Leseprobe e-commerce Magazin 2013/05
Leseprobe e-commerce Magazin 2013/05
Leseprobe e-commerce Magazin 2013/05
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
com zeigt eine zentrale Herausforderung<br />
in diesem Zusammenhang auf: Die Datenmenge<br />
auf den Webservern nimmt gigantische<br />
Dimensionen an. Es lohnt sich<br />
letztlich nur, einen Bruchteil der gesamten<br />
Daten im Marketing zu nutzen.<br />
Professor Dr. Michael Feindt, Physiker<br />
und Gründer des Big-Data-Unternehmens<br />
Blue Yonder, analysiert bereits<br />
seit den 80er Jahren große Datenmengen.<br />
„Ganz gleich, ob Sie Texte, Bilder<br />
oder Videos auswerten: Sie müssen wissen,<br />
was Sie herausfinden wollen“, sagt<br />
er. Als Physiker am Kernforschungszentrum<br />
CERN ist er an Experimenten beteiligt,<br />
in denen pro Sekunde 40 Millionen<br />
Ereignisse mit insgesamt 1.000 TByte<br />
gemessen werden. Mit intelligenten<br />
Algorithmen werden noch während des<br />
Experiments extrem seltene potenziell<br />
interessante Ereignisse aus der Datenflut<br />
herausgefiltert. Nur eines von etwa<br />
zehn Millionen wird überhaupt abgespeichert.<br />
Professor Dr. Michael Feindt:<br />
„Ganz gleich, wie viele Daten das Unternehmen<br />
Tag für Tag sammelt, die Software<br />
erkennt relevante Muster in Echtzeit.<br />
Die auf diese Weise gewonnenen<br />
Informationen lassen sich zur gezielten<br />
Kundenansprache nutzen.“<br />
Informationen aus internen<br />
Systemen und externen Quellen<br />
Günther Harant, Beschaffungsleiter bei<br />
SportScheck, ergänzt aus Anwendersicht:<br />
„Im Onlinebereich haben wir es<br />
mit einer Vielzahl von Einflussfaktoren<br />
und einer immensen Informationsdichte<br />
zu tun. Wir benötigten eine Software, die<br />
diese Komplexität abbilden kann und<br />
zusätzlich das Besucherverhalten in all<br />
seinen Facetten einbezieht. Fehleinschätzungen<br />
können wir uns nicht leisten.<br />
Wirken sich diese doch deutlich auf<br />
das Geschäftsergebnis aus.“<br />
Sowohl in der Wissenschaft als auch<br />
in der Wirtschaft kommt es bei der Analyse<br />
von Big Data auf das Wissen der jeweiligen<br />
Fachleute an. Für Absatzprognosen<br />
beispielsweise sind Marktdaten<br />
und aggregierte Absätze interessant,<br />
nicht jedoch individuelle Kundendaten<br />
oder die Bonität der einzelnen Kunden.<br />
Beim Kundenmanagement im On lineshop<br />
hingegen geht es um die Datenspuren<br />
jedes einzelnen Besuchers. Sie spiegeln<br />
sein Verhalten und lassen Rückschlüsse<br />
auf sein künftiges Verhalten<br />
zu. Das Wissen über das künftige Verhalten<br />
ermöglicht dem Onlinehändler,<br />
ihn individuell anzusprechen und Shop<br />
sowie Angebot kontinuierlich anzupassen.<br />
Neben seiner Klickhistorie, getätigten<br />
und abgebrochenen Käufen, Warenkörben<br />
und Lis ten mit gemerkten Waren<br />
gibt der Kunde auch jenseits des Webshops<br />
eine Menge von sich preis: Möglicherweise<br />
greift er über mobile Anwendungen<br />
auf die Angebote zu. Er kommentiert<br />
Anbieter oder Waren in sozialen<br />
Netzwerken oder er löst einen Coupon<br />
aus dem letzten Printkatalog beim Onlineeinkauf<br />
ein. Mit Predictive Analytics<br />
lassen sich diese Informationen bündeln<br />
und zentral auswerten.<br />
Kündigungsrisiko für jeden<br />
Kunden bestimmen<br />
Heinz Ohnmacht, Vorstandsvorsitzender<br />
der BGV/Badische Versicherungen,<br />
ergänzt ein weiteres Einsatzgebiet von<br />
Predictive Analytics im Kundenmanagement:<br />
„Bis auf die Vertragsnummer genau<br />
ermittelt Blue Yonder uns die Kündigungswahrscheinlichkeit.“<br />
Je früher<br />
mit einer selbstlernenden Software die<br />
Unzufriedenheit oder Wechselbereitschaft<br />
eines Kunden erkannt wird, desto<br />
geringer sind die Kosten, ihn zu halten.<br />
Ist es bereits so weit gekommen,<br />
dass der Versicherer oder Onlineanbieter<br />
einen günstigeren Tarif, einen Zehn-<br />
Euro-Bestellgutschein oder gar ein exklusives<br />
Kundenevent anbieten muss,<br />
um das Ruder noch einmal herumzureißen,<br />
gilt es abzuwägen. Zum Customer<br />
Lifecycle Management gehört auch, den<br />
Wert des Kunden exakt zu taxieren. Ziel<br />
ist es, den Wert des Kundenbestandes<br />
insgesamt zu steigern. Auf Schnäppchenjäger<br />
und Retourenkönige verzichten<br />
E-Commerce-Anbieter mitunter gerne.<br />
Mit Predicitve Analytics wissen sie,<br />
welche Kunden das genau sind. ■<br />
Rund um Big Data<br />
Big Data und<br />
Predictive Analytics<br />
The human face of Big Data: In einem aufwändig<br />
gestalteten und reich bebilderten Band geben Rick Smolan<br />
und Jennifer Erwitt dem Thema Big Data viele Gesichter.<br />
Sie erzählen Geschichten, wie die des kleinen Alec. Nachdem<br />
ihr Kinderwunsch unerfüllt blieb, ermittelte Marie<br />
Martinelli den idealen Empfängniszeitpunkt mit einem Gerät,<br />
das ihre Körpertemperatur 20.000-mal am Tag<br />
aufzeichnete. Ein Jahr später wurde Alec geboren.<br />
Perspektivwechsel Kundenlebenszyklus:<br />
Mit Predictive Analytics verschiebt sich die Perspektive in Marketing<br />
und Vertrieb. Der herkömmliche Weg:<br />
• Entwicklung von Angeboten<br />
• Identifikation und Segmentierung von Zielgruppen<br />
• Konzeption von Marketingmaßnahmen<br />
• Ansprache großer Kundensegmente mit identischen<br />
Angeboten<br />
• Warten auf Response<br />
Orientierung am Kundenlebenszyklus<br />
(Customer Lifecycle Value):<br />
• Systematische Auswertung der vorhandenen und<br />
eingehenden Daten<br />
• Entwicklung eines genauen Bildes des einzelnen Kunden<br />
• Ermittlung des Werts des einzelnen Kunden<br />
• Prognose des künftigen Verhaltens und der künftigen<br />
Anforderungen des Kunden<br />
• Bei rentablen Kunden: Angebote, die auf die individuelle<br />
Situation zugeschnitten sind Crossselling, Upselling,<br />
Vermeidung von Kündigungen/Abwanderungen<br />
Potenziale von Predictive Analytics:<br />
• Effiziente Cross- und Upselling-Kampagnen mit<br />
bedarfsgerechten Angeboten, die am Lebenszyklus des<br />
Kunden orientiert sind<br />
• Retargeting und differenzierte Produktempfehlungen<br />
• Identifikation der tatsächlichen Kündigungsgründe<br />
• Entwicklung von Prognosemodellen, die Kündigungen<br />
so frühzeitig vorhersagbar machen, dass sich mit<br />
Marketingmaßnahmen gegensteuern lässt<br />
• Realer aktueller Kundenwert als Basis, um zu beurteilen,<br />
ob Bindungsmaßnahmen oder Kampagnen wirtschaftlich<br />
angemessen sind<br />
• Impulse für die Produktentwicklung und das Marketing<br />
aus der genauen Kenntnis der Kundenanforderungen<br />
Kündigungsrisiko vorbeugen mit Churn Management:<br />
Eingebettet in eine Strategie zur Wertsteigerung des gesamten<br />
Unternehmens, besteht Churn Management aus<br />
folgenden Schritten:<br />
• Identifikation von profitablen und nichtprofitablen Kunden<br />
• Muster und Trends in Kundendaten erkennen<br />
• Beziehungen und Abhängigkeiten zwischen Kunden<br />
erkennen<br />
• Wechsel- und Kündigungswahrscheinlichkeiten ermitteln<br />
• Kundenverhalten vorhersagen<br />
• Ermittlung des individuellen Kundenwerts<br />
www.e-<strong>commerce</strong>-magazin.de <strong>05</strong>/13 e-<strong>commerce</strong>-magazin 27