Customer Analytics 2022 von Ruedi Dätwyler.

Organisationen müssen sich immer wieder die Frage stellen: Bearbeiten wir die richtigen Kunden, mit den richtigen Produkten und Dienstleistungen, mit den richtigen Ressourcen in der richtigen Intensität? Und kennen wir unsere Kunden so gut, dass wir auch die kommenden Jahre in vorwiegend gesättigten Märkten (als Gewinner!) überleben können? Customer Analytics 2022 gewinnt an Stellenwert. 

Schon Napoleon war davon überzeugt, dass Information mit Abstand das wichtigste Gut ist, um einen Krieg gewinnen zu können. Und trotzdem verlassen sich auch heute noch viele Manager auf ihr «Gefühl» und ihre Erfahrung. Und viele Sales Verantwortliche haben «das Gefühl», dass sie die richtigen Kunden bearbeiten und dabei das Maximum aus den Kunden rausholen. Keiner dieser Sales Verantwortlichen kann dies aber mit Zahlen belegen. Viel professioneller ist der Ansatz, diese Frage mit einer soliden und aussagekräftigen Datenbasis und einer strukturierten, faktenbasierten und zielorientierten Analyse beantworten zu können. Und genau hier liegt heute die grösste Herausforderung!

Warum die Kundenanalyse für den Erfolg von Unternehmen so wichtig ist und wie viel sie dazu beitragen kann, businessrelevante Fragestellungen zu beantworten, zeigen die folgenden Beispiele von zentralen Fragestellungen, welche von erfolgreichen Unternehmen beantwortet werden können:

• Wie hoch ist der aktuelle/künftige Kundenwert eines bestehenden Kunden?
• In welche Segmente können wir unsere Kunden unterteilen?
• Bei welchen Kunden gibt es Up- und Cross-Selling Potenziale?
• Wann und worüber wollen wir mit unseren Kunden sprechen?
• In welcher Phase im Kundenlebenszyklus steht der Kunde und was müssen wir in dieser Phase tun?
• Mit welchen Argumenten kann der Kunde überzeugt werden?
• Auf welche Produkte/Leistungen spricht der Kunde an?

Unternehmen, welche auf diese Fragen Antworten haben, verfügen über ein sehr hohes Kundenverständnis und damit über einen klaren Wettbewerbsvorteil. Denn je höher das Kundenverständnis ist, desto besser kann die Kundenzufriedenheit aktiv gesteuert werden. Und je höher die Kundenzufriedenheit ist, desto besser sind die Verkaufszahlen!

nd nun stellt sich die grosse Frage: Wie kommen Unternehmen zu den bestmöglichen Antworten auf die oben gestellten Fragen?

 Relevante Kundendaten sammeln

Staudacher bringt es in seinem Buch «Kundenorientierung» auf den Punkt: «Kundendaten im Sinne von Kundenerkenntnissen sind das Öl der Zukunft, die wichtigste Ressource einer Organisation.» Es geht bei der Sammlung von internen und externen Daten nicht um die Masse von Informationen, vielmehr um die Relevanz der Daten für die Entscheidungsfindung. Früher wurde für die Datensammlung vor allem auf Primärforschung gesetzt, seit Mitte des 20. Jahrhunderts immer mehr auch auf Sekundärerhebungen (Meffert et al. 2019, S.170). Immer mehr und relativ günstige Möglichkeiten bieten sogenannte Online-Analytic-Tools, welche auf die Datensammlung in Bezug auf Nutzung von Webseiten, Apps oder Social Media Kanälen spezialisiert sind. Die grosse Kunst bei der Datensammlung ist, das Zusammenspiel dieser umfassenden Kundendatenquellen zu optimieren.

 Kundendaten-Analyse

In der Datenanalyse werden vier Typen/Methoden unterschieden:

Descriptive: Was passiert in unserem Business?

• Man sieht es anhand der aktuellen Daten.

Diagnostic: Warum geschieht etwas?

• Die Ursachen erkennen.

Predictive: Was könnte passieren?

• Algorithmen aus Vergangenheitsdaten können die Zukunft ganz grob skizzieren.

Prescriptive: Was können/müssen wir tun?

• Entwicklung von Actions und Strategien auf die skizzierte Zukunft.

Für eine konkrete Herausforderung bei der Datenanalyse ziehen wir den Cross-Industry Standard Process for Data Mining bei (CRISP-DM) (Bachman und Anand 1996, S 48 ff.). Dieser setzt sich aus den folgenden 6 Schritten zusammen:

1. Business Understanding: Verständnis für die betriebswirtschaftliche Problemstellung
2. Data Unterstanding: Bestimmung der geeigneten Datenbestände
3. Data Preparation: Datentransformation in ein geeignetes Format zur Datenanalyse
4. Modeling: Bestimmung der Auswahlkriterien für Data-Mining-Methoden und Bewertung der dieser Daten
5. Evaluation: Bewertung dieser Ergebnisse
6. Deployment: Empfehlungen für Führungsentscheidungen im Kundenbeziehungsmanagement

Wer die Datensammlung und die Customer Analytics 2022 beherrscht, besitzt einen enormen Wettbewerbsvorteil!

Fazit zu Customer Analytics 2022: 

Im Schweizer Detailhandel steigt der Konkurrenzkampf seit Jahren. Über die letzten Jahre vor allem mit dem Eintritt der beiden grossen deutschen Discounter Aldi und Lidl und der Weiterentwicklung stationärer Grössen wie Coop oder Denner. Und dieser Trend ist bei Weitem noch nicht abgeschlossen. Im Gegenteil, Online Riesen wie Amazon oder Alibaba werden in den kommenden Monaten und/oder Jahren die Schweiz auch auf ihre «Landkarte» nehmen. Der Kampf um die Schweizer Konsumenten wird sich also weiter zuspitzen. Und ganz wichtig in diesem Zusammenhang: Die oben angesprochenen Online Giganten verfügen über eine sehr grosse Expertise im Bereich der Kundenanalyse.

Aus meiner Sicht ist klar, dass der Schweizer Detailhandel sich im Bereich der Kundendaten und der Kundenanalyse entsprechend vorbereiten muss. Die Migros verfügt heute schon über eine sehr grosse Datenmenge. Über 2 Millionen Haushalte besitzen eine Cumulus Karte. Und dennoch gelingt es der Migros immer noch nicht, die Kunden noch besser an den Einkaufskanal zu binden.

Wichtig ist, dass die Migros die richtigen Schlüsse aus den Daten zieht. Vor allem in den Bereichen «predictive» und «prescriptive» besteht in meinen Augen immer noch Handlungsbedarf. So zumindest kommt es bei mir persönlich und in meinem Umfeld an, da immer noch sehr wenige «richtige», auf die Zielpersonen zugeschnittene Angebote verschickt werden. Und es scheint auch anderen Migros Konsumenten so zu gehen, da diese auch immer wieder den Kanal wechseln!