Smart Data in Sales Kampagnen – Wie Targeting und Personalisierung Ihre Erfolgsquote steigern

Ein einziges Mal angerufen, den richtigen Ansprechpartner erreicht, Angebot erläutert und in Auftrag gegeben – welcher Vertriebler wünscht sich das nicht? Die Realität sieht leider anders aus und es braucht meist eine Kombination aus Hartnäckigkeit, Organisationstalent und Disziplin, um einen Lead in einen zahlenden Kunden zu wandeln und diesen vor allem binden zu können. Der Weg dahin ist oftmals steinig und zieht sich gerne lange hin. In diesem Artikel zeigen wir, wie eine Software-Lösung wie die Apteco Marketing Suite diesen Weg erleichtern kann. 

Um das Konzept von Smart Data zu verstehen, ist zunächst einmal der Dachbegriff Big Data näher zu untersuchen: Unter „Big Data“ werden große Mengen an Datensätzen aus verschiedenen Bereichen, wie beispielsweise Internet und Mobilfunk, verstanden, die zur Verarbeitung und Auswertung in bestimmten Systemen gespeichert werden (Gabler Wirtschaftslexikon). 

Darüber hinaus sind Smart Data Sets analysierte Erkenntnisse aus „Big Data Sets“, die basierend auf industriespezifischen Bedürfnissen für bestimmte Use Cases entsprechend ausgewertet, komprimiert und optimiert werden (Dataversity 2018). Ein Beispiel für Smart Data Use Cases sind Customer Experience Analysen, mittels derer kundenorientierte Unternehmen, laut Forrester, ein 1,4 fach schnelleres Umsatzwachstum, 1,6 fach höhere Kundenzufriedenheitsraten und 1,7 fach höhere Kundenbindung aufweisen (Adobe 2018). In diesem Artikel sollen weitere Möglichkeiten, die Smart Data bietet, veranschaulicht und darüber hinaus ein Einblick gegeben werden, inwiefern die effiziente Transformation von Big Data zu Smart Data Einfluss auf die Optimierung der eigenen Sales Kampagnen übt. 

Neukundenakquise

Eine der größten Herausforderungen bei der Neukundenakquise ist sicherlich die Ermittlung passender Kundenpotenziale. Doch warum gestaltet sich diese so schwierig? Dafür kann es verschiedene Gründe geben: das Marketing und Sales Team koordinieren sich nicht effizient, der Sales Pitch des Vertrieblers ist noch nicht perfektioniert und es kommt nicht zu einem zweiten Gespräch, oder die Leads sind nicht ausreichend qualifiziert. Was auch immer der Grund sein mag, Fakt ist, dass eine Effizienzlücke entsteht, die anstelle der Pflege qualitativ hochwertiger Leads eher durch einen stetigen Influx an neuen Leads gefüllt wird. Dabei werden oftmals versteckte Juwelen in den Tiefen der eigenen Datenminen leicht übersehen und ignoriert. Dies resultiert u.a. darin, dass potenziell vielversprechende Leads im eigenen CRM-System untergehen, was sich sowohl negativ auf die Konversionsrate der individuellen Sales Kampagnen auswirkt als auch auf die Ergebnisse des Marketing Teams.

Um Smart Data Insights aus den Datensätzen zu generieren und ebendiese versteckten Juwelen ausfindig zu machen, eignen sich analytische Gegenüberstellungen bereits generierter Insights, wie z.B. die der Top-Kunden in den jeweiligen Top-Segmenten Ihres Unternehmens. 

Es werden ganzheitliche Profile von den entsprechenden Zielgruppen erstellt und nach diesen Musterprofilen werden über eine anpassbare Scoring Verteilung Leads ermittelt, die sich als sogenannte Look-a-likes eignen. Dabei handelt es sich um Leads, die ähnliche Verhaltensmerkmale und Engagement wie die Vergleichszielgruppe aufweisen, sich jedoch durch eine andere Transaktionshistorie auszeichnen.
 

Der Vorteil eines solchen Vorgangs ist, dass durch die Ansprache verlorengeglaubter Leads, die einem bestimmten Profil entsprechen, sowohl die CRM-Daten effizienter genutzt werden als auch Personalisierung in die Kommunikation eingebaut werden kann, da das Kaufverhalten des Kunden bereits erarbeitet wurde und somit bekannt ist, welches Produkt diesem am ehesten zusagen würde.

Best Next Offer und Best Next Time

Der individuelle Kaufrhythmus ist von Kunde zu Kunde anders. Nicht jeder, der beispielsweise einen neuen Stromtarifvertrag abschließt will diesen unmittelbar nach Abschluss upgraden oder zusätzlich Gas beziehen. Die Anpassung des Zeitpunkts der Kommunikation auf die Bedürfnisse der Kunden ist also maßgeblich für einen starken Rapport zwischen Unternehmen und Kunden. Auch für den Vertrieb spielt das eine große Rolle.

Bei willkürlicher Massenkommunikation hinsichtlich Zusatzangeboten und -dienstleistungen und aufdringlichen Follow-Up Calls, die im schlimmsten Fall nicht personalisiert sind, kann es dazu kommen, dass der Kunde sich nicht angesprochen fühlt, und eher genervt von all den ständigen Anfragen ist. Im schlimmsten Fall kann eine Überkommunikation entstehen, die erst zur Befremdung und schlussendlich zum sog. Churn, sprich einer Abwanderung des Kunden führen kann. 

Um dies zu verhindern eignet sich die Ermittlung des bestmöglichen Zeitpunkts einer Ansprache, auch Best Next Time genannt. Für die Berechnung der Best Next Time können eine Vielzahl von Parametern aus den Daten miteinbezogen werden. Dies können die Kaufintervalle in den individuellen Transaktionshistorien, die Ansprache über die verschiedenen Marketing Kanäle sowie die eigene Kommunikationsfrequenz mit den jeweiligen (potenziellen) Kunden sein. Mittels intelligenter Algorithmen in Apteco FastStats werden diese Daten verarbeitet und der bestmögliche Kommunikationszeitraum mithilfe einem der zuvor erläuterten Parameter ermittelt.  

Interessant wird es, sobald der beste nächste Zeitpunkt für eine Ansprache gekommen ist. Welches zusätzliche Angebot deckt am besten die Bedürfnisse der bereits bestehenden Kunden ab? Hier können eine Vielzahl von Faktoren miteinbezogen werden, wie die beliebteste Sparte in der ausgewählten Region, die durchschnittliche Familienstruktur, die Topkunden in dem jeweiligen Segment, die Kaufkraft, die Kauffrequenz, oder die Transaktionshistorie. Diese Daten werden zusammen mit den populärsten Produkten und der Wahrscheinlichkeit, mit der Kunden diese Produkte erwerben verrechnet und die Angebote nach Kaufwahrscheinlichkeit geordnet. 

Den Kunden zu kennen ist in jeder Interaktion von Vorteil. Sowohl für die Neukundenakquise als auch für alle weiteren Berührungspunkte lohnt es sich bereits im Voraus analytische Arbeit zu investieren, um den Kunden den größtmöglichen Mehrwert zu bieten.

Was sind die besten Hilfsmittel, um aus „Big Data“ Smart Data Insights zu generieren? Profiling, Next Best Offer und Best Next Time sind bewährte Methoden aus dem Bereich der Predictive Analytics. In unserem Whitepaper rund um Predictive Analytics lernen Sie diese und vier weitere Predictive Analytics Methoden detailliert kennen und können Ihren Analytics-Reifegrad testen.

Weitere Quellen: 

Gabler Wirtschaftslexikon, Big Data 
Wie Marketer mit Smart Data bessere Kundenerfahrungen kreieren, Adobe 2018
Big Data vs. Smart Data, Dataversity 2018