Der Kunde ist König. Aber wer ist er?

Sehen Sie Ihre Kunden? Erkennen Sie Ihre Kunden? Wissen Sie, welche Kunden loyal sind und dafür belohnt werden sollten? Und schlussendlich: Gibt es in Ihren Daten ähnliche Kunden oder Interessenten, die einen kleinen Schubs benötigen?

So geht eine Kunden-Response-Analyse

In einem unserer letzten Webinare kam bei der Analyse von "Top-Kunden" die Frage auf, warum denn Personen selektiert werden, die innerhalb der letzten 3-6 Monate gekauft haben. Denn schließlich haben diese Kunden ja schon gekauft und das Ziel damit erreicht: Umsatz. Diese Frage war sehr gut, denn sie spiegelt praktischerweise wieder, wie der Fokus im E-Commerce gelegt werden kann.

Ihr Ziel: Neukunden oder Bestandskunden? Oder Neukunden UND Bestandskunden?

Ein Unternehmen kann den Fokus ungewollt auf Neukunden- oder Bestandskundengeschäft richten. Dies geht relativ schnell: Funktioniert das Neukunden-Geschäft sehr gut, weil das Produkt aktuell ein Renner ist, dann ist dies der einfachste und profitversprechendste Weg, mehr Umsatz und Gewinn zu generieren. Was aber, wenn die Umsätze im Product-Lifecycle nachlassen und das Neukunden-Geschäft schwächelt? Man wird die Art der Akquise nochmal überdenken müssen.

Wenn erst zu diesem Zeitpunkt das Bestandskunden-Geschäft betrachtet wird, ist es hoffentlich nicht zu spät dafür. Sollte ein Unternehmen daher nicht frühzeitig auch einen Blick auf bestehende Kunden werfen? So erhält man sich selbst die Agilität und das Risiko des zukünftigen Umsatzverlustes wird auf mehrere Bereiche verteilt.

Die Königsdisziplin: Interaktion mit Kunden auf Basis von Daten

Auf meinen Geschäftsreisen sehe ich glücklicherweise eine immer größere Anzahl an Unternehmen, die ihre Kunden nicht nur anhand ihrer Stammdaten analysieren, sondern auch einmal einen Blick auf die "Response" des Kunden werfen. Also: Was gibt uns der Kunde zurück? Dies können im ersten Schritt Käufe sein, im weiteren Sinne aber auch Verhaltensdaten aus E-Mails oder Websites. Die Königsmacher-Disziplin ist die Realtime-Interaktion mit dem Kunden, unabhängig vom Kanal.

Die Response-Analyse erlaubt uns die Bewertung durchgeführter Kampagnen und lässt uns etwas über unsere bestehenden Kunden lernen. So lässt sich z.B. der Erfolg oder Misserfolg von Produkten, Werbemitteln und Kanälen identifizieren. Und viel wichtiger: Aus den Bestandskunden lassen sich besonders wertvolle Segmente separieren und Kriterien für ein gezieltes Neukundengeschäft ablesen.

Bitte beachten: Bei den zu planenden Marketing-Automation-Prozessen muss ein guter Mix aus "Aktion" und "Reaktion" gefunden werden.

So lehrt uns die Vergangenheit, wie der Erfolg der Zukunft entscheidend beeinflusst werden kann.

Aber wie sieht das ganze in der Praxis aus?

Praxis: Die Vergangenheit hilft uns in der Zukunft

Für eine Response-Analyse benötigen wir mehrere Selektionen:

  * Kunden-Segmente (z.B. nach RFM-Kriterien)

  * Eine Stichprobe aus den verwendeten Selektionen (Kontrollgruppe)

  * Reagierer (Käufer eines bestimmten Produktes)

  * Weitere optionale Dimensionen wie z.B. Geschlecht

Die Grundlage bilden Kunden mit Käufen aus der jüngeren Vergangenheit. Insbesondere innerhalb der letzten 3 Monate sind die Verkäufe im Schnitt leicht gesunken. Unser Ziel sollte nun sein, aus dieser Menge ein Potential zu ermitteln.

Dieses Ergebnis können wir nun genauer betrachten und nach Kauffrequenz und Kundenwert aufreissen.

Hier können wir wiederum 4 Segmente erzeugen, in denen wir nach Kauffrequenz und der Summe der Umsätze unterscheiden.

So sieht es übrigens aus, wenn wir exemplarisch das Segment "HF HKW" erzeugen wollen:

Aus diesen Segmenten ziehen wir nun eine Stichprobe in der Größenordnung von 20%. Es ist wichtig, dass aus jedem der Segmente eine Stichprobe von 20% gezogen wird und nicht aus der Gesamtmenge dieser Segmente.

Kombiniert man diese Segmente, die Stichprobe und eine Selektion über die Käufer eines Produktes, dann erhält man folgendes Bild:

Nun sehen wir auf der linken Seite die unterschiedlichen Segmente. In der ersten Zeile davon ist die Stichprobe (Kontrollgruppe) enthalten. Mit dieser Gruppe werden alle anderen Segmente verglichen. Auf der oberen Seite werden die Zahlen nach dem Geschlecht aufgerissen. Sind die Ergebnisse signifikant und unterschiedlich je Geschlecht, würden uns diese z.B. eine Grundlage für "Gender Marketing" ermöglichen.

Die in dunklem Teal dargestellten Zellen haben eine höhere Response-Rate als die Stichprobe in der ersten Zeile. Entscheidend ist, dass diese Menge der Farbe nach auch statistisch signifikant ist und daher eine adressierbare Zielmenge darstellt. Diese Zielmenge ist nun deutlich kleiner als alle Kunden, die innerhalb der letzten 3 Monate gekauft haben und wir haben nun jeweils eine weibliche und männliche Zielmenge, die wir aufgrund ihres Kauf-Verhaltens unterschiedlich ansprechen können.

So arbeiten wir gezielter, geben weniger Geld aus (der Streuverlust sinkt) und ermöglichen uns eine individuelle Ansprache.

Mithilfe der Response-Analyse kann man den Erfolg nach verschiedenen Dimensionen beurteilen. Interessant sind z.B. Auswertungen über:

  * Zustellzyklen von Mailings/E-Mails

  * Inhalte der Aussendungen

  * Preise-Sensibilität der Kunden

  * Zeitpunkt der Aussendungen

  * Verwendete Werbemittel

  * Alter der Responder

Der nächste Schritt kann nun z.B. sein, ähnliche Kunden aus früheren Monaten für eine Reaktivierung zu identifizieren.

Zum Video

Zum Schluss ein passendes Sprichwort, das auch zur Reponse-Analyse passt:

"Knowledge without practice is useless.

Practice without knowledge is dangerous."