Ihr direkter Draht zu uns

ImpulsLetter Q4

Abstract

Kunden sind für Unternehmen heute in erster Linie durch ihre Daten erreichbar. Folgerichtig ist ein datengetriebenes „Know-Your-Customer“ Programm ein wichtiger Baustein von Customer Centricity.

Kunden wollen mit ihren persönlichen Vorlieben verstanden und entsprechend bedient werden. Unternehmen müssen Strukturen schaffen, die ein datengetriebenes Verständnis ihrer Kunden erlauben.

Einleitung

Individualisierung ist eine alle Altersklassen und sozialen Bereiche betreffende Entwicklung und ein echter Megatrend. Kunden erwarten heute viel mehr als die auf ihr Alters- oder Einkommenssegment zugeschnittene Werbung. Sie möchten vielmehr mit individuellen Angeboten versorgt werden. Folgerichtig müssen Unternehmen ihr Marketing und ihre Kundenansprache deutlich stärker auf Basis der Analyse und Verarbeitung entsprechender Kundendaten aufbauen.

Segment-of-One

Jeder Kunde erzeugt insbesondere bei seinen Online-Aktivitäten Daten, jeden Tag und unabhängig davon, ob wir den B2B oder B2C Bereich betrachten. Es sind dies beispielsweise:

  • Alter, Geschlecht, Einkommenslevel, Konsumvorlieben, … für Endkunden
  • Unternehmensgröße, Zahlungsmoral, vertragliche Bestimmungen, … für Unternehmenskunden
  • Abnahmefrequenz und -höhe.

In diesem Artikel konzentrieren wir uns auf Beispiele des Endkundenbereiches, die aber in gleichem Maße für B2B-Situationen relevant sind.

Auch wenn der europäische Gesetzgeber durch DSGVO den Einsatz von Daten reguliert und beschränkt, ist es grundsätzlich richtig, dass Kundendaten einem Unternehmen zur internen Nutzung zur Verfügung stehen, sofern dieser der Datenaufnahme und -weiterverwertung im Vorfeld zugestimmt hat. Anonymisierte oder pseudonymisierte Daten dürfen ohnehin uneingeschränkt für explorative Zwecke eingesetzt und auch weitergegeben werden.

Durch mangelnde Information entsteht eine Unschärfe, die eine zielgenaue Ansprache unmöglich macht. Wird der Kunde in seinem Datenprofil auf nur wenige Merkmale beschränkt, ist es kaum möglich passgenau zugeschnittene Angebote zu unterbreiten. Um diese Unschärfen zu beheben, werden Kategorisierungen vorgenommen, etwa die Segmentierung der Kunden in Alters- oder Geschlechtersegmente, wodurch sich zumindest grobe Vermarktungsfehler vermeiden lassen.

Logisch: Je größer der Datenbestand, desto einfacher ist es, ein Profil des Kunden zu erstellen. Mit diesem Profil wird sein Wert für das Unternehmen quantifiziert. Folglich können Kundensegmente genauer auf die Kundenbasis zugeschnitten werden. Perfektes Verständnis des Kunden mündet im so genannten „Segment-of-One“, also im Individualsegment, das exakt einen Kunden enthält.

Die führenden Technologiekonzerne haben es sich zum Ziel gesetzt, solche Segments-of-One zu perfektionieren, um ein umfassendes Kundenverständnis herzustellen. Ihre Umsätze hängen in besonderem Maße davon ab, wie gut und verfügbar diese Profile sind. Google etwa könnte ohne ein genaues Verständnis des Kunden keine zum Klick verleitende Werbung einblenden; Amazon könnte keine für Kunden möglicherweise interessanten Produkte anzeigen; Netflix könnte Kunden nicht lange genug auf seiner Plattform halten, um ihn zum Streamen zu bewegen. Auch Unternehmen, die (noch) keine Technologie-Giganten sind, können von diesen Prinzipien profitieren, indem sie ihre Datenstrategie auf ein Rundumverständnis des Kunden ausrichten – ein immenses Potenzial.

Kundenfokus durch Datenfokus

Eine möglichst umfangreiche Erfassung von Kundendaten ist die Grundvoraussetzung für alle folgenden Schritte. Die reine Sammlung ist aber nur der erste Schritt, denn die Daten müssen natürlich auch verfügbar gemacht werden.

Dies erfordert ein durchdachtes und professionelles Datenmanagement. Viel zu oft landen Daten auch heute noch in ungeeigneten Datenhaltungsformen wie Excel-Tabellen oder proprietären Datenbanken aus denen Daten nur schwer abruf- und verknüpfbar sind.

Soll ein wirklich dezidiertes Kundenprofil erzeugt werden, müssen Daten oft aus sehr unterschiedlichen Quellen zusammengeführt werden, z.B. Kundenstammdaten, Mitgliederprofildaten, Teilnahme an Umfragen oder Informationen aus sozialen Medien. Im Allgemeinen erfolgt die Erhebung solcher Daten in verschiedenen Abteilungen und aus unterschiedlichen Gründen. Silodenken und abgeschlossene Datentöpfe erschweren aber in der Praxis häufig den Austausch und die Verknüpfung dieser Daten zur weiteren Verwertung.

Der erste Schritt auf dem Weg zu einem datengetriebenen Kundenfokus ist daher der Aufbau einer zentralen (zum Beispiel cloudbasierten) Datenbank mit standardisierten Schnittstellen zum Abruf und zur Weiterverarbeitung der Daten. Verfügbarkeit und Qualität der Daten sind die Hebel, die es im nächsten Schritt erlauben, eine feinere Segmentierung des Kundenstamms und so eine zielgenauere Ansprache zu ermöglichen.

Zwischen einer ungeordneten, dezentralisierten Datensammlung und einer zentralen cloudbasierten Kundendatenbank mit Echtzeitverfügbarkeit liegen zahlreiche technische Schritte – hier ist eine externe Beratung ausgesprochen sinnhaft.

Die Rolle eines abteilungsübergreifenden Datenteams

Das Datenteam verwandelt Daten in strukturierte Information. Abteilungsübergreifend aufgebaut, sollte es sowohl technisch fähige als auch business-versierte Mitarbeiter umfassen. In erster Linie sind dies Analysten und Kommunikatoren, die durch Data Scientists und Machine Learning Experten unterstützt werden können und sollten.

Datenanalysten tragen zu einem besseren Verständnis des Kunden bei, indem sie ein kohärentes Bild herstellen. Der Analyst macht aus einem Datensee konsumierbare Informationen. Seine Aufgabe ist es, mithilfe von Tools wie Tableau, Power BI oder auch Open Source Technologien, Muster und Zusammenhänge aus den Daten herauszuarbeiten. Dazu greift sie oder er auf interaktive Visualisierungen zurück, um die Informationen nachvollziehbar zu kommunizieren.

Kommunikatoren bringen technisches Verständnis und Geschäftssinn zusammen und erzeugen aus den Informationen des Analysten eine Business Story, um Entscheidungsträgern datenbasierte Fakten als Entscheidungsgrundlage geben zu können.

Data Scientists schließlich können die von den Analysten gefundenen Muster fundiert prüfen und gegebenenfalls durch technische Lösungen – wie Modelle des maschinellen Lernens oder KI-Anwendungen – nutzen.

 

Ein Datenteam sollte viele Fähigkeiten in sich vereinigen

Das Datenteam sollte als Querschnittsfunktion verstanden werden, denn die Arbeit eines solchen Teams hat Einfluss auf alle Bereiche des Unternehmens:

  1. Durch gekonnten Einsatz von Analytics können Kundenprofile erzeugt werden und die Ergebnisse an den Vertrieb weitergegeben werden.
  2. Analysen der Kundenvorlieben und Konsummuster führen zur besseren Vorhersage von Angebot und Nachfrage. Dadurch nähert sich das Unternehmen der Datennutzung durch Einsatz von maschinellem Lernen und künstlicher Intelligenz an.
  3. Entwicklungen und KPIs werden durch einfach verständliche Dashboards an Manager und Verantwortliche kommuniziert und weitergegeben, um datengetriebene Geschäftsentscheidungen zu ermöglichen.

Ein so konzipiertes Datenteam sollte einen zentralen Stellenwert in der Organisation einnehmen, um seine Fähigkeiten voll entfalten zu können. Zeitgleich muss dafür gesorgt sein, dass Daten verfügbar, sauber und vor allem immer aktuell sind. Ohne eine gute Datenversorgung kann das Datenteam nicht erfolgreich arbeiten.

Die skizzierten und notwendigen Maßnahmen zum Aufbau eines professionellen Datenmanagements erfordern meist kein großes Investment. Tatsächlich lassen sich die oben beschriebenen Schritte am besten agil durchführen. Dafür sollte zunächst ein historisch lukratives (kleines) Kundensegment ausgewählt werden. Die notwendige Infrastruktur wird nach und nach um dieses Segment herum aufgebaut. Durch agile Zyklen können immer mehr Kunden in diese Infrastruktur aufgenommen werden und die Profilierung und Erkennung von Mustern schrittweise verbessert werden.

Fazit

Datengetriebener Kundenfokus kann durch eine klare Datenstrategie, gutes Datenmanagement und ein agil arbeitendes Datenteam erreicht werden. Kundenfokus durch Daten ist heute eine Möglichkeit, den Wert von ohnehin gesammelten Daten weiter zu steigern und gleichzeitig dem realen Anspruch eines immer emanzipierteren und individuelleren Kundenstamms mit modernen Mitteln gerecht zu werden.

Dr. sc. Burkhard Schwab

Artikel zum Download

Teilen
Newsletter