Customer Journey Analytics 2023 von Fabian Brown.
Versuchst du wertvolle Einsichten in das Verhalten deiner potenziellen und bestehenden Kunden zu gewinnen? Das Geheimnis ist: Customer Journey Analytics 2023. Diese Vorgehensweise hilft dir deine Kunden in den richtigen Augenblicken abzuholen.
Wo liegt nun das Problem?
Natürlich verfügen Vertriebsspezialisten über Wissen, wie sie die Kunden in ihrer Kaufentscheidung beeinflussen können. Allerdings werden diese Antworten sehr unterschiedlich ausfallen. Dabei kann es zu Wiedersprüchen kommen. Zudem sind die Hypothesen über das Kundenverhalten, auf denen das Vertriebskonzept beruht, nicht durchgängig abgebildet – und teilweise weit von der Realität entfernt. Die Markforschung kann helfen, diese Problematik zu bearbeiten. Sie lässt sich jedoch aus unterschiedlichen Gründen nicht durchgängig lösen. Denke an die Kosten, Fragen der Repräsentativität sowie das Timing. Letztlich wird das Vertriebskonzept durch eine Menge «Bauchgefühl» – im Sinne einer unvollständigen oder unzutreffenden Erfassung der Situation bestimmt. Der Vertrieb bleibt demnach unter seinen Möglichkeiten. Doch die Kundendaten sprechen eine eindeutige Sprache. Sie schaffen Klarheit. Die «richtigen» Daten können dir helfen, das Timing der Vertriebsmassnahmen massiv zu verbessern und der Erfolg in deinem Unternehmen zu steigern.
Die vier CAS des MAS Sales Excellence
Was ist Customer Journey und Data Analytics?
Die Customer Journey ist der Lebenszyklus einer Kundenverbindung. Sie beginnt, bevor ein Interessent mit dem Unternehmen in Kontakt tritt und endet, wenn ein Kunde für das Unternehmen endgültig nicht mehr als Kunde in Frage kommt. Alles was zwischen diesen Endpunkten liegt, ist die Customer Journey. Wenn wir darüber nachdenken, wie wir mit Kunden interagieren, konzentrieren wir uns auf Kontaktpunkte – sogenannte Touchpoints. Touchpoints sind Interaktionsmomente. Es geht darum diese Touchpoints zu identifizieren und sicherzustellen, dass die Kunden an den Touchpoints positive Erfahrungen machen. Und sich letztlich für einen Kauf entscheiden.
Die Auswertung der Daten mit wissenschaftlichen Methoden bezeichnet man als Data Analytics. Dadurch wird der Informations- und Wissensschatz in der Organisation zugänglich. Es geht darum, aus internen und externen Datenquellen neue Kundenerkenntnisse zu gewinnen. Die Informationen werden dann mit geeigneten Analyse-Tools ausgewertet. Die gewonnen Einsichten helfen kundenorientierte Entscheidungen zu fällen. Ziel ist es, die Geschäftsprozesse zu verbessern und den Wettbewerbserfolg zu steigern.
Welchen Mehrwert bietet nun Customer Journey Analytics 2023?
Ein wesentlicher Erfolgsfaktor ist der Business Case und diesen richtig zu erfassen. Gelingt das nicht, schafft Data Analytics keinen Mehrwert. Im Hinblick auf die Customer Journey gibt es eine grosse Anzahl möglicher Szenarien. Hier empfiehlt es sich zu analysieren, welche Use Cases für den Vertrieb relevant sind. Der Mehrwert ergibt sich aus dem «Wissen» rund um das Kundenverhalten. Dies ermöglicht einen effizienteren Einsatz der Vertriebsinstrumenten. Insbesondere die gezieltere Kundenansprache, ein besseres Timing der Kundenansprache und einen effizienteren Einsatz der Vertriebsressourcen.
Denkwerkstatt Sales Excellence
In der Realität ist es so, egal wie hoch das Budget ist, welches du für Marktanalysen oder Kundenansprache verwendest, du wirst nie jede Handlung des Kunden nachverfolgen können. Im Marketing wird daher oft vereinfachend von der Customer Journey eines Kunden gesprochen und die idealisierte Reise eines Beispielkunden abgebildet. Aber genau diesen einen Kunden mit genau der einen Customer Journey gibt es nicht. Die wenigsten Kunden durchlaufen ihre Reise geradlinig von A bis Z. Genauso wenig könnte das Unternehmen diese Wechselwirkungen aus Informationsbeschaffung und Entscheidung eines Kunden individuell nachvollziehen. Genau hier kommt Data Analytics ins Spiel.
Moderne Datenanalysen ermöglichen es, das Verhalten der Kunden automatisiert zu untersuchen. Gute Data-Analytics-Modelle entlang der Customer Journey führen so zu Kunde-Unternehmen-Schnittstellen, an denen sich der Kunde vom Unternehmen begleitet und individuell wahrgenommen fühlt. Darüber hinaus erhältst du Einsichten zu Kundensegmenten und deren Kaufverhalten.
Wie ist die Vorgehensweise von Customer Journey Analytics 2023 in der Praxis?
Die Analytics-Modelle lassen sich in drei Anwendungsbereiche zuordnen: Datengenerierung, Strukturen und Segmente erkennen, Prognosen erstellen und Handlungsempfehlungen ableiten. Zielbild ist stets: Der Kunde soll durch dein Unternehmen möglichst individuell angesprochen und begleitet werden.
Wichtig: Auch mit Analytics wirst du keine sichere Vorhersage über das Verhalten und die Bedürfnisse der einzelnen Kunden erzeugen können. Es geht darum, für abgegrenzte Kundensegmente passende Angebote und Content zu erzeugen. Dabei soll die Kaufrate höher sein als bei einer Pauschalansprache breiter Kundengruppen.
Als Framework zur Modellierung der Customer Journey kann der Kaufentscheidungsprozess von Kotler verwendet werden.
- Problemerkennung: Am Anfang steht der Wunsch einen Mangel (egal welcher Art) zu beheben.
- Informationssuche: Es gibt viele Alternativen, die mehr oder weniger geeignet sind, den Mangel zu beheben. Der Interessent sucht aktiv nach Informationen.
- Bewertung der Alternativen: Sofern der Interessent (potenzieller Kunde) das Gefühl hat, genügend informiert zu sein, beginnt er diese zu bewerten.
- Kaufentscheidung: Nach der Bewertung möchte der Interessent ein bestimmtes Produkt erwerben – Die Kaufentscheidung kann jedoch noch modifiziert werden.
- Verhalten nach dem Kauf: Nach dem Kauf wünscht der Kunde eine positive Erfahrung mit dem erworbenen Produkt.
Jede Phase im Kaufentscheidungsprozess bildet einen Schritt zum Geschäftsabschluss. Dieses Wissen gilt es zu nutzen. Daher ist es wichtig, die Touchpoints in den einzelnen Phasen zu kennen. Entscheidend sind die Impulse, welche das Verhalten und die Kaufentscheidung positiv beeinflussen.
Beispiel für Customer Journey Analytics 2023
Nehmen wir ein fiktives Unternehmen. Das Unternehmen verkauft seine Produkte und Dienstleistungen direkt an die Endkunden. Dieses möchte den Wettbewerbserfolg steigern und den Vertrieb kundenorientierter gestalten.
Problemerkennung
Hier gilt es aufzuklären, welche Impulse das relevante Bedürfnis auslösen. Solche Informationen lassen sich beispielsweise aus Social-Media-Daten gewinnen. Mithilfe interner Daten (Website-Besuchen, Kundenstammdaten und Transaktionsdaten) können in Kombination mit den Social-Media-Daten Interessententypen und Bedarfsimpulse ermittelt werden. Dabei hilft die Kundenstrukturanalyse (z.B. Clusteranalyse) der kürzlich gewonnen Neukunden.
Informationssuche
Hier gilt es herauszufinden, welche Informationsquellen der Interessent nutzt die das Entscheidungsverhalten beeinflussen. Aus der Auswertung von Websites, Social-Media und Verkaufsgesprächen, lassen sich hierüber Einsichten gewinnen.
Bewertung der Alternativen
Hier gilt es mithilfe analytischer Verfahren Einsichten zu gewinnen, wie Interessenten Informationen generieren, verarbeiten und wie sie ihre Entscheidungen treffen. Das Unternehmen muss hier neben den relevanten Produkteigenschaften, auch die emotionalen Aspekte berücksichtigen. Wichtige Erkenntnisse können hier mittels Marktforschung ermittelt werden.
Kaufentscheidung
Hier muss sich das Unternehmen fragen, unter welchen Umständen welchen Kunden mit welchen Argumenten mehr Produkte, ergänzende Produkte oder zusätzliche Produkte (Up-/Cross-Selling) verkauft werden können. Mögliche Vertriebspotenziale können hier beispielsweise mittels Warenkorbanalyse ermittelt werden.
Verhalten nach dem Kauf
Auch in dieser Phase muss das Unternehmen die Kunden begleiten. Nach dem Kauf sammelt der Kunde weiterhin Erfahrungen mit dem Produkt. Erst jetzt zeigt sich, inwiefern die Erwartungen erfüllt wurden. Beispielsweise aus Beschwerdemanagement-Daten kann das Unternehmen lernen, welche Produkteigenschaften und Serviceleistungen den Kunden positiv oder negativ beeinflussen. Außerdem lassen sich weitere Hinweise daraus gewinnen, wie Up- und Cross-Selling-Kampagnen effektiver gestaltet werden können.
Abschliessende Gedanken:
Im Rahmen der Customer Journey Analytics 2023 können die Analytics-Modelle nahezu in jeder Kaufentscheidungsphase eingesetzt werden. Die Frage, wie du die Informationen konkret nutzen kannst, wird nicht beantwortet. Daher ist es wichtig, dass immer auch sachlogische Überlegungen im Entscheidungsprozess berücksichtigt werden.
Weitere Informationen zu unserem Sales Excellence-Ansatz
Sales Excellence-Modell
Sales Excellence gewinnt in der Praxis immer mehr an Stellenwert. Verschaff Dir einen Überblick über unseren Ansatz und nutze die zahlreichen Ressourcen.
