2002, Seite 279 – 300.
Literaturverzeichnis
235
[Wild82]
Wild, J.: Grundlagen der Unternehmensplanung. 4. Auflage, Rowohlt,
Reinbek bei Hamburg 1982.
[Wild01]
Wilde, K./Hippner, H.: CRM – ein Überblick. In: Helmke
S./Dangelmaier W.(Hrsg.): Effektives Customer Relationship
Management. Gabler-Verlag, Wiesbaden, 2001, Seite 3 – 38.
[Wild02]
Wilde, K. D./Hippner, H./Martin, S.: Customer Relationship
Management – Strategie und Realisierung. In: Wilde, K. D./Hippner,
H. (Hrsg.): CRM 2002 - Customer Relationship Management,
Verlagsgruppe Handelsgruppe, Düsseldorf, 2002, Seite 9 – 42.
[Wink01]
Winkelmann, P.: Vertriebskonzeption und Vertriebssteuerung. Die
operativen Elemente des Marketing. Vahlen-Verlag. München 2001.
[Woll90]
Woll, A.: Allgemeine Volkswirtschaftslehre. 10. Auflage, VahlenVerlag, München u. a. 1990.
[Wolt98]
Woltering, A./Schiemann, I.: Fallbasierte Entscheidungsunterstützung
und Data Mining. In: Chamoni, P.; Gluchowski, P. (Hrsg.): Analytische
Informationssysteme. Springer-Verlag, Berlin, 1998, Seite 355 – 386.
[Wood96]
Woodruff, R. B./Gardial, S. F.: Know Your Customer: New Approaches
to Understanding Customer Value and Satisfaction. Blackwell
Business, Cambridge 1996.
[Zapf01]
Zapf, M.: Prozeßgestaltung im Communication Center. In: Helmke
S./Dangelmaier W. (Hrsg.): Effektives Customer Relationship
Management. Gabler-Verlag, Wiesbaden, 2001, Seite 341 – 356.
[Zeit96]
Zeithaml, V. A./Berry, L. L./Parasuraman, A.: The Behavioral
Consequences of Service Quality. In: Journal of Marketing, 60. Jg., Heft
2/1996, Seite 31 – 46.
[Zimm95]
Zimmermann, W.: Operations Research. 7. Auflage, OldenbourgVerlag, München, 1995.
[Zügn96]
Zügner, K.: Investitionsplanung und – steuerung. In: Eschenbach R.
(Hrsg.): Controlling. 2. Auflage, Schäffer- Poeschel-Verlag, Stuttgart,
1996, Seite 333 – 369.