Data-Mining ERP – Was wir nach der Analyse von 100 Millionen Verkaufstransaktionen erkannt haben.

Data-Mining ist die Anwendung einer Vielzahl von verschiedenen statistischen Methoden auf Daten im ERP-System. Heutzutage nutzen Unternehmen Data-Mining, um Ergebnisse vorherzusagen, Verkaufstrends zu erkennen, eine Abwanderung von Kunden zu verhindern und die Preispolitik dynamisch anzupassen.

Die Mustererkennung aus Enterprise Resource Planning (ERP) Daten ist im Business-to-Business Bereich von entscheidender Bedeutung, da bereits kleine Verbesserungen der Vertriebseffizienz erhebliche Auswirkungen auf die Ergebnisse haben können. Das Data-Mining der Vertriebsdaten im ERP-System hilft den Kunden dabei, eine beträchtliche Wertschöpfung zu erreichen, Quick-Wins zu entdecken und ihre Verkaufsaktivitäten zu priorisieren. Die Automatisierung dieses Prozesses ist heute mithilfe von künstlicher Intelligenz (KI) möglich.

(mehr …)

Drei Beispiele für Predictive Analytics und Big Data für B2B Kundenanalyse

Dank Predictive Analytics ist Big-Data eine „Big Chance“ für B2B-Vertriebsleiter. Diese signifikante Chance erfordert jedoch ein genaues Verständnis jeder Verkaufssituation, inklusive der zur Verfügung stehenden Big-Data Mining Modelle.

(mehr …)

Dieses B2B Beispiel überzeugt Sie sicherlich, Ihre Vertriebskosten neu berechnen zu wollen.

Vertrieb hat in den letzten Jahrzehnten viele Veränderungen erlebt. Jeder ist überall mobil, CRM-Systeme sind universell und “Customer Journey” hat einen Mainstream-Status erreicht. Diese Änderungen sind nichts im Vergleich zu der Revolution durch Predictive Analytics. Diese ist die entscheidende Technologie für den B2B-Vertrieb.

 
Die Fähigkeit, Vorhersagen über die Zukunft zu treffen, verändert den Vertrieb im Business-to-Business (B2B) radikal. Es bringt enorme Vorteile für die Gestaltung der Preisstrategie, verhindert Kundenabwanderung und verbessert die Vertriebsplanung.

(mehr …)

Für Business-to-Business-Vertriebsleiter und -Vermarkter ist die Fähigkeit, den Kundenwert zu berechnen, sehr attraktiv. Darum ist der Customer Lifetime Value heutzutage in so vielen Branchen weit verbreitet. Es gibt dabei jedoch ein kleines Problem. Ein Teil des Wertes liegt in der Zukunft. Wer weiß schon wie lang ein Kunde noch Kunde ist? Und wie viel er kaufen wird?

Zunächst ein paar Definitionen:

Experten im B2B Vertrieb und Marketing definieren Customer Lifetime Value (CLV oder häufig CLTV), Lifetime Value (LTV) oder Lifetime Customer Value (LCV) als den Deckungsbeitrag, der der gesamten Kundenbeziehung zugerechnet wird. Vertriebsfachleute bezeichneten diese Kennzahl gewöhnlich als prognostiziert – also in der Zukunft liegend. Andere nehmen lieber nur den historischen Wert eines Kunden und lassen den prädiktiven Teil einfach weg.

Der auf deutsch “Kundenlebenswert” stellt also eine quantitative Kennzahl dar und bringt eine langfristige Perspektive in die Kundenbeziehungen.

(mehr …)

Kundenanalyse: ist Predictive Analytics Software eine Geheimwaffe?

Kein Unternehmen wird das nächste Jahrzehnt überleben, ohne die Macht von Predictive Sales Analytics zu nutzen. Allerdings fehlt vielen Vertriebsleitern im Business-to-Business Bereich (B2B) immer noch das Verständnis oder die Infrastruktur, die sie dafür benötigen.

Einige ignorieren den Wert ihrer Vertriebsdaten, die unbenutzt in ihren ERP- und CRM-Systemen verkümmern. Obwohl Vertriebscontroller mit dem Sammeln einer stetig wachsenden Menge an Verkaufs- und Vertriebsdaten belastet werden, nutzen ihre Vertriebsleiter diese nicht. Daten haben keinen Wert, wenn sie nicht für die Umsatzsteigerung verwendet werden.
(mehr …)