Zurück zur Übersicht

Online Magazin

Was du über deine
Kunden schon immer
wissen wolltest …

Willst du die Beziehung zu deinen Kunden verbessern, ihren Bedürfnissen optimaler entsprechen oder Neukunden gewinnen, brauchst du detailliertes Wissen über sie. Dieses ist in der Regel vorhanden – allerdings verborgen in verschiedensten Datenquellen.


von Markus Tobler

Für Unternehmen ist es essenziell, Entscheidungen auf Fakten stützen zu können. Insbesondere wenn es darum geht, sich besser an Kundenbedürfnissen auszurichten oder Kundenbeziehungen zu optimieren, ist die Faktenlage aber oft undurchsichtig und kaum abschätzbar, welche Massnahmen den gewünschten Effekt herbeiführen könnten. Dazu bräuchte es verlässliche Antworten auf Fragen wie:

  • Welches sind unsere guten Kunden? Warum sie?
  • Wie schnell haben unsere Kunden ein positives Erlebnis, nachdem sie den ersten Kontakt mit uns hatten?
  • Warum gewinnen wir die einen als neue Kunden und verlieren die anderen?
  • Was kostet es uns, einen Neukunden zu gewinnen? Wie schnell zahlt sich das aus?

Glücklicherweise sind die Antworten darauf praktisch in jedem Unternehmen vorhanden – allerdings versteckt und verteilt in tausenden Quellen. Es gilt also, diese zu finden, zu strukturieren, zu bündeln und daraus systemische, evidenzbasierte Information zu machen. Möglich macht dies Analytical CRM (siehe Box).

Analytical CRM

Aufgabe des analytischen CRM (Customer-Relationship-Management) ist die systematische Bearbeitung und Auswertung der in den operativen Systemen gesammelten Daten, insbesondere der Daten über Kundenkontakte und Kundenreaktionen mit dem Ziel eines optimalen Kundenwissens und Kundenprofits entlang der Kundenbeziehungsphasen Akquisition, Loyalität und Churn.

Quelle: Wikipedia

Von den Informationsschnipseln zum Big Picture

Wie funktioniert das konkret? Verwertbare Informationen finden sich beispielsweise in Webseiten-Besuchsstatistiken, im Marketing-System im Zusammenhang mit Kampagnen, im operativem CRM, Point-of-Sales-Systemen, der Bestell- und Lagerbewirtschaftung, bei der Kundenbetreuung im Aftersales und so weiter. Daraus gilt es dann, die relevanten Daten für die entsprechenden Fragestellungen zu ziehen.

Nehmen wir das Beispiel der Kundenakquise. Bestehende Kundendaten über die ganze Customer Journey – praktisch von der Markenbekanntheit bis zum Kauf – werden herangezogen und analysiert: Welche Muster sind erkennbar? Wo springen Kunden ab? Welche Kunden reagieren auf ein Angebot? Welche Kanäle sind wann erfolgreich?

Dabei helfen sowohl einfache Statistiken als auch fortgeschrittenere Mustererkennungs-Algorithmen. Schliesslich ergibt sich auf diese Weise aus den vielen Informationsschnipseln aus den zahlreichen Quellen ein Big Picture mit ganz neuen Einblicken und fundierten Informationen. Diese wiederum können als Entscheidungsgrundlage herangezogen werden, um die Kundenakquise so erfolgsversprechend wie möglich zu gestalten.

Wie setze ich Analytical CRM in meinem Unternehmen ein?

Damit die Informationen tatsächlich in der Qualität und Form zur Verfügung stehen, um als wertvolle Entscheidungsgrundlage zu dienen, gilt es allerdings, die richtigen Schritte zu machen – und zwar einen nach dem anderen. So muss zunächst ganz grundsätzlich evaluiert werden, welche Möglichkeiten die Daten des Unternehmens bieten und wo allfällige Grenzen sind. Anschliessend muss herausgefunden werden, welche Daten bei der entsprechenden Fragestellung den grössten Nutzen bringen.

Die obige Grafik zeigt in groben Zügen, wie dieses schrittweise Vorgehen in einem iterativen Design-Thinking-Ansatz aussehen kann. Es beginnt in der Regel mit der Definition der Zielsetzung und des Geschäftsnutzens. Auf dieser Grundlage erfolgt die Konzeptarbeit, sprich unter anderem werden die Wirtschaftlichkeit und Realisierbarkeit überprüft. Das ist die Bedingung, um schliesslich eine erste produktive Lösung in Form eines Minimum Viable Products (MVP) umzusetzen, mit der die gewünschten Fragen zuverlässig beantwortet werden können. Auf Basis des MVP kann die Lösung sukzessive weiterentwickelt und immerzu den aktuellen Bedürfnissen angepasst werden. Sie ist skalierbar und eröffnet die Möglichkeit, auch neue Fragestellungen einzubeziehen und so noch tiefergehende Erkenntnisse über die eigenen Kunden zu erhalten.

Wenn du auch daran interessiert bist, deine Kunden besser kennenzulernen, erfährst du hier mehr zum Thema und über die Möglichkeiten der Zusammenarbeit mit den Expert*innen von Trivadis - Part of Accenture.

LUST, UNSER MAGAZIN BESSER KENNENZULERNEN?

Cat!apult
Nachhaltigkeit KI im Business Data Analytics

Der Energie-Coach mit KI-Antrieb
Im Gespräch mit
KI in der Forschung Machine Learning KI

... Pablo Piaggi
TechTalk
KI-Ethik KI im Business

Tech Talk Audio: Responsible AI einfach erklärt

Deine Ansprechperson