Dinge, die ein Marketer über seine Bestandskunden wissen sollte - Teil 3

14 Juli 2020 | von Kristina Kramer

E-Mail-Adressen, Anschriften, Geburtsdaten – in der Regel liegen einem Unternehmen unterschiedlichste Daten über seine Bestandskunden vor. Besonders wertvolle Erkenntnisse lassen sich auch aus den sog. Transaktionsdaten, die bei der Abwicklung eines Kaufs generiert werden, ableiten. 

Nachdem wir uns in Teil eins und zwei unserer Reihe „Dinge, die ein Marketer über seine Bestandskunden wissen sollte“ mit den Themen „Kundendaten verstehen“ und „Kundenverhalten analysieren“ beschäftigt haben, befassen wir uns nun im dritten und letzten Teil damit, wie wir Kundendaten und insbesondere Transaktionsdaten nutzen können, um Vorhersagen über zukünftiges Kundenverhalten zu treffen. Hierzu stellen wir im folgenden fünf Ansätze vor. Für die Umsetzung einiger der Methoden sind Kenntnisse aus dem Bereich der Predictive Analytics erforderlich. 

Was biete ich meinen Kunden als nächstes an? 

Je größer die Produktpalette, desto schwieriger ist die Frage „Welches Produkt biete ich welchem Kunden an“ zu beantworten. Mithilfe von Next Best Offer lässt sich kundenindividuell bestimmen, welches Produkt bei welchem Kunden die höchste Kaufwahrscheinlichkeit verspricht. Hierfür schauen wir uns zwei Parameter innerhalb der gesammelten Transaktionsdaten genauer an: 

a) welche Produktkombinationen sind generell beliebt? (Popularität) 

b) welche Neigungen hat der einzelne Kunde? (Propensität)  

Das Verhältnis der beiden Parameter kann für die Berechnung unterschiedlich gewichtet werden. Ebenfalls können Aspekte  wie der aktuelle Lagerbestand, Saisonalitäten oder auch die Gewinnmarge einbezogen werden. Durch die mithilfe von Next Best Offer geschaffene Personalisierung und dadurch erhöhte Relevanz der Angebote lässt sich deutlich mehr Umsatz erzielen als bei einer zufällig ausgewählten Produktanzeige. Dies bestätigte auch eine Studie von Periscope/McKinsey, die zeigte, dass ein personalisiertes Angebot bei 27% der Konsumenten in Deutschland eine unmittelbare Reaktion auf das Angebot hervorrief, entweder in Form des ausführlichen Betrachtens oder eines Kaufs. 

Best Next Offer - Saisonalitäten

Wann kontaktiere ich meine Kunden am besten?

10.000 bis 13.000 Werbebotschaften ist jeder von uns im Schnitt täglich ausgesetzt. Um aus dieser Flut hervorzustechen, ist es entscheidend, nicht nur den richtigen Inhalt, sondern auch den Zeitpunkt für die Aussteuerung der Kommunikation zu wählen, zu dem ein Kunde am empfänglichsten ist. Auch hier hilft uns ein Blick in die Transaktionshistorie. Anhand der letzten Käufe können wir den Kaufrhythmus eines Kunden bestimmen. Wichtig ist hierbei auch die sog. Varianz. Bei einem sehr unregelmäßigen Kaufrhythmus ist die Varianz hoch, ein regelmäßiger Kaufrhythmus hingegen zeichnet sich durch eine niedrige Varianz aus. Aus der Kombination der beiden Parameter lässt sich nun kundenindividuell der beste Zeitpunkt für eine Kontaktaufnahme bestimmen. Dieses Verfahren wird auch als Best Next Time bezeichnet.  

Bester Kontaktzeitpunkt

Wie hoch ist die Wahrscheinlichkeit, dass Kunde X Produkt X kaufen wird?

Diese Frage ist besonders relevant, wenn Sie noch hohe Lagerbestände oder Kontingente von einem bestimmten Produkt haben und gezielt die Kunden ansprechen möchten, die dieses Produkt mit besonders hoher Wahrscheinlichkeit kaufen werden. Zur Berechnung kann die sog. logistische Regression angewendet werden. Mit ihr lässt sich bestimmen, mit welcher Erfolgswahrscheinlichkeit ein Ereignis von bestimmten Variablen abhängt. Beispielsweise: Mit welcher Wahrscheinlichkeit bucht Kunde X eine Reise nach Schweden in Abhängigkeit seines Einkommens? Bei der Berechnung mithilfe eines statistischen Modells erhält man als Ergebnis verschiedene Koeffizienten für jede Ausprägung – in diesem Fall die Einkommensklassen. Je signifikanter diese Koeffizienten sind, desto aussagekräftiger ist die entsprechende Eigenschaft für das Eintreten des Ereignisses – hier die Buchung einer Reise nach Schweden. Als Ergebnis lassen sich wiederum Aussagen, wie z.B. „Kunden mit einem Einkommen zwischen 90 und 100T€ werden am wahrscheinlichsten eine Reise nach Schweden buchen“ ableiten.

Urlaubsreisen Schweden

Kann ich vorhersagen, wer abwanderungsgefährdet ist? 

Einmal gewonnene Kunden wieder zu verlieren ist nicht nur ärgerlich, sondern auch sehr kostspielig. Abwanderungen zur Konkurrenz erkennen bevor sie geschehen und die rechtzeitige Einleitung entsprechender Gegenmaßnahmen sind daher entscheidende Schritte für die langfristige Sicherung des Unternehmenserfolgs. Dies wird auch als Churn Prevention bezeichnet. Abhängig vom Geschäftsmodell kann es unterschiedliche Indikatoren für eine Abwanderung geben. Bei Konsumgütern, die in regelmäßigen Abständen gekauft werden, wie z.B. Getränke, gibt ebenfalls der Kaufrhythmus wichtige Hinweise. Bleibt ein Kauf aus, wenn er eigentlich hätte stattfinden sollen, kann beispielsweise eine Reaktivierungskampagne ausgelöst werden. Ebenfalls gut anwenden lässt sich Churn Prevention bei Produkten, die sich durch eine regelmäßige Nutzung auszeichnen, wie z.B. Streaming-Dienste oder Fitnessstudios. Geht die Nutzungsfrequenz zurück, kann dies ein Zeichen für eine bevorstehende Kündigung sein. Oft gibt es auch bestimmte Aktivitäten, die das Profil eines Abwanderers kennzeichnen. Bei Versorgungsunternehmen kann dies beispielsweise der Erhalt einer Nachzahlung in Verbindung mit einem Anruf beim Call Center sein. Aus diesen Indikatoren lassen sich Variablen ableiten. Mithilfe statistischer Modelle lässt sich im nächsten Schritt ein Abwanderer-Score berechnen, mit der die Wahrscheinlichkeit einer Kündigung vorhergesagt werden kann und so rechtzeitig entsprechende Maßnahmen eingeleitet werden können. 

Abwanderungsgefährdete Kunden

Wie vermeide ich, dass meine Kunden zu viele Nachrichten von mir erhalten?

 Nachdem wir nun wissen, wie wir die optimale Zielgruppe für eine bestimmte Kommunikation nach unterschiedlichsten Aspekten identifizieren können, ist es zum Abschluss sinnvoll zu betrachten, wie man die Anzahl der Kommunikationen pro Person beschränken kann. Zu viele Nachrichten zur gleichen Zeit könnten dazu führen, dass die betroffene Person die Kontakterlaubnis aufhebt. Um dies zu vermeiden, lässt sich mit verschiedenen Strategien die Kontaktfrequenz optimieren: 

-    Festlegung einer maximalen Anzahl an Kommunikationen in einem bestimmten Zeitraum z.B. 5 innerhalb von drei Monaten 
-    Festlegung einer maximalen Anzahl gleichzeitiger Kampagnen z.B. eine pro Person
-    Festlegung eines maximalen Budgets pro Ausführung oder in einem bestimmten Zeitraum

Diese Verfahren werden auch als Frequency Capping bezeichnet. Mit ihrer Hilfe werden nicht nur bestimmte Zielgruppen nicht zu oft kontaktiert, sondern auch Werbemittel effizienter eingesetzt. 

Zu viele Botschaften

Damit endet unsere Reihe „Dinge, die ein Marketer über seine Bestandskunden wissen sollte“. Weitere Inspirationen, wie Sie Bestandskundendaten effektiv einsetzen können finden Sie in unserem Whitepaper „50 kundenzentrierte Marketing Use Cases“. 

Hier kostenlos downloaden 

Sie haben Fragen zu einer der vorgestellten Methoden oder würden sich gerne mal generell zum Thema Kundendatenanalyse austauschen? 

Wir freuen uns auf Ihren Kontakt!   
 

Melden Sie sich zu unserem Newsletter an, um immer die neuesten Artikel rund um Customer Analytics und Campaign Automation zu erhalten.