Inhalt
Churn Management
Der Dynamik des Kundenwechsels entgegenwirken
"The key to attracting and retaining high-value customers lies hidden in legacy databases, its patterns and trends obscured within massive volumes of data."
White paper from DataMind, Lucent Technologies,
Red Brick Systems and SGI
Churn bezeichnet im Englischen den Wechsel eines Kunden zur Konkurrenz. Gerade die Flexibilität in Zeiten des E-Commerce führt zu einer weitgehend fehlenden Kundenloyalität, da das Abwandern zum Wettbewerber nur den Aufwand eines Mausklicks erfordert. Unter dem Begriff Churn Management fasst man folglich jene Marketing-Strategien zusammen, die zur Kundenbindung und gegebenenfalls weiteren Entwicklung des Kunden entworfen werden.
Folien Download, PDF 24 kB »
Zielgerichtetes Churn Management baut auf den Methoden des modernen Marketings, namentlich des Customer Relationship Managements (CRM) auf. Es gilt, hochprofitable Kunden zu identifizieren, ihre Wünsche kennenzulernen und ihre Wechselwahrscheinlichkeit zu ermitteln.
Um die zum Teil immensen Datenmengen verfügbar machen, auswerten und darstellen zu können, bedient sich Churn Management der Techniken des Data Warehousing, Data Mining und der Data Visualization. Mit ihrer Hilfe gelingt es Unternehmen, aus den Daten der eigenen Kunden einen Informationsvorsprung gegenüber den Wettbewerbern herauszuholen.
Kundendaten strategisch nutzen
Als Beispiel für viele andere Branchen möge hier die Telekommunikation stehen. Durch die weltweite Deregulierung entstand ein verschärfter Wettbewerb um Kunden und Marktanteile. Die Möglichkeit, Angebote ohne viel Aufwand miteinander zu vergleichen und die Ungebundenheit, vor allem im Mobilfunkbereich, verschärft die Konkurrenzsituation. Vor diesem Hintergrund können die Informationen über den eigenen Kunden zum entscheidenden Wettbewerbsvorteil werden.
Durch gezielte Verwertung der Kundeninformationen kann dem Wechsel zur Konkurrenz vorgebeugt werden. Auch in Zeiten der New Economy gilt die alte Kaufmannsweisheit, dass es teurer ist, einen neuen Kunden zu gewinnen, als einen alten Kunden zu halten.
Anders als die Telekommunikationsindustrie, die über Jahrzehnte hinweg Unmengen von Daten über ihre Kunden gesammelt hat, stellt für andere Branchen der erste Schritt zu einem funktionierenden Churn Management das Sammeln von Informationen mittels eines entsprechenden Systems dar.
Voraussetzung für eine strategische Nutzung der Kundendaten ist weiterhin eine Aufarbeitung der Informationen, die folgenden Ansprüchen genügen muss:
- Segmentierung der Kundendatei nach bestimmten Kundentypen.
- Profilierung dieser Kundentypen, um individuelles Kundenverhalten kennen zu lernen.
- Identifikation von hochprofitablen und weniger profitablen Kunden.
- Ermittlung der Wechselwahrscheinlichkeit in Abhängigkeit von weiteren Faktoren (z.B. Jahreszeit, etc.)
Der letzte Schritt besteht in der Darstellung der Informationen in dynamischen Modellen. Hier können in Echtzeit die Auswirkungen verschiedener Strategien simuliert werden.
Technologien, mit denen sie ihre Kunden kennen lernen
Ineinandergreifen dreier Technologien
Churn Management profitiert beim Sammeln, Auswerten und Darstellen der Informationen von den Synergieeffekten dreier Technologien:
- Data Warehousing
- Data Mining
- Data Visualization
Data Warehousing
Moderne Data-Warehousing-Systeme ermöglichen eine breite Erfassung von Kundendaten quer über alle Kanäle. Egal also, wie der Kunde mit dem Unternehmen in Verbindung tritt - ob über das Internet, Telephon oder klassisch per Post - das Data-Warehousing-System muss in der Lage sein, große Mengen von Informationen zu integrieren und zu erfassen.
Idealerweise wird ein geschlossener Regelkreis vom analytischen zum operativen CRM angestrebt, wie es beim Closed Loop Marketing der Fall ist.
Eine unabdingbare Voraussetzung für funktionierendes Data Warehousing ist jedoch die Bedienerfreundlichkeit. Auf diese Weise können, durch die große Zahl der Nutzer, nicht nur möglichst viele Informationen erfasst werden, die Mitarbeiter haben auch immer einen leichten Zugriff auf die benötigten Kundendaten.
Das setzt natürlich auf der technischen Seite große Speicherkapazitäten (meist im Terabyte-Bereich), hohe Rechengeschwindigkeit und generell eine ausgezeichnete Performance voraus. Gegenwärtig wird die Benutzung einer speziellen Systemarchitektur - neuronale Netze - erprobt.
Data Mining
Aufgabe des Data Mining ist Verstehen und Vorhersagen des Kundenverhaltens. Zu diesem Zweck werden große Datenmengen unter Berücksichtigung vielzähliger Variablen durchforstet und auf versteckte Muster und Trends durchsucht. Das vertiefte Verständnis für die Beweggründe des individuellen Kundenwechsels geht Hand in Hand mit der Kompetenz, zukünftige Wechsel zu antizipieren.
Weiterhin dient Data Mining zur Ermittlung des Kundenwertes und der Erstellung eines Kundenprofils, das hochprofitable Kunden identifiziert.
Data Mining-Programme sind als intelligente Systeme konzipiert, die durch den beständigen Datenzulauf ihre prädiktiven Modelle ständig der neuen Datenlage anpassen. So bleiben sie aktuell angesichts einer sich stetig verändernden Marktsituation.
Data Visualization
Eine nicht zu unterschätzende Entscheidungshilfe stellen die Programme zur Visualisierung der Daten dar. Die Ergebnisse des Data Mining werden von ihnen in intuitiv verständlichen Bildern wiedergegeben. Sehen und Verstehen reichen sich auf diese Weise die Hand.
So erfasst der Benutzer beispielsweise geographische Zusammenhänge via Business Mapping auf digitalen Landkarten, während hierarchische Strukturen analysiert werden, indem Objekte in einer 3D-Landschaft in Relation zueinander gezeigt werden. Zeitliche Entwicklungen können mittels Animationen verdeutlicht werden.
Data Visualization dient jedoch nicht nur als Argumentationshilfe, sondern unterstützt direkt den strategischen Entscheidungsprozeß. So können die Auswirkungen verschiedener Kampagnen durch die Data-Visualization-Programmen in Echtzeit simuliert werden.
Das Wissen zahlt sich aus
Eine Segmentierung des Kundenstammes, Bestimmung des Kundenwertes, die Profilierung hochprofitabler Kunden und die Antizipation eines Wechsels sowie der Gründe für den Wechsel - das sind die Ergebnisse von Churn Management.
Mit diesem Wissen ist es möglich, z.B. Werbekampagnen exakt auf die Bedürfnisse des Kunden zuzuschneiden. Ebenso ist ein feinabgestimmtes Timing möglich, wenn es beispielsweise um die Veröffentlichung von neuen Angeboten, Service Packs oder ähnlichem geht. Dem Kundenwechsel kann auf diese Weise effizient entgegengewirkt werden.
Links und Literatur
- Informationen zu neuronalen Netzen und ihren Anwendungsmöglichkeiten:
http://www.neurocomputing.de/index.html