Case Study: CRM-Potenzialcheck

 

CRM-Daten Konsolidierung nach Unternehmensfusion

Herausforderung

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.

Ziel

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.

Lösung

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 wesentlichen Kundendaten liegen dezentral bei den Vertriebspartnern 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.

In einem standardisierten und nahezu vollständig automatisierten Vorgehen werden die Kundendaten mit den aktuellen, im Internet frei verfügbaren Daten aktualisiert, vervollständigt und ergänzt. Dazu zählen zum Beispiel Adressdaten, Niederlassungen, Geschäftsführung, Geokoordinaten usw.

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

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.
2. Potenziale auf der „falschen“ Länderseite in einer Vertriebsregion werden verschenkt, weil sich der Aufwand nicht lohnt.

Business Intelligence II 

Der Potenzialmarkt in den Regionen wird mit Sekundärdaten konkretisiert und eine umfassende Liste der Potenzialkunden aufgestellt. Die Daten zu den Kunden und Nichtkunden werden weiter mit branchenrelevanten 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.

Ergebnis

Die Zielsetzung war es, 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 wurde 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, das anschauliche, nachvollziehbare und konkrete Handlungsempfehlungen aufzeigt.

  

Die Case Study zum Download

Case Study CRM-Potenzialcheck

 

Gerne realisieren wir auch Ihr Data-Science-Projekt

Als Data Science Spezialisten sind wir Ihr Ansprechpartner im Umfeld von Big Data, Machine Learning und künstlicher Intelligenz. Wir unterstützen Sie von der Identifikation des richtigen Anwendungsfalls bis zur Implementierung von bestehenden Analysen in Ihr Produktivsystem.

Erfahren Sie mehr.

 

eoda GmbH | Universitätsplatz 12 | 34127 Kassel | +49 561 87948-300 | info@eoda.de
© eoda 2019 Datenschutz und Impressum