Grundlagen Customer Relationship Management, Teil 2

Analytisches CRM: Methoden und Fallbeispiele

Data Mining im CRM – Beispiele

Data Mining kann in vielen CRM-relevanten Bereichen eingesetzt werden. Zum Beispiel in der Akquisition neuer Kunden und der Response-Optimierung. In beiden Fällen sollen zielgerichtet Kampagnen entwickelt werden, so dass mehr bzw. neue Kunden reagieren. Hierbei wird auf Daten bereits durchgeführter Werbekampagnen zurückgegriffen. Data Mining liefert dabei Auskunft darüber, welche Kundengruppe besonders positiv auf die Kampagne reagiert hat.

So lässt sich bei bestehenden Kunden die Wahrscheinlichkeit errechnen, mit der sie auf entsprechende Marketing-Aktionen positiv reagiert haben. Extrahiert man die Merkmale dieser hoch reaktiven Gruppen, kann man bei einer neu zu startenden Kampagne gezielt nur mehr solche Kunden ansprechen, die eine hohe Abschlusswahrscheinlichkeit aufweisen. Dies senkt die Streuverluste, erhöht die Akquisitions- bzw. Response-Rate und führt zu deutlichen Ertragssteigerungen.

Ein anderes, zentrales Ziel von CRM ist Kundenbindung. Besonders profitable Kunden sollen langfristig dem Unternehmen „treu“ bleiben. Dazu gehört auch das Rückgewinnungs-Management, neudeutsch: Churn Management. Churn Management ist ein Kunstwort aus „Change“ und „Turn“ und bezeichnet den Versuch, Kundenabwanderungen zu vermeiden. Dies betrifft insbesondere Branchen, in denen aufgrund vertraglicher Verpflichtungen der Kunde eine gewisse Zeit an ein Unternehmen gebunden ist und nach Ablauf der Frist den Anbieter wechseln kann. Ein typisches Beispiel ist die Mobilfunkbranche.

Data Mining Methoden: Kundenbezogene Geschäftsprozesse (links) und zugeordnete anwendbare Verfahren.
Data Mining Methoden: Kundenbezogene Geschäftsprozesse (links) und zugeordnete anwendbare Verfahren.

Ein Churn-Problem hatte beispielsweise die Mobilfunktochter der Deutschen Telekom, T-Mobile. Um die starken Abwanderungsbewegungen zu stoppen, wurde das Kündigungsverhalten ehemaliger Kunden analysiert. Data Mining gab Auskunft darüber, welche typischen Merkmale ein potenzieller Abwanderer hat, was sein Profil ist und – daraus abgeleitet – welcher Kunde mit welcher Wahrscheinlichkeit wann abwandern wird. Aus diesen Analysen konnten Kundenbindungsprogramme entwickelt werden, die die Churn-Rate um bis zu 30 Prozent senkten. Für Unternehmen sind solche Methoden Gold wert, denn das Anwerben eines neuen Kunden ist weitaus teurer als das Halten eines Bestandskunden.