Melden Sie sich hier an, um auf Kommentare und die Whitepaper-Datenbank zugreifen zu können.

Kein Log-In? Dann jetzt kostenlos registrieren.

Falls Sie Ihr Passwort vergessen haben, können Sie es hier per E-Mail anfordern.

Der Zugang zur Reseller Only!-Community ist registrierten Fachhändlern, Systemhäusern und Dienstleistern vorbehalten.

Registrieren Sie sich hier, um Zugang zu diesem Bereich zu beantragen. Die Freigabe Ihres Zugangs erfolgt nach Prüfung Ihrer Anmeldung durch die Redaktion.

10.12.1999 - 

Customer-Realationship-Management/Vom operationalen zum analytischen CRM

Es gibt einen Trend zu standardisierten Branchenlösungen

Die eigene Kundenbasis wird inzwischen als wichtigste Ressource für Umsatzsteigerung und Unternehmenswachstum erkannt. Hatte die IT bis vor kurzem vor allem interne Prozesse zu rationalisieren, rückt jetzt die Kundenbeziehung in den Mittelpunkt. Sean Kelly* stellt einen Trend zum branchenbezogenen Customer-Relationship-Management fest.

Im Jahr 1998 gaben laut einer Studie des Londoner Marktforschers Datamonitor allein Banken in Europa 987 Millionen Dollar für CRM-Technologie aus; bis 2003 wird eine Steigerung auf 2,4 Milliarden erwartet.

Das Ziel ist klar: Unternehmen wollen den Weg von den Massenmärkten mit relativ wenigen, standardisierten Produkten hin zu dynamischen Marktstrategien konsequent zu Ende gehen und Produkte sowie Dienstleistungen immer genauer an die Bedürfnisse einzelner Kundengruppen anpassen. Mit One-to-one-Marketing, Event-driven Marketing etc. wird dieses Ziel beschrieben. Allerdings waren die IT-Werkzeuge, die bisher zur Verfügung standen, nur bedingt für die Umsetzung geeignet.

Ein Unternehmen hat eine Vielzahl von Kontaktpunkten zum Kunden - Vertrieb, Marketing, Customer Service, Rechnungswesen etc. Bisher wurden im wesentlichen die dahinterstehenden einzelnen Geschäftsprozesse optimiert. Das Ergebnis waren operationale CRM-Systeme: Werkzeuge etwa für die Automatisierung von Vertriebsaktivitäten, das Management von Vertriebskanälen, Sales-Forecasts, Datenbank-Marketing und Call-Center-Applikationen.

Jedes dieser Systeme mag hervorragend geeignet sein, die individuelle Kundenbeziehung zu intensivieren, für die es geschaffen wurde. Sie alle sind aber kaum in der Lage, die Kunden in ihrer Gesamtheit zu betrachten, Verhaltensmuster zu erkennen und Konsequenzen daraus abzuleiten. Mit anderen Worten: Benötigt werden jetzt analytische CRM-Systeme.

Kundenverhalten: Muster erkennen

Solche Systeme bestehen zunächst einmal aus einem Data-Warehouse, in dem Informationen aus unterschiedlichen operationalen Systemen gesammelt werden. Das ist die Grundvoraussetzung, um die Vielzahl der Kontakte zu einem wirklichen Management der Kundenbeziehung weiterzuentwickeln.

Diese Daten werden durch Business-Intelligence-Applikationen ausgewertet, die Antworten etwa auf folgende grundlegende Fragen liefern: Wie entwickelt sich das Verhältnis zu unterschiedlichen Kunden über einen längeren Zeitraum hinweg? Wie groß ist deren Loyalität zum Unternehmen? Wo liegen Risikopotentiale? Wie profitabel sind die verschiedenen Kunden? In welche Segmente mit welchen Bedürfnissen können sie aufgeteilt werden? Wie erfolgreich waren Marketing-Kampagnen? Das Resultat: Das Unternehmen versteht immer besser, was die Kunden wirklich wollen.

Wenn ein Unternehmen weiß, welche Kunden bei bestimmten Angeboten das geringste Risiko und den meisten Gewinn versprechen und mit welchem Angebot sich auf ihre Bedürfnisse konkret eingehen läßt, wird es zum einen mehr Umsatz generieren. Zum anderen werden die Kosten für Marketing, Vertrieb und Service eingedämmt, da Streuverluste reduziert werden.

Insofern bilden operationale und analytische CRM keinen Widerspruch, sondern ergänzen einander: Letztere liefern die Erkenntnisse, um einzelne CRM-Maßnahmen zu optimieren; die operationalen Systeme wiederum versorgen die analytischen mit immer genaueren Basisdaten. Beide zusammen bilden eine "Closed Loop Architecture" - eine Qualitätsspirale, in der jede Komponente die andere weiter vorantreibt.

Mit einer solchen Architektur läßt sich die Beziehung zu den Kunden systematisch ausbauen. Am Beginn steht die Kundenanalyse. Daten aus Kundendienst, Vertrieb, E-Commerce etc. werden zusammen mit externen Infomationen im Data-Warehouse gebündelt und so aufbereitet, daß sie eine einheitliche Basis für weiterführende Analysen bilden. Der Kundenkontakt soll möglichst umfassend abgebildet werden. Basisdaten wie Name, Adresse, Geburtsdatum gehören ebenso dazu wie Informationen beispielsweise zur Service- und Marketing-Historie, Umsatzentwicklung, demografische Daten und Hobbies.

Im nächsten Schritt läßt sich eine Segmentierung vornehmen, wobei Stärken und Risiken einzelner Kundengruppen analysiert werden: Wer kauft bestimmte Produkte, wer reagiert wie auf Marketing-Programme, oder wer generiert den meisten Umsatz? Durch Kombination unterschiedlicher Variablen (Einkommen, Freizeitverhalten etc.) sind immer wieder neue und feinere Segmente zu entdecken.

Auf diesen Analysen bauen dann gezielte Kampagnen auf - von Telemarketing bis zu spezifischen Kundendienstprogrammen für jedes Segment (Target-Marketing). Der entscheidende Unterschied: Anstatt Produkte und Services den Kunden "blind" anzudienen, von denen viele gar keinen Bedarf haben, werden um die konkreten Bedürfnisse bestimmter Gruppen herum spezifische Angebote und Programme aufgebaut.

Deren Ergebnisse fließen ins Data-Warehouse zurück, und so können immer genauere Modelle für das zu erwartende Kundenverhalten entwickelt werden (Predictive Marketing). Ziel ist es herauszufinden, welche der vielen Variablen am besten geeignet sind, um die wahrscheinlichen Reaktionen vorauszusagen. Kunden, denen solche Charakteristika gemeinsam sind, lassen sich dann noch gezielter ansprechen.

Angenommen, ein Kreditinstitut hat durch Data-Mining herausgefunden, daß Kunden, deren Hobby das Segeln ist, bevorzugt die Kreditkarte XY der gehobenen Kategorie benutzen. Weitere Ad-hoc-Analysen verraten, daß viele von ihnen noch keinen speziellen Bootskredit besitzen und daß Kunden mit einem solchen Kredit eher auf Telemarketing reagiert haben als auf Mailings. Das Unternehmen entwickelt ein spezielles Programm für Bootskredite und lobt als Incentive einen gebührenfreien Account der besagten Kreditkarte für ein Jahr aus. Dazu wird ein Telemarketing-Programm entwickelt.

Nach drei Monaten wurden 10000 Kunden angesprochen, von denen acht Prozent reagiert und von diesen wiederum 50 Prozent einen Bootskredit erhalten haben. Diese Quote liegt im Plan, doch ist die Zahl der wegen zu hohen Risikos abgelehnten Kredite sehr hoch. Durch verfeinerte Modellierungstechniken wird nun festgestellt, daß diese Kunden meist unter 50000 Mark jährlich verdienen und jünger als 27 Jahre sind; ihr Kreditwunsch bewegt sich um die 45000 Mark. Umgekehrt haben die Kunden, deren Antrag bewilligt wurde, meist über 100000 Mark im Jahr und sind im Schnitt 35 Jahre alt. Ihr Kreditwunsch liegt bei 65000 Mark. Weitere Analysen zeigen, daß 70 Prozent der abgelehnten Antragsteller zum erstenmal ein Boot kaufen wollen.

Als Konsequenz entwickelt das Institut eine Drei-Segment-Strategie: Kredite für Einkommen bis zu 50000 Mark vorwiegend zur Finanzierung gebrauchter Boote, bis zu 70000 mit dem ursprünglichen Angebot und (in Kooperation mit einem Versicherer) über 100000 Mark mit der Kombination Kredit/Bootsversicherung und einem zusätzlichen Incentive. Das CRM-System generiert automatisch eine E-Mail an die Außendienstmitarbeiter mit den Namen der Top-Kunden, die auf das Telemarketing reagiert haben, inklusive aller notwendigen Daten.

Das beschriebene Ziel ist nicht neu. Allerdings stehen jetzt die Technologien zur Verfügung, um es zu erreichen. Der Markt für analytische CRM wird denn auch enorm wachsen. So soll nach Einschätzung des Marktforschers Merill Lynch die jährliche Zuwachsrate bei Business-Intelligence-Systemen in den nächsten vier Jahren bei durchschnittlich 38 Prozent, bei Data-Warehouses bei 25 Prozent liegen.

Ein erfolgreiches analytisches CRM-System hängt von mehreren Elementen ab: Applikationen, Datenmodell, Metadaten-Management, Tools für das Extrahieren, Transformieren und Laden der Daten und vor allem der Datenbanktechnologie. Daten aus heterogenen Quellen mit unterschiedlichen Geschäftsregeln, Namenskonventionen etc. müssen zusammengeführt und vereinheitlicht werden. Außerordentlich hilfreich ist dabei ein zentraler Metadaten-Katalog, in dem beschrieben ist, um welche Daten es sich handelt, aus welchen Quellen sie stammen, wie sie modifiziert wurden und wie sie mit anderen Datenelementen zusammenhängen. Die Datenbank muß die Performance und Flexibilität besitzen, um große Datenmengen auf beliebige Weise auszuwerten und nicht nur vordefinierte, sondern auch Ad-hoc-Analysen schnell durchzuführen.

CRM in kurzer Zeit zu vertretbaren Kosten

Genauso wichtig ist jedoch, daß CRM-Systeme in kurzer Zeit und zu vertretbaren Kosten implementiert werden. Hier liegt allerdings bei vielen klassischen Data-Warehouse-Projekten das Hauptproblem. Merill Lynch nennt Entwicklungszeiten von zwölf bis 18 Monaten. Und viele Projekte sind vollständig gescheitert - vor allem wegen Schwierigkeiten in der frühen Phase, bei Design und Implementierung. Analysten sprechen von Abbruchquoten zwischen 60 und 70 Prozent.

Dieses Risiko läßt sich entscheidend mindern, indem standardisierte CRM-Branchenlösungen eingesetzt werden. Sie enthalten ein vordefiniertes, auf das jeweilige Marktsegment zugeschnittenes Geschäftsmodell, entsprechende Datenbankstrukturen und Metadaten-Definitionen sowie Transformations- und Loading-Scrips, in denen Datenquellen und Umwandlungsregeln bereits beschrieben sind. Reporting-Templates zeigen auf, wie die Daten in dieser konkreten Umgebung zu nutzen sind. Solche nach dem 80-zu-20-Prinzip vorgefertigten Systeme können in wesentlich kürzerer Zeit und erheblich kostengünstiger eingeführt werden als selbstentwickelte Lösungen.

Der Trend geht eindeutig in diese Richtung. CRM wandelt sich auch im analytischen Bereich von einem "Entwicklungs-" zu einem "Kauf"-Markt.

ANGEKLICKT

Der Vorteil von CRM-Standardsoftware ist ihre in der Regel leichte und damit kostengünstige Implementierbarkeit. Klassische Data-Warehousing-Projekte allerdings machen von dieser Regel eine Ausnahme. Hohe Risiken und Abbruchquoten lassen sich allerdings mit CRM-Branchenlösungen entscheidend vermindern.

*Sean Kelly ist General Manager der Business Intelligence Division von Sybase für Europa und den Nahen Osten und Buchautor.