Kommentar von Markus Volkmar, Msg Systems

Analysen helfen gegen Kundenabwanderung

| Autor / Redakteur: Markus Volkmar / Nico Litzel

Der Autor: Markus Volkmar ist Associate IT-Consultant XBI – Business Intelligence bei Msg Systems
Der Autor: Markus Volkmar ist Associate IT-Consultant XBI – Business Intelligence bei Msg Systems (Bild: Msg Systems)

Viele Business-Analytics-Projekte scheitern, weil sie nicht effektiv in Geschäftsprozesse eingebunden sind. Die Folge: Managern fehlt Unterstützung in ihren Entscheidungsprozessen. Die Lösung ist eine ganzheitliche Prozessanalyse mit Data Driven Solutions.

Unternehmen mit hohen Kundenabwanderungsraten (Churn-Raten) investieren hohe Summen, um Kunden zu halten. Dazu gehören Telekommunikationsdienstleister, Energieversorger und Versicherungen, aber auch Unternehmen im volatilen Online-Handel. Bisweilen locken sie absprungbereite Kunden pauschal mit Rabatten und Prämien, denn die Neukundengewinnung ist für sie teurer. Dabei verfügen die meisten Unternehmen über viele interne Daten und externe Informationsquellen. Durch deren Auswertung könnten sie individueller auf die Kundenmotive für einen Anbieterwechsel reagieren. Doch das geschieht häufig zu halbherzig.

Die Ende 2017 vorgelegte repräsentative Studie von Bitkom Research zum Thema „Digitale Kundenbeziehung“ ergab, dass immerhin zwei Drittel der Unternehmen ihre Nutzerdaten analysieren. Aber nur 53 Prozent davon ziehen einen unmittelbaren Wert aus den Daten. Analytics-Tools setzen nur etwas mehr als die Hälfte ein, wobei die meisten ohnehin nur Webanalyse betreiben. Lediglich 30 Prozent integrieren ihre Business Analytics in andere Unternehmensprozesse wie Marketing oder Vertrieb. Dabei entfalten diese Bereiche erst dann ihre vollen Potenziale, wenn sie ihre Kundendaten feinkörnig analysieren. Dabei könnten die Daten nicht nur operative, sondern auch strategische und taktische Entscheidungen in bisher nie erreichter Zielgenauigkeit fundieren. Besonders bei der Berechnung und Reduzierung der Churn-Raten sind Daten von großem Wert.

Kognitive Verzerrungen in Vertriebsentscheidungen

Marketingentscheidungen sind stattdessen häufig von Intuition und Fehlinterpretationen geprägt. Auch Callcenter-Mitarbeiter sind mit ihren operativen Entscheidungen oft situativ überfordert. Dann räumen sie vorschnell günstigere Tarife ein, um einen wechselwilligen Kunden zu halten. Das kann funktionieren. Doch effektiver und zuverlässiger ist die Auswertung interner und externer Daten, um rechtzeitig die passenden Produkte nur denjenigen Kunden anzubieten, deren Abwanderungswahrscheinlichkeit am höchsten ist. Stattdessen liegen interne Daten brach. Selbst Callcenter-Daten und Kundenzufriedenheitsanalysen werden häufig nicht weiter genutzt. Und noch seltener fließen externe Daten in Business-Analytics-Projekte ein. Aber wer die Motive kennt, kann seine Kommunikation auf allen Ebenen effektiver planen und wirksame sowie kundenindividuelle Angebote unterbreiten.

Segmentierungsmethoden sind oft unzureichend

Versicherungen, Telekommunikations- und Energiedienstleister können mit Millionen von Kunden ohne datengetriebene Lösungen die steigende Komplexität nicht mehr bewältigen. Und selbst wenn Daten im Vertrieb bereits analysiert werden, geschieht dies häufig unzureichend. Klassischerweise werden Kunden aufgrund demografischer Variablen wie Alter, Geschlecht, Bildung und Beruf in starre Kategorien segmentiert. Bloß weil ein Kundenmerkmal leicht zu greifen ist und eine intuitive Einteilung ermöglicht, muss es nicht das beste Kriterium für die Segmentierung sein. Bisweilen geben Daten aus Social-Media-Kanälen oder von Marktforschern sowie demografische oder geografische Daten einen viel tieferen Einblick in mögliche Wechselmotive von Kunden.

Oftmals fehlt zudem eine Verzahnung der Geschäftsprozesse der einzelnen Abteilungen untereinander. Marketing, Vertrieb, IT und Geschäftsführung sprechen nicht dieselbe Sprache. Mit dem Fokus auf den eigenen Bereich und Wissenshorizont kann es zu einer Konzentration auf unwesentliche Einflussfaktoren kommen. Die für den Kunden und seine individuelle Wechselbereitschaft wichtigen Stellgrößen werden schnell vernachlässigt. Erschwerend kommt zu internen Problemen hinzu, dass Anforderungen und Fragestellungen sich auf volatilen Märkten permanent verändern.

Integration von Entscheidungen in die Geschäftsprozesse

Angesichts dieser Vielzahl von Gründen ist es notwendig, einen ganzheitlichen Ansatz zu nutzen, der Daten und Geschäftsprozesse kombiniert und für alle Abteilungen leicht verständlich ist. Das IT-Unternehmen msg hat aus diesen Erkenntnissen heraus Data Driven Solutions entwickelt, einen ganzheitlichen Prozessansatz, der auf dem 2015 von der Object Management Group (OMG) eingeführten Standard „Decision Model and Notation“ (DMN) aufbaut. DMN schafft eine gemeinsame Basis im Unternehmen, um aus großen Datenmengen Entscheidungsregeln zu erstellen, sie zu automatisieren und zu dokumentieren. Ziel dieses dreistufigen Vorgehens ist, eine gemeinsame Notationsgrundlage zu schaffen, die für alle Geschäftsbereiche leicht lesbar und nachvollziehbar ist.

Zunächst werden auf der ersten Stufe die möglichen Entscheidungen aus dem Businessprozess identifiziert und beschrieben (Business-Decision-Ebene). Auf der zweiten Stufe, dem Decision Model auf Basis des DMN, entsteht ein Wissensmodell mit Beschreibung der Entscheidungsanforderungen. Auf der dritten Stufe, der Decision-Logik, werden Eingabeparameter, Schwellwerte und ein Regelwerk definiert, mit dessen Hilfe Entscheidungen getroffen werden können. Diese Entscheidungslogik zeigt dann konkret, welche Handlungsoptionen sich kundenindividuell aus den verfügbaren Daten ableiten lassen.

Diese Logik baut auf statistischen Modellen auf. Im Fall der Churn-Prävention sind es Klassifikationsalgorithmen, die neben den klassischen Merkmalen auch externe Faktoren berücksichtigen. Auf diese Weise kann bestimmt werden, welche Kriterien sich wie stark auf die Kündigungsabsicht eines Kunden auswirken. Einmal aufgestellt, kann sich das Modell zudem aus neu einfließenden Daten mittels KI-Algorithmen selbst verbessern und alle Detailstufen der Modellierung anpassen. Dadurch erreicht das msg-Modell eine Verzahnung der Eigenschaften und Handlungen jedes einzelnen Kunden mit den Geschäftsprozessen eines Unternehmens, das damit noch näher am Kunden agieren kann.

Fazit: Neue Erkenntnisse mit Data Driven Solutions

In der Analyse mit dem Datensatz eines Telekommunikationsunternehmens zeigten sich durch die Data Driven Solutions von msg unerwartete Erkenntnisse. Anders als angenommen spielten nicht immer die demografischen Variablen die entscheidende Rolle. Auch Vertragskonditionen sowie geografische Merkmale zeigten individuell unterschiedliche Motive der Kunden. Zudem bewies die Lösung von msg ihre Stärke in der automatisierten Analyse und der daraus resultierenden Handlungsempfehlung, die, aus allen Einflussgrößen gebildet, differenzierter ausfielen als bei klassischen Methoden. Denn Kunden erwarten unterschiedliche Reaktionen ihrer Dienstleister, zugeschnitten auf ihre Bedürfnisse. Mit Unterstützung durch kognitive Algorithmen erkennt der Vertrieb gefährdete Kunden schneller und kann Vertriebsmaßnahmen noch differenzierter aussteuern. Hier profitieren dann auch die Mitarbeiter an der Hotline, die durch Einblenden maßgeschneiderter Angebote proaktiv einen Kunden halten können.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45704189 / Analytics)