Predictive Analytics vs Prescriptive Analytics
Da es so viele Arten von Datenanalysen und Analysemethoden gibt, gehen wir in diesem Beitrag auf vier Analysetypen ein.
Besonders befassen wir uns mit der Predictive und Prescriptive Analytics (DE: prädiktiver und präskriptiver Analyse), da diese häufig verwechselt werden. Außerdem gilt es zu verstehen, wann und wie Sie beide einsetzen sollten.
Wie Sie den Customer Lifetime Value Ihrer B2B-Kunden berechnen und steigern können
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 lange 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.
Drei einfache Möglichkeiten, wie Sie ChatGPT im B2B-Vertrieb nutzen können - Beispiele
Als B2B-Verkaufsleiter kennen Sie den Druck, der durch den Wettbewerb mit E-Commerce-Giganten entsteht. Im heutigen digitalen Zeitalter hängt der Erfolg Ihres Unternehmens weitgehend von Ihrer Fähigkeit ab, Ihre Kunden besser zu verstehen und ihr Kaufverhalten vorherzusagen.
Seien Sie beruhigt: Sie sind nicht allein. Die Lösung liegt in der KI. Haben Sie schon von ChatGPT gehört? Hier glänzt KI für den B2B-Vertrieb. So können Sie mit einer automatisierten Vertriebsanalyse über eine Predictive Sales Analytics Software Ihre Kunden besser verstehen und fundierte Entscheidungen auf der Grundlage von Daten treffen.
Preisanalyse Methoden: Wie man eine Preiskorridoranalyse in drei einfachen Schritten durchführt
Dieser Artikel beschreibt eine schrittweise Einführung in die Preiskorridoranalyse mit Excel.
Sie lernen die Bedeutung eines Preiskorridors kennen und erfahren, wie Sie einen Preiskorridor in Excel auf Basis einer Liste von Verkaufstransaktionen aus Ihrem ERP-System erstellen können.
Lassen Sie uns offenlegen, dass unsere Software KI-basierte Data-Mining-Methoden verwendet, um Key Account Managern eine B2B-Preisstrategie zu präsentieren.
Kundenabwanderung vorhersagen und verhindern ohne Stress
Kundenabwanderung: Definition und Verringerung in auf Abonnement- bzw. Subskriptionsmodellen basierenden Unternehmen.
B2B-Unternehmen können im Durchschnitt mit einer jährlichen Kundenabwanderungsrate von 11 % rechnen, wie eine aktuelle Studie ergab.
Diese Verlustquote schwankt zwischen Ländern und Branchen. Die Kundenabwanderung kann im Bereich Bürobedarf durchschnittlich 24 %, in der Versicherungswirtschaft 16 % und im Bankensektor 13 % betragen.
Predictive Sales Analytics mit Excel? Es würde gehen!
Anwendungsbeispiele von Predictive (Sales) Analytics Methoden für die Vertriebsplanung mit einer Excel Vorlage.
Eine der wichtigsten Aufgaben eines Vertriebsleiters ist es rechtzeitig zu erkennen, hinter welchen Verkaufschancen gute Möglichkeiten stehen. Diese Aufgabe zu erfüllen, ist das A und O einer erfolgreichen Vertriebsplanung.
Key Account Manager im B2B-Bereich bedienen in der Regel Hunderte von Kunden und überwachen Dutzende von neuen und bestehenden Verkaufsmöglichkeiten (oder Opportunities). Sie haben nur begrenzte Zeit und sind eine der teuersten Ressourcen in einem Unternehmen.
Read more
Vier Situationen, in denen Sie kein Maschinelles Lernen nutzen sollten.
Maschinelles Lernen (ML) ist eine großartige Technologie. Doch muss sie wirklich immer zum Einsatz kommen? In diesem Beitrag geht es um vier Situationen, bei denen Sie kein maschinelles Lernen verwenden sollten.
Es gibt (zu Recht) einen großen Hype um künstliche Intelligenz und maschinelles Lernen (ML). Wie gesagt, daraus entstehen großartige Technologien und Anwendungsfälle. Auch in unseren Blogartikeln finden Sie viele Beispiele, die maschinelles Lernen nutzen. Doch in welchen Situationen ist kein maschinelles Lernen nötig?
Denken Sie dran, es gibt immer Ausnahmen für die kommenden Beispiele. Allerdings wird Ihr KI-Projekt vermutlich fünfmal schwieriger, wenn diese Beispiele zutreffen.
Read more
Reale Anwendungen des Maschinellen Lernens
Erfahren Sie hier von vier realen Anwendungen des maschinellen Lernens.
Wenn Sie in ein neues Land reisen, mussten Sie da schon einmal ein Wort schnell übersetzen? Oder wie sieht es mit automatischen Antworten auf E-Mails, bspw. Gmail-Funktionen passend zum Kontext, aus? Haben Sie schon gemerkt, dass es da Empfehlungen für mögliche Antworten gibt?
Bei den oben genannten Beispielen kommt maschinelles Lernen zum Einsatz. Von computergesteuerten Übersetzern über E-Mail-Empfehlungen und Filmvorschlägen auf Netflix bis hin zu autonomen Autos. All dies ist durch maschinelles Lernen möglich. Aber was ist maschinelles Lernen?
Read more
Künstliche Intelligenz im Handel – was kann der Großhandel vom Einzelhandel lernen?
Wie wird künstliche Intelligenz (KI) im Einzelhandel eingesetzt und was kann der Großhandel davon mitnehmen?
In diesem Beitrag beschreibe ich einen realen Beispielfall von künstlicher Intelligenz im B2C-Einzelhandel. Sie erfahren, was die Möglichkeiten und die Herausforderungen beim Einsatz von KI-Systemen waren.
Besonders interessant ist natürlich, welche Faktoren sich dabei auf den B2B-Großhandel übertragen lassen.
Read more
Excel: Beispiel einer Warenkorbanalyse für Cross-Selling
Ein nützliches Beispiel für eine Warenkorbanalyse (oder auf englisch "Market-Basket-Analysis") mit Excel.
Cross-Selling (auch als Querverkauf bekannt) bezeichnet die Praxis, ein zusätzliches Produkt oder Dienstleistung an einen bestehenden Kunden zu verkaufen. Tatsächlich definieren B2B-Unternehmen Cross-Selling im Allgemeinen und Cross-Selling-Analytics im Besonderen in vielerlei Hinsicht und mit vielen Namen. Eine übliche Benennung, die im Einzelhandel verwendet wird, ist "Market-Basket-Analytics".
Die meisten von uns sind mit Cross-Selling aus unserer Erfahrung als Online-Konsumenten vertraut. "Kunden, die X gekauft haben, kauften auch Y" oder "wird oft zusammen gekauft". E-Commerce-Websites machen Produktvorschläge basierend auf einer Warenkorbanalyse. Die Liste der möglichen Vorschläge wird auch als "Assoziationsregel" bezeichnet. Marketingprofis sprechen oft über „Käuferverhalten“ und „Kaufgewohnheiten“, wenn sie Assoziationsregeln bezeichnen.