SlideShare ist ein Scribd-Unternehmen logo
Kundenwissen transparent machen
         Neuwied, den 16.02.2011


         Meinert Jacobsen

         marancon
         Gesellschaft für Marketing, Analyse und Consulting mbH




Kundenwissen transparent machen                                   Folie 1
AIKA Mitglied seit 2010
                                  Gründung 1.1.2006
                                  Aktuell: 8 Mitarbeiter
                                  Standort: Bonn


                                  Themen:

                                  - Databasemarketing / Datamining / Geomarketing

                                  - Social Media

                                  -  Namenstage/Wetterfronten




Kundenwissen transparent machen                                                     Folie 2
Namenstage




Kundenwissen transparent machen   Folie 3
Knowledge Discovery Prozess




Kundenwissen transparent machen          Folie 4
Adresse




Kundenwissen transparent machen   Folie 5
Ein Name verrät viel ...

           •  Deutscher Vorname
           •  Männlich
           •  Alter: 51 Jahre (durchschnittlich)

         Vorname                                   Alter      Vorname Alter
        BERND                                       51        Anna      80
        Bernd Oliver                                38        Anna Lena 16
        Bernd                                       63
           •  In Kombination mit Freilinghaus zu 96% Wahrscheinlichkeit ein deutscher
              Name




Kundenwissen transparent machen                                                         Folie 6
Die Telefonnummer sagt viel

           •  + 49 deutet auf ein international tätiges Unternehmen hin
                   –  Im Gegensatz zu national / regional tätigen Unternehmen
                   –  Aber tendenziell mehr in Deutschland tätig, (0) – diese würden überwiegend
                      international agierende Firmen weglassen

           •  Der Bindestrich in der Telefonnummer zeigt, dass eine Telekommunikations-
              anlage im Unternehmen verwendet wird
                   –  Und es ist eine zweistelligeDurchwahl vorhanden (Indikator für die Größe der
                      Firma)


           •  Mobilfunknummern können nach „ursprünglichem“ Ambieter ausgewertet
              werden (0151,0172, ...)
           •  Keine Mobilfunknummer angegeben – eher konservative Firma


Kundenwissen transparent machen                                                                      Folie 7
Je mehr Stellen die Durchwahl hat, desto eher reagieren
           B2B-Kunden (in diesem Beispiel) auf eine werbliche
           Ansprache für eine Konferenz



                          Anlage      Adressen    Reagierer    Quote
                          1- Stelle       8.238          68     0,8%
                          2 Stellen       1.739           17     1,0%
                          3-Stellen       3.126          57      1,8%
                          4-Stellen       4.700         108     2,3%




Kundenwissen transparent machen                                         Folie 8
Die E-Mail-Adresse verrät einiges

           •  ...@careforce.de zeigt, dass die Firma einen eigenen Internetauftritt hat.

           •  Der verwendete Provider sagt einiges über den Nutzer aus
                   –  Aol.com vs. Hotmail.de vs. Gmx.net


           •  Man kann u.U. den Vornamen und Nachnamen extrahieren
              (bernd.frielinghaus)




Kundenwissen transparent machen                                                            Folie 9
Die Firmierung

           •  GmbHs deuten auf eine mittlere Größe der Unternehmen hin

           •  AGs sind eher größere Firmen

           •  ohne Firmierung (eher kleinere Unternehmen)




Kundenwissen transparent machen                                          Folie 10
Nutzung der Adresse

           •  Anreicherung mit externen Informationen (Kaufkraft, Haustyp, PKW-
              Struktur, ...)

           •  Entfernungsbestimmung auf Basis von Geokoordinaten (Luftlinie, Fahrlinie,
              Fahrzeit)

           •  Bestimmung von Kundendichten – Nutzung der Dichte als „pseudo-
              mikrogeografische“ Variable




Kundenwissen transparent machen                                                           Folie 11
Kundendichte




Kundenwissen transparent machen   Folie 12
Tabelle der Kundendichte

                    Reagierer        Summe
dichte            nein      ja                          6%
10%                21904       590     22494    2,62%   6%
20%                21717       765     22482    3,40%
                                                        5%
30%                21608       872     22480    3,88%
40%                21476       967     22443    4,31%   5%
50%                21524       983     22507    4,37%   4%
60%                21443     1055      22498    4,69%   4%
70%                21432     1082      22514    4,81%
80%                21327     1159      22486    5,15%
                                                        3%

90%                21388     1218      22606    5,39%   3%
100%               21139     1257      22396    5,61%   2%
Summe            214.958    9.948     224.906   4,42%        10% 20% 30% 40% 50% 60% 70% 80% 90% 100%




 Kundenwissen transparent machen                                                                   Folie 13
Kundenanteil auf Straßenabschnittsebene

               Je mehr Kunden auf der Straße wohnen, desto höher ist die
               Reaktionsquote.




Kundenwissen transparent machen                                            Folie 14
Käufe

           •  Die Käufe / Kaufakte / Bestellungen werde in Form des RFM-Modells
              parametrisiert
                   –  Recency – Wann das letzte mal
                   –  Frequency – Wie häufig
                   –  Monetary – Wie teuer
           •  Darüber hinaus sind Artikelinfomationen für die Bestimmung des
              Kundenwissens sinnvoll
                   –  Lieblingswein(-region)
                   –  Primäre Produktkategorien
                   –  ...




Kundenwissen transparent machen                                                   Folie 15
Frequency (Kaufanzahl in allen Vorjahren)

               Je häufiger der Kunde in der Vergangenheit gekauft hat, desto
               wahrscheinlicher ist ein erneuter Kauf als Reaktion auf ein
               Mailing.




Kundenwissen transparent machen                                                Folie 16
Umsatz in allen Vorjahren

               Je mehr der Kunde in der Vergangenheit gekauft hat, desto
               wahrscheinlicher ist ein erneuter Kauf als Reaktion auf ein
               Mailing.




Kundenwissen transparent machen                                              Folie 17
Datum des letzten Kaufs
               Kunden, die gerade erst gekauft haben, reagieren am besten.




Kundenwissen transparent machen                                              Folie 18
Kommunikation

           •  Mit Hilfe des Kundenwissens kann die Kommunikation mit den Kunden
              verbessert werden
           •  Um zu wissen, was man (und auch wie man) verbessern will, ist es wichtig,
              die bisherige Kommunikation zu analysieren
           •  Die möglichen Kommunikationskanäle sind dann
                   –     Mailing
                   –     Katalog
                   –     E-Mail
                   –     Telefon
                   –     (Social Media)




Kundenwissen transparent machen                                                           Folie 19
Information aus der Kommunikation

           •  Wie oft / Reaktion
           •  Newsletter-Information
                   –  Öffnungsverhalten
                   –  Klickverhalten
           •  Online-Verhalten
                   –  Warenkorb-Abbruch
                   –  Nutzungsverhalten auf der Seite
                   –  ...




Kundenwissen transparent machen                         Folie 20
Methoden zur Generierung von Kundenwissen

           •  Scoring




           •  Segmentierung




           •  Kundenlebenswertmodelle



Kundenwissen transparent machen                        Folie 21
Einsatzbereiche für Scoring




                            Der Kundenlebenszyklus bietet vielfältige Ansätze,
                            den monetären Wert der Kunden zu steigern.

Kundenwissen transparent machen                                                  Folie 22
Umsetzung von Scorings

    Frage: Welche Merkmale des Kunden haben einen signifikanten Einfluss auf
           die Zielgröße (z.B. sein Kündigungsverhalten) ?


                     Zielgrößen                           Einflussfaktoren

                                              Personendaten
                                  Kündigung   (Alter, Geschlecht, Adresse, Familienstand, Beruf,
                                              Anzahl Kinder, E-Mail-Adresse, etc.)

                                              Daten zur Kundenbeziehung
                             Produkterwerb    (Dauer der Kundenbeziehung, Umsatz in der Vergangenheit,
                                              Bonität, etc.)


                                               externe Informationen
                        Neukundengewinnung
                                              (Konsumneigung, Kaufkraft, etc.)




Kundenwissen transparent machen                                                                          Folie 23
Ergebnis eines Scorings: Reaktionsverhalten
    95-100%                                                                                                        6,41%
     90-95%                                                                               3,73%
    85-90%                                                                        2,89%
    80-85%                                                                2,45%
     75-80%                                                       2,08%
     70-75%                                                  1,82%
     65-70%                                               1,69%
     60-65%                                       1,39%
     55-60%                                   1,22%
     50-55%                                1,14%
     45-50%                             0,99%
    40-45%                          0,80%
     35-40%                          0,83%
     30-35%                      0,68%
     25-30%                     0,62%
     20-25%                0,42%
      15-20%                  0,54%
       10-15%               0,46%
        5-10%             0,35%
         0-5%           0,25%

              0,00%               1,00%                   2,00%               3,00%       4,00%    5,00%   6,00%           7,00%
                                                                                  Reaktionsquote

     In den Top-Gruppen wird eine viermal höhere Reaktionsquote erzielt als im Durchschnitt und in den
     schlechteren Gruppen eine sehr geringe Reaktionsquote – nur ein Sechstel des Durchschnitts.


Kundenwissen transparent machen                                                                                                Folie 24
Gewinnoptimierung durch Score – Modelle




                                  Gezielte Kunden-
                                  ansprache durch
                                  Score – Modell
                                                      mehr Reagierer   mehr Umsatz
                                        statt

                                  Gießkannenprinzip




Kundenwissen transparent machen                                                  Folie 25
Der Regelkreislauf des Direkt – Marketings

                                    Analyse




              Controlling
                                                          Konzept




                                                  Umsetzung
               Reaktion


Kundenwissen transparent machen                                     Folie 26
Kundenwissen transparent machen   Folie 27
Segmentierung…




Kundenwissen transparent machen   Folie 28
Nutzung einer wertorientierten Kundensegmentierung

                                                  Wertvollste Kunden



                                                            Wachstumskunden


                                                                       Randbereiche


                         Media                                              Verlustkunden
                       E-Kanäle
                           Direkt Mail
                           Telemarketing
                                  Außendienst

                                  Kundenmanager

                                                                                      Source: Peppers & Rogers Group




Kundenwissen transparent machen                                                                                 Folie 29
Anforderung an eine Segmentierung




                                   Zueinander
                                  unterscheidbar
                                                             Relevant
    In sich ähnlich


                                                   Messbar



Kundenwissen transparent machen                                         Folie 30
Statistische Methoden für eine Kundensegmentierung


           •  Clusteranalyse (hierarchisch / nicht-hierarchisch)
                •  vorher meist eine Faktorenanalyse
           •  Decision-Tree Verfahren
           •  Diskriminanzanalyse
           •  Maschinelles Lernen
           •  ...




Kundenwissen transparent machen                                    Folie 31
Ergebnis der Faktorenanalyse - Beispiel

              •  Es ergeben sich 16 Faktoren, die 83 Prozent der Streuung (Varianz) der Kundenstruktur
                 erklären.




Kundenwissen transparent machen
                Kundensegmentierung 
                                                               Folie 32
Ergebnis der Faktorenanalyse




Kundenwissen transparent machen           Kundensegmentierung
                                                      Folie 33
Monatsanteile für die Clusterlösung



                                  Segment A

                                  Segment B

                                  Segment C

                                  Segment D

                                  Segment E

                                  Segment F
                                  Segment G

                                  Segment H

                                  Segment I

                              ROSE-Weine

                                  Segment J

                                  Segment K




  Überdurchschnittlich                Durchschnittlich   Unterdurchschnittlich



Kundenwissen transparent machen                                                  Kundensegmentierung
                                                                                            Folie 34
Monatsanteile für die Wertsegmentierung



                           wenig
     Geringer              mittel
     Umsatz
                             viel

                            wenig
                            mittel

                             viel

                           wenig
                           mittel

                             viel

                          wenig
                          mittel

                            viel
                           wenig
      Hoher
                           mittel
      Umsatz
                             viel




Kundenwissen transparent machen                       Folie 35
Beispiel: Segmentierung der Twitter-Nutzer


                                                                               Promotor
      Chatter                                                                         15%
       13%
                                                                Credible
                                                                Company
                                  Repeater
                                    13%                           13%
                                                     Mono-
                                                   thematiker
                                                     7%
                     Chronisten
                         8%


                                       RealTimer
 Impulsive                               14%                               Exogene
                                                                            7%
   10%
                                                                            Quelle: e-result – Vortrag Twittwoch-Köln

Kundenwissen transparent machen
Überwiegend
                                                             Chatter
        Eins-zu-Eins-Kommunikation                            13%
        Selten
        Alltagserlebnis, Externer Link




                                                 Benachbartes Cluster:
       Tweets mit @ (Median)             53%
                                                 RealTimer (Mittlere Distanz 2,14)
       Tweets mit URL (Median)           10%
       Tweets mit # (Median)             12%     Homogenität (mittlerer Abstand
                                                 zum Clusterzentrum): 1,37
       Re-Tweets (Median)                1%


       Anzahl Follower (Median)           99
       Anzahl Following (Median)          94
       Verhältnis Follower/Following     1,1:1



                                                             Quelle: e-result – Vortrag Twittwoch-Köln

Kundenwissen transparent machen
Kundenwissen transparent machen   Folie 38
Kundenwissen transparent machen   Folie 39
Daten: Was wird benötigt?
                                  •    Positionen (Artikelnummer & Name)
                                  •    Anzahl Artikel pro Position
                   Bondaten       •    Preis pro Position
                                  •    Zeitpunkt des Verkaufs (Uhrzeit, Datum, Wochentag)
                                  •    POS-Nummer, etc.


                                  •    Verkaufspreis
                                  •    Warengruppe der Artikel (teilweise als Hierarchie)
               Produktdaten       •    Rohertrag / Deckungsbeitrag
                                  •    etc.


                                  •    Adresse
                                                                                                     den
                                  •    Eröffnungs- / Renovierungsdatum ten kommen direkt aus ten
                                                               Die Bonda         n. Die restli
                                                                                               chen Da
              Standortdaten       •    Lage
                                                               Kassensys
                                                                          teme                  stemen
                                  •    Verkaufsfläche                     s ande   ren EDV-Sy
                                                               können au
                                                                            llt werden.
                                  •    etc.                     bereitgeste

Kundenwissen transparent machen                                                                        Folie 40
Basis-Analysen:
                 Wie viel Up- und Cross-Selling gibt es aktuell?

                                  100% = alle Bons               100% = gesamter Umsatz

                                                                                          59%

       # Positionen




                                                                                      l
                                                                      ls ein em Artike
                                                     Bons m it mehr a       satzes au
                                                                                      s.
                                                                      s Um
                                                     mache n 59% de

Kundenwissen transparent machen                                                                 Folie 41
Basis-Analysen:
                 Wie ändert sich Cross-Selling über die Woche?




                                                                          Laufe der
                                                      -Selling steigen im     ers stark
                                        Cross- und Up           uppen, besond
                                                       Warengr
                                        Woche für alle                 nende.
                                                       p e B am Woche
                                        bei Warengrup




Kundenwissen transparent machen                                                           Folie 42
Up-Selling: „Nimm 3, zahl 2.“
                                                                                  Anteil Bons, bei denen
                             # Bons, bei denen der Artikel                                                 # Artikel pro # Bons
                                                                                  der Artikel mind. 3x
                             mind. 2x verkauft wurde                                                       mit diesem Artikel
                                                                                  verkauft wurde
                                                                                          15%                      125%
                                                                                         25%                      150%
                                                                                         34%                      218%
                                                                                         31%                      196%
                                                                                         24%                      165%
                                                                                         30%                      185%
                                                                                         13%                      113%
                                                                                         10%                 115%
                                                                                                           ses durch
                                                                                         12%elling kann die 121%nen
                                                                                    em Up-S           enso kön
                                                                   odukten mit hoh          rden. Eb
                                                             Bei Pr                      we
                                                                               erhöht 18% und durch geeigne  142% te
                                                             Produk tbundles                  t
                                                                                 identifizier
  Up-Selling:
                                                             ähnliche  Produkte
                                                                                  rt werden.
  Mehrfachverkauf eines Artikels
                                                              Maßnahm  en geförde
  auf einem Bon



Kundenwissen transparent machen                                                                                            Folie 43
Cross-Selling: Croissant zum Kaffee …




     Cross-Selling Intra:                                   g Potential
                                          Das  Cross-Sellin
     CS innerhalb einer Warengruppe
                                                          ist bei der
                                          (Inter & Intra)       größten.
     Cross-Selling Inter:                 Wareng  ruppe C am
     CS zu einer anderen Warengruppe


Kundenwissen transparent machen                                            Folie 44
Cross-Selling: … oder lieber ein Brötchen?

                                  3%                       9%               Cola
                                                                    7%
                                        Bild
                                                          18%          3%           4%
                                  10%
                                           15%
                                                    21%
                                                                         Brötchen
                             Kaffee                        18%

                                                   35%           10%
                                        24%
                                                     Croissant
                                                                                                  Kaffee.
                                                                  9%
                                                                           it Croissa nt ist auch
                                                 22%  Auf 35% aller Bons m
                                                    
                                                                                mmen
                                                                ee b esser zusa        ing)!
                                                     Also Kaff
„Confidence A -> B“:
Anteil aller Bons, die Artikel A                                    ts anbieten (Bundl
und B enthalten, an allen Bons                        m it Croissan
mit Artikel A

Kundenwissen transparent machen                                                                             Folie 45
Cross-Selling: alle Informationen in einer Tabelle
   Dies sind die                  In so vielen         Auf so vielen Bons trat    Das sind die        So gut eignet sich
   häufigsten Artikel-            Filialen wurde der   die Artikel-               Confidence-         der Artikel für
   Kombinationen.                 Artikel verkauft.    Kombination auf.           Werte.              CS-Selling
                                                                                                      insgesamt.




          Neben den Artikelkombinationen sind
          auch weitere Dimensionen möglich                                                                 it allen
                                                                                    sst mar   ancon Sie m hiert alle
          •  Zeit                                                      Natürlich lä                   n extra
                                                                                   ht all ein, sonder               nd
                                                                       Zahlen nic                      ntworten u
          •  Region                                                                  Ihre  Fragen bea
                                                                       Fakten, die         eeignet au
                                                                                                      f.
          •  Clustertyp Standort                                        bere itet diese g
          •  Warengruppen-Sortiment
          •  …

Kundenwissen transparent machen                                                                                            Folie 46
Maßnahmen: Was kann man tun?
                                                                                   Parameter für Maßnahmen
                                  • Infos an Kasse                           • verwendete Produktkombination
          Personal                • Kundenansprache                            • eigenes Sortiment
                                                                                 •  gleicher Artikel
                                                                                 •  gleiche Warengruppe
                                  • Kassendisplay                                •  unterschiedliche Warengruppe
        Bewerbung                 • am Produkt                                 • Kooperationspartner
                                  • in / vor dem Geschäft                        •  Produkthersteller
                                                                                 •  andere Vertriebsnetze
                                                                             • Differenzierung Zeit
                                  • Impulskäufe                                • Uhrzeit
           Rabatte                • Sammeln                                    • Wochentag
                                                                             • Differenzierung Ort
                                                                                                                     hläge von
                                                                               • Lage                     hmenvorsc
                                                                                              ten Maßna
                                                                     h häng     die ko re
                                                                            en• Größenk
                                                           Natürlic                          b.                         hführung
         Produkt-                 • Ort                               issen Ih rer Daten a n gemeinsam die Durc us.
                                                         den Ergebn       marancon m
                                                                                          it Ihne                  Ihnen a
        platzierung               • Gruppierung                    plant                         ansch ließend mit
                                                          Gerne           d wertet sie
                                                        von Maß  nahmen un


Kundenwissen transparent machen                                                                                             Folie 47
Weitere Möglichkeiten

                                  Verwendung von Wetterinformationen
                                  zum Zeitpunkt am Ort des Verkaufs



                                  Verwendung von Geo-Daten zur besseren
                                  Charakterisierung des POS


                                  Untersuchung spezieller Aspekte, z.B.
                                  - Kaufverhalten an Feiertagen
                                  - Besonderheiten einzelner POS
                                  - etc.



Kundenwissen transparent machen                                           Folie 48
Kundenwert




Kundenwissen transparent machen   Folie 49
Eingangsparameter eines KLW




Kundenwissen transparent machen          Folie 50
Berechnung des KLW




Kundenwissen transparent machen   Folie 51

Weitere ähnliche Inhalte

Andere mochten auch

Weiss, white, fehér, Bianko
Weiss, white, fehér, BiankoWeiss, white, fehér, Bianko
Weiss, white, fehér, Bianko
Sylvi O.
 
Retraso mental karina
Retraso mental karinaRetraso mental karina
Retraso mental karina
EducaBolivia
 
Galapagos
GalapagosGalapagos
Galapagos
ANDI1221
 
Anàlisi de xarxes socials al Raval
Anàlisi de xarxes socials al RavalAnàlisi de xarxes socials al Raval
Anàlisi de xarxes socials al Raval
Socialaxon
 
M5 a 3.4_eneidavázquez
M5 a 3.4_eneidavázquezM5 a 3.4_eneidavázquez
M5 a 3.4_eneidavázquez
Adiene Vázquez
 
Globalizacion
GlobalizacionGlobalizacion
Globalizacion
Francisco Sanchez
 
Correo electrónico
Correo electrónicoCorreo electrónico
Correo electrónico
lelysp
 
Diapositivas nuevas
Diapositivas nuevasDiapositivas nuevas
Diapositivas nuevas
anamariacuicas
 
Mini webquest
Mini webquestMini webquest
Mini webquest
Adiene Vázquez
 
Taller de investigacion de religion
Taller de investigacion de religionTaller de investigacion de religion
Taller de investigacion de religion
Elianaandrea
 
El nostre lloc preferit
El nostre lloc preferitEl nostre lloc preferit
El nostre lloc preferit
febopla
 
Prisma consultoria ex08 v2 planificación estratégica general - copia
Prisma consultoria ex08 v2 planificación estratégica general - copiaPrisma consultoria ex08 v2 planificación estratégica general - copia
Prisma consultoria ex08 v2 planificación estratégica general - copia
Prisma Consultoria
 
Creación promesa de servicio al cliente
Creación promesa de servicio al clienteCreación promesa de servicio al cliente
Creación promesa de servicio al cliente
shande2
 
Itzayana Zepeda Ortiz!'
Itzayana Zepeda Ortiz!'Itzayana Zepeda Ortiz!'
Itzayana Zepeda Ortiz!'
Itzayana Zepeda'
 
DN11_U3_A6_OMPH
DN11_U3_A6_OMPHDN11_U3_A6_OMPH
DN11_U3_A6_OMPH
mauricioph13
 
Dn11_U3_A7_OMPH
Dn11_U3_A7_OMPHDn11_U3_A7_OMPH
Dn11_U3_A7_OMPH
mauricioph13
 
Xlm
XlmXlm
6 A,(15 1)Tranformasi
6 A,(15 1)Tranformasi6 A,(15 1)Tranformasi
6 A,(15 1)Tranformasi
zafeen zafeen
 
Guia de aplicacion unidad midiendo longitud
Guia de aplicacion unidad midiendo longitudGuia de aplicacion unidad midiendo longitud
Guia de aplicacion unidad midiendo longitud
ProfesorJulioBravo
 
Trabajo práctico
Trabajo prácticoTrabajo práctico
Trabajo práctico
julymcdormand
 

Andere mochten auch (20)

Weiss, white, fehér, Bianko
Weiss, white, fehér, BiankoWeiss, white, fehér, Bianko
Weiss, white, fehér, Bianko
 
Retraso mental karina
Retraso mental karinaRetraso mental karina
Retraso mental karina
 
Galapagos
GalapagosGalapagos
Galapagos
 
Anàlisi de xarxes socials al Raval
Anàlisi de xarxes socials al RavalAnàlisi de xarxes socials al Raval
Anàlisi de xarxes socials al Raval
 
M5 a 3.4_eneidavázquez
M5 a 3.4_eneidavázquezM5 a 3.4_eneidavázquez
M5 a 3.4_eneidavázquez
 
Globalizacion
GlobalizacionGlobalizacion
Globalizacion
 
Correo electrónico
Correo electrónicoCorreo electrónico
Correo electrónico
 
Diapositivas nuevas
Diapositivas nuevasDiapositivas nuevas
Diapositivas nuevas
 
Mini webquest
Mini webquestMini webquest
Mini webquest
 
Taller de investigacion de religion
Taller de investigacion de religionTaller de investigacion de religion
Taller de investigacion de religion
 
El nostre lloc preferit
El nostre lloc preferitEl nostre lloc preferit
El nostre lloc preferit
 
Prisma consultoria ex08 v2 planificación estratégica general - copia
Prisma consultoria ex08 v2 planificación estratégica general - copiaPrisma consultoria ex08 v2 planificación estratégica general - copia
Prisma consultoria ex08 v2 planificación estratégica general - copia
 
Creación promesa de servicio al cliente
Creación promesa de servicio al clienteCreación promesa de servicio al cliente
Creación promesa de servicio al cliente
 
Itzayana Zepeda Ortiz!'
Itzayana Zepeda Ortiz!'Itzayana Zepeda Ortiz!'
Itzayana Zepeda Ortiz!'
 
DN11_U3_A6_OMPH
DN11_U3_A6_OMPHDN11_U3_A6_OMPH
DN11_U3_A6_OMPH
 
Dn11_U3_A7_OMPH
Dn11_U3_A7_OMPHDn11_U3_A7_OMPH
Dn11_U3_A7_OMPH
 
Xlm
XlmXlm
Xlm
 
6 A,(15 1)Tranformasi
6 A,(15 1)Tranformasi6 A,(15 1)Tranformasi
6 A,(15 1)Tranformasi
 
Guia de aplicacion unidad midiendo longitud
Guia de aplicacion unidad midiendo longitudGuia de aplicacion unidad midiendo longitud
Guia de aplicacion unidad midiendo longitud
 
Trabajo práctico
Trabajo prácticoTrabajo práctico
Trabajo práctico
 

Ähnlich wie Kundenwissen transparent machen

Bessere kommunikation dank analystischem crm
Bessere kommunikation dank analystischem crmBessere kommunikation dank analystischem crm
Bessere kommunikation dank analystischem crm
B2B Smartdata GmbH
 
From retail to wetail
From retail to wetailFrom retail to wetail
From retail to wetail
GREY Germany
 
Challenges of Managing a D2C Business
Challenges of Managing a D2C Business Challenges of Managing a D2C Business
Challenges of Managing a D2C Business
Moritz Koch
 
Die zukunft der telefonischen kundenkommunikation
Die zukunft der telefonischen kundenkommunikationDie zukunft der telefonischen kundenkommunikation
Die zukunft der telefonischen kundenkommunikation
davero gruppe
 
Multichannel-Vertriebs-Konzepte für Versicherungen
Multichannel-Vertriebs-Konzepte für VersicherungenMultichannel-Vertriebs-Konzepte für Versicherungen
Multichannel-Vertriebs-Konzepte für Versicherungen
Fonda Wien
 
Customer Involvement Platform mit mobilem Q&A-System
Customer Involvement Platform mit mobilem Q&A-SystemCustomer Involvement Platform mit mobilem Q&A-System
Customer Involvement Platform mit mobilem Q&A-System
Björn Behrendt
 
Integrierte Kommunikation
Integrierte KommunikationIntegrierte Kommunikation
Integrierte Kommunikation
BloggingHood
 
Marketingmitdigitalenmedien
MarketingmitdigitalenmedienMarketingmitdigitalenmedien
Marketingmitdigitalenmedien
rohr
 
Lead digital 09_2011
Lead digital 09_2011Lead digital 09_2011
Lead digital 09_2011
Daniel Holm
 
Wie soziale Medien den E-Commerce verändern
Wie soziale Medien den E-Commerce verändernWie soziale Medien den E-Commerce verändern
Wie soziale Medien den E-Commerce verändern
Bloom Partners GmbH
 
Steigende kundeansprüche managen
Steigende kundeansprüche managen   Steigende kundeansprüche managen
Steigende kundeansprüche managen
Karl-Heinz Behrens
 
Markenstudie der österreichischen Bau- und Immobilienwirtschaft : "Die Unter...
Markenstudie der österreichischen Bau- und  Immobilienwirtschaft : "Die Unter...Markenstudie der österreichischen Bau- und  Immobilienwirtschaft : "Die Unter...
Markenstudie der österreichischen Bau- und Immobilienwirtschaft : "Die Unter...
Brand Trust GmbH
 
waola fmp 20120327 teil 2
waola fmp 20120327  teil 2waola fmp 20120327  teil 2
waola fmp 20120327 teil 2
waola
 
Grenzen der Markenkommunikation - Frosch bleibt Frosch
Grenzen der Markenkommunikation - Frosch bleibt Frosch Grenzen der Markenkommunikation - Frosch bleibt Frosch
Grenzen der Markenkommunikation - Frosch bleibt Frosch
Thomas Brasch
 
Fachmedien in der Krise
Fachmedien in der KriseFachmedien in der Krise
Fachmedien in der Krise
Dirk Engel
 
Wie steht es um Ihre Konvertierungs-Rate?
Wie steht es um Ihre Konvertierungs-Rate?Wie steht es um Ihre Konvertierungs-Rate?
Wie steht es um Ihre Konvertierungs-Rate?
Heike Ziegler Enter New Markets Made Simple❗️
 
Event #4 - Sabine von Possel
Event #4 - Sabine von PosselEvent #4 - Sabine von Possel
Event #4 - Sabine von Possel
MarketingNativesHamburg
 
Klaus Lehner - "Online-Channel, Multi-Channel - Die Zukunft des Handels"
Klaus Lehner - "Online-Channel, Multi-Channel - Die Zukunft des Handels"Klaus Lehner - "Online-Channel, Multi-Channel - Die Zukunft des Handels"
Klaus Lehner - "Online-Channel, Multi-Channel - Die Zukunft des Handels"
Bayerische Landeszentrale für neue Medien (BLM)
 
QR/Webapp/Mobile Marketing
QR/Webapp/Mobile MarketingQR/Webapp/Mobile Marketing
QR/Webapp/Mobile Marketing
qr-scan
 
[DE] trendwatching.com’s SERVILE BRANDS
[DE] trendwatching.com’s SERVILE BRANDS[DE] trendwatching.com’s SERVILE BRANDS
[DE] trendwatching.com’s SERVILE BRANDS
TrendWatching
 

Ähnlich wie Kundenwissen transparent machen (20)

Bessere kommunikation dank analystischem crm
Bessere kommunikation dank analystischem crmBessere kommunikation dank analystischem crm
Bessere kommunikation dank analystischem crm
 
From retail to wetail
From retail to wetailFrom retail to wetail
From retail to wetail
 
Challenges of Managing a D2C Business
Challenges of Managing a D2C Business Challenges of Managing a D2C Business
Challenges of Managing a D2C Business
 
Die zukunft der telefonischen kundenkommunikation
Die zukunft der telefonischen kundenkommunikationDie zukunft der telefonischen kundenkommunikation
Die zukunft der telefonischen kundenkommunikation
 
Multichannel-Vertriebs-Konzepte für Versicherungen
Multichannel-Vertriebs-Konzepte für VersicherungenMultichannel-Vertriebs-Konzepte für Versicherungen
Multichannel-Vertriebs-Konzepte für Versicherungen
 
Customer Involvement Platform mit mobilem Q&A-System
Customer Involvement Platform mit mobilem Q&A-SystemCustomer Involvement Platform mit mobilem Q&A-System
Customer Involvement Platform mit mobilem Q&A-System
 
Integrierte Kommunikation
Integrierte KommunikationIntegrierte Kommunikation
Integrierte Kommunikation
 
Marketingmitdigitalenmedien
MarketingmitdigitalenmedienMarketingmitdigitalenmedien
Marketingmitdigitalenmedien
 
Lead digital 09_2011
Lead digital 09_2011Lead digital 09_2011
Lead digital 09_2011
 
Wie soziale Medien den E-Commerce verändern
Wie soziale Medien den E-Commerce verändernWie soziale Medien den E-Commerce verändern
Wie soziale Medien den E-Commerce verändern
 
Steigende kundeansprüche managen
Steigende kundeansprüche managen   Steigende kundeansprüche managen
Steigende kundeansprüche managen
 
Markenstudie der österreichischen Bau- und Immobilienwirtschaft : "Die Unter...
Markenstudie der österreichischen Bau- und  Immobilienwirtschaft : "Die Unter...Markenstudie der österreichischen Bau- und  Immobilienwirtschaft : "Die Unter...
Markenstudie der österreichischen Bau- und Immobilienwirtschaft : "Die Unter...
 
waola fmp 20120327 teil 2
waola fmp 20120327  teil 2waola fmp 20120327  teil 2
waola fmp 20120327 teil 2
 
Grenzen der Markenkommunikation - Frosch bleibt Frosch
Grenzen der Markenkommunikation - Frosch bleibt Frosch Grenzen der Markenkommunikation - Frosch bleibt Frosch
Grenzen der Markenkommunikation - Frosch bleibt Frosch
 
Fachmedien in der Krise
Fachmedien in der KriseFachmedien in der Krise
Fachmedien in der Krise
 
Wie steht es um Ihre Konvertierungs-Rate?
Wie steht es um Ihre Konvertierungs-Rate?Wie steht es um Ihre Konvertierungs-Rate?
Wie steht es um Ihre Konvertierungs-Rate?
 
Event #4 - Sabine von Possel
Event #4 - Sabine von PosselEvent #4 - Sabine von Possel
Event #4 - Sabine von Possel
 
Klaus Lehner - "Online-Channel, Multi-Channel - Die Zukunft des Handels"
Klaus Lehner - "Online-Channel, Multi-Channel - Die Zukunft des Handels"Klaus Lehner - "Online-Channel, Multi-Channel - Die Zukunft des Handels"
Klaus Lehner - "Online-Channel, Multi-Channel - Die Zukunft des Handels"
 
QR/Webapp/Mobile Marketing
QR/Webapp/Mobile MarketingQR/Webapp/Mobile Marketing
QR/Webapp/Mobile Marketing
 
[DE] trendwatching.com’s SERVILE BRANDS
[DE] trendwatching.com’s SERVILE BRANDS[DE] trendwatching.com’s SERVILE BRANDS
[DE] trendwatching.com’s SERVILE BRANDS
 

Mehr von B2B Smartdata GmbH

Kundensegmentierung
Kundensegmentierung Kundensegmentierung
Kundensegmentierung
B2B Smartdata GmbH
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der Spur
B2B Smartdata GmbH
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der Spur
B2B Smartdata GmbH
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der Spur
B2B Smartdata GmbH
 
Ein Loch ist im Eimer
Ein Loch ist im Eimer Ein Loch ist im Eimer
Ein Loch ist im Eimer
B2B Smartdata GmbH
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der Spur
B2B Smartdata GmbH
 
Smart data-im-marketing germancrm
Smart data-im-marketing germancrmSmart data-im-marketing germancrm
Smart data-im-marketing germancrm
B2B Smartdata GmbH
 
BIG DATA ZIELGRUPPEN PROFILIERUNG
BIG DATA ZIELGRUPPEN PROFILIERUNGBIG DATA ZIELGRUPPEN PROFILIERUNG
BIG DATA ZIELGRUPPEN PROFILIERUNG
B2B Smartdata GmbH
 
B2bwebscoring marancon
B2bwebscoring maranconB2bwebscoring marancon
B2bwebscoring marancon
B2B Smartdata GmbH
 
BIG DATA Broschüre
BIG DATA Broschüre BIG DATA Broschüre
BIG DATA Broschüre
B2B Smartdata GmbH
 
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...
B2B Smartdata GmbH
 
Crmexpo 2014 stuttgart
Crmexpo 2014 stuttgartCrmexpo 2014 stuttgart
Crmexpo 2014 stuttgart
B2B Smartdata GmbH
 
Big Data: Kunden auf der Spur
Big Data: Kunden auf der SpurBig Data: Kunden auf der Spur
Big Data: Kunden auf der Spur
B2B Smartdata GmbH
 
Trigger based e mail-Marketing
Trigger based e mail-MarketingTrigger based e mail-Marketing
Trigger based e mail-Marketing
B2B Smartdata GmbH
 
Kundenwanderung beispiel v01
Kundenwanderung beispiel v01Kundenwanderung beispiel v01
Kundenwanderung beispiel v01
B2B Smartdata GmbH
 
Big data im B2B Umfeld
Big data im B2B UmfeldBig data im B2B Umfeld
Big data im B2B Umfeld
B2B Smartdata GmbH
 
Database-Marketing - Best Practise !
Database-Marketing - Best Practise !Database-Marketing - Best Practise !
Database-Marketing - Best Practise !
B2B Smartdata GmbH
 
Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer
Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer
Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer
B2B Smartdata GmbH
 
Twittermarketing und CRM
Twittermarketing und CRM Twittermarketing und CRM
Twittermarketing und CRM
B2B Smartdata GmbH
 
Twitter Marketing
Twitter MarketingTwitter Marketing
Twitter Marketing
B2B Smartdata GmbH
 

Mehr von B2B Smartdata GmbH (20)

Kundensegmentierung
Kundensegmentierung Kundensegmentierung
Kundensegmentierung
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der Spur
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der Spur
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der Spur
 
Ein Loch ist im Eimer
Ein Loch ist im Eimer Ein Loch ist im Eimer
Ein Loch ist im Eimer
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der Spur
 
Smart data-im-marketing germancrm
Smart data-im-marketing germancrmSmart data-im-marketing germancrm
Smart data-im-marketing germancrm
 
BIG DATA ZIELGRUPPEN PROFILIERUNG
BIG DATA ZIELGRUPPEN PROFILIERUNGBIG DATA ZIELGRUPPEN PROFILIERUNG
BIG DATA ZIELGRUPPEN PROFILIERUNG
 
B2bwebscoring marancon
B2bwebscoring maranconB2bwebscoring marancon
B2bwebscoring marancon
 
BIG DATA Broschüre
BIG DATA Broschüre BIG DATA Broschüre
BIG DATA Broschüre
 
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...
 
Crmexpo 2014 stuttgart
Crmexpo 2014 stuttgartCrmexpo 2014 stuttgart
Crmexpo 2014 stuttgart
 
Big Data: Kunden auf der Spur
Big Data: Kunden auf der SpurBig Data: Kunden auf der Spur
Big Data: Kunden auf der Spur
 
Trigger based e mail-Marketing
Trigger based e mail-MarketingTrigger based e mail-Marketing
Trigger based e mail-Marketing
 
Kundenwanderung beispiel v01
Kundenwanderung beispiel v01Kundenwanderung beispiel v01
Kundenwanderung beispiel v01
 
Big data im B2B Umfeld
Big data im B2B UmfeldBig data im B2B Umfeld
Big data im B2B Umfeld
 
Database-Marketing - Best Practise !
Database-Marketing - Best Practise !Database-Marketing - Best Practise !
Database-Marketing - Best Practise !
 
Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer
Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer
Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer
 
Twittermarketing und CRM
Twittermarketing und CRM Twittermarketing und CRM
Twittermarketing und CRM
 
Twitter Marketing
Twitter MarketingTwitter Marketing
Twitter Marketing
 

Kundenwissen transparent machen

  • 1. Kundenwissen transparent machen Neuwied, den 16.02.2011 Meinert Jacobsen marancon Gesellschaft für Marketing, Analyse und Consulting mbH Kundenwissen transparent machen Folie 1
  • 2. AIKA Mitglied seit 2010 Gründung 1.1.2006 Aktuell: 8 Mitarbeiter Standort: Bonn Themen: - Databasemarketing / Datamining / Geomarketing - Social Media -  Namenstage/Wetterfronten Kundenwissen transparent machen Folie 2
  • 4. Knowledge Discovery Prozess Kundenwissen transparent machen Folie 4
  • 6. Ein Name verrät viel ... •  Deutscher Vorname •  Männlich •  Alter: 51 Jahre (durchschnittlich) Vorname Alter Vorname Alter BERND 51 Anna 80 Bernd Oliver 38 Anna Lena 16 Bernd 63 •  In Kombination mit Freilinghaus zu 96% Wahrscheinlichkeit ein deutscher Name Kundenwissen transparent machen Folie 6
  • 7. Die Telefonnummer sagt viel •  + 49 deutet auf ein international tätiges Unternehmen hin –  Im Gegensatz zu national / regional tätigen Unternehmen –  Aber tendenziell mehr in Deutschland tätig, (0) – diese würden überwiegend international agierende Firmen weglassen •  Der Bindestrich in der Telefonnummer zeigt, dass eine Telekommunikations- anlage im Unternehmen verwendet wird –  Und es ist eine zweistelligeDurchwahl vorhanden (Indikator für die Größe der Firma) •  Mobilfunknummern können nach „ursprünglichem“ Ambieter ausgewertet werden (0151,0172, ...) •  Keine Mobilfunknummer angegeben – eher konservative Firma Kundenwissen transparent machen Folie 7
  • 8. Je mehr Stellen die Durchwahl hat, desto eher reagieren B2B-Kunden (in diesem Beispiel) auf eine werbliche Ansprache für eine Konferenz Anlage Adressen Reagierer Quote 1- Stelle 8.238 68 0,8% 2 Stellen 1.739 17 1,0% 3-Stellen 3.126 57 1,8% 4-Stellen 4.700 108 2,3% Kundenwissen transparent machen Folie 8
  • 9. Die E-Mail-Adresse verrät einiges •  ...@careforce.de zeigt, dass die Firma einen eigenen Internetauftritt hat. •  Der verwendete Provider sagt einiges über den Nutzer aus –  Aol.com vs. Hotmail.de vs. Gmx.net •  Man kann u.U. den Vornamen und Nachnamen extrahieren (bernd.frielinghaus) Kundenwissen transparent machen Folie 9
  • 10. Die Firmierung •  GmbHs deuten auf eine mittlere Größe der Unternehmen hin •  AGs sind eher größere Firmen •  ohne Firmierung (eher kleinere Unternehmen) Kundenwissen transparent machen Folie 10
  • 11. Nutzung der Adresse •  Anreicherung mit externen Informationen (Kaufkraft, Haustyp, PKW- Struktur, ...) •  Entfernungsbestimmung auf Basis von Geokoordinaten (Luftlinie, Fahrlinie, Fahrzeit) •  Bestimmung von Kundendichten – Nutzung der Dichte als „pseudo- mikrogeografische“ Variable Kundenwissen transparent machen Folie 11
  • 13. Tabelle der Kundendichte Reagierer Summe dichte nein ja 6% 10% 21904 590 22494 2,62% 6% 20% 21717 765 22482 3,40% 5% 30% 21608 872 22480 3,88% 40% 21476 967 22443 4,31% 5% 50% 21524 983 22507 4,37% 4% 60% 21443 1055 22498 4,69% 4% 70% 21432 1082 22514 4,81% 80% 21327 1159 22486 5,15% 3% 90% 21388 1218 22606 5,39% 3% 100% 21139 1257 22396 5,61% 2% Summe 214.958 9.948 224.906 4,42% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Kundenwissen transparent machen Folie 13
  • 14. Kundenanteil auf Straßenabschnittsebene Je mehr Kunden auf der Straße wohnen, desto höher ist die Reaktionsquote. Kundenwissen transparent machen Folie 14
  • 15. Käufe •  Die Käufe / Kaufakte / Bestellungen werde in Form des RFM-Modells parametrisiert –  Recency – Wann das letzte mal –  Frequency – Wie häufig –  Monetary – Wie teuer •  Darüber hinaus sind Artikelinfomationen für die Bestimmung des Kundenwissens sinnvoll –  Lieblingswein(-region) –  Primäre Produktkategorien –  ... Kundenwissen transparent machen Folie 15
  • 16. Frequency (Kaufanzahl in allen Vorjahren) Je häufiger der Kunde in der Vergangenheit gekauft hat, desto wahrscheinlicher ist ein erneuter Kauf als Reaktion auf ein Mailing. Kundenwissen transparent machen Folie 16
  • 17. Umsatz in allen Vorjahren Je mehr der Kunde in der Vergangenheit gekauft hat, desto wahrscheinlicher ist ein erneuter Kauf als Reaktion auf ein Mailing. Kundenwissen transparent machen Folie 17
  • 18. Datum des letzten Kaufs Kunden, die gerade erst gekauft haben, reagieren am besten. Kundenwissen transparent machen Folie 18
  • 19. Kommunikation •  Mit Hilfe des Kundenwissens kann die Kommunikation mit den Kunden verbessert werden •  Um zu wissen, was man (und auch wie man) verbessern will, ist es wichtig, die bisherige Kommunikation zu analysieren •  Die möglichen Kommunikationskanäle sind dann –  Mailing –  Katalog –  E-Mail –  Telefon –  (Social Media) Kundenwissen transparent machen Folie 19
  • 20. Information aus der Kommunikation •  Wie oft / Reaktion •  Newsletter-Information –  Öffnungsverhalten –  Klickverhalten •  Online-Verhalten –  Warenkorb-Abbruch –  Nutzungsverhalten auf der Seite –  ... Kundenwissen transparent machen Folie 20
  • 21. Methoden zur Generierung von Kundenwissen •  Scoring •  Segmentierung •  Kundenlebenswertmodelle Kundenwissen transparent machen Folie 21
  • 22. Einsatzbereiche für Scoring Der Kundenlebenszyklus bietet vielfältige Ansätze, den monetären Wert der Kunden zu steigern. Kundenwissen transparent machen Folie 22
  • 23. Umsetzung von Scorings Frage: Welche Merkmale des Kunden haben einen signifikanten Einfluss auf die Zielgröße (z.B. sein Kündigungsverhalten) ? Zielgrößen Einflussfaktoren Personendaten Kündigung (Alter, Geschlecht, Adresse, Familienstand, Beruf, Anzahl Kinder, E-Mail-Adresse, etc.) Daten zur Kundenbeziehung Produkterwerb (Dauer der Kundenbeziehung, Umsatz in der Vergangenheit, Bonität, etc.) externe Informationen Neukundengewinnung (Konsumneigung, Kaufkraft, etc.) Kundenwissen transparent machen Folie 23
  • 24. Ergebnis eines Scorings: Reaktionsverhalten 95-100% 6,41% 90-95% 3,73% 85-90% 2,89% 80-85% 2,45% 75-80% 2,08% 70-75% 1,82% 65-70% 1,69% 60-65% 1,39% 55-60% 1,22% 50-55% 1,14% 45-50% 0,99% 40-45% 0,80% 35-40% 0,83% 30-35% 0,68% 25-30% 0,62% 20-25% 0,42% 15-20% 0,54% 10-15% 0,46% 5-10% 0,35% 0-5% 0,25% 0,00% 1,00% 2,00% 3,00% 4,00% 5,00% 6,00% 7,00% Reaktionsquote In den Top-Gruppen wird eine viermal höhere Reaktionsquote erzielt als im Durchschnitt und in den schlechteren Gruppen eine sehr geringe Reaktionsquote – nur ein Sechstel des Durchschnitts. Kundenwissen transparent machen Folie 24
  • 25. Gewinnoptimierung durch Score – Modelle Gezielte Kunden- ansprache durch Score – Modell mehr Reagierer mehr Umsatz statt Gießkannenprinzip Kundenwissen transparent machen Folie 25
  • 26. Der Regelkreislauf des Direkt – Marketings Analyse Controlling Konzept Umsetzung Reaktion Kundenwissen transparent machen Folie 26
  • 29. Nutzung einer wertorientierten Kundensegmentierung Wertvollste Kunden Wachstumskunden Randbereiche Media Verlustkunden E-Kanäle Direkt Mail Telemarketing Außendienst Kundenmanager Source: Peppers & Rogers Group Kundenwissen transparent machen Folie 29
  • 30. Anforderung an eine Segmentierung Zueinander unterscheidbar Relevant In sich ähnlich Messbar Kundenwissen transparent machen Folie 30
  • 31. Statistische Methoden für eine Kundensegmentierung •  Clusteranalyse (hierarchisch / nicht-hierarchisch) •  vorher meist eine Faktorenanalyse •  Decision-Tree Verfahren •  Diskriminanzanalyse •  Maschinelles Lernen •  ... Kundenwissen transparent machen Folie 31
  • 32. Ergebnis der Faktorenanalyse - Beispiel •  Es ergeben sich 16 Faktoren, die 83 Prozent der Streuung (Varianz) der Kundenstruktur erklären. Kundenwissen transparent machen Kundensegmentierung Folie 32
  • 33. Ergebnis der Faktorenanalyse Kundenwissen transparent machen Kundensegmentierung Folie 33
  • 34. Monatsanteile für die Clusterlösung Segment A Segment B Segment C Segment D Segment E Segment F Segment G Segment H Segment I ROSE-Weine Segment J Segment K Überdurchschnittlich Durchschnittlich Unterdurchschnittlich Kundenwissen transparent machen Kundensegmentierung Folie 34
  • 35. Monatsanteile für die Wertsegmentierung wenig Geringer mittel Umsatz viel wenig mittel viel wenig mittel viel wenig mittel viel wenig Hoher mittel Umsatz viel Kundenwissen transparent machen Folie 35
  • 36. Beispiel: Segmentierung der Twitter-Nutzer Promotor Chatter 15% 13% Credible Company Repeater 13% 13% Mono- thematiker 7% Chronisten 8% RealTimer Impulsive 14% Exogene 7% 10% Quelle: e-result – Vortrag Twittwoch-Köln Kundenwissen transparent machen
  • 37. Überwiegend Chatter Eins-zu-Eins-Kommunikation 13% Selten Alltagserlebnis, Externer Link Benachbartes Cluster: Tweets mit @ (Median) 53% RealTimer (Mittlere Distanz 2,14) Tweets mit URL (Median) 10% Tweets mit # (Median) 12% Homogenität (mittlerer Abstand zum Clusterzentrum): 1,37 Re-Tweets (Median) 1% Anzahl Follower (Median) 99 Anzahl Following (Median) 94 Verhältnis Follower/Following 1,1:1 Quelle: e-result – Vortrag Twittwoch-Köln Kundenwissen transparent machen
  • 40. Daten: Was wird benötigt? •  Positionen (Artikelnummer & Name) •  Anzahl Artikel pro Position Bondaten •  Preis pro Position •  Zeitpunkt des Verkaufs (Uhrzeit, Datum, Wochentag) •  POS-Nummer, etc. •  Verkaufspreis •  Warengruppe der Artikel (teilweise als Hierarchie) Produktdaten •  Rohertrag / Deckungsbeitrag •  etc. •  Adresse den •  Eröffnungs- / Renovierungsdatum ten kommen direkt aus ten Die Bonda n. Die restli chen Da Standortdaten •  Lage Kassensys teme stemen •  Verkaufsfläche s ande ren EDV-Sy können au llt werden. •  etc. bereitgeste Kundenwissen transparent machen Folie 40
  • 41. Basis-Analysen: Wie viel Up- und Cross-Selling gibt es aktuell? 100% = alle Bons 100% = gesamter Umsatz 59% # Positionen l ls ein em Artike Bons m it mehr a satzes au s. s Um mache n 59% de Kundenwissen transparent machen Folie 41
  • 42. Basis-Analysen: Wie ändert sich Cross-Selling über die Woche? Laufe der -Selling steigen im ers stark Cross- und Up uppen, besond Warengr Woche für alle nende. p e B am Woche bei Warengrup Kundenwissen transparent machen Folie 42
  • 43. Up-Selling: „Nimm 3, zahl 2.“ Anteil Bons, bei denen # Bons, bei denen der Artikel # Artikel pro # Bons der Artikel mind. 3x mind. 2x verkauft wurde mit diesem Artikel verkauft wurde 15% 125% 25% 150% 34% 218% 31% 196% 24% 165% 30% 185% 13% 113% 10% 115% ses durch 12%elling kann die 121%nen em Up-S enso kön odukten mit hoh rden. Eb Bei Pr we erhöht 18% und durch geeigne 142% te Produk tbundles t identifizier Up-Selling: ähnliche Produkte rt werden. Mehrfachverkauf eines Artikels Maßnahm en geförde auf einem Bon Kundenwissen transparent machen Folie 43
  • 44. Cross-Selling: Croissant zum Kaffee … Cross-Selling Intra: g Potential Das Cross-Sellin CS innerhalb einer Warengruppe ist bei der (Inter & Intra) größten. Cross-Selling Inter: Wareng ruppe C am CS zu einer anderen Warengruppe Kundenwissen transparent machen Folie 44
  • 45. Cross-Selling: … oder lieber ein Brötchen? 3% 9% Cola 7% Bild 18% 3% 4% 10% 15% 21% Brötchen Kaffee 18% 35% 10% 24% Croissant Kaffee. 9% it Croissa nt ist auch 22%  Auf 35% aller Bons m  mmen ee b esser zusa ing)!  Also Kaff „Confidence A -> B“: Anteil aller Bons, die Artikel A ts anbieten (Bundl und B enthalten, an allen Bons m it Croissan mit Artikel A Kundenwissen transparent machen Folie 45
  • 46. Cross-Selling: alle Informationen in einer Tabelle Dies sind die In so vielen Auf so vielen Bons trat Das sind die So gut eignet sich häufigsten Artikel- Filialen wurde der die Artikel- Confidence- der Artikel für Kombinationen. Artikel verkauft. Kombination auf. Werte. CS-Selling insgesamt. Neben den Artikelkombinationen sind auch weitere Dimensionen möglich it allen sst mar ancon Sie m hiert alle •  Zeit Natürlich lä n extra ht all ein, sonder nd Zahlen nic ntworten u •  Region Ihre Fragen bea Fakten, die eeignet au f. •  Clustertyp Standort bere itet diese g •  Warengruppen-Sortiment •  … Kundenwissen transparent machen Folie 46
  • 47. Maßnahmen: Was kann man tun? Parameter für Maßnahmen • Infos an Kasse • verwendete Produktkombination Personal • Kundenansprache • eigenes Sortiment •  gleicher Artikel •  gleiche Warengruppe • Kassendisplay •  unterschiedliche Warengruppe Bewerbung • am Produkt • Kooperationspartner • in / vor dem Geschäft •  Produkthersteller •  andere Vertriebsnetze • Differenzierung Zeit • Impulskäufe • Uhrzeit Rabatte • Sammeln • Wochentag • Differenzierung Ort hläge von • Lage hmenvorsc ten Maßna h häng die ko re en• Größenk   Natürlic b. hführung Produkt- • Ort issen Ih rer Daten a n gemeinsam die Durc us. den Ergebn marancon m it Ihne Ihnen a platzierung • Gruppierung plant ansch ließend mit   Gerne d wertet sie von Maß nahmen un Kundenwissen transparent machen Folie 47
  • 48. Weitere Möglichkeiten Verwendung von Wetterinformationen zum Zeitpunkt am Ort des Verkaufs Verwendung von Geo-Daten zur besseren Charakterisierung des POS Untersuchung spezieller Aspekte, z.B. - Kaufverhalten an Feiertagen - Besonderheiten einzelner POS - etc. Kundenwissen transparent machen Folie 48
  • 50. Eingangsparameter eines KLW Kundenwissen transparent machen Folie 50
  • 51. Berechnung des KLW Kundenwissen transparent machen Folie 51