Gastbeitrag

Predictive Analytics und Marktbearbeitung – eine strategische Perspektive

Klaus Haller22.08.2018
(c) gettyimages / DNY59
(c) gettyimages / DNY59

Warum kaufen Kunden ein Produkt oder eine Dienstleistung, warum kündigen sie? Mit Predictive Analytics das Kunden- und Marktverhalten besser verstehen.

von Klaus Haller

Der Hauptnutzen von Predictive Analytics im Vertrieb sind verbesserten Lead-Listen für Cross- und Upselling und das frühzeitige Erkennen von Kunden, die kündigen könnten. Quasi als Zusatzresultat erhalten Vertrieb, Marketing und Produktmanagement Hintergrundwissen über ihren Kunden. Letzteres ist das Thema dieses Artikels.

Viele Unternehmen haben eine breite Produkt- und Dienstleistungspalette und können so ihr Angebot für verschiedene Marktsegment anpassen. Teilweise konzipieren sie für einzelne Marktsegmente auch neue Produkte und Produktvarianten. Doch nicht immer reagieren Kunden wie erwartet und vom Vertrieb geplant und gewünscht.

+++ Melden Sie sich jetzt an für unseren kostenlosen Newsletter Vertriebsszene und erhalten Sie wöchentlich und kostenlos Einsichten aus der Vertriebspraxis, lukrative Jobangebote und eine Auswahl an Personalwechseln. +++

Predictive Analytics in der Praxis

Wir wollen dies anhand eines fiktiven Beispiels erläutern. Eine Bank stellt fest, dass viele wohlhabende ältere Kunden keine Kreditkarten nutzen, weil sie Kartenmissbrauch befürchten. Daher lanciert die Bank ein neues Kreditkartenprodukt mit vielen Versicherungsleistungen, um den Zielkunden die Angst zu nehmen. Die Bank erhöht den Jahrespreis für eine solche Kreditkarte deswegen zwar leicht, muss aber auch auf einen Teil der Marge verzichten. Damit die Karte nicht als "Rentner-Karte" angesehen wird, verzichtet die Bank auf eine spezielle Altersgrenze für Kunden. Nach ein paar Monaten sollte die Bank überprüfen, ob wirklich die angestrebte Kundschaft die Karte kauft – oder ob diese Kreditkarte keine neuen Kundenkreise erschließt, sondern Bestandskunden von margenträchtigeren Kreditkarten auf die neue, margenschwächere wechseln.

 

 

Ein Vergleich von Vertriebsstrategie und Verkaufsrealität ist für einfache Kriterien wie Geschlecht, Alter etc. noch in einem Excel möglich. Die Vertriebsleitung erstellt die dafür notwendigen Statistiken und prüft sie auf offensichtliche Auffälligkeiten. Denkbar ist auch, einfache oder komplexere Hypothesen zu formulieren und zu überprüfen ("Energy-Drinks werden nur von Personen unter 25 bestellt" oder "Familien mit Kindern kaufen gern rosa Bettwäsche mit Einhörnern und Flamingos"). Das ist das klassische Vorgehen ohne Predictive Analytics.

Predictive Analytics bringt eine deutliche Verbesserung. Einerseits können auch komplexere Zusammenhänge ermittelt werden. Wie würden Sie in einem Excel erkennen, dass eine Kreditkarte bei drei Arten von Kunden hat:

  1. alle Kunden unter 25
  2. wohlhabende Kunden zwischen 30 und 40 mit Kindern, egal ob mit oder ohne Hund und ob sie in der Stadt oder auf dem Land leben
  3. Kunden über 60 mit Hunden in Kleinstädten?

Andererseits erfolgt die Analyse automatisch und viel breiter, gerade wenn pro Kunde 20, 30 oder 500 Attribute beziehungsweise Eigenschaften bekannt sind, was gerade bei statistischen Auswertungen ein großer Vorteil ist. Bei Excel-basierten Auswertungen überlegt sich der Vertrieb, ob das Alter oder das Geschlecht relevant sein könnte oder doch die Kombination von Kinderzahl und Kleinstadt. Danach analysiert die Vertriebsleitung die Daten entsprechend. Das ist aufwendig. Daher werden vor allem die für die Vertriebsleitung sinnvoll erscheinende Auswertungen durchgeführt.

Zusammenhänge erkennen

Im Gegensatz dazu untersucht Predictive Analytics alle Faktoren und viele Kombinationen. Daher erkennt Predictive Analytics auch überraschende Zusammenhänge. In einem unserer Projekte bei Banken haben wir so herausgefunden, warum viele Firmenkunden gekündigt haben. Grund war ein scheinbarer Vertriebserfolg der Bank. Die Bank hatte einigen Kunden erfolgreich ein Produkt verkauft. Später haben die Kunden gemerkt, dass es für sie unpassend ist und waren so verärgert hatte, dass sie die Bank gewechselt haben. Einen solche Zusammenhang zwischen einem erfolgreichen Produktverkauf und einer dadurch dann verursachten Kündigung findet man mittels Excelauswertungen eher schwer.

 

 

Predictive Analytics bietet natürlich Quick-Wins wie verbesserte Lead-Listen. Daneben spürt Predictive Analytics versteckte Kündigungs- beziehungsweise Kaufgründe schneller und systematischer auf als das mit Excelauswertung möglich ist. Der Vertrieb versteht so nicht nur, wer kündigen könnte, sondern auch warum, und kann schneller und besser auf Kündigungswellen reagieren. Gleichzeitig profitieren Produktmanagement und Vertrieb von einem besseren Verständnis des Markts beziehungsweise der Kaufentscheidungen der Kunden. So kann der Vertrieb den Verkaufserfolg und Umsatz erhöhen.

 

Über den Autor:

Klaus Haller arbeitet seit 2006 bei Swisscom in Zürich im Solution Center Banking. Er ist Projektleiter und Produktmanager für Analytics im Banking.

Klaus Haller

Ressort

(c) Agile Sales Company

Gastbeitrag

Die Zukunft des Vertriebs – Kundenfokus durch Scrum

Halina Maier23.08.2019

Unser aller Einkaufsverhalten hat sich verändert – entsprechend muss sich auch das Verkaufsverkalten ändern. Verkäufer müssen ihre Kunden online wie offline über verschiedene Kanäle ansprechen. Was es dabei zu beachten gilt, weiß unsere Gastautorin.

(c) Pixabay

Gastbeitrag

Verkaufen oder nicht verkaufen – das ist hier die Frage

von Oliver Schumacher08.08.2019

Als Verkäufer sitzt man manchmal zwischen den Stühlen. Auf der einen Seite ist der Kunde mit seinen Wünschen, Zielen und Erwartungen. Auf der anderen Seite erwartet der Arbeitgeber, dass man als sein angestellter Verkäufer dessen Produkte auch verkauft. Doch was macht man, wenn einem das zu verkaufende Angebotssortiment nicht gefällt?

(c) Pixabay

Gastbeitrag

Wenn die Zeit für Herzlichkeit fehlt

von Oliver Schumacher01.08.2019

Verkäufer streben oft den schnellen Abschluss an, ob aus mangelndem Interesse oder aufgrund von Zeitmangel. Damit kein unnötiger Druck entsteht – und somit auf Kundenseite eine bessere Kauflaune – helfen diese fünf Ansätze.