Aufbauen eines datengetriebenen Kunden-Verständnisses

Segmentierungen von Zielgruppen bzw. die Ableitung von Bestandskunden-Typen gehören zu den Standard-Tools eines jeden Entscheiders in Marketing und Vertrieb. Bisher beruhen Segmentierungen dabei im B2C-Geschäft oft  noch auf sozio-demographischen Daten: Kundensegmente werden z.B. nach Alter, Familienstand, Ausbildung oder Einkommen unterschieden. Im B2B wiederum erfolgt häufig eine Kunden-Segmentierung nach Branche, Größe (meist gemessen in bisherigem Umsatz) oder ursprünglich genutztem Produktbereich. Wirklich relevante und nutzbare Kundensegmente entstehen jedoch erst, wenn z.B. das tatsächliche Kundenverhalten in die Betrachtung einfließt.


Segmentierungen nach Verhaltensdaten

Im B2C-Geschäft werden oftmals feststehende Personen-Eigenschaften zur Unterscheidung von Kundengruppen genutzt. Dies beruht auf der Annahme, dass sich daran auch z.B. die Kaufneigung unterscheiden lässt. Gerade bei zunehmender Individualisierung von Kunden trifft dies aber in der Realität häufig gar nicht mehr zu. Erst durch innovative Methoden der Auswertung vielfältiger Informationen über das bisherige Kundenverhalten - also über Käufe, Bestellrhythmen, genutzte Marketing-Kanäle und -Aktionen, vielfältige Interaktionen mit dem eigenen Unternehmen (z.B. Anrufe, Besuche, etc.), Kommentare, Beschwerden, etc. - wird Kundenverhalten verlässlich messbar.

Die Forschung und die Praxis zeigen, dass allein dieses Kundenverhalten ausschlaggebend für das wahre Interesse und für künftige Handlungen von Kunden ist - meist unabhängig von demographischen Kategorien. "Greifbare" Kundensegmente anhand vergangener Verhaltensmuster bilden somit die Grundlage für treffsichere, spezifische Maßnahmen an eine jeweils relevante Kundengruppe. Beispielsweise können durch eine verhaltensbasierte Betrachtung Kunden mit zunehmender Kaufhäufigkeit aber sehr geringer Ausschöpfung des gesamten Produktsortiments als eigenständiges Segment identifiziert werden. Das Potential dieser Kunden für Up- oder Cross-Selling wurde bisher in keiner Weise von Vertrieb oder Marketing adressiert. 

 

Auch im B2B-Geschäft ist das Kundenverhalten eine sehr wertvolle Informationsquelle - insbesondere aufgrund der häufig langen Kundenbeziehungen zwischen Unternehmen und einer guten Datenbasis zu Transaktionen (z.B. ERP-System) und Interaktionen (z.B. CRM-System). Entsprechend lassen sich z.B. Bestellmuster aus Einzelprodukt-Positionen, Mengen oder geforderten Lieferzeiten identifizieren und z.B. deren Verbindung zur  Besuchshäufigkeit des Außendienstes aufzeigen. Auf dieser Basis können auch hier sehr konkrete Kundensegmente unterschieden werden, die wichtige Grundlagen für die Steuerung in Marketing (z.B. Budgetverteilung) und Vertrieb (z.B. Besuchsplanung) bilden. Was bisher erst durch mehrjährige Kundenerfahrung in den Köpfen einzelner Mitarbeiter als Wissen vorhanden war, wird nun transparent dargestellt und damit umfassend im gesamten Unternehmen nutzbar gemacht.

Segmentierungen nach RFM-Logik

Die in Unternehmen nach wie vor am weitesten verbreitete Kunden-Segmentierung stellt die klassische A-B-C-Kunden-Logik dar. Hier wird oftmals allein die heutige Bedeutung von Kunden berücksichtigt. Forschung und Praxis zeigen aber gerade in den letzten Jahren, dass z.B. durch die stärkere Bedeutung des Online-Handels Wechselbarrieren sinken und häufig nur wenige der bisherigen A-Kunden von Unternehmen auch zu deren zukünftigen A-Kunden zählen. Der Bedarf nach einer wesentlich stärker auf die Zukunft ausgerichteten Kunden-Segmentierung ist somit offensichtlich. 

Einen sehr hilfreichen ersten Schritt kann z.B. die sogenannte RFM-Segmentierung darstellen. Hierbei fließen neben dem bisherigen Kundenumsatz (M = Monetary Value) auch die verstrichene Zeit seit dem letzten Kauf (R = Recency) sowie die Häufigkeit von Käufen in einem bestimmten Zeitraum (F = Frequency) in die Segmentierung mit ein. Aus dieser Logik ergeben sich verschiedene typische Segmente, die für die konkrete Praxis der zukunftsorientierten Kunden-Ansprache und -Bearbeitung wichtige Erkenntnisse liefern:

So sind Kunden im Segment mit hoher Recency (die also kürzlich bestellt haben), hoher Frequency (die also sehr regelmäßig bestellen) und hohem Monetary Value (die also hohe Warenkörbe generieren) sicherlich die wertvollsten Kunden - und  zumindest aktuell nicht sonderlich „gefährdet“ zur Konkurrenz abzuwandern.

Besonders interessant ist es aber sicherlich zu wissen, welche Kunden eine hohe historische Frequency haben (also bisher sehr häufig bestellt haben) und einen hohen Monetary Value (somit große Umsätze generierten), aber kürzlich nicht mehr bestellt haben (also eine niedrige Recency aufweisen). Erkennt man solche Fälle sehr früh, kann ggf. gegengesteuert und das Abwandern einer Kundengruppe mit hohem Potential verhindert werden. Das Segment mit hoher Recency (also erst kürzlich erfolgtem Kauf) und hohem Monetary Value (also mit einem hohen Umsatz), aber geringer Frequency (d.h. eher seltene Käufer) erfordert ebenfalls oftmals eine dedizierte Ansprache. Der Kunde benötigt offensichtlich gerade aktuell die angebotenen Leistungen und hat ein hohes Volumen bzw. eine ausgeprägte Kaufbereitschaft. Eventuell kann er zu einem regelmäßigen Käufer entwickelt werden oder sein kontinuierlicher Bedarf von anderen Lieferanten zusätzlich gezielt abgeworben werden (Upselling).