Analytisches CRM – Der Kunde im Zentrum von Business Intelligence

25. Juli 2013André Straub

Kundenbeziehungen spielen in jedem Unternehmen eine entscheidende Rolle. Immer stärker rückt daher das Customer Relationship Management (CRM) in den Vordergrund, das alle Prozesse zum Aufbau und Pflege der Kundenbeziehungen umfasst. Prinzipiell lässt sich CRM in zwei Bereiche aufteilen: das operative und das analytische CRM. Während ersteres sich direkt mit der Kundeninteraktion beschäftigt, umfasst das analytische CRM die Auswertung und Steuerung der Kundenbeziehungen unter strategischen Gesichtspunkten. Die Ergebnisse dieser Analysen fließen in Form von definierten Maßnahmen in das operative CRM ein und beeinflussen somit das Kundenverhalten. Durch erneutes Messen des Erfolgs schließt sich der CRM-Regelkreis („Closed-Loop-Ansatz“).

Das analytische CRM lässt sich als ein Teilgebiet von Business Intelligence definieren, bei dem der Kunde im Zentrum steht. In diesem Zusammenhang spricht man auch von Customer Intelligence. Je nach konkreter Fragestellung können hierbei unterschiedliche Methoden und Instrumente eingesetzt werden. Einige von diesen möchte ich hier kurz exemplarisch vorstellen.

Klassische Berichte und Analysen

Absolut elementar für das Kundenverständnis ist die Analyse des bisherigen Kundenverhaltens. Allein die klassische Fragestellungen, welche Kunden welches Produkt, wann, wo, wie oft und mit welchen Produkten zusammen gekauft haben, ermöglicht einen Einblick in die Verhaltensweisen der Kunden.

Business Intelligence hält für diese Fragestellungen zum einen klassische, standardisierte Berichte bereit, die die wichtigsten Kernfakten in einem statischen Format darstellen. Im einfachsten Fall kann es sich hierbei z.B. um einen monatlichen Bericht über die Altersstruktur der Kunden in Form eines Berichtsheftes handeln.

Wesentlich dynamischere und interaktive Analysen ermöglichen sogenannte OLAP-Cubes (Würfel). Mit ihrer Hilfe lässt sich beispielsweise Schritt für Schritt der Kundenbestand auf verschiedenen, geographischen Aggregationsstufen (Land, Bundesland, Regierungsbezirk …) betrachten. Den genauen Weg, die verwendeten Dimensionen (neben der Geografie bspw. Produkthierarchie, Vertriebskanal, Alter, Zeit) und die Richtung (in der Hierarchie nach oben, nach unten oder in eine andere Hierarchie) bestimmt der Anwender dabei während der Analyse selbst.

Mustererkennung (Data Mining)

Während bei klassischen Analysen der Mensch die Schlüsse aus den vorhandenen Informationen zieht, passiert dies bei Data Mining automatisiert mit Hilfe diverser – meist statistischer – Methoden. So lassen sich Kunden z.B. segmentieren und auf diese Art in Zielgruppen einteilen, Kundenwerte ermitteln („Scoring“) und schließlich zielgerichtete Marketing-Maßnahmen initiieren.

Auch das Aufbauen von Entscheidungsregeln und -bäumen stellt ein weit verbreitetes Instrument dar, mit dessen Hilfe sich z.B. das zukünftige Verhalten von Kunden prognostizieren lässt. Allgemein bekannt sind hierbei Kaufempfehlungen („Cross-Selling“) basierend auf bereits getätigten Käufen. Auf ähnliche Weise lassen sich auch neue Kundenpotenziale auftun und gezielt bearbeiten.

Datenherkunft

All diese Methoden benötigen neben einem definierten und gelebten CRM-Prozess vor allem solide, umfangreiche und qualitativ hochwertige Daten. In der Praxis hat sich gezeigt, dass sich ein Data Warehouse (DWH) sehr gut für derartige Analysezwecke eignet. In einem DWH werden Daten aus unterschiedlichen Quellsystemen konsolidiert, themenorientiert und historisch persistiert. Gerade die Möglichkeit, unterschiedliche – auch unternehmensexterne – Datenquellen anzuzapfen und in die Unternehmensdaten zu integrieren, stellt einen echten Mehrwert für das analytische CRM dar. So können beispielsweise allgemein zugängliche Statistikdaten über die Demographie in Deutschland einen wertvollen Beitrag für die Kundensegmentierung und -bewertung leisten.

Wie dieser kurze Ausflug in die analytische CRM-Welt zeigt, erfordert es ein breites und zugleich tiefes Methodenwissen, um derartige Projekte erfolgreich umzusetzen und nachhaltig zu betreiben. Gerne unterstützen wir Sie im Competence Centers Business Intelligence & Performance Management bei der Realisierung Ihrer Vorhaben.

Haben Sie noch Fragen oder Anregungen zu diesem Thema? Dann freue ich mich auf Ihre Rückmeldungen.

André Straub André Straub ist Consultant und BI-Experte im Competence Center Business Intelligence bei adesso. Er beschäftigt sich seit 2008 mit den Themen Business Intelligence, DWH und Data-Mining. Seine Schwerpunkte liegen in der Konzeption und Qualitätssicherung von BI-Lösungen.
Artikel bewerten:
1 Star2 Stars3 Stars4 Stars5 Stars
Loading...

Kommentar hinzufügen:

Ihr Kommentar: