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 …)

BI Tools – Sollten Sie Ihre B2B-Intelligence-Software herstellen oder kaufen?

Angesichts der steigenden Vertriebskosten und der Veränderung des Kaufverhaltens der B2B Kunden ist BI (Business Intelligence) für den Erfolg jedes Unternehmens von entscheidender Bedeutung.

Diese Situation zeigt sich besonders deutlich im Business-to-Business, wo die Vertriebskosten den wirtschaftlichen Erfolg am stärksten beeinflussen.

(mehr …)

Wie sich die von Ihnen eingesetzten Predictive-Analytics-Methoden auf Ihr Vertriebscontrolling auswirken.

Vertriebscontrolling im Business-to-Business (B2B) Bereich entwickelt sich zunehmend zu einem Hightech-Spiel. Da die Verkaufszyklen im B2B recht lang sind und der Vertrieb immer teurer wird, muss das Controlling weiter in die Zukunft schauen.

Machine Learning, ein bekanntes Beispiel für schwache künstliche Intelligenz, stellt dennoch eine hervorragende Möglichkeit zur Verbesserung des B2B-Vertriebscontrollings und der Business Intelligence dar. Es bereichert die Welt der Kundenanalyse um einen wesentlichen Wettbewerbsvorteil.

(mehr …)

Data-Mining ERP – Was wir nach der Analyse von 100 Millionen ERP-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 …)

B2B-Kundenanalyse: Kaufverhalten analysieren und verstehen.

Neue Technologien ermöglichen heute ein sehr detailliertes Verständnis des digitalen Kaufverhaltens, auch als Customer Journey bekannt (deutsch: „Reise des Kunden – Kundenreise“). Sie ermöglichen auch die Anwendung von Predictive Analytics im B2B-Vertrieb.

Allerdings ist diese Analyse des Kaufverhaltens gleichzeitig eine der größten Herausforderungen, denen sich Unternehmen stellen müssen. Da Kunden zunehmend ihre Einkaufsaktivitäten auf digitale Kanäle, einschließlich Social Media, Internet und E-Procurement ausdehnen, wird es immer schwieriger zu verstehen, wie Kunden wirklich kaufen.

(mehr …)