Predictive Analytics: Von der Kundenanalyse zum Kundenwert

Customer Analytics, Kundenanalyse, Kundenwert

Aus der Kundenanalyse mit Predictive Analytics lassen sich gezielte Vertriebsaktivitäten entwickeln.

Kennen Sie Ihre Kunden wirklich – und zwar nicht nur die Großkunden? Eine Kundenanalyse liefert notwendige Erkenntnisse über die eigenen Kunden. Welche Vorlieben haben sie? Wie kaufen sie ein?

Anhand von Kundendaten lassen sich mit Predictive Analytics individuelle Angebotschancen ermitteln und in der Folge den Wert eines Kunden bestimmen.

Ziel der Kundenanalyse ist es, mehr über die Kunden zu erfahren. Je besser Unternehmen ihre Kunden kennen und verstehen, desto besser können Sie ihre Leistungen an deren Bedürfnisse anpassen.

Eine Kundenanalyse gibt Antworten auf folgende Fragen:

• Wie sieht die Kundenstruktur aktuell aus?
• Was brauchen meine Kunden?
• Was erwarten meine Kunden von mir?
• Wie viel bringt mir ein bestimmter Kunde beziehungsweise eine bestimmte Kundengruppe?

Kundendaten als Ausgangspunkt der Kundenanalyse

Kundendaten liegen Unternehmen heute massenhaft vor. Gerade Firmen, die auf mehreren Kanälen unterwegs sind und dort ihre Kunden ansprechen (Multi-Channel) können auf Daten und Datenspuren (Big Data) zurückgreifen. Die Vorlieben und das Kaufverhalten der Kunden können analysiert werden.

Quellen dafür sind zum Beispiel ein Online-Shop, soziale Medien, Kundenkarten oder ganz einfach die Verkaufstransaktionen. Aus diesen Daten lassen sich dann Muster und Zusammenhänge ableiten und mit Predictive Analytics Prognosen über zukünftiges Kundenverhalten aufstellen.

Die Kundenstruktur kann über verschiedene Merkmale bestimmt werden. Folgende Kriterien lassen sich beispielhaft auswerten:

– Produktportfolio: Welche Produkte kaufen die Kunden?

– Saisonalität: Kaufzeitpunkte.

– Regelmäßigkeit: In welchen Abständen wird gekauft?

– Umsatzentwicklung: Umsatz pro Kunde und Produkt.

– Informationsverhalten: Kommunikationsverhalten, Mediennutzung.

– Kaufverhalten: Markenwahl, Markentreue, Preisbewusstsein, Wert des durchschnittlichen Einkaufs, Frequenz neuer Einkäufe.

– Verwendungsverhalten: Intensivität, Art, Umfeld, Weiterempfehlungsverhalten.

– Geografische Kriterien: Staatsgebiet, Stadtgebiete, Wohngegenden, Stadt, Land.

– Demografische Kriterien: Alter, Geschlecht, Familienstand, Kinderzahl, Haushaltsgröße (eher nur im B2C-Bereich).

– Soziografische Kriterien: Einkommen, Kaufkraft, Bildungsstand, Berufstätigkeit, Besitzmerkmale (eher nur im B2C-Bereich).

– Psychografische Kriterien: Motive, Einstellungen, Nutzenerwartung, Persönlichkeitsmerkmale, Präferenzen (eher für den B2C-Bereich).

Mit Hilfe dieser Kriterien können Unternehmen recht detailliert die Struktur ihrer typischen Kunden ermitteln. Sie sollten dabei aber beachten, auch einen Vergleich zu den Top-Kunden herzustellen, da diese für einen Großteil des Umsatzes verantwortlich sind und unter Umständen erheblich vom typischen Kunden abweichen.

Von der Kundenanalyse zum Kundenwert

Grundsätzlich sind Kundenbedürfnisse Wünsche oder Probleme, die Kunden erfüllt oder gelöst haben wollen. Im B2B-Bereich sind dies die Unternehmensziele, wie z.B. Wachstum, Umsatzsteigerung oder eine gute Positionierung im Wettbewerb. Die Erwartungshaltung der Kunden ist jedoch oft individuell und beziehen sich auf konkrete Leistungen oder Produkte. Diese Erwartungen verändern sich ständig und sollten deshalb auch fortlaufend ermittelt werden.

Sind die Kunden sehr unterschiedlich, sollte zwischen den Kundengruppen differenziert werden. Es ist zum Beispiel möglich, dass einzelne Top-Kunden mit bestimmten Produkten oder Leistungen zufrieden sind, während andere es nicht sind, sie aber eher wenig Umsatz bringen.

Dies führt zum nächsten wichtigen Punkt der Kundenanalyse: Der tatsächliche Wert eines Kunden für das Unternehmen – der Kundenwert.

Beim Kundenwert geht es um die Frage, wie viel ein Kunde oder eine Kundengruppe zum wirtschaftlichen Erfolg des Unternehmens beiträgt.

Dies lässt sich über die Analyse der Kundendaten durch Predictive Analytics feststellen.

Die Kunden, die besonders viel zum wirtschaftlichen Erfolg beitragen, sind die Key Accounts. Im Vertrieb erhalten die Key Accounts oft eine individuelle Betreuung.

Der Kundenwert sollte allerdings nicht nur am Umsatz festgemacht werden. Neben der rein monetären Kundenrentabilität spielt auch der Informations- und Referenzwert eines Kunden eine Rolle. Während der monetäre Wert am Umsatz beziehungsweise am Deckungsbeitrag je Kunde festgemacht wird, bestimmt sich der Informationswert am Wert aller Informationen, die durch den Kunden zufließen und für das Unternehmen verwertbar sind.

Dies könnten z.B. Kunden sein, die eine wichtige Referenz darstellen oder sogar Beschwerden des Kunden, durch die im Unternehmen Verbesserungen und Leistungssteigerungen angeregt werden.

Methoden zur Bestimmung des Kundenwerts

Gängige Methoden zur Bestimmung des Kundenwerts sind:

 
– ABC-Analyse
Kunden werden in die Kategorien A, B und C, jeweils nach ihrem Anteil am Gesamtumsatz eingeteilt. Daran lässt sich erkennen, wo sich gezielte Maßnahmen lohnen oder wo detailliert budgetiert werden soll.

– Kundendeckungsbeitragsrechnung
Hier geht es darum, welchen Deckungsbeitrag ein bestimmter Kunde erbringt, nach Abzug aller Kosten, die eindeutig nachweisbar und für diesen Kunden entstanden sind.

– Kundenpotenzialanalyse
Mit Hilfe der Kundenpotenzialanalyse werden die Zukunftschancen einzelner Kunden bewertet, um Hinweise für die differenzierte Bearbeitung dieser Kunden zu gewinnen. Moderne Software für Predictive Analytics macht das einfacher.

– Kundenportfolioanalyse
Im Hinblick auf den Kundenwert bedeutet die Kundenportfolioanalyse, dass die in den jeweiligen Kunden investierten Mittel in einem ausgewogenen Verhältnis zu dessen Gewinnpotenzial stehen müssen.

– Customer Lifetime Value (CLTV)
Um den Customer Lifetime Value [Verlinkung zum Blog-Artikel „Wie Sie den Customer Lifetime Value Ihrer B2B-Kunden berechnen und steigern können“] zu berechnen, wird die Profitabilität eines Kunden in Form seines Kapitalwertes für die einzelnen Perioden der Geschäftsbeziehung geschätzt. Es wird also die „Lebenszeit“ eines Kunden betrachtet. Dies gilt für jede Form der Geschäftsbeziehung, also auch für den Customer Lifetime Value B2B.

– Scoring-Modell
Beim Scoring-Model werden alle Transaktionen mit einem Kunden gewichtet und mit positiven oder negativen Punkten bewertet. Der gewichtete Punktewert wird zur Kundeneinteilung herangezogen.

Die Krux bei Methoden, wie zum Beispiel der ABC-Analyse oder der Kundendeckungsbeitragsrechnung ist, dass sie sich an der Vergangenheit orientieren.

Es wird vorbildlich analysiert, was bestimmte Kunden gebracht haben, nicht, was sie möglicherweise noch an Umsatzpotenzial beziehungsweise an Verkaufschancen bringen könnten. Gerade hier spielt Predictive Analytics seine Stärken aus:

Als ein Teilgebiet von Business Intelligence (BI) und Business Analytics (BA) setzt Predictive Analytics da an, wo Online Analytical Processing (OLAP) oder Reporting aufhören.

Es wird nicht nur eine bestehende Kundensituation analysiert, sondern versucht, mittels Datenmodellen Vorhersagen über mögliche Ereignisse in der Zukunft zu treffen. Das kann das Potenzial von Cross- und Up-Selling sein oder auch eine mögliche Kundenabwanderung (Churn Risk) betreffen. Mit Predictive Analytics schauen Unternehmen sozusagen nach vorne und nicht nur zurück. Sie treffen datenbasierte Entscheidungen.

BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE

Predicitve Analytics bereitet die Ermittlung des Kundenwerts vor

Wer den monetären Kundenwert ermittelt, sollte berücksichtigen, dass der Ertragswert des Kunden auch vom Zahlungsverhalten abhängt. Es ist deshalb von Bedeutung, ob der Kunde die Zahlungen auch tatsächlich in der vereinbarten Höhe und Zeit leistet. Predictive Analytics erlaubt diesbezüglich nicht nur Einblicke in das Verhalten von Kunden, sondern ermöglicht auch Prognosen über zukünftige Kundenaktivitäten.

Aus der Kundenanalyse mit Predictive Analytics, die sich an der Customer Journey orientiert, lassen sich wertvolle Hinweise für eine Entscheidungsfindung und eine passende Auswahl gezielter Vertriebsaktivitäten entwickeln. Die gewonnen Daten sind wichtige Informationsquellen für mehrere Unternehmensbereiche: Marketing, Vertrieb, Produktenwicklung und sonstige Entscheidungsträger.

Abschließend lässt sich sagen: Mit einer Kundenanalyse gewinnen Unternehmen wertvolle Informationen über die Struktur, die Bedürfnisse, die Erwartungen und das Verhalten ihrer Kunden und ermitteln deren tatsächlichen Wert für das Unternehmen. Das sind wichtige Grundlagen, aus denen sich Maßnahmen zur Verbesserung der Leistungsfähigkeit des Unternehmens ableiten lassen.

 

Wie relevant ist das Theme Kundenanalyse und Kundenwert für Sie? Schreiben Sie uns!

JETZT TERMIN FÜR EIN PERSÖNLICHES GESPRÄCH VEREINBAREN
 

 

Kostenloses eBook zum gratis Download: Predictive Analytics – Was es ist und wie Sie beginnen können

Predictive Analytics: Methoden, Daten und Ideen aus der Praxis

Downloaden Sie jetzt das kostenlose eBook.


  • Wir verwenden diese Daten nur zur Beantwortung Ihre Anfrage. Hier können Sie unsere Datenschutzerklärung finden.
  • eBook Predictive Analytics was es ist und wie sie beginnen