7. Juni 2013.
Von Neil Biehn
Jeder weiß, dass Big Data auf dem Vormarsch ist, aber wie ich bereits in meinem letzten Beitrag schrieb, liegt der eigentliche Schlüssel zum Erfolg für Ihr Unternehmen darin, herauszufinden, welchen Wert es schaffen kann, der sich in einem Wettbewerbsvorteil niederschlägt - d. h., ist es praktikabel? Ein großartiges Beispiel dafür, wie Big Data zur Erreichung von Geschäftszielen beitragen kann, findet sich in einer der gängigsten Unternehmenspraktiken - der Unterscheidung von Kunden auf sinnvolle Art und Weise. Fast alle Unternehmen segmentieren ihre Kunden, weil sie den maximalen Nutzen für beide Seiten erkannt haben. Für fast jede Branche bietet die Kundensegmentierung eine bedeutende Gelegenheit, den Umsatz durch ein besseres Verständnis der Kunden zu steigern - und wie man am besten an Verkaufs-, Angebots- und Preisstrategien für sie herangeht. Wie kann Big Data bei dieser Aufgabe helfen? Die Antwort liegt in der wissenschaftlich fundierten Segmentierung.
Wissenschaftsgestützte Segmentierung
Die wissenschaftlich fundierte Segmentierung nutzt statistische Datenanalysen und Methoden, um Kunden in ähnliche Gruppen einzuteilen. Ziel ist die Entwicklung spezifischer, optimierter Verkaufs- und Preisstrategien unter Berücksichtigung des Kaufverhaltens der einzelnen Segmente. Eine Segmentierungsstudie beginnt mit Daten und einem tiefgreifenden Geschäftsverständnis. Führungskräfte, Vertriebsleiter, Marketingexperten und Preisgestaltungsexperten können Erkenntnisse darüber liefern, was das Unternehmen in Bezug auf Nutzen und Wert unterscheidet. Erfahrene Fachleute bringen ihre Hypothesen über die potenziell wichtigen Kunden-, Produkt- und Angebotsmerkmale ein, die das Kundenverhalten bestimmen. Beispiele sind Geografie, Produktmix, Kaufvolumen, Branche, Lebenszyklus, Kaufhäufigkeit, Größe und viele andere. IT-Abteilungen haben Mühe, alle potenziellen externen und unstrukturierten Datenquellen zu erfassen - und dann ist da noch das Big-Data-Repository aller Transaktionen.
Jenseits der Daten
Mit Big Data allein lassen sich die Herausforderungen bei der Kundensegmentierung nicht bewältigen. Bei Methoden, die nur Data Mining für die Segmentierung verwenden, werden in der Regel Schlüsselfaktoren oder Kombinationen von Faktoren übersehen, die in den ursprünglichen Daten möglicherweise nicht explizit vorhanden sind. Geschäftsexpertise ist eine entscheidende Komponente bei der Definition einer guten Segmentierung. Nehmen wir das folgende Beispiel: Es gibt zwar kein Feld in den Daten, in dem "Wallet Share" steht, aber es ist nicht sehr schwierig, anhand von Daten den Prozentsatz der Einnahmen zu ermitteln, den ein Kunde für ein bestimmtes Produkt ausgibt. Wenn ein Unternehmen darüber nachdenkt, ein Dienstleistungs- oder Produktangebot einzustellen, möchte es wahrscheinlich wissen, bei wie vielen Kunden es einen großen Anteil an den Gesamtausgaben hat.
Mit Fachwissen allein wird man jedoch nicht weiterkommen - es spielt keine Rolle, wie viele Sitzungen man abhält. Das Geschäftsteam kann nur Hypothesen aufstellen. Mit Hilfe der Datenwissenschaft muss dann geprüft und festgestellt werden, welche Teile der Daten tatsächlich einen echten Vorhersagewert für das unterschiedliche Verhalten verschiedener Kunden bieten.
Die Kundensegmentierung auf der Grundlage von Big-Data-Analysen ist entscheidend für die Verkaufsförderung. Der Prozess ermittelt nicht nur, wo jeder Kunde hingehört, sondern macht das Vertriebsteam auch intelligenter und strategischer bei der Kundenansprache. Mit wissenschaftlich fundierter Segmentierung können Unternehmen anomales Kaufverhalten leichter erkennen und intelligente Produkt- und Angebotsempfehlungen geben, die statistisch gesehen mit höherer Wahrscheinlichkeit gekauft werden. Wenn sich zwei Kunden ähneln, aber nicht die gleichen Produkte kaufen, kann die Datenanalyse Hinweise darauf geben, welche Chancen das Vertriebsteam möglicherweise verpasst. Dies ist die Art von Big-Data-Durchführbarkeit, die in der realen Welt die Nadel bewegt.
Beispiel aus der Praxis
Zur Veranschaulichung des Konzepts der wissenschaftlich fundierten Segmentierung im Zusammenhang mit Big Data und dem Vertrieb sei ein großes Expressdienstleistungsunternehmen genannt, das ständig mit der Herausforderung konfrontiert war, Vertragsangebote für unterschiedliche Kunden zu erstellen. Durch die Implementierung einer wissenschaftlich fundierten Segmentierung konnte das Unternehmen die riesigen Datenmengen und die Vielfalt der Daten, die es über die Kunden besaß, nutzen und potenzielle Attribute auf der Grundlage der geografischen Lage des Kunden, der Wettbewerbsfähigkeit, des Gesamtvolumens, der Produktzentrierung und anderer Gruppierungen bestimmen. Auf diese Weise konnten die Kunden in Gruppen eingeteilt werden, die auf ähnliche Weise auf Vertragsangebote reagieren. Die Abkehr von der Einheitsvertragspolitik ermöglichte es dem Vertriebsteam, maßgeschneiderte Angebote und Preisstrategien zu erstellen, die die besten Chancen auf ein Umsatzwachstum hatten. Das Ergebnis war, dass das Unternehmen nach sechs Monaten Gewinne in zweistelliger Millionenhöhe verbuchen konnte.
Vertriebsorganisationen verfügen heute über eine Vielzahl von Technologien - und Tools zur Kundensegmentierung werden nicht oft diskutiert. Viele Unternehmen lassen sich daher eine große Chance entgehen. Wenn Sie das nächste Mal hören, dass jemand darüber spricht, warum Sie "keine tiefen Rabatte für Kunden mit niedriger Gewinnspanne mehr zulassen sollten" oder fragt, "warum wir keine kundenorientierten Lösungen anbieten", sollten Sie darüber nachdenken, Big Data ins Spiel zu bringen, damit die Kundensegmentierung für Sie funktioniert.
Neil Biehn ist Vizepräsident und Leiter der Wissenschafts- und Forschungsgruppe bei PROS.