Prognose des individuellen, zukünftigen Kunden-Verhaltens

Innovative Methoden aus dem Big-Data Umfeld erlauben für jeden aktuellen Kunden eine Ableitung von Wahrscheinlichkeiten bestimmter zukünftiger Ereignisse, z.B. dem Kauf eines Produkts oder der Kündigung eines Vertrags. Hierfür werden Ansätze des maschinellen Lernens genutzt, die umfangreiche Daten über das Verhalten vieler bisheriger Kunden in der Vergangenheit effizient auswerten und damit systematisch erschließbar machen. Je mehr Daten über bisherige Kunden vorliegen bzw. je länger der auswertbare Vergangenheitszeitraum ist, desto höher ist die Chance wertvolle "Muster" zu erkennen und für die Prognose zu nutzen - z.B. zur gezielten Aussteuerung von Marketing-Aktionen.


Vorhersagen für das „Segment of one“

Verhaltensweisen von Kunden werden zunehmend individueller und entfernen sich von bisher ggf. erfolgreich genutzten Stereotypen. Moderne Algorithmen können helfen, um diese Individualität selbst für eine (sehr) große Anzahl an Kunden handhabbar und verständlich zu machen. Darüber hinaus lassen sich mit diesen Methoden aus individuellem Kundenverhalten im Gegenzug sogar individuelle Prognosen über künftige Handlungen und Interessen von Kunden ableiten, die für Marketing und Vertrieb von hohem Wert sind. Kunden können somit gezielt mit genau diesen Inhalten versorgt werden, die für sie individuell und zum aktuellen Zeitpunkt von sehr hoher Relevanz sind. Diese Inhalte unterstützen dann z.B. den tatsächlichen Kaufabschluss eines bestimmten Produkts sehr effektiv, weil das Grundinteresse oder die grundlegende Kaufabsicht bei den angesprochenen Kunden laut Prognose aktuell als hoch eingeschätzt wird. So gelingt es durch Prognosen für das sogenannte "Segment of One" Streuverluste zu minimieren und die Wahrnehmung der Marketing- oder Vertriebsansprache aus Sicht des Kunden ins Positive zu wenden. Konkret eröffnet dies neue Möglichkeiten zur umfassenden Ausschöpfung des gesamten Kundenpotentials durch individuelles Cross- und Up-Selling und eine passgenaue Kundenbetreuung

„Alert“-Listen zur Vertriebssteuerung

Prognosen auf Basis von Daten über das Kundenverhalten können einerseits für eine bewusste Auswahl von Zielgruppen für spezifische Maßnahmen in Marketing und Vertrieb genutzt werden. Andererseits ermöglichen sie aber auch, in regelmäßigen Abständen für jeden Kunden eine Risiko-Abschätzung zu möglichen negativen Entwicklungen abzugeben. Ein solches "Frühwarnsystem" kann z.B. jeweils speziell für eine abnehmende Kundenzufriedenheit, eine abnehmende Kundenbindung oder gleich für ein vorzeitiges Aufkündigen der Kundenbeziehung aufgestellt werden. Bei jedem einzelnen Durchlauf des Prognose-Modells (z.B. jede Woche) erhalten Unternehmen eine Frühwarn-Liste derjenigen Kunden, deren Risiko aktuell als besonders hoch eingeschätzt wird oder deren Risiko-Einschätzung sich stark verändert hat. Für diese Kunden hat der Algorithmus ein Verhalten in den aktuellen Daten erkannt, welches auf dieses negative Ereignis hindeutet. Solche "Alert"- oder "Alarm"-Listen ermöglichen daraufhin einen gezielten Interventionsversuch bei genau diesen Kunden, noch bevor das zuvor prognostizierte Ereignis wirklich eingetreten ist. Es ist möglich, solche „just-in-time“ Analysen direkt in die tägliche Steuerung des Vertriebs zu integrieren und ad-hoc-Maßnahmen auf dieser Basis anzugehen. Dies hilft, „negative“ Kunden-Ereignisse gezielt zu vermeiden.


Fallstudie Alert-Listen:

+++ in Arbeit +++