Kontakt aufnehmen

Sie wünschen mehr Informationen oder haben eine Frage? Schreiben Sie uns:

captcha
Datenschutzerklärung.
data-science

Wer sind meine Kunden? | Data Mining im CRM

Mit Data Mining Wissen sichtbar machen.

Tisson & Company - Wer sind meine Kunden?

Problemstellung

Wer sind meine Kunden, wie lauten deren Wünsche und was zeichnet diese aus? Die Vorlieben, Wünsche und das Verhalten seiner Kunden zu kennen und zu verstehen ist das A und O, um passgenaue und nutzbringende Produkte und Services anbieten und seine Kunden zufriedenstellen zu können. Umgekehrt ist es genauso bedeutend zu verstehen, was Kunden bemängeln oder nicht zufriedengestellt hat. Nur so kann insbesondere in serviceorientierten Branchen eine nachhaltige und vertrauensvolle Kundenbeziehung aufgebaut und erhalten werden. Doch wie finde ich eben diese Informationen heraus? Umfragen, Meinungsforschungsinstitute oder Bewertungen sind häufig das erste Mittel der Wahl und dazu ein teures.

 

Doch es geht meist einfacher und günstiger: Durch den Einsatz von Data Mining auf unternehmensinternen Datenbeständen!

 

 

Lösungsansatz

Die meisten Unternehmen besitzen eine Vielzahl unterschiedlicher Verkaufs-Vertrags- oder sonstiger Daten, welche beispielsweise beim Vertrieb oder dem CRM angefallen sind. Diese Daten sind ein „Schatz“, beinhalten sie doch das Potenzial, seine Kunden besser zu verstehen und damit individuelle und zielgerichtete Maßnahmen zu ergreifen.

 

Durch die Analyse dieser Daten lassen sich eine Vielzahl an sogenannten Insights und Antworten gewinnen:

 

  • Gemessen an den gemeinsamen Merkmalen, welche Kunden- und Untergruppen habe ich?
  • Welche Merkmale teilen meine Kundengruppen und lassen sich Gemeinsamkeiten ableiten?
  • Zu welchen Zeiten und in welchen Intervallen kaufen meine Kunden und gibt es auffällige Muster?
  • Welche Produkte oder Vertragsbestandteile werden häufig in Kombination gekauft und sind diese Assoziationen bei bestimmten Kundengruppen auffällig ausgeprägt?
  • Welche gemeinsamen Merkmale oder Muster haben Kunden, welche eine Vertragskündigung ausgesprochen haben und gibt es auch hier Gemeinsamkeiten?
  • …und viele weitere Fragen lassen sich beantworten!

 

Möglich werden Antworten auf die Problemstellungen durch den Einsatz unterschiedlicher Techniken aus dem Bereich des Data Mining.

 

Dazu werden die Daten aus unterschiedlichsten Systemen zusammengetragen, aufbereitet und anschließend mit Techniken wie der Clusteranalyse, der Assoziationsmusteranalyse und Regelinduktion oder mit Sequenzmustern bearbeitet. Dadurch werden Zusammenhänge und Muster extrahiert und sichtbar, welche weit über den Möglichkeiten klassischer Business Intelligence (BI)- und Analytics-Lösungen liegen oder mit deskriptiver Statistik alleine möglich wären. Und dies bedarf nicht mehr als einer Ressource, welche in den meisten Unternehmen bereits ausreichend vorhanden ist: Daten. 

tisson & company use case

Ergebnis

Die durch das Data Mining gewonnen Zusammenhänge und Insights, können im Anschluss vielfältig im operativen Betrieb genutzt werden:

 

  • Zielgruppenspezifische und individuelle Ansprache
  • Vorhersagesysteme (z. B. zur Prognose, wann ein Kunde kündigen wird)
  • Individuelle und maßgeschneiderte Produktempfehlungen
  • Automatisierte Risikoberechnung z. B. in der Versicherungsbranche für Neukunden
  • Zielgruppengenaue Werbung, Marketing und Produktentwicklung
  • Individuelles CRM
  • ...

 

Häufig bieten die durch das Data Mining gefundenen Muster und Zusammenhänge auch das Potenzial und die Grundlage für datengetriebene Services, die dann intern oder extern genutzt werden können. Ein Beispiel für ein solches externes (neues) Geschäftsmodell wäre im Versicherungsvertrieb die kostenpflichtige Bereitstellung von Empfehlungs-Services für Vertriebspartner.

Die Auswahl der BI- und KI-Algorithmen richtet sich an der Datengrundlage, den gewünschten Ergebnissen und teilweise auch rechtlichen Bestimmungen aus.