Читать книгу Data Science - Michael Zimmer - Страница 31

3.4.1Die Automobilbranche als Beispiel 3.4.1.1Machen Sie Ihren Kunden ein Angebot, das sie nicht ausschlagen können

Оглавление

Die Umstellung von Geschäftsprozessen und der nachhaltige Einbezug von Analytics verändert vieles: die Herangehensweise an Marketingmaßnahmen, den Kundenkontakt, die Angebotsplanung und vieles mehr. Personalisierte Angebote an die richtigen Kunden zur richtigen Zeit sind die Parameter, die helfen können, eine Geschäftsstrategie erfolgreich umzusetzen. Im Fall der Automobilindustrie steht beispielsweise herstellerübergreifend die Verbesserung der Verkaufsstrukturen und des Kundenmanagements im Fokus. Ziel ist hier, bei gleichbleibenden (personellen und zeitlichen) Ressourcen automatisierte, maßgeschneiderte Lösungen, heißt Angebote, für jeden einzelnen Kunden zu finden und dadurch die Kundenbindung zu verbessern, die Kaufwahrscheinlichkeit zu erhöhen und letztlich den Ertrag zu steigern. Gleichzeitig sollen die Kundendaten der Automobilhersteller in Wissen transformiert werden und so sowohl gezieltere Ansprachen ermöglichen als auch die Kundenzufriedenheit steigern. Beides sind zwei Seiten einer Medaille, einer Lösung. Bevor die jedoch in den Blick genommen werden kann, muss zunächst die Problemstellung konkretisiert werden.

Absatzmöglichkeiten sind vielfältig, sie effizient zu nutzen gestaltet sich jedoch schwierig, da viele Variablen einbezogen werden müssen. Es stellen sich folgende Fragen: Wer sind meine Kunden? Wie kann ich identifizieren, wer mit hoher Wahrscheinlichkeit als Nächstes ein bestimmtes Modell fahren wird? Wie kann ich diese Kunden in meiner Marketingkampagne priorisieren? Was muss ich tun, um den Kunden für ein neues Auto zu begeistern? Was muss ich wann investieren, um ihn zu einem Kauf zu bewegen? Hinsichtlich des Angebots schließlich stehen natürlich diese Fragen im Vordergrund: Was macht ein Angebot für meine Kunden besonders attraktiv? An welcher Stelle kann ich den Verkaufsprozess unterstützen und fördern? Welche Informationen sind meinen Kunden wichtig? Wo und wann kann ich einen neuen Kaufvertrag abschließen und wie sorge ich langfristig dafür, dass der Kunde zufrieden ist und in Zukunft wieder kauft? Letztlich ist es immer günstiger, einen zufriedenen Bestandskunden zu einem Neugeschäft durch Data-Science-basierte Anwendungen zu animieren, anstatt einen Neukunden zu gewinnen. Dies gilt insbesondere, da für Bestandskunden Kundendaten und Datenschutzeinwilligungen bereits vorliegen.

Im Dickicht dieser zahllosen verschiedenen Konstellationen kann ein Mensch ohne größeren Aufwand keine optimale Entscheidung mehr treffen. Hier können Analytics-Methoden genutzt werden, um dem Entscheider genau die richtigen Informationen zur Verfügung zu stellen. Die Zauberworte an dieser Stelle lauten Customer Life Value, Kundensegmentierung, deskriptive Evaluierungen, Szenariokalkulationen, datengetriebene Expertenempfehlungen und Vorhersagemodelle für erwartbares Kaufverhalten.

Es gilt also die Verkaufs- und Marketingabteilungen der Automobilhersteller gezielt mit Advanced Analytics zu unterstützen und die Absatzaktivitäten nachhaltig zu steigern. Dafür wurden von uns drei strategische Hauptbausteine definiert:

1 Die Identifizierung von StammkundschaftOberstes Ziel ist es, anhand verschiedener Kriterien aus dem kompletten Vertragsportfolio, Stammkundschaft von Laufkundschaft zu differenzieren. Speziell die Stammkunden sollen mit besonderen Kundenbindungsangeboten angesprochen werden.

2 Die Erstellung personalisierter AngeboteEs werden Algorithmen implementiert, die Vorhersagen über künftiges Kaufverhalten ausgeben können, wie etwa die höchste Wahrscheinlichkeit eines Kunden, ein bestimmtes Automodell mit einem Standardfinanzierungsvertrag zu kaufen. Sie bilden die Grundlage, um einem Kunden das für ihn attraktivste und perfekt auf ihn passende Angebot vorschlagen zu können.

3 Optimierung von Finanzprodukten und MarketingkampagnenEs gilt, das volle Potenzial von Verkauf und Marketing zu erschließen, d.h. Kampagnen oder Kundenwert so zu nutzen, dass Kundenanreize maximiert und die Kundenzufriedenheit über den kompletten Kundenlebenszyklus gesteigert wird.

In diesem Fall werden die Vertriebsmitarbeiter in ihrer Arbeit unterstützt. Letztlich werden dadurch Aufwände in den eigenen Niederlassungen der Hersteller oder unabhängiger Händler eingespart und die Chance auf ein Neugeschäft mit Bestandskunden erhöht.

Data Science

Подняться наверх