Ihre Kunden hinterlassen Spuren: Bei jedem Einkauf, bei jeder Bestellung, bei jeder Anfrage, bei jeder Reaktion auf eine Marketingstrategie oder in jedem Verkaufsgespräch. Viele dieser Spuren werden automatisch von Ihrem Unternehmen als Daten erfasst und gespeichert, so beispielsweise die Bestellungen und Einkäufe Ihres Kunden. Andere Datenspuren werden in Briefen generiert oder in Notizen erfasst, die Ihr Verkaufspersonal (hoffentlich!) nach jedem Verkaufsgespräch, ob telefonisch oder beim Kunden, der Kundenakte hinzufügt. Ihr Unternehmen sammelt also tagtäglich Unmengen an Informationen über Ihre Kunden.
Data-Mining fungiert als moderne Kristallkugel
Ihre gesammelten Daten verraten Ihnen viel – und können für die meisten Unternehmensprobleme zur Analyse und Vorhersage herangezogen werden:
- Steigerung der Einnahmen
- besseres Verständnis der Kundenbedürfnisse und –vorlieben
- Identifizierung profitabler Kunden
- Neukundengewinnung
- Erkennen des Risiko der Kundenabwanderung
- Verbesserung des Cross-Selling und Up-Selling
- Optimierung der Kundenbindung und Kundenloyalität
- Steigerung des ROMI (return on marketing investment)
- Kostenminimierung bei Marketingkampagnen
- Steigerung der Webseitenprofitabilität
- Verbesserung bzw. Anpassung des Sortiments der einzelnen Filialen an die Kundenprofile
- Warenkorbanalyse
- Analyse der Kreditwürdigkeit
Denn Data Mining hilft Muster im Kundenverhalten aufzudecken und Antworten auf wichtige Fragen zu finden – beispielsweise:
- Welches Angebot sollte welchen Kunden wann unterbreitet werden?
- Welche Vorlieben zeigen sich durch die Warenkorbanalyse?
- Welches Cross-Selling-Potenzial ergibt sich daraus?
Somit ist es sinnvoll, mit Hilfe von Data-Mining-Softwaretools aus Ihren bestehenden Daten die gesuchten Informationen zu extrahieren und in umsetzbares Wissen für Ihre Unternehmensstrategien zu verwandeln.
Erfolgreiches Data-Mining: 3 Tricks
Data Mining kann allerdings nur so erfolgreich sein, wie die Fragestellung, mit der Sie Ihre Data-Mining-Analyse starten. Eine struktur- und planlose Analyse ist deshalb von Anfang zu vermeiden, um zum einen keinen Frust bei der Interpretation der Ergebnisse zu erhalten, als auch zum zweiten keinen unnötigen Daten-Müll zu produzieren, mit dem letztendlich niemand im Unternehmen etwas anfangen kann, der jedoch stattdessen die bereits bestehende Informationsflut erhöht. Deshalb sehen Sie jedes Data-Mining stets als ein Projekt.
Trick 1: Ohne Ziel kein Ergebnis
Aus der Fülle der Datensätze gilt es die für das Unternehmen relevanten herauszufiltern – und zwar relevant im gegenwärtigen Kontext. Das Projektziel rückt in den Fokus aller Projektteilnehmer. Aktuelle Probleme, als auch Fragen wie „In welchen Kundensegmenten gibt es Potenziale zur Ertragssteigerung?“ sollten dabei in die Zielformulierung einfliessen – beispielsweise die Kunden zu erkennen, die über 5.000 CHF pro Jahr bestellen. Denn dank der Zielformulierung können auch die Parameter für das Data Mining festgelegt werden:
- Soll die gesamte Historie der Kundendaten ausgewertet werden?
- Reicht es aus bzw. ist es sinnvoller, sich auf die Datensätze der letzten sechs Monate zu konzentrieren?
- Welche Datensätze sollen wie gefiltert werden– nach Geschlecht, Wohnort, Alter, Bestellverhalten, Einkommen, Ertrag?
Trick 2: Klein starten
Beginnen Sie mit kleinen Projektzielen, die das Projektteam schnell und mühelos realisieren kann. Ziele wie mit einem einzigen Data Mining das Cross-Selling anzukurbeln, die Kundenbindung zu erhöhen, die Neukundengewinnung zu verbessern oder bei allen Kunden eine 10prozentige Umsatzsteigerung zu erreichen, sind am Anfang einfach zu ambitioniert – und zwar aus mehreren Gründen:
- rechtliche Fragen, Budget und Ressourcen
- Zugriff auf die Daten: Gibt es ein Data Warehouse oder müssen Daten aus verschiedenen Quellen ausgewertet werden?
- Qualität der Daten
- Sicherheit der Datenauswertung
- Technisches Equipment wie Software und Computer
Trick 3: Klug auswerten
Bereits zu Beginn des Data Mining sollte festgelegt werden, wie denn die Ergebnisse genutzt und verbreitet werden sollen:
- Von Experten, die keine Interpretation der Analyse brauchen.
- Von einer grossen Mehrheit der Mitarbeiter (Marketing, Vertrieb, Service), die eine unterschiedliche Auswertung der Datenergebnisse benötigen.
- Über welches Medium (Online, Intranet, Papier, Präsentation) sollen die Ergebnisse kommuniziert werden?
- Welche Handlungen sollen aus den Ergebnissen abgeleitet werden?
Denn die Data-Mining-Analyse kann nur so erfolgreich sein, wie die Auswertung, die aus den Ergebnissen folgt.