Wissen Sie, wie viele Ihrer bestehenden Kunden einen hohen und welche einen niedrigen Customer Lifetime Value haben oder wann der beste Kontaktzeitpunkt für einen Kunden ist? Mit diesen Fragen beschäftigen sich die sog. Customer Analytics. Um von Customer Analytics profitieren zu können, müssen Sie kein Datenexperte oder Statistiker sein: In diesem Beitrag stellen wir die Dinge vor, die Sie über Ihre Bestandskunden wissen sollten – von Basic bis fortgeschritten.
Was sind eigentlich Customer Analytics?
Der Begriff Customer Analytics beschreibt Prozesse und Technologien, die sich mit der systematischen Untersuchung und Analyse von Kundendaten beschäftigen. Ziel dieser Analysen ist es, neue Erkenntnisse über die Präferenzen und Bedürfnisse bereits bestehender Kunden zu gewinnen und gleichzeitig präzise Vorhersagen über deren zukünftiges Verhalten zu treffen. Kundendaten sammeln sich bei Unternehmen abhängig von der Art der Interaktion in unterschiedlichsten Formen. Das können beispielsweise Transaktionsdaten, Webnutzungsdaten, der Name, die Anschrift, die E-Mail-Adresse und vieles mehr sein.
Warum sollten Unternehmen auf Customer Analytics setzen?
Für den Einsatz von Customer Analytics sprechen zahlreiche Gründe. Zum einen handelt es sich bei der Datenbasis für Customer Analytics in der Regel um sog. First Party Daten, d.h. Daten, die durch das Unternehmen selbst erhoben und auf den eigenen Servern gespeichert werden. Unternehmen können diese Daten im Rahmen der vom Nutzer erteilten Zustimmung umfänglich verarbeiten und nutzen. Damit unterscheiden sich First Party Daten deutlich von Third Party Daten, die aktuell die Basis für Cookies und dominierende Werbeformen wie Targeting und Programmatic Advertising bilden. Durch sich aktuell ändernde technische und rechtliche Rahmenbedingungen wird die Anwendbarkeit von Third Party Daten deutlich reduziert. Alternativen müssen her – First Party Daten bieten eine.
Die Erkenntnisse, die durch Customer Analytics generiert werden, zielen in erster Linie darauf ab, die Kundenbindung durch personalisierte Angebote und eine verbesserte Customer Journey zu stärken. Dieser Fokus auf Bestandskunden im Gegensatz zur Neukundengewinnung bringt weitere Vorteile mit sich. Die Loyalisierung und Begleitung eines Bestandskunden sind mit deutlich geringerem Aufwand und Kosten verbunden als die Gewinnung eines Neukunden. Im Schnitt geht man von fünfmal so hohen Kosten für die Neukundengewinnung aus. Darüber hinaus hat sich gezeigt, dass Bestandskunden für eine höhere Wertschöpfung sorgen, da sie höherwertigere Warenkörbe wählen und häufiger kaufen. Zuletzt empfehlen zufriedene Bestandskunden Produkte weiter und tragen somit kostenlos zur Markenbildung und dem Vertrieb bei.
Die Dinge, die Sie über Ihre Bestandskunden wissen sollten
Die Mehrwerte, die der Fokus auf Bestandskunden mit sich bringt, haben wir nun geklärt – nun stellen sich die Fragen – Wo soll man anfangen? Welche Fakten sollte man für eine gute Bestandskundenkommunikation kennen? Wir haben eine Checkliste zusammengestellt, die verschiedenste Methoden zur Kundendatenanalyse zusammenfasst – unterschieden nach ihrer Komplexität. Im Folgenden stellen wir einen Auszug daraus vor:
Die Basics – Kundendaten verstehen
Wer sind meine Top-Kunden?
Top-Kunden versprechen regelmäßig hohe Umsätze und sollten besondere Aufmerksamkeit in der Marketing Kommunikation erhalten. Die Frage nach den Top-Kunden kann mit der sog. RFM-Analyse beantwortet werden. Hierzu werden die folgenden Fragen gestellt:
- Wie lange ist der letzte Kauf her? (Recency)
- Wie oft wurde insgesamt gekauft? (Frequency)
- Wie viel Umsatz wurde generiert? (Monetary)
Die Top-Kunden lassen sich dann aus der Schnittmenge der drei Gruppen identifizieren. Zur visuellen Darstellung eignet sich z.B. ein Venn-Diagramm.
Wo befinden sich meine Kunden?
Die geographische Lage von Kunden hat entscheidende Einflüsse auf ihre Präferenzen und Bedürfnisse, die wiederum für den Versand von regionalen Angeboten und die Einladung zu regionalen Events relevant sind. Neben diesen Erkenntnissen liefert eine Geoanalyse aber auch neue Perspektiven auf die Marktdurchdringung und zeigt so noch unerschlossene Potenziale auf.
Medium – Kundenverhalten analysieren
Wie viel Prozent meiner Kunden haben einen hohen, mittleren und niedrigen Customer Lifetime Value?
Der Customer Lifetime Value (dt. Kundenertragswert) bezeichnet den Deckungsbeitrag, den ein Kunde während seiner gesamten Beziehung zu einem Unternehmen realisiert. Dieser kann auf zwei Arten berechnet werden:
- Die Summe der Umsätze, die ein Kunde über die Zeit bei einem Unternehmen generiert hat
- Als zu erwartende Umsätze in der Zukunft
Das Wissen, welcher Kunde welchen CLT hat, hilft Ihnen dabei, Ihre Kunden ähnlich wie bei der RFM-Analyse in Kategorien einzuteilen und Marketing Aktivitäten entsprechend zu planen. Hierfür wird oftmals die ABC-Analyse genutzt, bei der Kunden entsprechend Ihrer Bedeutung für das Unternehmen in die drei Kategorien A, B und C eingeteilt werden (A-Kunden sind dabei sehr wichtig, C-Kunden weniger wichtig).
Welchen Umsatzanteil X% generieren X% meiner Kunden?
Diese Frage kann mithilfe einer Pareto-Analyse beantwortet werden. Ursprünglich besagt das Pareto-Prinzip, dass 80% des Ergebnisses mit 20% des Gesamtaufwands erreicht werden. In unserem Fall würde dies bedeuten, dass 80% des Umsatzes von 20% der Kunden generiert werden. Zur Berechnung wird der Gesamtumsatz in 10 gleich große Gruppen aufgeteilt und der Anzahl der Kunden, die diesen generiert hat, zugeordnet. Man wird feststellen, dass ein kleiner Teil der Kunden einen großen Teil des Umsatzes generiert und kann dieses Wissen wiederum entsprechend im Marketing berücksichtigen. Die Pareto-Analyse lässt sich auch auf andere Parameter, wie z.B. Umsatz pro Produkt oder Anzahl der Responses pro Kanal anwenden.
Fortgeschritten – Vorhersagen treffen
Was biete ich meinen Kunden als nächstes an?
Diese Frage lässt sich mit der sog. Next Best Offer Analyse beantworten, die aus dem Gebiet der Predictive Analytics stammt. Zur Berechnung werden die beiden Aspekte Popularität und Propensität betrachtet, d.h. welche Produktkombinationen sind allgemein beliebt und welche Vorlieben hat der individuelle Kunde. Beide Aspekte können unterschiedlich gewichtet werden. So wird kundenindividuell bestimmt, welches Produktangebot die höchste Kaufwahrscheinlichkeit verspricht. Durch die dadurch erhöhte Personalisierung und Relevanz der Angebote lässt sich deutlich mehr Umsatz erzielen als mit zufällig ausgewählten Anzeigen.
Wie hoch ist die Wahrscheinlichkeit, dass Kunde X Produkt X kaufen wird?
Hier kommt die sog. logistische Regression zum Einsatz. Mit dieser Analyse lässt sich bestimmen, mit welcher Erfolgswahrscheinlichkeit ein Ereignis von bestimmten Variablen abhängt. Zum Beispiel: Mit welcher Wahrscheinlichkeit bucht Kunde X eine Reise nach Schweden in Abhängigkeit seines Einkommens? Diese Analyse ist besonders dann hilfreich, wenn Sie noch hohe Lagerbestände bzw. Kontingente von einem Produkt haben und genau diejenigen Kunden ansprechen möchten, die dieses Produkt mit besonders hoher Wahrscheinlichkeit kaufen.
Das war ein Auszug der wichtigsten Dinge, die Sie mithilfe von Customer Analytics über Ihre Kunden erfahren können. Die komplette Checkliste mit insgesamt 18 Analysen und ausführliche Erklärungen sowie Anwendungsbeispiele finden Sie im Apteco-Whitepaper „Customer Analytics als Erfolgsfaktor“.