Viele Unternehmenslenker wünschen sich analytisches CRM, scheuen jedoch die Projektrisiken. Im Rahmen der Reporting Services bietet eoda einen CRM-Potenzialcheck an. In einem standardisierten Projekt wird das Potenzial der vorhandenen Kundendaten für den Einsatz von analytischem CRM bewertet. Lesen Sie hier unsere aktuelle Case Study.

Die Ausgangssituation

Kundendaten sind in allen Unternehmen vorhanden. CRM-Systeme oder Branchenlösungen unterstützen die kundennahen Prozesse. Verantwortungsvolle Entscheider stellen zunehmend die Frage nach dem strategischen Potenzial der Daten für Vertrieb und Marketing. Analytisches CRM oder Business Intelligence sind die Zauberworte, der Wunsch nach Transparenz über das Geschäft das große Ziel. Die Ergebnisse der entsprechenden Initiativen bleiben jedoch oft hinter den Erwartungen zurück. Ursachen sind u.a. schlechte Datenqualität, überzogene Projektlaufzeiten und -budgets.

Der konkrete Fall

Ein mittelständischer Softwareanbieter will den Umsatz mit Neukunden steigern. Der Vertrieb erfolgt über Partner. Die Vertriebsregionen sind nach 2-stelligen PLZ-Regionen vergeben. Die Vertriebspartner nutzen eigene CRM-Systeme und leiten die Stammdaten neuer Kunden weiter. Um das Neukundenpotenzial zu bewerten, die Bestandskunden besser zu bedienen und die Partner zielgerichteter zu unterstützen, soll ein „analytisches CRM“ konzipiert und eingeführt werden. Der Lösungsansatz eoda wurde angefragt, ein Konzept zu entwickeln, das als Grundlage für die Lösungsauswahl dienen sollte. Im Zuge der Aufnahme der Anforderungen kam der Wunsch auf, einen CRM-Potenzialcheck durchzuführen, um die Ziele zu fokussieren und die Chancen und Risiken von analytischem CRM zu bewerten.

Die Datenlage

Die wesentlichen Kundendaten liegen dezentral bei den Vertriebpartnern ohne Zugriffsmöglichkeit. Die wenigen vorhanden Daten beschränken sich auf Stammdaten und die eingesetzten Produkte. Tiefere Einsichten aus den Daten scheinen auf den ersten Blick nicht möglich. Die wenigen vorhandenen Kundendaten sind in Datenumfang, -qualität und -aktualität sehr unterschiedlich ausgeprägt.

Duplikate, Datenaufbereitung und Anreicherung

In einem ersten Schritt wurden die Daten mit fuzzychekC bereiningt. Per Fuzzylogic Algorithmus wurden ähnliche Datensätze idendifiziert und die Daten von Duplikdaten bereinigt.  Anschließend wurden die Kundendaten mit einem standardisierten und nahezu vollständig automatisierten Vorgehen mit den aktuellen, im Internet frei verfügbaren Daten aktualisiert, vervollständigt und ergänzt. Dazu zählen zum Beispiel Adressdaten, Niederlassungen, Geschäftsführung, Geokoordinaten usw.

Ähnliche Einträge, erkennen und Dateien oder Datenbanken von Duplikaten befreien.
Ähnliche Einträge, erkennen und Dateien oder Datenbanken von Duplikaten befreien.

Weitere wertvolle und verfügbare Informationen über die Kunden und ihr Umfeld werden hergeleitet, oder aus verfügbaren Quellen ergänzt, wie zum Beispiel:

  • Altersstruktur der Geschäftsführung
  • Demographische Daten aus der Region
  • Kaufkraftdaten der Region

Das Reporting – Beschreiben der Daten Die so aktualisierten und vervollständigten Informationen werden in einem intelligenten anschaulichen Reporting aufbereitet:

 

  • Wie unterscheiden sich die Kundenstrukturen der Partner?
  • Wie ist die regionale Verteilung der Kunden?
  • Wie ist die Ausschöpfung im Verhältnis zum Potenzial?

Die Erkenntnisse

Die Analysen zeigen so nicht bekannte Tatsachen. Im Folgenden werden zwei Beispiele beschrieben:
1.Die Marktanteile in den Regionen variieren stark. Signifikant ist, dass der relative Kundenanteil in Regionen mit geringem Marktpotenzial höher ist, als in Regionen mit großem Potenzial.
2.Eine geografische Aufbereitung verdeutlicht die Verteilung der Vertriebsregionen auf die Bundesländer. Da die Ländergesetzgebung Auswirkungen auf die Lösung, die Release-Zyklen etc. hat, erhöht jedes Bundesland zusätzlich in einer Vertriebsregion den Vertriebs- und Supportaufwand. Dieser rechnet sich erst mit einer gewissen Anzahl von Kunden, die wiederum durch den Zuschnitt begrenzt sind.

Business Intelligence I – Die richtigen Fragen stellen Gemeinsam mit dem Kunden wurden die Ergebnisse diskutiert und Hypothesen erarbeitet:

1. Die Lösung wird besser an Kunden vertrieben, die in einem weniger harten Wettbewerbsumfeld agieren. Weiterführende Fragen:

Gibt es weitere Erklärungsansätze und welche?
Wie unterscheiden sich die Kunden und Partner in den verschiedenen Regionen?

2. Potenziale auf der „falschen“ Länderseite in einer Vertriebsregion werden verschenkt, weil sich der Aufwand nicht lohnt. Weiterführende Fragen:
Wie hoch ist das Potenzial und der Marktanteil in den „zerschnittenen Regionen“?
Rechtfertigt das Potenzial eine Restrukturierung?

Business Intelligence II – Die richtigen Methoden anwenden

Der Potentialmarkt in den Regionen wird mit Sekundärdaten konkretisiert und eine umfassende Liste der Potenzialkunden aufgestellt. Die Daten zu den Kunden und Nichtkunden werden weiter mit branchen-relevanten Informationen angereichert und differenziert.

Die so aufbereiteten Daten werden mit weiteren analytischen Verfahren untersucht. Mit Hilfe einer Clusteranalyse erfolgt eine Unterteilung der Kunden in homogene Gruppen. Die so gefundenen Kundengruppen und ihre Eigenschaften werden mit dem Kunden diskutiert und benannt: Exklusiv, Klassisch, Jung & Aufstrebend, Etabliert, Indifferent.

Das Ergebnis der Clusteranalyse wurde wiederum für eine Diskriminanzanalyse verwendet, die systematische Unterschiede zwischen Kunden und Nicht-Kunden hinsichtlich der gefunden Cluster aufzeigt.

Die Vorteile für den Kunden

Die Zielsetzung war, mehr Transparenz zu erlangen und Ansatzpunkte für die Neukundengewinnung zu finden.

Die vorliegenden Ergebnisse stellen für alle Beteiligten eine nachvollziehbare Basis für konkrete Maßnahmen zur Neukundengewinnung dar. Das Verständnis über die Kunden und Nichtkunden und die Vertriebspartner ist deutlich verbessert. Zusätzlich führt das tiefe Verständnis für die Ergebnisse zu einer hohen Akzeptanz bei allen Beteiligten. Dies wiederum stellt die Grundlage für die Motivation zur Umsetzung der Maßnahmen dar.

Quasi nebenbei wurden zudem eine Faktenlage zur Bewertung der Notwendigkeit einer Restrukturierung der Vertriebsregionen erarbeitet, die der Unternehmensleitung vorgelegt wurde.

Trotz der schlechten Datenlage liegt dem Kunden durch dieses Konzept in kurzer Zeit ein plakatives Ergebnis vor, dass anschauliche, nachvollziehbare und konkrete Handlungsempfehlungen aufzeigt.

  • Die Nutzenaspekte
  • Konkrete Handlungsempfehlungen zur Neukundengewinnung
  • Hinweise auf Potenziale durch Restrukturierung
  • Verbessertes Kundenverständnis
  • Ansätze zur Kundensegmentierung
  • Hohe Akzeptanz der Ergebnisse
  • Wissensvorteile gegenüber Vertriebspartnern
  • Kurze Projektlaufzeit
  • Überschaubares und definiertes Projektbudget
  • Keine Investition in Software oder Hardware notwendig
  • Geringe interne Ressourcenbindung
  • Keine Veränderungen in den internen Abläufen
  • Strukturierte Integration wertvoller verfügbarer Informationen
  • Zugewinn an Methoden-Kompetenz
  • Fertiges Konzept als Pflichtenheft für eine SW-Einführung

Der CRM – Potenzialcheck

Bei dem CRM-Potenzialcheck von eoda handelt es sich um ein standardisiertes Projekt. Nach einer Bestandsaufnahme und Zieldefinition werden die CRM-Daten von eoda aufbereitet, angereichert und – im Sinne eines Reporting – mit beschreibenden Analysen in anschaulichen Grafiken und Tabellen dargestellt. Diese Zwischenergebnisse werden gemeinsam diskutiert und im Hinblick auf die Zielsetzung vertiefende Fragen aufgeworfen. eoda-Spezialisten führen dann tiefgreifende Analysen durch, um Zusammenhänge aufzudecken, die konkrete Maßnahmen aufzeigen.

Mehr Informationen zur Case Study „CRM-Potentialcheck“ gibt es hier:
Hier entlang.
Ein Informationsvideo zu fuzzychekC finden sie hier:
Hier entlang.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

*
*