Kundenmanagement: Dank Data-Mining Umsatz steigern

So viele Kundendaten

Ihre Kunden hinterlassen Spuren: Bei jedem Einkauf, bei jeder Bestellung, bei jeder Anfrage, bei jeder Reaktion auf eine Marketingstrategie oder in jedem Verkaufsgespräch. Viele dieser Spuren erfasst Ihr Unternehmen automatisch – hoffentlich! -, wie beispielsweise die Bestellungen des Kunden in Ihrem Onlineshop. Oder die Einkäufe, die der Kunden über seine Kundenkarte erledigt. Oder, wenn der Kunde ein Produkt (vielleicht ein Buch) vorbestellt und sich zurücklegen lässt.

Jetzt, in Corona-Zeiten, können Sie sogar Kundendaten über Kunden sammeln, die noch keine Stammkunden sind oder ansonsten „nur“ stationär einkauften und bar bezahlten. Denn dank „Click & Collect“ oder „Click & Meet“ musste der Kunde ja seinen Namen, Anschrift und Co offenlegen – auch, wegen dem Muss der Nachverfolgung bei aufgetretenen Infektionen.

Allerdings bescheren Ihnen nicht allein die Kontakte, die bei dem Vorgang des Einkaufens entstehen, Kundendaten. Nein. Die bestehende Kundenbeziehung, ob nun zum Stammkunden oder zum Neukunden, liefert Ihnen und Ihrem Unternehmen jede Menge weiterer Kundendaten – bei

• der Korrespondenz per E-Mail, der Kontakt-Aufnahme des Kunden über das Internet oder per Brief,
• Reklamationen oder Beschwerden,
• Fragen, die der Kunden Ihren Mitarbeitern an der Kundenhotline stellt,
• der Kundenumfrage,
• dem Überreichen bzw. Übersenden von Kundengeschenken, den Werbegeschenke bzw. Werbeartikeln, die stets eine Kundenreaktion auslösen,
• undundund…

Ihr Unternehmen sammelt somit jeden Tag Unmengen an Kundendaten. Einfach wunderbar!

Ihre Kundendaten sind Ihre Goldmine – und bescheren eine Umsatzsteigerung

Sie wollen Ihren Umsatz erhöhen. Sie wollen sich gegenüber der Konkurrenz abheben. Sie wollen zufriedene Kunden. Ziehen Sie zur Zielerreichung Ihre gesammelten Kundendaten heran. Denn Ihre Kundendaten sind eine Goldmine, in der sich jede Menge an Informationen zu bestehenden Fragen und/oder Unternehmensproblemen finden lassen – beispielsweise zu Themen wie

• Steigerung der Einnahmen und des Umsatzerlöses,
• besseren Verständnis der Kundenbedürfnisse und –vorlieben,
• Identifizierung von potenziellen und profitablen Kunden,
• Neukundengewinnung,
• Erkennen des Risikos der Kundenabwanderung,
• Verbesserung des Cross-Selling und Up-Selling,
• Optimierung der Kundenloyalität und Kundenbindung, als auch welche Kundenbindungsmaßnahmen daraus abgeleitet werden,
• Steigerung des ROMI (return on marketing investment),
• Kostenminimierung bei Marketingkampagnen,
• Steigerung der Webseitenprofitabilität,
• Verbesserung bzw. Anpassung des Sortiments der einzelnen Filialen an die Kundenprofile,
• Warenkorbanalyse,
• Analyse der Kreditwürdigkeit,
• optimalen Kundenansprache.

In Ihren Kundendaten steht alles geschrieben, was Sie für Ihr Zielerreichung benötigen. Erschließen Sie sich all diese Informationen. Beginnen Sie Ihre Kundendaten klug auszuwerten. Nutzen Sie dafür die Data-Mining-Strategie.

Data-Mining schöpft Ihre Goldmine gezielt aus

Data Mining hilft Muster im Kundenverhalten aufzudecken und Antworten auf wichtige Fragen zu finden – beispielsweise:

• Welches Angebot sollte welchem Kunden wann unterbreitet werden?
• Welche Kundenbindungsinstrumente führten bei diesem Kunden regelmäßig zu einem Einkauf?
• Welche Art der Kundenkommunikation bevorzugt der Kunde – und sollte deshalb ausgebaut werden?
• Welche Vorlieben zeigen sich durch die Warenkorbanalyse?
• Welches Cross-Selling-Potenzial ergibt sich daraus?

Extrahieren Sie mit Hilfe von Data-Mining die gesuchten Informationen aus Ihren gesammelten Kundendaten. Verwandeln Sie diese Information in umsetzbares Wissen für Ihre Unternehmensstrategien.

Umsatzsteigerung dank erfolgreichem Data-Mining: 3 Tipps

Data Mining kann allerdings nur so erfolgreich sein wie die Fragestellung, mit der Sie Ihre Data-Mining-Analyse starten. Vermeiden Sie deshalb von Anfang eine struktur- und planlose Analyse. Ersparen Sie sich so sowohl unnötigen Frust bei der Interpretation der Ergebnisse als auch unnötigen Daten-Müll, der dann bei der Auswertung anfallen würde. Data-Mining ist ein Analyse-Projekt – und sollte als Projekt verstanden und geplant werden. Die folgenden Tipps bieten Impulse, was Sie beachten sollten.

Tipp 1: Ohne Ziel kein brauchbares Ergebnis

Filtern Sie aus der Fülle der Datensätze die für das Unternehmen relevanten heraus – und zwar relevant im gegenwärtigen Kontext des Projektziels. Damit bildet das Projektziel den Fokus aller Projektteilnehmer.

Widmen Sie somit zu Beginn des Data-Minings dem Projektziel Ihre uneingeschränkte Aufmerksamkeit. Klären Sie alleine und/oder zusammen mit den Projektteilnehmern die Zielformulierung. Listen Sie erst einmal „pauschal“ Analyseziele auf. Fragen, die dafür gestellt werden könnten:

• Welche aktuellen Probleme gibt es?
• In welchen Bereichen gab es Ertragseinbrüche?
• Gab es Kundenabwanderungen?
• Gab es eine erhöhte Anzahl an Beschwerden? Welcher Art waren diese?
• Wie lässt sich die Kundenzufriedenheit (einzelner Kunden) messen, um diese zu steigern?
• Welche Potenziale für die Ertragssteigerung kann durch eine andere bzw. gezieltere Kundensegmentierung erschlossen werden?
• Welche B2B-Kunden haben ein Auftragsvolumen von über 10.000 Euro pro Jahr?

Kreisen Sie zusammen das Ziel ein, um daraus ein realistisches Analyseziel zu formulieren. Legen Sie danach die Parameter für das Data-Mining fest:

• Soll die gesamte Historie der Kundendaten ausgewertet werden, um so den Gewinn zu erhöhen, gar zu steigern?
• Reicht es aus bzw. ist es sinnvoller, sich auf die Datensätze der letzten sechs Monate zu konzentrieren?
• Welche Datensätze sollen wie gefiltert werden– nach Geschlecht, Wohnort, Alter, Bestellverhalten, Einkommen, Ertrag?

Tipp 2: Klein starten

Beginnen Sie mit kleinen Projektzielen, die das Projektteam schnell und mühelos realisieren kann. So stellen sich schnell Erfolge ein, die ein Mehr an Umsatz bescheren. Ziele, wie das Cross-Selling anzukurbeln, die Kundenbindung zu erhöhen, die Neukundengewinnung zu verbessern oder bei allen Kunden eine 10prozentige Umsatzsteigerung zu erreichen, sind am Anfang einfach zu ambitioniert – und zwar aus mehreren Gründen:

• rechtliche Fragen, Budget und Ressourcen
• Zugriff auf die Daten: Gibt es ein Data Warehouse oder müssen Daten aus verschiedenen Quellen ausgewertet werden?
• Qualität der Daten
• Sicherheit der Datenauswertung
• Technisches Equipment wie Software und Computer

Überlegen Sie deshalb, wie Sie das Data-Mining erst einmal begrenzen. Mit zunehmender Erfahrung und Nutzung guter Data-Mining-Software können Sie sich an größere Data-Mining-Projekte wagen.

Tipp 3: Klug auswerten

Legen Sie zu Beginn des Data-Mining unbedingt eins fest: Wie sollen die Ergebnisse genutzt, verarbeitet und verbreitet werden? Listen Sie einmal auf:

Für wen diese Ergebnisse bestimmt sind:

• Für Experten, wie Unternehmensberater.
• Für einzelne Mitarbeiter im Unternehmen, wie beispielsweise aus dem Marketing, dem Vertrieb oder dem Kundenservice. Jeder dieser Mitarbeitergruppen benötigt wiederum eine unterschiedliche Auswertung der Datenergebnisse.

Wie diese Ergebnisse kommuniziert werden:

• in Meetings
• durch eine Präsentation
• in einem Bericht
• über das Intranet
  
  

Welche Handlungen abgeleitet werden:

• Welche Risiken in der Kundenbeziehung wurden erkannt? Wie können diese reduziert werden?
• Was müssen die Abteilungen und/oder Teams beachten?
• Welche Vorgaben ergeben sich aus den Ergebnissen?
• Welche Arbeitsschritte leiten sich daraus ab?
• Wer übernimmt welche Aufgabe?
• In welchen Bereichen ist eine Schulung des Mitarbeiters und/oder Teams sinnvoll?