Kein Markt verändert sich so rapide wie der Onlinehandel. Deshalb ist es für Unternehmen wichtig die vielfältigen Potentiale des eMarketings auszuschöpfen. Dazu zählt unter anderem den Entscheidern ein tieferes Verständnis von Kundenverhalten und – einstellungen zu vermitteln und somit auch den eigenen Erfolg zu erhöhen. Die Chance für eBusiness liegt darin, das Wort „Kundenbeziehung“ wirklich mit Leben zu füllen.
Um das Potenzial ihres OnlineGeschäfts voll auszuschöpfen, müssen Unternehmen heute über die einfachen Nutzeneffekte hinausgehen, die das Internet bringt. Sie müssen das Netz als Medium verstehen, das ihnen erlaubt, den vielschichtigen Kundendialog auf sehr kontrollierte Weise zu erkunden, mit Marketingideen und Kommunikationskonzepten zu experimentieren und dadurch mehr über Kunden und deren Bedürfnisse zu erfahren. Dieser Lernprozess setzt allerdings mehr voraus als die Analyse von Klickdaten, Bestellungen und Demografien: Detaillierte Daten zum Kundenverhalten müssen gesammelt werden, Marketing- und Branchenexperten müssen mit strategischen Planern zusammenarbeiten, um in der Lage zu sein, Daten aus mehreren Systemen in hoher Geschwindigkeit zu verarbeiten.
„In der Euphorie über die New Economy vergisst man leicht, dass einige traditionelle Geschäftsmodelle nach wie vor Gültigkeit haben -einfach weil sie auf dem Verständnis menschlichen Verhaltens beruhen.“
Rob Spiegel, eCommerce Times, Januar 2000.
Der Begriff Kundenbeziehungsmanagement (CRM) war in den vergangenen Jahren in Verruf geraten, insbesondere in Verbindung mit IT-Projekten. Wenn es darum geht, die Profitabilität von Konsumgüterunternehmen zu erhöhen, ist CRM dennoch heute allgemein als Schlüsselfaktor anerkannt. Führenden eBusiness-Anwendern ist klar geworden, dass das Medium Internet traditionellen Geschäftsmodellen eindeutig überlegen ist, und dass es in Sachen Kundenwissen und Marktbearbeitung zum Mittelpunkt ihres gesamten Unternehmens werden kann.
Die Chance für eBusiness liegt darin, das Wort „Kundenbeziehung“ wirklich mit Leben zu füllen. Der Schlüssel zu Wachstum und Erfolg im Wettbewerb liegt in der Fähigkeit, Änderungen im Kundenverhalten zu verstehen und zu beeinflussen. IT-Abteilungen sind heute in der Lage, automatisiert große Mengen an unstrukturierten, aber detaillierten Daten zum Kundenverhalten zu sammeln: aus Protokolldateien der Webserver, Datenbanken und Anmeldeformularen. Diese Daten und ihre Analyse sind der Schlüssel zu einem besseren Geschäftsverständnis und damit einer höheren Wertschöpfung.
Kundenverhalten verstehen
Mehr denn je gleichen Märkte heute einem Gedränge erbitterter Konkurrenten. Die Anzahl erfasster Kundentransaktionen verdoppelt sich jedes Jahr. Der Wettbewerb wächst in neue Dimensionen, seit Kunden mehr Freiheit haben, Preise und Verfügbarkeit von Produkten zu vergleichen, und sie mit nur einem Mausklick den Anbieter wechseln können.
„Im eCommerce ist es sogar noch wichtiger als in der realen Welt, zu wissen, wer die Kunden sind und welche Produkte und Dienstleistungen sie sich wünschen. Das Lebensmittelgeschäft an der Ecke muss nur eine ungefähre Vorstellung von den Wünschen seiner Kunden haben: der Bequemlichkeitsfaktor bringt sie in den Laden. Wenn es diesen Vorteil jedoch nicht gibt, wenn Kunden überall hingehen können, um das zu kriegen, was sie wollen, dann sollte man möglichst wissen, wonach ihnen der Sinn steht.“ Patricia Seybold in Customers.com
Wie schafft man es nun tatsächlich, im eCommerce eine substantielle Kapitalrendite, einen hohen Return-on-Investment zu erzielen? In den Anfangsjahren des Internets kamen die ersten wirklichen Resultate von Unternehmen traditioneller Branchen, die ihre Marketingmaßnahmen am individuellen Verhalten ihrer Kunden orientierten: Sie nutzten die Technologie der Personalisierung. Anhand der Konversionsrate, also dem Anteil tatsächlicher OnlineKäufer an Websitebesuchern, lässt sich eindeutig zeigen, dass der Erfolg von der Personalisierung der Website beeinflusst wird.
Hinter diesen Zahlen steckt noch eine andere Wahrheit: Die Technologie, die 1999 eingesetzt wurde, war im Vergleich zu den Direktmarketingmethoden großer Banken, Telekommunikationsfirmen und Versandhäuser sehr rudimentär. In diesen Branchen wurden in den letzten zwanzig Jahren detaillierte Kundendaten gesammelt, und die Marktführer haben ihr Marketing konsequent anhand damit verbundener Einsichten und Vorhersagen betrieben. Es gibt eine lange Erfolgsgeschichte von Direktmarketingabteilungen, die für ihre Unternehmen echte Gewinne erwirtschaften. Hier einige Beispiele:
– Ein Einzelhändler setzte in seiner Direktwerbung Gutscheine ein, die genau auf das Einkaufsverhalten seiner Kunden abgestimmt waren. Damit verdoppelte er nicht nur die Antwortquote, sondern erzielte einen Return-on-Campaign-Investment, der zwanzigmal höher war als der jeder seiner demografisch ausgerichteten Werbekampagnen. Mit einem einzigen Kampagnendurchlauf machten sich in nur drei Monaten alle seine Systeminvestitionen bezahlt.
– Eine Versicherungsgesellschaft identifizierte potentielle Kündiger, indem sie die Vertragshistorie der Kunden unter die Lupe nahm. Und das so treffsicher, dass jede Aktion des Kundendienstes zur Kundenbindung eine messbare Nettorendite von über 50 000 Dollar abwarf.
– Eine internationale Großbank machte eine auf Filialdaten basierende Werbeaussendung für ihre neue Firmenkreditkarte, bei der sie sich am Transaktionsverhalten der Unternehmen orientierte. Damit erreichte sie eine Anmeldequote von 16 Prozent; eine Kampagne mit demografischen Daten erreicht üblicherweise nur ein Prozent.
Es ist wichtig festzuhalten, dass diese Ergebnisse in drei verschiedenen Branchen, mit drei verschiedenen Anwendungen und über drei verschiedene Kommunikationskanäle erzielt wurden. Genau dies ist das Umfeld, in dem sich erfahrene DatabaseMarketing-Fachleute dank ihrer Ausbildung bewegen können. Im eBusiness allerdings, trotz aller hier eingesetzten Technologien, lag der Fokus zu wenig auf analytischen Fähigkeiten: Die Vertriebsexperten haben einen Bedarf an unmittelbar verfügbaren Daten darüber, wer die Website besucht, wie sich die Besucher verhalten und wie man dieses Verhalten beeinflussen kann. Aber dieser Bedarf wurde nicht gedeckt. Investoren konzentrierten sich auf operative Fähigkeiten, auf den Lieferservice, auf den Ausbau des Marktanteils – typisch für Industrien im frühen Entwicklungsstadium. Das aber führte dazu, dass die eCommerceExperten die einmalige Chance verpassten, das Internet als Plattform für ein noch dynamischeres und stärker am Kunden orientiertes Marketing zu nutzen. Stattdessen ging die Tendenz dahin, das Internet zur Automatisierung und Beschleunigung vieler alter und undifferenzierter Geschäftspraktiken einzusetzen. Manche Unternehmen mussten schmerzlich erfahren, welche Konsequenzen es hat, mehr vom Falschen zu tun, und das auch noch in höherer Geschwindigkeit. Aber zumindest ist der Schmerz in diesem Fall so kurz wie die Lebensdauer des gescheiterten OnlineUnternehmens.
Wie lassen sich solche Fälle vermeiden? Das wissen viele der jetzigen Generation von OnlineUnternehmen: die Überlebenden der ersten Internetwelle (typischerweise die wenigen, die sich die Mühe gemacht haben, ihr Geschäftsmodell und ihre Kunden wirklich zu verstehen) und die traditionellen Firmen, die durchhielten und dann diszipliniert online gegangen sind. Der Schlüssel zum Erfolg liegt darin, das Kundenverhalten zu verstehen und zu wissen, wie man es vorhersagen und beeinflussen kann.
Wie gut analysieren Sie das Verhalten Ihrer Kunden?
eBusiness-Unternehmen sollten prüfen, ob sie mit ihrer Bewertung des Kundenverhaltens richtig liegen. Die folgende Checkliste ist eine Art „Fitneßtest“, mit der Sie Ihre analytischen Fähigkeiten einschätzen können.
Analyse der Akquisitionsleistung:
› Wissen Sie, wie wirksam Ihr OnlineMarketing Besucher beziehungsweise echte Kunden auf ihre Website führt? (5 Punkte.)
› Können Sie bei Ihren Werbeausgaben unterscheiden, was echte Kunden auf ihre Website bringt, und was allgemein die Besuchszahlen hochtreibt? (5 Punkte.)
› Personalisierung, Einträge in Verzeichnissen, Banneranzeigen: Welche Werbeform bringt Ihnen die treuen und kaufkräftigen Langzeitkunden? (10 Punkte.)
› Kennen Sie das Profil ihrer guten Bestandskunden, und können Sie davon ausgehend potentielle Neukunden (oder Websitebesucher)adressieren? (5 Punkte.)
Analyse der Leistung von Website/Seiten:
› Was ist die häufigste Abfolge von Seitenaufrufen bei Besuchern, die wiederholt einkaufen, oder die besonders kaufkräftig sind? (5 Punkte.)
› Wie wird das Einkaufsverhalten Ihrer Kunden durch Veränderungen Ihrer Webseiten beeinflusst? (10 Punkte.)
› Welche Seitenmerkmale fördern einen Kauf und welche Merkmale führen dazu, dass Sie Websitebesucher verlieren? (10 Punkte.)
› Können Sie messen, um wieviel Prozent die Frustration der kaufkräftigen Kunden nachlässt, wenn Websitedesign und -prozesse verbessert werden? (15 Punkte.)
Analyse der Kundenkonversion:
› Welche Kunden sind am meisten, welche am wenigsten profitabel -differenziert nach Zeitraum, Marktsegment, Wohnort und Eigenschaft? (5 Punkte.)
› Welche Websiteinhalte sind am effektivsten, um für steigende Umsätze aus dem bestehenden Kundenstamm zu sorgen? (10 Punkte.)
› Können Sie ein Profil der Kunden erstellen, die vorhersehbar wahrscheinlich den Einkaufswagen Ihres OnlineShops stehen lassen – und dann in Erfahrung bringen, wie man sie davon abhalten kann? (5 Punkte.)
› Welche Kunden sind abgesprungen und könnten wiedergewonnen werden, und welche könnten diesen Monat neu abspringen? (5 Punkte.)
Auswertung:
› Weniger als 20 Punkte: Es muss noch etwas analytischer Sachverstand hinzukommen.
› 20 bis 40 Punkte: Gute Grundlagen sind vorhanden.
› 40 bis 75 Punkte: Eindrucksvolle Fähigkeiten, Grundlage für ein sehr erfolgreiches Geschäft.
› Über 75 Punkte: Sie sind Experte in Sachen Analytik.
Sechs Schlüsselfaktoren für die erfolgreiche Datenanalyse
Firmen brauchen eine systematische Methode zur Auswertung von Kundendaten, um in neuen und herausfordernden Situationen schnell Entscheidungen treffen zu können. Beispiele für solche Situationen sind: Veränderungen im Markt oder beim Wettbewerb, die Einführung neuer Produkte, Maßnahmen zur Kostensenkung oder vielleicht plötzliche Schwankungen wichtiger Betriebskennzahlen. In diesen Situationen müssen Entscheider über ihre Standardberichte und Kundenwert-Indizes hinausgehen: Sie müssen besser verstehen, warum sich Kunden so verhalten, wie sie es tun, und sie müssen sich mit der Idee und den Ergebnissen von Was-wärewenn-Szenarien auseinandersetzen. Dann sind sie in der Lage, Angebote und Aktionen für Marketing, Vertrieb, Service zu bestimmen, die angemessen sind, größtmögliche Relevanz haben und zeitlich passen.
„Weder Kundendaten noch analytische Werkzeuge an sich zaubern Antworten herbei. Um die wahren Gründe für Kundenentscheidungen besser zu verstehen, müssen Geschäftswissen und analytisches Know-how für die Erkundung der verfügbaren Daten zusammenkommen. Menschen stellen die wichtigen Fragen und ziehen die wichtigen Schlüsse; daher spielt die enge Zusammenarbeit zwischen Analytikern und Unternehmen eine große Rolle, wenn es darum geht, rechtzeitig die besten Entscheidungen zu treffen.“
Gareth Herschel,Forschungsleiter, Gartner
Gartner identifiziert als Hauptproblem: Wie füllen Marketingentscheider die Lücke zwischen den Daten und den Einsichten, nach denen sie handeln?1 Wer bereits auf diesem Gebiet gearbeitet hat, weiß, was fehlt – ein besserer Dialog und eine engere Zusammenarbeit zwischen Unternehmern und Analytikern. Traditionelle Analysewerkzeuge sind aber nicht für das schnelle gemeinsame Arbeiten geschaffen. Sie reagieren entweder zu langsam auf aktuelle geschäftliche Fragen oder erfordern das Fachwissen von Spezialisten. Das führt dazu, dass die Datenanalyse aus Geschäftssicht als vollkommen intransparent erlebt wird. Die Lösung besteht darin, sich während des gesamten analytischen Prozesses auf eine interne Zusammenarbeit einzulassen: Sie muss die Firmenentscheider – diejenigen, die Ziele vorgeben, Prioritäten setzen, Einschränkungen machen – zusammenbringen mit den Analytikern – den Herrschern über Daten, Methoden und Werkzeuge.
Kollaborative Datenanalyse
Der Markt für Software zur Analyse und Modellierung von Kundenverhalten ist verwirrend. Anhand der folgenden Übersicht lässt sich bewerten, ob eine Lösung den oben genannten Anforderungen entspricht. Die sechs wichtigsten Kriterien werden erläutert, die bei der Auswahl einer Software zu berücksichtigen sind.
– Fokus aufs Geschäft: Verhaltensbezogenes Marketing ist ein kontinuierlicher, dynamischer Prozess des Sammelns und Analysierens von Daten über Kunden und ihr Verhalten – um zu lernen, wie man sie am besten beeinflussen kann, damit der Umsatz steigt. Dafür braucht es außerdem einen Mechanismus, um herauszufinden, wie man seine Vorhersagen am besten in die Tat umsetzt, wie sich Rohdaten durch das Wissen und die Intuition der Analytiker anreichern lassen, wie Datenbanken, Betriebs- und Planungsysteme sauber und schnell angebunden werden. Lassen Sie sich nicht von Lösungen verführen, die sich allein auf technische und statistische Funktionen konzentrieren.
– Geschwindigkeit: Das Kundenverhalten zur richtigen Zeit zu verstehen, um zu agieren, bevor die Chance vorbei ist – das erfordert Geschwindigkeit, Integration und Interaktivität. Wenn diese drei Voraussetzungen erfüllt sind, kann der Geschäftsanalytiker mit allen verfügbaren Daten arbeiten und auf dieser Basis die Gedankengänge von Kunden nachvollziehen. Je länger die Analytiker brauchen, um ihr Kundenmodell zu entwickeln, um so geringer ist ihre Chance, dieses Modell zu verbessern und es damit fürs Geschäft wertvoller zu machen.
– Produktivität: Durch eine intuitive und nutzerfreundliche Bedienoberfläche erübrigen sich Programmierkenntnisse und anderes IT-Spezialwissen. Damit werden bessere, schnellere Entscheidungen möglich, und die knappen, wertvollen Ressourcen für Geschäftsanalysen lassen sich produktiver nutzen.
– Visualisierung: Eindrucksvolle, dynamische Grafiken erleichtern es Entscheidern in jeder Phase der Analyse oder verhaltensgesteuerter Marketingaktivitäten, die verfügbaren Kundendaten zu verstehen. Gut gemachte Visualisierungen sind Werkzeuge, die wertvolle geschäftliche Einsichten vermitteln. Sie geben den Analytikern Kontrolle, sofortiges Feedback und aus geschäftlicher Perspektive ein besseres Verständnis aller feinen Details in ihrer Kundendatenbank. Außerdem arbeiten typischerweise Geschäftsentscheider und Analytiker über diese visuelle Schnittstelle zusammen.
– Datenvolumen: Beim Umgang mit Transaktionsdaten entstehen riesige Datenmengen. Unternehmen müssen sich darauf einstellen, für ihre Analysen mit allen Daten aller Kunden zu arbeiten. Es ist für den Umgang mit Kundenmodellen hilfreich, die Werte und Zähler für alle Kunden von vornherein interaktiv und unmittelbar aufzuzeichnen, ohne dass noch separate Eingriffe Dritter notwendig sind. Das gilt insbesondere für das Internet, wo es häufig nur wenige Daten gibt, die sich auf „gute“ Ereignisse beziehen. Daher ist es wichtig, sicherzustellen, dass all das voll und ganz erfasst wird – neben den Massen anderer Interaktionsdaten.
– Analytische Klarheit: Nur wenige geschäftliche Fragen lassen sich statistisch völlig schlüssig abbilden. Daher ist es wichtig, dass Analytiker Zeit haben für die Entwicklung und Prüfung von Modellen, die wirklich auf ein Problem zugeschnitten sind und so zu verwendbaren Ergebnissen und einer höheren Einsicht in geschäftliche Zusammenhänge führen.
Marketing als Lernprozess
Die OnlineWertschöpfung lässt sich nicht durch immer mehr Technologie steigern. Stattdessen liegt der Schlüssel in der Nutzung der Daten, die bereits heute durch die Handlungen der Kunden generiert werden.
„Jeder neue Kunde liefert den Internethändlern viel mehr als zusätzlichen Umsatz: Demografische Daten werden erfasst, individuelle Kaufgewohnheiten und -vorlieben – all das lässt sich nutzen, mehr Menschen gezielt zu erreichen und mit einem maßgeschneiderten Einkaufserlebnis zu locken.“
Jeffrey Bezos, Gründer und CEO von Amazon
Drei Chancen bieten sich Marketingabteilungen, die diesen Zyklus durchlaufen:
– Sie können beobachten, wie Kunden auf neue Produkte oder neue Seiteninhalte reagieren.
– Sie steigern ihr Verständnis von Kunden und deren Verhalten.
– Sie finden Ansätze, wie sich ihre nächste Marketingmaßnahme oder das Einkaufserlebnis verbessern lässt.
Zu erleben, wie Kunden auf Geschäftsaktionen reagieren, erlaubt ein kontinuierliches Lernen über Kunden und deren Verhalten. Eine ganzheitliche Sicht auf jeden Kunden entsteht, basierend auf demografischen und verhaltensspezifischen Informationen. Der eBusiness-Zyklus unterstützt perfekt den Marketingprozess: Ideen finden, im Markt testen, Ergebnisse detailliert messen und es beim nächsten Mal möglichst besser machen. So wird Marketing zum Lernprozess, und Technologie macht es möglich, Käuferverhalten vorherzusagen – damit Umsatz und Profit steigen.
Fallstudie
Diese Fallstudie entstand aus der Zusammenarbeit mit einem spezialisierten Musikalienhändler. Es ging darum, die Kaufgewohnheiten seiner Kunden besser zu verstehen; entsprechende Daten sammelte er in Vertriebs- und Marketingsystemen. Während des Projekts veränderte sich innerhalb weniger Wochen die Einstellung des Unternehmens: Sah er anfangs seine Datenbank rein als Arbeitsmittel für die Abwicklung des Geschäftsbetriebs, ging er später dazu über, alle Inhalte zu verwerten, mit denen sich im Sinne eines gezielteren Marketings Kaufverhalten positiv beeinflussen lässt. Von früheren Kontakten mit dem Händler wussten wir, dass er substantielle Beträge für Direktwerbung ausgab und mit dem Ergebnis nicht zufrieden war. Bei der Abstimmung der Projektziele wurde deutlich, dass es Ideen zu verschiedenen Segmenten ihres Kundenbestands gibt. Die verantwortlichen Mitarbeiter hatten angefangen, mit gezielten Angeboten zu experimentieren und erzielten steigende Umsätze über ihre Website. Wir erläuterten, wie wir ihnen durch Analyse ihrer Kundendaten zu relevanten Einsichten verhelfen könnten. Auf dieser Basis stellten sie uns ihre Kundendatei zur Verfügung. Als Vorbereitung auf das erste Treffen verknüpften wir die demografischen Kundeninformationen mit Daten zum Kauf- und Reaktionsverhalten und entwickelten so eine 360-Grad-Ansicht der Kunden.
Das erste Treffen: Unser Auftraggeber kam allein zum ersten Treffen. (Dabei stellte sich bald heraus, dass er nicht der eigentliche Verantwortliche für die Kundendatenbank war.) Wir baten ihn zunächst, uns noch einmal seine wichtigsten geschäftlichen Herausforderungen zu schildern. Anstatt selbst zu wiederholen, was wir für ihn tun könnten, begannen wir sofort mit einer interaktiven Analyse seiner Daten: Dabei konzentrierten wir uns auf sogenannte „Schnellzahlen“, mit denen sich erste Zusammenhänge offenlegen und erkunden lassen.
Wir zeigten ihm, wo unsere Analyse von Kaufvorgängen mit seinen Ausführungen korrespondierte, präsentierten Profilauswertungen erfolgreicher Verkaufstage (die er mit bestimmten Kampagnen und Veranstaltungen in Verbindung bringen konnte), Profilauswertungen von Kampagnenreaktionen sowie eine Reihe weiterer erster Ergebnisse passend zu seinen Aufgaben. Dieser Blick auf eigene Daten vertiefte das Geschäftsverständnis unseres Auftraggebers bereits mehr als die bisher von ihm gewohnten Abfrageergebnisse.
Aus unserer analytischen Perspektive heraus konnten wir sehen, wofür er sich interessierte: Was hatte er noch nicht in dieser Weise gesehen? Wo war nur er als Geschäftskundiger in der Lage, die Daten zu interpretieren? Wir konnten erkennen, welche Aspekte wir noch mit berücksichtigen, und wo wir die Daten anders aufbereiten müssen. Zu diesem Zeitpunkt hatten wir noch nicht die richtigen Daten, um sein spezifisches Problem zu analysieren. Stattdessen fassten wir die Aufgabe zusammen und präsentierten abschließend einen Fahrplan, welchen Weg wir in den folgenden Treffen nehmen und was wir entwickeln wollten.
Das zweite Treffen: Diesmal kam unser Auftraggeber gemeinsam mit der Marketingleiterin des Unternehmens. Sie war zwar weniger erfahren im Umgang mit Daten, wusste aber genau, welche Aktionen gelaufen waren und welche Effekte sie hatten. Also zeigten wir ihr eine Reihe von Profilauswertungen, ähnlich denen aus dem ersten Gespräch. Hauptsächlich diskutierten wir jedoch das Thema Kundensegmentierung: Anhand der vorliegenden Daten und der Erfahrung unserer Gesprächspartner identifizierten wir eindeutige Kundengruppen (Einmalkäufer, Amateure, Fans) und wagten eine Vorhersage, wer voraussichtlich zwischen den definierten Segmenten wechseln wird. Damit war der Rahmen für ein kleines Projekt abgesteckt und ein erreichbares Ziel definiert, auf das wir uns konzentrieren konnten.
Das dritte Treffen: Im Rahmen eines Projektworkshops sollten Kundensegmente für eine geplante Marketingaktion ausgewählt werden. Wir arbeiteten vorab die wichtigsten Dimensionen und Segmente heraus und schickten dieses Daten-Audit an die Teilnehmer. So hatten wir einen Startpunkt für den Workshop und konnten auf natürliche Weise zur interaktiven Analyse und Verfeinerung der Segmente führen.
Nach einem Nachmittag gemeinsamer Arbeit mit den Händlern waren wir in der Lage vorherzusagen, welches unserer Meinung nach gute Zielgruppen für die geplanten Aktionen sind. Am Ende stand eine Kundenliste mit Zielgruppen, die wir weiter profilierten: Es galt noch zu entscheiden, wie sie am besten bearbeitet werden könnten. Der Entscheidungsbaum und die Regressionsanalyse sind typische Werkzeuge, die den Schritt zum Einsatz in diesem Prozess unterstützen.
Das vierte Treffen: Wir hatten mit dem Auftraggeber verabredet, dass wir uns treffen, um die Ergebnisse der Kampagne zu überprüfen. In der Zwischenzeit war die Aktion gelaufen; dabei waren analytisch erstellte Listen in Verbindung mit dem üblichen Auswahlverfahren zum Einsatz gekommen. Der Vergleich der Ergebnisse reichte aus, um sie von dem Wert eines verhaltenbezogenen Ansatzes für ihr Marketing zu überzeugen.
Daten bewerten und nutzen
Kundendaten gibt es in vielen verschiedenen Ausprägungen, und sie können in Bezug auf verhaltensgesteuertes Marketing von unterschiedlichem Wert sein. Um Kundenverhalten erfolgreich verstehen und modellieren zu können, gilt es folgende Regel zu beachten: Die gesammelten Daten müssen sich jeweils genau auf die einzelne Person beziehen, und deren Verhalten und letzter Status müssen sich dynamisch nachverfolgen lassen.
Damit Geschäftsanalytiker aus diesem Berg an Daten relevante Erkenntnisse gewinnen, müssen sie mehr als nur die reine Statistik betreiben: Sie müssen in der Lage sein, alle Kunden mit allen ihren verfügbaren Daten unter die Lupe zu nehmen. Sie müssen das Geschäftsziel fassen, indem sie die wichtigen Werte, Segmente und Vorarbeiten bestimmen, die zu umsetzbaren, relevanten analytischen Ergebnissen führen. Und sie müssen interaktiv die Ergebnisse so verfeinern können, dass sie bestmöglich zu den Marketingzielen und den aktuellen Kundenprofilen passen.
Mit Websiteprotokolldateien arbeiten
Webreporting und Clickstream-Analysen liefern übergreifende Kenngrößen: die Anzahl der Seitenabrufe und Websitebesucher, und wie häufig tatsächlich online gekauft wurde. Aber Unternehmer, die ein nachhaltiges Geschäft aufbauen wollen, müssen wissen, wer ihre Kunden sind:
– Wie ist das demografische Profil der Kunden?
– Was kaufen sie als nächstes?
– Bringen sie langfristig Gewinn?
eBusiness-Unternehmen brauchen diese ganzheitliche Sicht auf ihre Kunden, um Trends und Muster aufzudecken, die ihre Planung beeinflussen können. Durch ein Herunterbrechen der Daten bis auf die Ebene des Individuums lassen sich Korrelationen und Trends zwischen verschiedenen Kundensegmenten untersuchen. Daraus ergibt sich eine der wichtigsten Anforderungen aus Anwendersicht: Es muss möglich sein, interaktiv gewaltige Mengen verhaltensbezogener Daten zu analysieren – je nach Quelle typischerweise monatlich, wöchentlich oder sogar jede Nacht. Daraus abgeleitete Regeln können dann in Echtzeit angewendet werden, oder sie kommen Schritt für Schritt zum Einsatz, um zunächst die aus Kundensicht wichtigsten OnlineProzesse zu optimieren.
Die wichtigste Herausforderung an die IT-Abteilungen von eBusiness Unternehmen: Sie müssen in der Lage sein, alle Informationen kontinuierlich zu messen, zu erfassen und bereitzustellen, die für eine umfassende Kundenanalyse erforderlich sind. Dafür gilt es, einen mehrstufigen Prozess einzurichten:
Schritt 1: Daten aufbereiten. Die Protokolldateien werden so aufbereitet, dass Aussagen auf drei Ebenen möglich werden. (Viele der üblicherweise eingesetzten Analyseprogramme bewältigen allerdings nur zwei dieser drei Ebenen.)
– Die Seiten- oder Inhaltsebene erlaubt Aussagen über die Häufigkeit, mit der Seiten besucht werden.
– Die Besuchsebene fasst alle Klicks eines Websitebesuchers während einer abgeschlossenen Anwendersitzung (User Session) zusammen. Einzelne Besuche lassen sich so als Ganzes analysieren.
– Die Kundenebene setzt voraus, dass der Besucher identifiziert werden kann. Dann lassen sich alle OnlineAktivitäten dieses Kunden erfassen und mit seiner Historie verbinden.
Schritt 2: Daten anreichern. Die aktuellen OnlineKundendaten werden mit Daten aus der Kundenhistorie (online/offline) und aus anderen Quellen verbunden. Dieser Schritt ist entscheidend, um ein vollständiges Bild des Kunden über einen definierten Zeitraum zu erhalten. Zu den relevanten Datentypen zählen:
– Kaufhistorie, Produkt- und Interaktionsprofile (auch von Kontakten über andere Vertriebskanäle).
– Daten von Drittanbietern zu Demografie und Einstellungen von Kunden.
– Daten zur Websitenutzung in der Vergangenheit.
– Berechnungen des Kundenwerts und/oder Risikobewertungen aus betrieblichen Informationssystemen.
Schritt 3: Daten ableiten. Ausgehend von einem möglichst vollständigen Bild des Kunden wird eine Reihe kundenbezogener Kenngrößen ermittelt, wie zum Beispiel der Kundenwert bis zum Stichtag oder das aktuelle Umsatzvolumen. Diese Kenngrößen werden dann mit den aufbereiteten Webdaten aller drei Ebenen belegt und können so auch in die detaillierte Analyse der Websiteleistung einfließen. Analytiker sind dadurch in der Lage, komplexe Fragen zu beantworten. Zum Beispiel:
– Welche Bedeutung hatte eine veränderte Webseitengestaltung für steigende Umsätze mit Kunden, die mit dieser Veränderung konfrontiert wurden?
– Wie wirken sich Schwachstellen im OnlineErlebnis oder unbefriedigend gelöste Prozesse auf den Wert von Kunden über die gesamte Dauer der Geschäftsbeziehung aus?
– Welches sind die gängigsten Verhaltensmuster beim Websitebesuch eines Kunden, der wahrscheinlich zur Konkurrenz abwandern wird?
Das Ermitteln kundenbezogener Kenngrößen und ihr Beleg durch Webdaten bietet einen zusätzlichen Vorteil: Auf diese Weise lassen sich OnlineErgebnisse auch im Rahmen eines reglementierten Berichtswesens zur Geltung bringen. Beispiel: Profile von Websitebesuchen für jedes Kundensegment.
Zusammenfassung
eCommerce wird sich rasant weiterentwickeln und dabei den geschäftlichen Rahmen immer wieder verschieben. Die Grundprinzipien von Umsatz, Marktanteil und Gewinn bleiben gleich – aber für das, was unterm Strich herauskommen soll, werden neue Werkzeuge gebraucht. Und zwar in einer Flexibilität, mit der sich heutige Themen behandeln und eine Reihe geschäftsrelevanter Fragen in der Zukunft beantworten lassen.
Wie gezeigt, ist ein mehrstufiger Prozess möglich, der kundenbezogene Kenngrößen, Vorhersagen und andere Informationen in einem spannenden Mix mit Webdaten zusammenführt. Das ist ein wichtiger Schritt, sowohl die Leistung des Internets aus Sicht des Kunden zu verstehen als auch den Einfluss auf Kundenbindung und Wert für das Unternehmen. Im Endkundengeschäft ist ein wirklich effektiver OnlineVertriebskanal nicht möglich, ohne diese Zusammenhänge zu verstehen. Dann erst bewegt sich das Unternehmen weiter und bewertet nicht mehr nur Seitenabrufe, sondern einen durch das Internet erreichten steigenden Kundenwert und echten geschäftlichen RoI.
Die Zukunft des eCommerce liegt jenseits der Clickstreams. Aus den virtuellen, durch das OnlineGeschäft angebahnten Beziehungen lassen sich weitere Erlöse erzielen – wenn eine Infrastruktur vorhanden ist, die eine Analyse des Kundenverhaltens ermöglicht. Die heutigen Erfolgsmessungen, wie zum Beispiel Seitenabrufe und Anzahl der Einkäufe, bleiben für Geschäftsanalysen relevant. Aber diese Daten müssen untermauert werden von einer Reihe verhaltensbezogener Kenngrößen, die dem Marketing über die Webreports hinaus Einsichten vermitteln.
Das Kundenverhalten immer genauer zu verstehen, muss heute Kernkompetenz jedes eBusiness-Unternehmens sein. Dafür muss man lernen, welche Wirkung unterschiedliche Servicequalitäten, Kommunikationsmethoden und -programme auf unterschiedliche Kunden haben. Erst dadurch kann sich ein tiefes Markt- und Kundenverständnis entwickeln. Von hohem Nutzen ist in diesem Zusammenhang das Marketingwissen, das im klassischen Direkthandel vorhanden ist. Diesen Unternehmen ist es über die letzten fünf bis zehn Jahre gelungen, durch einen Prozess des Akquirierens, Bewahrens und Wachsens Kundenloyalität zu sichern. eBusiness-Unternehmen haben jetzt die Chance, ihre Prozesse zu beschleunigen, indem sie die besten, praktisch bewährten Ansätze anderer Marktteilnehmer für ihre Aktivitäten adaptieren.
