Analytisches CRM – Stein der Weisen?

FACHARTIKEL
Bessere Entscheidungen durch tiefgehende Markt- und Kundenkenntnis
Analytisches CRM – Stein der Weisen?
Um erfolgreich am Markt zu bestehen, geht es bei erfolgreichen Unternehmen nicht nur darum, wie Big Data im
Rahmen von Customer Relationship Management (CRM) und Business Intelligence (BI) zu integrieren sind, sondern vielmehr darum, mit den weitreichenden Potenzialen der „Data as an asset“ klug umzugehen und damit den
größtmöglichen Nutzen für das Gesamtunternehmen zu erzielen. Angestrebt wird ein geschlossener Kreislauf (Abbildung 1), der einen intelligenten Prozess mit dem Ziel aufzeigt, „bessere“ Entscheidungen zu treffen und mit den
gewonnenen Erkenntnissen eine „smartere“ Erhebung aller relevanten Daten zu ermöglichen.
Abbildung 1 Aus allen Daten der CRM-Kernprozesse Marketing, Sales
und Service, die zum Beispiel aus Social-Media-Kanälen,
Kundengesprächen, Callcenter-Anrufen, E-Mail-Korrespondenz und M2M-Daten (Machine-to-Machine) hervorgehen, können die gewonnenen Informationen viel über Kunden und Partner eines Unternehmens und damit auch über
den jeweiligen Markt- oder Teilmarkt aussagen.
Es genügt jedoch nicht, Daten lediglich zu sammeln,
vielmehr müssen diese auch intelligent genutzt werden, um
daraus Planungsgrundlagen zu erarbeiten, damit bessere
Entscheidungen gefällt oder mit Hilfe statistischer Methoden Antworten hinsichtlich zukünftiger Handlungsoptionen
gefunden werden können (Business Analytics). Letztendlich
geht es darum, die Gesamtheit der im Unternehmen anzutreffenden Kundenprozesse sowohl aus Kunden- als auch
aus Unternehmenssicht zu optimieren (vgl. Abbildung 2).
An diesem Punkt setzt das analytische CRM an: Seine
grundlegende Aufgabe liegt darin, mit Business- oder Customer Intelligence die unüberschaubare Menge an Informationen zu nutzen. Erst damit kann das Management zielgenauere Entscheidungen treffen.
Data Informa+on Insight Proof Knowledge Recommenda+on Decision Meaning Abb. 1: Kreislauf – von der Datensammlung bis hin zum Erkenntnisgewinn (Insight)
Werden analytische CRM- und Business Intelligence im
gemeinsamen Kontext betrachtet, ergeben sich verschiedene Konsequenzen. Die CRM-Strategie muss mit einer BIDie Komponenten einer Business-Intelligence-Lösung er- Strategie in Einklang gebracht werden. Die CRM-Analysen
möglichen es, dem Unternehmen die Essenz aus vorhande- werden in einen größeren Kontext gestellt, damit die in der
nen (CRM-)Daten als „Wissen“ zur Verfügung zu stellen.
Praxis weit verbreiteten investitionsintensiven und schnittstellenaufwendigen Insellösungen
Gestaltung der Opera&ves CRM Datensammlung Analy&sches CRM verhindert
bzw.
Vertriebskanäle konsolidiert wer•  Automa+sierte •  Data Warehouse •  Kundenwert (CLV) •  Callcenter den können. Eine
Kundeninterak+on •  Datenintegra+on •  Kundensegmen+erung •  Online-­‐Shop vereinheitlichte
•  Umfassende •  Kundenbindung •  Außendienst Kundenbetreuung •  Cross-­‐ & Up-­‐Selling •  Filialen/POS Konzeption führt
•  Automa+sierung der •  Kampagnenop+mie-­‐
folglich die DaVertriebskräAe rung ten aus dem CRM
mit allen anderen
UnternehmensinWissensmanagement Vertriebsop&mierung Marktstrategie formationen zusammen. Dieser
integrative Ansatz
Closed Loop fordert von den
im engeren Sinne Verantwortlichen,
Closed Loop im weiteren Sinne die Grenzen zwiAbb. 2: Einordnung des analytischen CRM als Bindeglied zwischen Wissensmanagement und Vertriebs­
schen den Unteroptimierung
nehmensabteilun-
Abbildung 2 BI-driven Analytical CRM
20BI-SPEKTRUM 04-2016
FACHARTIKEL
gen und Verantwortlichkeiten zu überbrücken
und Synergien zu suchen.
Predictive-Analytics-Anwendungen in
Echtzeit [Kal15], die inzwischen in den Kundenmanagement-Abteilungen bedienbar und
automatisierbar in die KundenmanagementProzesse integriert sind, lassen sich beispielsweise in folgenden Bereichen einsetzen:
ÂÂ In den Kaufprozess integrierte Produktvorschläge („Kunden, die dieses Produkt gekauft haben, haben auch …“, wie
vom Vorreiter Amazon seit Jahren in Anwendung)
ÂÂ Dynamische Preisfindung oder Nutzung
von Kunden-Loyalty-Programmen (zum
Beispiel bei Airlines, Autovermietern
oder Hotels)
ÂÂ Automatisierte Maßnahmen zur Kundenbindung und Segmentierung (zum Beispiel im Telekommunikationsumfeld und
Abb. 3: Entwicklungsstufen des analytischen CRM
im Einzelhandel)
ÂÂ Kundenrisiko-Score-Ermittlung bei Versicherungsgesellschaften
Performance-Gründen notwendig wird. Vermieden werden
ÂÂ Strom-Nutzungsprofile zur individuellen Preisgestaltung
kann dies dadurch, dass CRM- und BI-Systeme auf In-Meim Energieversorgungsmarkt
mory-Datenbanken betrieben werden.
ÂÂ Standortbezogenes Mobile Marketing via Social-MediaEine solche vereinheitlichte Informationsplattform gePlattformen (wie bei Tripadvisor oder ForSquare)
währleistet zudem eine hohe Qualität im Sinne eines „SinÂÂ Integration externer Daten wie makroökonomischer Stagle Point of Truth“ und Stammdatenmanagement-Regeluntistiken in die Analysen
gen (Governance) [Rus14].
ÂÂ Nutzung von Datenstreams via IoT-Analysen (Internet
der Dinge) zur Gestaltung des Service-Portfolios (aktuell
Kundensegmentierung
weitreichend bei Technologieentwicklungen im AutomoEin erster Schritt zur Optimierung einer Marketingstratebilmarkt realisiert)
ÂÂ Nutzung sogenannter Rich-Media-Auswertungen (Vigie liegt in der Segmentierung der Kundenbasis (respektive in deren konsequenter Verfeinerung) unter Einbezug
deo, Audio) für Kaufvorschläge
All diesen Maßnahmen ist gemeinsam, dass sie basierend relevanter Kriterien. Im Rahmen von Marketingkampagauf einer Analyse des spezifischen Verhaltens des individu- nen und weiterführenden Kundenaktivitäten werden Kunellen Kunden unterschiedliche Hebel zur Wertschöpfungs- densegmente differenziert (aus Sicht des Kunden „indivisteigerung bedienen. Die heute anzutreffenden Entwick- duell“) angesprochen sowie „segmentspezifisch“ betreut
lungsstufen des analytischen CRM (Abbildung 3) werden (zum Beispiel durch den Einsatz unterschiedlicher Ansprachekanäle, die Zuweisung unterschiedlicher Kundenim Folgenden näher erläutert.
betreuer, die Verwendung unterschiedlicher Bildwelten
in Broschüren etc.). Mit Big-Data-Auswertungen werden
Business-Intelligence-Infrastruktur
Kundensegmentierungen durch x-fache Parametrisierung
Zwei Ansätze einer analytischen CRM-Architektur sind der Modelle detaillierter möglich. Im Extremfall lässt sich
Best-Practice-Beispiele. Im ersten ist das operative CRM- eine 1:1-Segmentierung abbilden, in der jeder Kunde ein
System direkt auf der analytischen Plattform integriert und Segment darstellt. Der Erfolg solcher Kampagnen wird in
die CRM-Daten sind direkt, ohne Datenload, via virtuelle Echtzeit gemessen und Kundendialoge wiederum dynaDatenlayer in das BI-System integriert. Dieser Ansatz ist misch angepasst [Anw14].
für eine primär Marketing-, Sales- und Services-orientierte
Organisation überlegenswert, bei der die Datenquellen überKundenbindung
wiegend aus diesen Bereichen stammen. Damit stehen die
analytischen Funktionalitäten direkt zur Verfügung und ei- Analytisches CRM zeigt sich im Zusammenhang mit der
ne übergreifende Datenanalyse ist gegeben. Im Gegensatz Kundenbindung als geeignetes Instrument, um Kunden
dazu steht eine Stand-alone-CRM-Lösung mit integrierten oder Kundengruppen zu identifizieren, bei denen die
Analysefunktionen, die als prinzipiellen Ansatz nur isolierte Wahrscheinlichkeit der Kündigung eines Produkts oder
einer Dienstleistung in naher Zukunft zunehmen könnte.
Auswertungen auf die CRM-Daten vorsieht.
Der zweite Ansatz beinhaltet eine vereinheitlichte Infor- Dazu müssen Unternehmen die bestehenden Daten nach
mationsplattform (Abbildung 4), bei der das operative CRM Mustern oder Indikatoren durchsuchen, die im Vorfeld
ein Quellsystem darstellt und ein physischer Datenload aus tatsächlich erfolgter Kundenabwanderungen aufgetre-
BI - SPEKTRUM 04-2016
21
FACHARTIKEL
stellt, für welche Bestandskunden bzw. Kundengruppen es
sich aus Ertragssicht rechnet, in Kundenbindungsmaßnahmen (wie zum Beispiel Veranstaltungen, Treueprämien) zu
investieren.
In die rein datenbasierte Berechnung des Kundenwerts
muss der qualitativ ausgerichtete Multiplikatorwert eines
zufriedenen Kunden einbezogen werden (word of mouth).
Die Thematik des Kundenwerts hat direkten Einfluss auf die
konkrete Ausgestaltung des Marketing-Mix und die Wahl
der einzusetzenden Kommunikationskanäle.
BI-SPEKTRUM ist eine Fachpublikation des Verlags:
SIGS DATACOM GmbH | Lindlaustraße 2c | 53842 Troisdorf
Tel.: +49 (0) 22 41.2341-100 | Fax: +49 (0) 22 41.2341-199
E-mail: [email protected]
www.javaspektrum.de | www.objektspektrum.de
www.bi-spektrum.de
ten sind. Unternehmen werden durch ein entsprechendes
Frühwarnsystem in die Lage versetzt, diese Kunden gezielt
anzugehen. Dies wird dadurch realisiert, dass sie auf dem
erhöhten Wert bestimmter Kundensegmente entsprechend
„höherwertige“ Kundenbindungs- und Betreuungsaktivitäten (zum Beispiel durch die Anwendung von Sonderkonditionen, Upgrades, privilegierter Behandlung im Kundendienst) anwenden.
Cross- und Up-Selling
Zahlreiche Studien belegen, dass die Cross-Selling-Rate mit
Hilfe von vertieftem Kundenverständnis und der dadurch
entstehenden Kundenzufriedenheit deutlich erhöht werden
kann. Analytisches CRM trägt dazu bei, die Beziehungen
zwischen den angebotenen Produkten oder Dienstleistungen
aus Kunden- bzw. Konsumentensicht zu verstehen. Unternehmen können aktuelle und historische Transaktionsdaten
nutzen, um zukünftige Bedarfssituationen und daraus abgeleitet Einkaufspräferenzen von Kunden zu prognostizieren
und ihnen relevante Angebote zu kommunizieren. Somit
kann die Kommunikation so weit optimiert werden, dass
jedem Kunden Informationen zu jenen Produkten übermittelt werden (Product Baskets), an denen er mit hoher
Wahrscheinlichkeit interessiert ist, und die Kommunikation
Abbildung 4 gleichzeitig über den erfolgversprechendsten
Kanal abgewickelt wird.
Optimierung des Kampagnenportfolios
Auf der höchsten Reifestufe des analytischen CRM sind
Unternehmen angelangt, die ihre Erkenntnisse aus Datenauswertung und -analysen konsequent dazu verwenden, die
Ausgestaltung und Abstimmung aller innerhalb eines bestimmten Zeitraums eingesetzten Marketing- und Vertriebskampagnen zu optimieren. Die genaue Kenntnis der Bedürfnisse der Kunden ermöglicht es einem Unternehmen, eine
Vielzahl an gezielten Kampagnen durchzuführen, unter Berücksichtigung der Anforderung, dass jeder Kunde die für
ihn (bzw. zu seiner Bedarfssituation) passende Information
zur für ihn richtigen Zeit erhält (vgl. Abbildung 5). Damit
hat analytisches CRM in den letzten Jahren die Effizienz
(zum Beispiel im Hinblick auf Trefferquoten oder Zielgenauigkeit von Ansprachemaßnahmen) in der Kampag­nen­
durch­führ­ung deutlich gesteigert.
Das analytische CRM hält großes Potenzial bereit:
Gegenüber den Wettbewerbern können nachhaltige Wettbewerbsvorteile aufgebaut werden. Zunehmend ist an
Branchen wie zum Beispiel der Telekommunikations- und
Retail-Industrie inzwischen erkennbar, dass ein vernachlässigter Einsatz von operativem und analytischem CRM inzwischen ein Wettbewerbsnachteil ist [BaG13].
Analytisches CRM, Predictive Analytics, Reports
und Dashboards, Visual-/Geo-Analysis,
Planung, Data Mining, Self-Service, Ad-hoc Exploration, Keyword-Suche, automatisierte
Entscheidungen
Kundenwert (Customer Lifetime
Value)
Globales analytisches System – Strategisches & analytisches Reporting
Physisches Data Warehouse
Intern/extern
Dateneingaben
Datenquellen
Planung
Externe Daten
(World Bank etc.)
Lokale
Applikationen
3rd PartyIT-Systeme
Finance/ERP
Manuelle Daten
Streams/EventVerarbeitung
Unstrukturierte
Daten (Web/
Soziale Medien)
ERP-Daten
Abb. 4: Vereinheitlichte Informationsplattform – Architektur
Manuelle Daten
Corporate Memory
Analytische
Sandbox
Big Data
Warehouse /
NoSQL
Operationales BI
Virtuelle Plattform
Operatives
CRM-System
22BI-SPEKTRUM 04-2016
Reporting und
Analytische Plattform
Integrierte PredictiveAnalytics-Plattform
Um ein ganzheitliches Bild ihrer Kunden zu
erhalten, müssen Unternehmen die tatsächlichen Kosten der Kundenbeziehung ermitteln
[Ste09]. Auf einer vereinheitlichten Informationsplattform im BI-Sinn wird durch die integrierte Datenhaltung eine Ertrags- und Kostentransparenz erzielt und eine einheitliche
Analyse ohne Medienbrüche gewährleistet.
Werden diese Kosten den ertragsrelevanten Erkenntnissen aus der Segmentierung, der Kundenbindung und dem Cross- und Up-Selling
gegenübergestellt, resultieren daraus für jeden
Kunden klar bezifferbare Wertgrößen.
Damit werden Unternehmen in die vorteilhafte Lage versetzt, zu wissen, welche finanziellen Ressourcen in die Neukundengewinnung
oder die Kundenbetreuung (Service) investiert
werden können. In dieser fortgeschrittenen
Stufe des analytischen CRM wird darge-
FACHARTIKEL
Abbildung 5 Kunden (Millionen) Kanäle (mehrere) Shop Produkte/DL (viele) A B Op&miertes Kampagnen-­‐
Programm Timing (jederzeit) Jan Feb Mar Anwendungen des analy+schen CRM C •  Kundensegmen&e-­‐
rung •  Kundenwert (CLV) -  Profitabilität -  Loyalität -  Entwicklungs-­‐ potenzial •  Erfolgswahrschein-­‐
lichkeit pro Kanal und pro Segment •  Kanalkapazitäten •  Kanalpräferenzen pro Segment •  Nachfragemuster •  Zusammenhänge •  Vorschlag für nächstbestes Produkt •  Upgrade-­‐Vorschläge •  Saisonalität der Nachfrage •  Bester Zeitpunkt, um Produkt/Dienst-­‐
leistung anzubieten Herausforderungen in der Umsetzung
Um eine ganzheitliche Umsetzung – sowohl aus fachlicher
als auch aus umsetzungsbezogener informationstechnischer
Sicht – erfolgreich zu gestalten, gilt es diverse Herausforderungen konsistent anzugehen.
Die analytische Aufbereitung der unterschiedlichen
Daten erfordert konzeptionelle Vorüberlegungen. Jedoch
erlauben die meisten der heute am Markt erhältlichen Instrumente eine weitgehende Automatisierung und Nutzung
fortgeschrittener analytischer Algorithmen ohne mathematisches Fachwissen im Unternehmen. Data Scientists und
Analysten können in den Fachabteilungen direkt und flexibel die Anforderungen verarbeiten und umsetzen, ohne
langwierige Analytics-Programmierprojekte durchführen zu
müssen.
Zwingende Grundlage für analytisches CRM ist eine
konsistente Datengrundlage, die kontinuierlich gepflegt
wird. In der Konzeption sowie in der Zusammenführung der
verschiedenen Prozesse und Touchpoints liegen erhebliche
Herausforderungen. Diese können bei nachlässiger Behandlung einen langfristigen und erheblichen Einfluss auf den
Erfolg haben.
Während die eigentliche Analyse der Daten weitgehend
durch moderne Instrumente und qualifizierte Dienstleister
unterstützt wird, besteht eine weitere ebenso wichtige Herausforderung in der Umsetzung der Ergebnisse der Analysen in den laufenden Marketing-, Kommunikations- und
weiteren Unternehmensprozessen (tatsächlich kann dies
weit über das operative CRM hinausreichen und zum Beispiel ebenso in der Produktentwicklung, Lagerhaltung oder
Unternehmensentwicklung genutzt werden).
Um die Erwartungs- und Anspruchshaltung gegenüber
dem analytischen CRM zu relativieren, sei abschließend
Abb. 5: Analytisches CRM hilft Unternehmen, die Komplexität der Marktbearbeitung
zu verringern
folgende Erkenntnis erlaubt: Selbst bei Vorliegen der fortschrittlichsten Datenbasis und ihrer ausgeklügelten Aufbereitung sind ein vertieftes Geschäftsverständnis sowie ein
fundiertes Branchenwissen des Managements unabdingbare
Voraussetzung dafür, aus den verfügbaren Daten die richtigen Schlüsse zu ziehen. So besteht der Zweck des analytischen CRM nämlich nicht darin, das benötigte Wissen oder
den erforderlichen Erfahrungsschatz zu ersetzen, sondern
den Entscheidungsträgern jene Informationen zu liefern, die
sie dazu benötigen, zentrale Entscheidungssituationen und
-bedarfe zu identifizieren, um bei der Auseinandersetzung
mit diesen die „richtige“ Entscheidung zu fällen.
Eine Entscheidung für analytisches CRM im Unternehmen ist somit auf der einen Seite „nur“ eine Maßnahme,
um Wettbewerbsfähigkeit zu erhalten, zum anderen aber
oftmals der Beginn eines Transitionsprozesses im Unternehmen, der Technologien ebenso fordert wie das Markt- und
Wettbewerbsverständnis bei den Mitarbeitenden.
[ Literatur ]
[Anw14] Anweiler, R.: Titel des Artikels. In: ONEtoONE,
Spezial-Ausgabe November 2014, S. 8
[BaG13] Baran, R. J. / Galka, R. J.: CRM: The Foundation of
Contemporary Marketing Strategy. Routledge 2013, S. 47ff.
[Kal15] Kalakota, R.: Predictive Analytics 101, 2015,
online unter https://practicalanalytics.co/predictive-­
analytics-101/, abgerufen am 16.9.2016
[Rus14] Russom, P.: Evolving Data Warehouse Architec­
tures. TDWI Best Practices Report, 2014
[Ste09] Steiner, V.: Modellierung des Kundenwertes: Ein
branchenübergreifender Ansatz. Gabler 2009
Dr. Martin Stadelmann verantwortet bei der Detecon (Schweiz) AG die Themen der Kundenorientierung.
Im Nebenamt ist er Dozent an der Universität St. Gallen (HSG). E-Mail: [email protected]
Dr. Sven Wolter hat langjährige Erfahrung im Bereich der Unternehmensgestaltung und -steuerung. Er leitet die Branchenaktivitäten in Industry & Manufacturing innerhalb der Detecon (Schweiz) AG.
Ralph Riede ist als Partner der Brightcon AG Experte für Performance-Management und Business Intelligence. Sein
Fokus liegt auf den Aufgabenstellungen des Analytischen CRM.
BI - SPEKTRUM 04-2016
23