08.10.2013 Aufrufe

Leitfaden Dialogmarketing - Absolit

Leitfaden Dialogmarketing - Absolit

Leitfaden Dialogmarketing - Absolit

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

persönlichen Beratungsgespräch kann der Vermittler darauf eingehen und durch<br />

seine Persönlichkeit und durch eine lange Beziehung zum Kunden das Vertrauen<br />

in das Produkt aufbauen. Im Direktmarketing funktioniert das nur eingeschränkt.<br />

Hier ist es notwendig, einen möglichen Einwand vorwegzunehmen und gleich durch<br />

die richtige Darstellung des Produktes zu entkräften.<br />

Das Branding und der Wert einer Marke sind besonders bedeutend. Versicherungen<br />

werden im unmittelbaren Zusammenhang mit anderen Finanzdienstleistungen<br />

gesehen und die Kunden erwarten Seriosität und Ernsthaftigkeit – unabhängig von<br />

der jeweiligen Zielgruppe. Übliche Gestaltungsmaßnahmen wie „Flippigkeit“ und<br />

bunte Farben erhöhen die Aufmerksamkeit, nicht aber die Abschlusswilligkeit.<br />

Über gezielte Marktforschungen kann herausgefunden werden, welche Eigenschaften<br />

als typisch für ein Versicherungsunternehmen vom Kunden gesehen<br />

werden. Für das Direktmarketing sollten diese positiven Attribute verstärkt und in<br />

Richtung Vertrauen weiter ausgebaut und betont werden.<br />

Erfolgsfaktor 6: Datamining<br />

Jan-Dirk Dallmer: <strong>Dialogmarketing</strong> in der Versicherungsbranche<br />

Die Wichtigkeit des Dataminings ist bei den Direktmarketing-Spezialisten schon<br />

hinreichend bekannt. Dennoch sei es auch im Rahmen „Direktmarketing in der<br />

Versicherungsbranche“ noch einmal erwähnt. Die Versicherungsbranche verfügt<br />

gegenüber anderen Branchen über viele individuelle und persönliche Kundendaten.<br />

Diese sollten genutzt werden, wo es möglich und sinnvoll ist. Natürlich werden in<br />

der Versicherungsbranche auch die klassischen Kennziffern wie zum Beispiel:<br />

Anzahl der bezogenen Produkte<br />

Kaufhäufigkeit<br />

Letzter Kauf<br />

Summe der Beitragsprämien<br />

herangezogen. Darüber hinaus gibt es aber noch weitere Informationen, die<br />

sich aus den gekauften Produkten ableiten lassen. Zum Beispiel kann über die<br />

Deckungssumme bei der Hausratversicherung rückgeschlossen werden, in welcher<br />

sozialen Wohnsituation der Kunde lebt. Über die Kfz-Versicherung erhält man<br />

Aufschluss darüber, ob es sich um einen Vielfahrer handelt, ob mehrere Autos<br />

in seinem Besitz sind und in welcher Fahrzeug-Klasse sich der Kunde bewegt.<br />

Nachträgliche Einschlüsse von Kindern in der Unfallversicherung geben Aufschluss<br />

über die familiäre Situation. Die Versicherungsbranche verfügt tendenziell über zu<br />

viele Daten, die nicht strukturiert ausgewertet werden. Es ist eine klassische Aufgabe<br />

des Dataminings, hier für Klarheit zu sorgen, in welcher Form die vorhandenen<br />

Daten genutzt werden können.<br />

Ein Vorgehensmodell ist es, dass nach Datenmuster bei Kundengruppen in der<br />

Vergangenheit gesucht wird, die in den Folgejahren weitere Produkte gekauft haben.<br />

Anschließend werden die gleichen Muster bei Kunden im aktuellen Bestand gesucht,<br />

die dieses Produkt noch nicht gekauft haben (Profiling). Für diese Kunden kann<br />

dann ein Scorewert für die Kaufaffinität berechnet werden. Idealerweise verfügt die<br />

Versicherung, die Direktmarketing-Maßnahmen durchführen will, noch zusätzlich<br />

429<br />

Deckungssumme<br />

bei der Hausratversicherung<br />

liefert wichtige<br />

Information

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!