Analytisches CRM – das Potenzial deiner eigenen Kund*innen optimal nutzen

1. Was ist das analytische CRM? 
2. Die Ausbaustufen im analytischen CRM
3. Was sind typische Anwendungsfälle vom analytischen CRM?
4. Was sind die wichtigsten Komponenten des analytischen CRMs?
5. Was sind Ziele und Vorteile vom analytischen CRM?
6. Fazit

Daten sind das Öl des 21. Jahrhunderts, wenn du weißt, wie du sie aufbereitest, analysierst und interpretierst. Sie können einen entscheidenden Mehrwert liefern und beachtliche Potenziale zur Kostenreduktion und Umsatzsteigerungen aufdecken. So schweben Buzzwords wie Data-Driven-Marketing, Künstliche Intelligenz oder Marketingautomation über vielen Marketingabteilungen. Doch wie sehen die ersten Schritte aus? Welche Voraussetzungen sind nötig und wie können Algorithmen bei der Arbeit unterstützen?

Das analytische CRM ist der Schlüssel dafür.

Was ist das analytische CRM? 

Das analytische CRM ist einer der Säulen im CRM – kurz für Customer-Relationship-Management. Als analytisches CRM wird die systematische Auswertung von Kundendaten bezeichnet. Ziel ist es, auf die Kund*innen fokussierte und wirtschaftlichere Entscheidungen im Marketing, Vertrieb und Kundenservice zu treffen. Das analytische CRM erweitert somit das operative CRM um die Aufbereitung und vor allem Auswertung der in den operativen Systemen gesammelten Daten.

CRM-Daten umfassen alle gesammelten Informationen über Kundenkontakte, -aktionen und -reaktionen, sowie die dazugehörigen Stammdaten jedes*jeder Kund*in. 

Mithilfe von Analyse-Tools und einer CRM-Analyse werden große Mengen an Kundendaten ausgewertet, um Muster und Trends im Verhalten der Kund*innen und in ihren Einkaufsgewohnheiten zu erkennen und zu verstehen. Dabei ist das reine Auswertung der Kundendaten natürlich kein Selbstzweck, sondern hat den wertschöpfenden Einsatz der Analyseergebnisse zum Ziel, z. B. durch Optimierung der Marketing-Effizienz. 

Die Ausbaustufen im analytischen CRM

Das analytische CRM hat unterschiedliche Ausbaustufen, die jeweils weiterführende Fragen beantworten. 

Ausbaustufen im analytischen CRM

1. Was passiert? 

Der erste und der wichtigste Schritt ist die Schaffung der datenanalytischen Transparenz. Auszählungen und definierte KPIs unterstützen dabei, dir ein klares Bild deiner Kund*innen zu erstellen. Die Frage „Was passiert?“ ist die Basis, aber auch der Endpunkt – und somit die Kontrolle – von allen analytisch gesteuerten Aktionen.

2. Warum passiert es?

Im zweiten Schritt kannst du durch die Kombination von unterschiedlichen Informationen herausfinden, warum bestimmte Dinge passieren. Wer und was triggert zum Beispiel das Verhalten deiner Kund*innen? Sind es externe Faktoren, die nicht zu beeinflussen sind, sind es die Kund*innen selbst oder wurde das Verhalten der Kund*innen durch eine spezifische Werbemaßnahme vom Unternehmen beeinflusst? 

3. Was wird passieren?

Im dritten Schritt wird die Frage beantwortet, was zukünftig passieren wird. Prognostische Modelle ermöglichen Vorhersagen über zukünftige Bedürfnisse jedes einzelnen Kunden und jeder einzelnen Kundin oder darüber, welche Kund*innen nicht mehr zufrieden oder abwanderungsgefährdet sind.

Ein weiteres Beispiel hierfür ist der prognostizierte Customer Lifecycle Value (CLV). Der prognostische CLV gibt an, wie viel Umsatz der*die Kund*in in der kommenden Periode voraussichtlich macht. Ob hier auf Monats-, Quartals- oder Jahressicht geschaut wird, hängt ganz vom Unternehmen und der typischen Kauffrequenz ab. Wenn du nun weißt, dass deine Kundin Frau Mustermann im kommenden Monat 50 € Umsatz machen wird, ist das eine spannende Information, aber nur diese Information allein ist noch nicht wertschöpfend. Damit diese Information wertschöpfend wird, musst du diese Erkenntnis nutzen und gezielt im operativen CRM einsetzen, dies folgt im vierten Schritt. 

4. Wie kann das zukünftige Kaufverhalten deiner Kund*innen gezielt beeinflusst werden?

Im vierten Schritt, der Optimierung, geht es nun darum, die gesammelten Informationen und Analyseergebnisse so in das operative Geschäft einzubinden, dass sie gewinnbringend sind. Oft werden hier unterschiedliche erzeugte Ergebnisse und Informationen kombiniert, um Maßnahmen abzuleiten, die ganz gezielt das zukünftige Kaufverhalten der Kund*innen positiv beeinflussen. 

Anzeige

Teste die Nr. 1 CRM-Lösung

Vertrieb, Service und E-Mail in einer einzigen App. Teste die Salesforce Starter Suite jetzt kostenlos.

Jetzt kostenlos testen

 

Was sind typische Anwendungsfälle vom analytischen CRM?

Ein großer Vorteil bei den Anwendungsfällen im analytischen CRM ist, dass du mit kleinen Schritten beginnen kannst und jeder Anwendungsfall für sich eine wertvolle Maßnahme ist. Beispiele, bei denen analytisches CRM gewinnbringend eingesetzt werden kann, sind: 

• Churn-Prevention: Um Kund*innen langfristig als treue Kund*innen zu gewinnen, ist es relevant, frühzeitig erfolgskritische Veränderungen im Kaufverhalten zu identifizieren und gezielt eine Abwanderung zu verhindern. 
• Werbeaffinität: Für die Messung der Marketing-Effizienz ist es nicht relevant, ob die Kund*innen kaufen, sondern wie die Werbemaßnahme das Kaufverhalten der Kund*innen beeinflusst. Wer hätte ohnehin gekauft und hat nun nur noch den angebotenen Rabatt mitgenommen. Ein Kundenverhalten, das nicht nur am Black-Friday zu beobachten ist. Relevant ist es also, die Kund*innen zu identifizieren, die durch die Maßnahme tatsächlich zusätzlichen Umsatz und vor allem Ertrag generiert haben. 
• Kundensegmentierung: Durch die Bildung von datenbasierten Kundensegmenten ist es möglich, individueller mit den Kund*innen zu agieren. Der Content oder die Kanäle können für ein Segment spezifisch ausgerichtet werden. Dadurch werden Streuverluste verringert und die Kundenzufriedenheit erhöht. Mehr zur Kundensegmentierung bekommst du in unserem Artikel.
• Sortimentsaffinität: Die Berechnungen von Affinitäten für jeden einzelnen Kunden und jede einzelne Kundin ermöglichen eine gezielte Ansprache und eine effiziente Ausschöpfung des Cross- und Upselling Potenzials. 
• Neukundengewinnung: Über welchen Gewinnungsweg kannst du die wertvollsten Kund*innen gewinnen? Zeigen sich Unterschiede im Folgekaufverhalten? So zeigt sich beispielsweise oft, dass Kund*innen, die über „Kunden-werben-Kunden-Aktionen“ gewonnen werden, deutlich loyaler sind, als Kund*innen, die über Gewinnspiele gewonnen werden. Die analytische Transparenz bei der Neukundengewinnung ist ein wichtiger Faktor für die Ausrichtung und die Budgetplanung in der Akquise.

Was sind die wichtigsten Komponenten des analytischen CRMs?

Die Basis des analytischen CRMs bildet optimalerweise eine zentrale Datenbank für die Sammlung, Anreicherung und Aufbereitung von Kundendaten. 

Mit einem Datenanalyse-Tool wird dann auf die Daten zugegriffen. Die Datenanalyse bildet das Herzstück vom analytischen CRM. Durch Berechnungen, von simpel bis hochkomplex, werden die Kundendaten analysiert, um Trends und Muster zu erkennen.

Durch gezielte Visualisierungen der Daten und der Analyseergebnisse können komplexe Sachverhalte verständlich dargestellt werden, sodass im besten Falle direkt Handlungsempfehlungen daraus abgeleitet werden können, welche auch für nicht datenaffine Abteilungen und Mitarbeiter*innen umsetzbar sind. 

From Data to Action Kreislauf

Grundsätzlich gibt es unterschiedliche Möglichkeiten, die Komponenten des analytischen CRMs zu vereinen. Verschiedene Software-Produkte auf dem Markt bieten Lösungen an, die alle Komponenten zusammenbringen. Diese Gesamtpakete beinhalten neben der Datenspeicherung auch bereits vorgefertigte, integrierte Algorithmen und Visualisierungen. Benutzerfreundliche Oberflächen ermöglichen das Verwenden von komplexen Modellen mit nur wenigen Klicks und Einstellungen. Um Schnittstellen und nahtlose Datenflüsse braucht man sich bei solchen Komplettlösungen nur wenig Gedanken machen. 

Diese Produkte klingen oft sehr komfortabel, doch auch bei diesen Lösungen sollte einem bewusst sein, dass der unterschiedliche Umgang z. B. mit Extremwerten (Ausreißern) oder fehlenden Daten deutliche Auswirkungen auf die Ergebnisse haben kann. Ein statistisches Grundverständnis sollte also auch bei diesen Software-Lösungen vorhanden sein. Zusätzlich decken die vorgegebenen analytischen Möglichkeiten oft nicht alle Fragen ab. Hier ist es relevant, zu wissen, welcher Algorithmus für welche Frage genutzt werden kann. 

So gibt es CRM-Systeme, die mit einem robusten Entscheidungsbaum im Hintergrund viele analytische Fragen im CRM beantworten können, aber z. B. keine Clusteranalyse für die Bildung von Personas bereitstellen. 

Software-Lösungen, die die Komponenten des analytischen CRMs vereinen, sind zum Beispiel:

Salesforce Sales Cloud

Microsoft Dynamics 365 Sales

SAP Sales Cloud

Weniger eingeschränkt ist man mit dem eigenständigen Erstellen der Analysen. Auf die gespeicherten Kundendaten kann mit gängigen Abfrage- oder Programmiersprachen zugegriffen werden. 

So gibt es, mit Python oder R-Studio weitverbreitete und freie Programmiersprachen, mit denen jegliche Arten von Berechnungen möglich sind. Auch Analyse-Tools wie SAS® Customer Intelligence 360 oder IBM SPSS Modeler können für genau diese Analysen genutzt werden. SAS und der IBM SPSS Modeler sind mächtige Statistik-Programme, jedoch fallen hier im Gegensatz zu R oder Python zusätzliche Lizenzgebühren an. 

Oft ergeben sich aus dem Beantworten einzelner Fragestellungen weitere gewinnbringende Ideen und Ansätze, die so direkt mit abgebildet werden können. Deutliche Vorteile vom eigenständigen Erstellen der Analysen sind die höhere Flexibilität und die geringeren Kosten für die Software-Lösungen. Dies führt jedoch meist auch zu mehr benötigten Ressourcen und internem Know-how. Alternativ kann dies auch gezielt eingekauft werden, um das Wissen und die Ressourcen zum internen Aufbau zu nutzen oder die Algorithmen extern erstellen und durchführen zu lassen. 

Die Wahl der Software ist von den spezifischen Bedürfnissen und Anforderungen eines Unternehmens abhängig. Es ist daher ratsam, verschiedene Optionen zu evaluieren und die für die CRM-Strategie am besten geeignete Lösung zu wählen. Auch eine Kombination ist meist möglich, da viele Anbieter die Integration vom Fremdcode, wie in Python geschriebenen Skripte, zulassen oder Schnittstellen vorhanden sind.

Was sind Ziele und Vorteile vom analytischen CRM?

Das Ziel des analytischen CRMs ist die Gewinnung von Erkenntnissen aus Kunden- und Verkaufsdaten, um bessere Entscheidungen im Hinblick auf Marketing, Vertrieb und Kundenservice zu treffen. Diese Erkenntnisse tragen dazu bei, Kundenbeziehungen zu verbessern und den Unternehmenserfolg zu steigern. Entlang der Kundenbeziehungsphasen Akquisition, Loyalität und Churn ermöglicht ein tieferes Verständnis der Kundenbedürfnisse und der Vorlieben eine personalisierte und relevante Kundenerfahrung. Marketing-Kampagnen können gezielter entworfen und ausgespielt werden. Kund*innen erwarten inzwischen auf sie zugeschnittene Ansprachen und Angebote und es zeigt sich ganz klar, dass Kund*innen kauffreudiger und loyaler sind, wenn genau diese Erwartungen erfüllt werden. Zusätzlich kann durch das Implementieren von automatisierten Prozessen manueller Aufwand reduziert und die Effizienz gesteigert werden. 

Fazit

Um wettbewerbsfähig zu bleiben, wird es immer wichtiger, das Potenzial deiner eigenen Kund*innen optimal auszuschöpfen. Entscheidend dafür ist es, die Kund*innen zu verstehen und ihre Bedürfnisse und Vorlieben zu identifizieren. Genau dies wird durch das analytische CRM ermöglicht. Analytisches CRM erlaubt es, viele Themen unabhängig voneinander aufzusetzen. Auch mit kleinen Schritten kann schon viel erreicht werden und jeder Schritt bringt dich näher an deine Kund*innen heran.