CRM-Systeme gelten als Schlüssel zu höherem Umsatz und Effizienz im Vertrieb. Der Schlüssel passt, wenn das Unternehmen die Kundenbasis und die Marketing- und Vertriebsprozesse genau analysiert: BI-Anwendungen, die in analytischen CRM-Systemen zum Einsatz kommen, öffnen die Tür zu neuen Umsatzchancen und zur Vermeidung überflüssiger Kosten in den Kundenbeziehungen. Die softwarebasierte Betreuung von Kunden mit Hilfe von CRM-Systemen hat in den vergangenen Jahren in den Unternehmen Einzug gehalten: Der Kunde kann online bestellen, im Call Center kennt der Betreuer kundenbezogene Informationen und der Servicemitarbeiter bringt die richtigen Ersatzteile mit. Um dem Wettbewerb einen Schritt voraus zu sein, müssen jedoch auch versteckte Umsatzpotentiale, Gefahren und Kosten in den Kundenbeziehungen und im Vertrieb aufgedeckt werden. Dies leisten analytische CRM-Systeme: Sie nutzen BI-Anwendungen, um Daten aus den im Unternehmen eingesetzten Softwaresystemen zu sammeln, aufzubereiten und auszuwerten. Die gewonnenen Informationen kommen dann wiederum bei der Betreuung, der Interaktion mit dem Kunden sowie der Planung, Steuerung und dem Controlling des Vertriebs zum Einsatz.

CRM mit Intelligenz

Die BI-Anwendungen verwenden Informationen, wie sie bei jedem Kontakt mit dem Kunden entstehen: Reaktionen auf Direktmarketingmaßnahmen, Bestell- und Rechnungsinformationen, das Zahlungsverhalten oder etwaige Beschwerden; hinzu kommen allgemeine soziodemographische Daten sowie Marktdaten. Unternehmenseigene Kundeninformationen werden ohne analytische Anwendungen nur ansatzweise für die Aufdeckung von Effizienzpotentialen in der Kundenbetreuung und zur Optimierung von Marketing- und Vertriebsmaßnahmen genutzt.

Entscheidend ist dabei die Zusammenführung von Informationen aus verschiedenen Unternehmenssystemen. So liefern Marketingdatenbanken Informationen z. B. über Reaktionen auf Mailings, Bestellsysteme über Mengen und gewährte Rabatte und das Rechnungswesen über Frist und Art der Zahlung. Die Sammlung und Aufbereitung erfolgt in einem Data-Warehouse-System, einer Datenbank, die über den einzelnen Transaktionssystemen liegt. Bei der Aufbereitung werden Informationen vereinheitlicht, doppelte Datensätze bereinigt und Unwichtiges herausgefiltert.

Informationen veredeln

Die Datenbasis der Analysen stellt das Data-Warehouse-System. Nur dieses kann die notwendige Informationsbreite bieten, unterschiedliche Quellen mit verschiedenen Datenformaten vereinen und die erforderliche Aktualität durch ständige Synchronisation der Datenbestände leisten. Für die Übernahme der Daten in das Data Warehouse kommen ETL (Extraction, Transformation, Loading) -Tools zum Einsatz. Die Analyse der Daten erfolgt mit OLAP-Tools und Data-Mining-Werkzeugen.

Die Analyseergebnisse stehen CRM-Anwendungen sowie Management-Informations-, Planungs- und Berichtssystemen als Input zur Verfügung. Ein weiteres Einsatzgebiet der Data Warehouse-Informationen sind Simulationen bei Preis- und Tarifänderungen: Aufgrund der vorliegenden Daten werden das erwartete Verhalten der Kunden (Einschränkung oder Erhöhung des Kaufverhaltens) und die Konsequenzen für Umsatz- und Kostenentwicklung des Unternehmens prognostiziert. Durch die genaue Kenntnis der Kunden, ihrer Bedürfnisse und ihres Verhaltens werden dann auch moderne, individualisierte Produktangebote möglich.

Drei zentrale Anwendungsfälle verdeutlichen die Leistungsfähigkeit analytischer CRM-Systeme: Kundenwertanalyse (für Up-Selling/Cross-Selling), Churn Management und Fraud Detection.

Den Kundenwert erkennen

Die Kundenwertanalyse stellt den potentiellen Umsatz mit Kunden vom ersten bis zum letzten Auftrag sowie die den Kunden zurechenbaren Kosten fest. Daraus erfolgt entsprechend die Segmentierung in A-, B- und C-Kunden oder in detaillierte, definierte Cluster. Den Kundengruppen werden dann z. B. Servicestufen zugeordnet: Ein A-Kunde – der ein hohes Umsatzpotential für das Unternehmen repräsentiert – wird schneller bedient oder erhält beispielsweise bevorzugt neue Produktangebote. Die Segmentierung ermöglicht zudem, Kunden, die unter dem Strich vor allem Kosten verursachen, auf niedrigere Service-Stufen zu setzen oder sogar anbieterseitig Verträge zu kündigen. Die Einteilung kommt auch im Direktmarketing zum Tragen: So wird die Zielgenauigkeit eines Mailings gesteigert. Ein Unternehmen ist dann erfolgreicher darin, zusätzlichen Umsatz durch spezielle Angebote (Up-Selling) zu erzielen. Es bietet dem Kunden beispielsweise frühzeitig den Umstieg auf ein neues Modell an, da er als sehr technikinteressiert oder trendorientiert identifiziert wurde. Andererseits kann das Unternehmen dem Kunden im Sinne eines Cross-Selling mit seinen bisherigen Käufen verbundene Produkte und Dienstleistungen anbieten, z. B. Dachgepäckträger oder Versicherungen für einen Neuwagen. Dem Erfolg von Up-Selling- oder Cross-Selling-Aktionen geht somit immer die umfassende Analyse der Kundenbasis und ihrer Bedürfnisse voraus.

Abwanderung verhindern

Die Kundenwertanalyse ist auch die Basis für Churn Management, d. h. die Analyse und Ansprache von Kunden entsprechend ihrer Abwanderungswahrscheinlichkeit. Diese Fragestellung ist immer dann relevant, wenn langfristige Beziehungen zwischen Kunde und Unternehmen bestehen und konstant Leistungen bezogen werden. Abwanderung bedeutet für das Unternehmen, dass der optimale Kundenwert nicht ausgeschöpft oder sogar der Deckungsbeitrag pro Kunde nicht positiv wird. Dies ist beispielsweise der Fall, wenn ein Mobiltelefonkunde sehr früh kündigt und lediglich die Kosten für Einrichtung, Vertragsabschluss, Gerätesubventionierung sowie ersten Service gedeckt sind.

Zur Bestimmung der Abwanderungswahrscheinlichkeit müssen häufig das Kauf- oder Nutzungsverhalten des Kunden sowie, bei Konsumprodukten, soziodemographische Informationen herangezogen werden. Grund dafür ist, dass die Leistung im allgemeinen ständig in Anspruch genommen wird, es aber kaum zu direkten Kontakten zwischen Kunden und Unternehmen kommt. Schwankungen im Telefongebrauch beispielsweise können jedoch viele Gründe haben und erfordern deshalb eine manuelle Überprüfung. Unproblematisch sind sie z. B. im saisonalen Vergleich, bei Standortwechsel oder bei einem Tarifwechsel des parallelen Festnetz- bzw. Mobiltelefonvertrags. Negative Indikatoren sind hingegen ein hoher Anteil an Call-by-Call-Verbindungen, die Kündigung anderer Telekommunikationsverträge oder eine hohe Anzahl von Gesprächspartnern mit Telefonanschlüssen bei Wettbewerbern. Wenn ein Kunde als wechselwillig eingestuft wird, muss der Anbieter Kontakt aufnehmen und ihm z. B. neue Tarife oder Zusatzdienste mit gleichzeitiger Vertragsverlängerung anbieten. Die Kontaktaufnahme wird durch das CRM-System unterstützt. Die bei der Interaktion entstehenden Informationen fließen dann wiederum in die Bewertung des Kunden ein. Jeder Kontakt unterstützt so wieder die Analyse.

Nicht jeder Kunde ist ehrlich

Ähnlich gelagert sind Fraud Detection-Maßnahmen. Ziel ist es hier, die Betrugswahrscheinlichkeiten zu analysieren. Die Fraud Detection-Methoden sind ähnlich wie beim Churn Management: So erfolgt z. B. bei einem ungewöhnlichen Nutzungsverhalten eine automatische Überprüfung des Kunden. Auf der Basis der Abweichungen vom normalen Nutzungsverhalten erfolgt eine Einordnung in Risikogruppen. Steigt, um beim Beispiel Mobiltelephonie zu bleiben, der Anteil an Anrufen bei Mehrwertdiensten (Navigationsdienste, Informationsdienste für Kino oder Börse) in einem betrachteten Zeitraum (Tag, Woche, Monat) sehr stark an, so kann dies ein Hinweis auf einen Betrugsversuch sein. Möglicherweise hat der Kunde bereits in der Vergangenheit auffällige Abweichungen im Nutzungsverhalten gezeigt. Dann sind Gegenmaßnahmen notwendig, u. U. auch die Sperrung des Anschlusses.

Analysen als Teil der Geschäftsprozesse

Eine Churn Management- oder Fraud Detection-Anwendung ist dreistufig aufgebaut. In der ersten Stufe erfolgt die Sammlung und Aufbereitung der Daten sowie die Basisdarstellung der Informationen. So sind z. B. Analysen des Nutzungsaufkommens im Wochenvergleich möglich. In der zweiten Stufe liegen die Filter für Churn Management oder Fraud Detection. Sie vergleichen und kombinieren die Basisergebnisse der ersten Stufe. Dabei kristallisieren sich Kunden heraus, die in mehreren Analysen ein verdächtiges Verhalten aufweisen. Anschließend erfolgt die Visualisierung der Ergebnisse und die Erweiterung um weitere Informationen, z. B. um die Kundennummer, um Rechnungsdaten etc. Dies ist die Basis für die Einleitung von Gegenmaßnahmen.

Entscheidend sind bei der Einrichtung analytischer CRM-Anwendungen immer mehrere Punkte: Die erste Hürde ist die Auswahl der geeigneten Lösungen. Diese müssen die geforderten Aufgaben erfüllen und problemlos zusammenarbeiten. Dies ist sehr stark abhängig von den konkreten Anforderungen, der Systemlandschaft sowie den Anwendungen, die eingesetzt werden sollen. Eine Allround-Lösung gibt es nicht, zumal nicht als Bestandteil einer Standard-CRM-Lösung. Wichtig ist deshalb eine herstellerunabhängige Auswahl der Softwarelösungen. Neben der Systemauswahl müssen als zweite Hürde die Datenquellen im Unternehmen identifiziert, die Datenstrukturen angepasst, die geeigneten Kennzahlen für OLAP- und Data-Mining-Analysen entwickelt sowie die entsprechenden Geschäftsprozesse im Unternehmen verankert werden. Dies zeigt die Einführungskomplexität eines analytischen CRM-Systems sowie der zugrunde liegenden BI-Anwendungen. Die Begleitung der Einführung durch erfahrene Berater ist daher unabdingbar.

Trust Consult Unternehmensberatung GmbH

D–60329 Frankfurt

Telefon: (49) 069/959 252-56

www.trustconsult.com