Bessere Kundenbindung im B2B-Großhandel durch Algorithmen

Computerprogramme sollen die Kundenbindung im Großhandel erhöhen können? Ja. Und Nein. Was das genau bedeutet, diskutieren wir in diesem Beitrag.

Laut einer Umfrage von Roland Berger hatte die Kundenbindung bereits 2016 höchste Priorität in den Großhandelsunternehmen. Allerdings glaubte auch jedes fünfte Großhandelsunternehmen, dass deren Bemühungen im Bereich Digitalisierung noch nicht ausreichen, um im digitalen Wettbewerb zu bestehen.

Interessant ist, dass auch damals schon der Vertrieb als wichtige Schnittstelle zur Digitalisierung erkannt wurde. Als Problem definiert Berger die kritische Sichtweise des Außendienstes auf fortschrittliche Analysen. Zudem beschwört der Außendienst den direkten Kundenkontakt als die beste Maßnahme zur Kundenbindung.

Was ist jetzt richtig? Beides. Fortschrittliche Analysen, wie Predictive Sales Analytics werden in Zukunft unverzichtbar sein. Sie bringen einen enormen Benefit und wer das bestreitet, hat vor 20 Jahren vermutlich auch gesagt, dass das Internet ein Flop ist. Doch muss der Außendienst deshalb auf seinen Kundenkontakt verzichten? Nein.

Schade ist, dass sich in vielen Großhandelsunternehmen in Deutschland seit 2016 nicht viel geändert hat. Jahr für Jahr schrumpfen die Margen, der Wettbewerbsdruck steigt und die Kundenbindung ist und bleibt enorm wichtig.

Hier sind drei Wege, wie Großhandelsunternehmen erfolgreich ihre Kundenbindung mit Hilfe von Ihrem Außendienst UND Algorithmen verbessern können:

1. Kundenabwanderung frühzeitig entdecken

„Ich kenne meine Kunden!“ ist ein häufig gesagter Satz von Vertriebsmitarbeiter*innen. Das wollen wir auch gar nicht bestreiten. Wir sind uns sicher, dass Vertriebsteams ihre besten Kunden kennen, und zwar sehr gut. Aber was ist mit den Mittleren und Kleineren? Bei Tausenden von Kunden, kann nicht einmal das stärkste Vertriebsteam alle im Blick behalten.

Bemerken Sie immer rechtzeitig, wenn ein Kunde ganz langsam immer weniger kauft – oder die Abstände, in denen er kauft, schleichend größer werden? Das sind Frühwarnzeichen einer langsamen Kundenabwanderung („Soft Churn“) und in der Praxis wird sie meistens erst dann bemerkt, wenn der Kunde bereits weg ist.

Für eine Software, die mit Hilfe von Algorithmen des maschinellen Lernens Kundenabwanderung vorhersagt, ist diese Mustererkennung im Kaufverhalten ihrer Kunden eine Leichtigkeit. Eine Predictive Sales Software kann Kundenabwanderung mit über 90-prozentiger Genauigkeit vorhersagen und Frühwarnzeichen an Ihr Vertriebsteam senden.

Sie sehen schon, eine intelligente Software ist lediglich eine Unterstützung für Ihre Vertriebsmitarbeiter*innen, um gezielter Maßnahmen zu planen. Der Mensch hat immer noch das Ruder in der Hand. Die Software ist keine Verkaufsmaschine – und das ist auch gut so. Allerdings verschafft sie den Verkäufer*innen genug Zeit, passende Kundenbindungsmaßnahmen in Gang zu setzen.

Eine Studie von Yael Karlinsky hat gezeigt, dass Vertriebsteams, die eine KI-basierte Predictive Sales Software in einem hybriden Modell (Zusammenarbeit von Mensch und Maschine) nutzen, die besten Ergebnisse erzielen.

2. Passende Produkte zur rechten Zeit vorschlagen

Inzwischen sind wir es durch Amazon, Netflix & Co. Gewohnt, zu unseren Interessen passende Produkte vorgeschlagen zu bekommen. Ein Empfehlungssystem (Recommender), das auf ihre Kunden abgestimmt ist, ist ein zusätzlicher Service ihrerseits und wird von Kundenseite gut angenommen.

Die richtigen Produktempfehlungen zur rechten Zeit, sind zuverlässige Maßnahmen, um die Kundenzufriedenheit und die Wiederkaufsrate zu steigern.

Für Großhandelsunternehmen ist diese Funktion fast schon unverzichtbar. Einige Unternehmen versuchen mit Excel-Analysen vorhandene Cross-Selling Potenziale zu entdecken. Das ist besser als nichts zu versuchen. Bei tausenden Kunden und Produkten ist eine manuelle Analyse jedoch extrem ineffizient. Bei so vielen Daten, sind Algorithmen des maschinellen Lernens am besten geeignet, wie z.B. der Apriori Algorithmus, den Amazon selbst verwendet.

3. Individuelle Preissetzung und gezielte Rabattaktionen

Genau wie bei den individuellen Produktempfehlungen an Ihre Kunden, sollten auch Rabattaktionen und Preissetzungen nicht nach dem Gießkannenprinzip erfolgen.

In Ihren historischen Verkaufsdaten sind viele Schätze verborgen, die intelligente Algorithmen aufdecken können. Dazu gehört das vergangene Zahlungsverhalten Ihrer Kunden. Eine KI-basierte Pricing Software kann die wahrscheinlichste Zahlungsbereitschaft Ihrer Kunden pro Produkt berechnen.

Nutzen Sie für Rabattaktionen auch die oben genannten Infos zu Ihren Kunden: Ist der Kunde abwanderungsgefährdet? Wie hoch ist die Wahrscheinlichkeit, dass er ein zusätzliches Produkt kauft? Wählen Sie Rabatte gezielt.

Doch vergessen Sie auch hier nicht: Der Mensch sitzt immer noch am Steuer. Deshalb ist ein bedachter Umgang mit Algorithmen im Vertriebsalltag zwingend notwendig.

 
BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE
 

Ohne den richtigen Umgang mit Algorithmen im Vertrieb geht´s nicht

Die besten Algorithmen liefern stets nur Vorschläge, die auf historischen Daten basieren. Es ist auch wichtig zu wissen, dass Prognosen nie – wirklich niemals – zu 100 % richtig liegen. Das ist unmöglich, denn keiner von uns hat magische Kräfte und kann in die Zukunft sehen. Auch keine Algorithmen.

Wenn Sie beispielsweise eine Predictive Sales Software im Vertrieb verwenden, werden Sie immer wieder Prognosen erhalten, denen Sie nicht zustimmen. Wahrscheinlich weil Sie als erfahrener Vertriebsexperte einige Informationen über den Kunden haben, die die Software nicht hat.

Doch ist jetzt grenzenloses Misstrauen gegenüber den Vorschlägen der Software angebracht? Nein! Denn für jede „nicht zutreffende“ Vorhersage finden Sie mindestens vier Vorhersagen die eintreten! Und Sie werden aus diesen korrekten und hilfreichen Hinweisen keinen Nutzen ziehen, wenn Sie sich nur auf die unrealistischen Empfehlungen konzentrieren.

Diese Denkweise ist enorm wichtig für den richtigen Umgang mit Algorithmen des maschinellen Lernens.

Reden wir Klartext, das Ganze bedeutet NICHT: „Ach, drücken Sie ein Auge zu, die Vorhersagen sind nicht perfekt, aber besser als nichts.“ Nein, es geht einfach nicht perfekter. Das liegt in der Natur der Vorhersagen. Es ist ein Wahrscheinlichkeitsspiel und es ist (heute) unmöglich die Zukunft genauer vorherzusagen.

Unser Tipp zum richtigen Umgang mit Algorithmen für Verkaufsvorhersagen: Sortieren Sie schnell aus. Ignorieren Sie Empfehlungen, die Ihren Informationen nach eher unrealistisch sind und fokussieren Sie sich auf die Empfehlungen, die Sie als realistisch ansehen. Legen Sie Strategien für Ihr Vertriebsteam fest, wie sie die Vorhersagen bewerten sollen und wann welche Vertriebsaktion stattfinden sollte.

ICH MÖCHTE PREDICTIVE ANALYTICS FÜR DEN B2B-VERTRIEB
 

Literaturnachweis:

Roland Berger: Digitalisierung im deutschen Großhandel: Drehscheibe der Wirtschaft in digitaler Not?

Big Data Made Simple (2018): How predictive pricing changes retail pricing optimization.