0
Bessere Kundenkommunikation dank        analytischem CRM     Vortrag im Rahmen der Mailingtage          Nürnberg, 20. Juni...
Agenda•  Kundeninformation•  Kundenwanderung•  Kundenwert•  Scoring                       Folie 2
Unsere Philosophie …   ist die Umsetzung des Wissens um den Kunden           in ein erfolgreiches Marketing.         Wir b...
MarAnCon•  innovativer Dienstleister für Database-Marketing und   analytisches Customer-Relationship-Management•  Gegründe...
Referenzen             Folie 5
KundeninformationSoziodemografie         WertbeitragAlter                   BezahlinformationGeschlechtWohnortKommunikatio...
Agenda•  Kundeninformation•  Kundenwanderung•  Kundenwert•  Scoring                       Folie 7
Folie 8
Kundenwanderung   Markt                                                Adressen        2.100	            29.000	          ...
Aktivquoten  Folie 10
Agenda•  Kundeninformation•  Kundenwanderung•  Kundenwert•  Scoring                       Folie 11
Motivation für den Kundenwert                                        Ein Quotient aus Erstumsatz zu       Die Gewinnungsko...
Benötigte Daten                             Marketing-                             Kosten für                             ...
Generisches Beispiel•  Alle Kunden erwirtschaften nach der dritten Periode 11,86 Euro•  Kunden des Gewinnungsweg A erwirts...
Kundenwert pro Gewinnungsweg  Folie 15
Agenda•  Kundeninformation•  Kundenwanderung•  Kundenwert•  Scoring                       Folie 16
ScoringAnalyseergebnisse ARO, Mailing Nr. 33, Version 2.7   Folie 17
Grundüberlegung1.  Zufriedene Kunden empfehlen       gerne   Produkte    und    Dienstleistungen weiter.              Adäq...
Entwicklung des Score-Modells    1. Alle Geschäftspartner mit einer Werbung werden als       Zielgröße (Werber) definiert....
Einige Merkmale exemplarisch …… je frischer der Vertragsabschluss desto eher wirdempfohlen…                               ...
… oder das Alter der Kunden …Bei Kunden im Alter zwischen 30 und 60 Jahren ist der Anteil an Werbernam größten. Sehr junge...
… oder die Angabe der Telefonummer …Ist eine Telefonnummer der Kunden bekannt, werben sie etwashäufiger als Kunden, bei de...
… alle signifikanten Merkmale zusammen ergebensomit den Score …   Fragestellung:   Welche Merkmale der Kunden haben einen ...
Ergebnis des Score-Modells(jeder Balken bildet 5% der Kunden ab)                                             Lesebeispiel:...
Übertragung des Modells auf den aktuellenKundenbestand Das ermittelte Modell ist eine Formel (Modellgleichung), die auf di...
Beispiel für eine Selektion                              Folie 26
Reaktion: Recency                                                                       Anzahl	  Kunden	                  ...
Reaktion: Anzahl Aufträge                                                                    Anzahl	  Kunden	             ...
Reaktion: Umsatz                                                                                             Anzahl	  Kund...
Score	               Adressmenge	   Anteil	   Selek1onsmenge	   Krea1on	  A	        Krea1on	  B	                   Umsetzu...
Vergleich Scoring mit bisheriger SelektionSelektionsmenge von 440.000 Adressen                                  4.000 Adre...
Mathematisches Scoring der inaktiven Kunden(Reaktiverungsquote) 	Es ist möglich die Kunden nach Ihrer Reaktionswahrscheinl...
Ergebnistabelle – Basis für die Auflagenplanung    In der Abgleichtabelle werden die relevanten Kundensegmente ausgewählt....
Gesamtsicht	                                                                        Ansprache	  1	     Ansprache	  2	  •  ...
Score-Modell-Ergebnis IEs kann ein guter Score erstellt werden, der in den Top-Gruppen (Top 5% derKunden) einen mehr als d...
Score-Modell-Ergebnis II – ROI BetrachtungFür die Modellierung des ROI wird angenommen, dass 50% der Reagierer durch dasMa...
Score-Modell-Ergebnis ROI-OptimierungWenn die schlechtesten 25% der Adressen nicht berücksichtigt werden so ergibt sich ei...
Mögliches SzenariumDas eingesparte Geld kann in mehr Aktionen verwendet werden, die an die guten Kundenverschickt werden.W...
KontaktMarAnConGesellschaft für Marketing, Analysen und Consulting mbHKönigswinterer Str. 41853227 BonnMeinert JacobsenT: ...
Upcoming SlideShare
Loading in...5
×

Bessere kommunikation dank analystischem crm

735

Published on

Published in: Business
1 Comment
2 Likes
Statistics
Notes
  • Ja wir kommen gerne vorbei und diskutieren die Inhalte mit JEDEM Interessenten einfach melden bei
    meinert.jacobsen@marancon.de
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
No Downloads
Views
Total Views
735
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
7
Comments
1
Likes
2
Embeds 0
No embeds

No notes for slide

Transcript of "Bessere kommunikation dank analystischem crm"

  1. 1. Bessere Kundenkommunikation dank analytischem CRM Vortrag im Rahmen der Mailingtage Nürnberg, 20. Juni 2012
  2. 2. Agenda•  Kundeninformation•  Kundenwanderung•  Kundenwert•  Scoring Folie 2
  3. 3. Unsere Philosophie … ist die Umsetzung des Wissens um den Kunden in ein erfolgreiches Marketing. Wir bieten intelligentes Marketing, nachvollziehbare Analysen und zielorientiertes Consulting. Folie 3
  4. 4. MarAnCon•  innovativer Dienstleister für Database-Marketing und analytisches Customer-Relationship-Management•  Gegründet•  Firmensitz ist Bonn•  8 Mitarbeiter•  ein motiviertes Team von praxiserfahrenen Statistikern, Mathematikern und AnwendernFolie 4
  5. 5. Referenzen Folie 5
  6. 6. KundeninformationSoziodemografie WertbeitragAlter BezahlinformationGeschlechtWohnortKommunikation / NutzungReaktion Telefonie SMS Online Folie 6
  7. 7. Agenda•  Kundeninformation•  Kundenwanderung•  Kundenwert•  Scoring Folie 7
  8. 8. Folie 8
  9. 9. Kundenwanderung Markt Adressen 2.100   29.000   1.075.000 (+31.100) Kunden 495.000 (+30.000) Aktive Kunden 134.000 (+6.000) Neukunden 17.000   60.000 (+3.400) InaktiveInteressenten 1.000   580.000 9.600   Kunden (+1.100) 8.000   361.000 Bestandskunden (+24.000) Reaktivierung 74.000 (+2.600) 15.000   9 Folie 9
  10. 10. Aktivquoten Folie 10
  11. 11. Agenda•  Kundeninformation•  Kundenwanderung•  Kundenwert•  Scoring Folie 11
  12. 12. Motivation für den Kundenwert Ein Quotient aus Erstumsatz zu Die Gewinnungskosten der Gewinnungskosten stellt nur Kunden können den Ertrag eine eingeschränkte Sicht auf aus dem Erstumsatz den echten Wert des Kunden übersteigen. dar. Mit Hilfe einer Auf Basis dieser Bewertungen gewinnungswegbezogenen Kohortenbetrachtung lassen sich können die strategischen die langfristigen Ertragseffekte Marketing Entscheidungen messen und bewerten. sicherer getroffen werden.Folie 12
  13. 13. Benötigte Daten Marketing- Kosten für Folgeperoden DB’sKosten der •  Newsletter/ (modellhafGewinnung Umsätze je Emails t oder je s-wege Kunde •  Kataloge Kunden- Artikel/ über die (Einzeln/ •  Mailings / Sortiment Wert zeitlichen verdichtet) Promotions, sgruppe,.. Perioden etc. .) Folie 13
  14. 14. Generisches Beispiel•  Alle Kunden erwirtschaften nach der dritten Periode 11,86 Euro•  Kunden des Gewinnungsweg A erwirtschaften nach der dritten Periode mehr – 12.73 Euro je Kunde als Kunden des Gewinnungsweg B mit 9,62 Euro, obwohl die Gewinnung der Kunden teurer war. Folie 14
  15. 15. Kundenwert pro Gewinnungsweg Folie 15
  16. 16. Agenda•  Kundeninformation•  Kundenwanderung•  Kundenwert•  Scoring Folie 16
  17. 17. ScoringAnalyseergebnisse ARO, Mailing Nr. 33, Version 2.7 Folie 17
  18. 18. Grundüberlegung1.  Zufriedene Kunden empfehlen gerne Produkte und Dienstleistungen weiter. Adäquate Prämien für den Werber (und den Geworbenen) können den Empfehlungsprozess unterstützen.2. Ein erfolgreiches Empfehlungsmarketing bietet messbare Vorteile. §  Geworbene Kunden bleiben länger treu und erzeugen einen höheren Deckungsbeitrag als über andere Wege gewonnen Neukunden. §  Auch die Werber weisen eine längere Haltbarkeit auf als Nichtwerber.
  19. 19. Entwicklung des Score-Modells 1. Alle Geschäftspartner mit einer Werbung werden als Zielgröße (Werber) definiert. 2. Die Einflussgrößen (Merkmale) der als Werber klassifizierten Geschäftspartner werden auf den Zeitpunkt der ersten Werbung bezogen. 3. Auf Basis von 80% aller Geschäftspartner wird das Score-Modell entwickelt. 4. Anhand der restlichen 20% wird die Prognosegüte des Modells getestet/validiert Folie 19
  20. 20. Einige Merkmale exemplarisch …… je frischer der Vertragsabschluss desto eher wirdempfohlen… Folie 20
  21. 21. … oder das Alter der Kunden …Bei Kunden im Alter zwischen 30 und 60 Jahren ist der Anteil an Werbernam größten. Sehr junge und sehr alte Kunden werben weniger. Bei fastder Hälfte der Werber ist das Alter unbekannt. Diese Kundengruppe weistein durchschnittliches Werbeverhalten auf. Folie 21
  22. 22. … oder die Angabe der Telefonummer …Ist eine Telefonnummer der Kunden bekannt, werben sie etwashäufiger als Kunden, bei denen keine Nummer bekannt ist. Sehr vielöfter wird geworben, wenn sogar zwei Telefonnummern bekannt sind.Allerdings ist dies nur bei wenigen Kunden der Fall. Folie 22
  23. 23. … alle signifikanten Merkmale zusammen ergebensomit den Score … Fragestellung: Welche Merkmale der Kunden haben einen signifikanten Einfluss auf die Zielgröße Werber? Kundenstammdaten: Demografie/Geografie: KWK-Daten: Organisationstyp Bundesland Geworbener Geschäftspartner-Status PLZ-Dichte Anzahl Geworbener (YYY) Anrede RBBR-Typ Anzahl Geworbener (XXX) Titel Einwohnerzahl KWK Erstvertrag Alter Kaufkraftindex Eigenwerbung Erstvertrag Postfach bekannt Anzahl Eigenwerbung PLZ bekannt Telefonnummer bekannt Mobilnummer bekannt Vertragsdaten: Kontakthistorie: Faxnummer bekannt Anzahl Verträge aktuell Anzahl Kontakte insgesamt URL bekannt Anzahl XXX-Verträge Anzahl Kontakte Outbound Email-Provider Kunde seit Anzahl Kontakte Inbound Bankengruppe Gesamtumsatz Anzahl Kontakte Mahnung Umzug Medium ErstvertragFolie 23
  24. 24. Ergebnis des Score-Modells(jeder Balken bildet 5% der Kunden ab) Lesebeispiel: Von den 5 % affinsten Kunden haben 54 % schon einen Kunden in der Vergangenheit geworben Folie 24
  25. 25. Übertragung des Modells auf den aktuellenKundenbestand Das ermittelte Modell ist eine Formel (Modellgleichung), die auf die aktuellen Kundendaten übertragen werden kann. Somit wird für jeden Kunden ein Score-Wert berechnet. Für die Freund- schaftswerbungs- Es können unter- Mithilfe einer aus- ansprache werden vor schiedliche Prä- reichend großen allem hoch affine mienangebote Kontrollgruppe Kunden selektiert, es und Kundenan- kann der wird aber auch ein sprachen mitein Nettoeffekt der Querschnitt von eher ander verglichen Maßnahme nach- weniger affinen Kunden. werden. gewiesen werden.
  26. 26. Beispiel für eine Selektion Folie 26
  27. 27. Reaktion: Recency Anzahl  Kunden   ReakGonsquote  125.000   10,66%   9,66%  100.000   7,30%   6,79%   6,55%   75.000   50.000   3,98%   2,46%   25.000   1,78%   0,41%   0   bis  1  Monat   1-­‐3  Monate   4-­‐6  Monate   7-­‐9  Monate   10-­‐12   1-­‐2  Jahre   2-­‐3  Jahre   >  3  Jahre   kein  Au@rag   Monate   Folie 27
  28. 28. Reaktion: Anzahl Aufträge Anzahl  Kunden   ReakGonsquote  100.000   16,02%   75.000   9,46%   50.000   6,73%   5,23%   4,37%   25.000   3,57%   2,94%   2,13%   0,41%   0   0   1  Au@rag   2  Au@räge   3  Au@räge   4-­‐5  Au@räge   6-­‐7  Au@räge   8-­‐10  Au@räge   11-­‐15  Au@räge  >  15  Au@räge   Folie 28
  29. 29. Reaktion: Umsatz Anzahl  Kunden   ReakGonsquote   75.000   10,78%   50.000   6,91%   5,70%   5,01%   4,07%   3,80%   25.000   3,30%   2,82%   2,45%   2,11%   0,41%   0   kein  Umsatz   1  -­‐  50  EURO   50-­‐100  EURO   100-­‐150   150-­‐200   200-­‐300   300-­‐400   400-­‐500   500-­‐750   750-­‐1000   >  1000  EURO   EURO   EURO   EURO   EURO   EURO   EURO   EURO   Folie 29
  30. 30. Score   Adressmenge   Anteil   Selek1onsmenge   Krea1on  A   Krea1on  B   Umsetzung Score-Modell 0  -­‐  5%   434.335   0,2%   1.000   900   100   Adressmenge  zum  Test  des  Scores  in   5  -­‐  10%   263.478   0,4%   1.000   900   100   10  -­‐  15%   95.374   1,0%   1.000   900   100   unteren  Gruppen   15  -­‐  20%   72.154   1,4%   1.000   900   100   20  -­‐  25%   56.687   88%   49.707   44.736   4.971   25  -­‐  30%   42.720   100%   42.720   38.448   4.272   30  -­‐  35%   36.158   100%   36.158   32.542   3.616   35  -­‐  40%   30.744   100%   30.744   27.670   3.074   40  -­‐  45%   28.293   100%   28.293   25.464   2.829   45  -­‐  50%   26.220   100%   26.220   23.598   2.622   50  -­‐  55%   24.654   100%   24.654   22.189   2.465   55  -­‐  60%   23.605   100%   23.605   21.245   2.361   Einsatz-Menge 60  -­‐  65%   23.084   100%   23.084   20.776   2.308   (Testdesigns für 65  -­‐  70%   22.362   100%   22.362   20.126   2.236   70  -­‐  75%   22.346   100%   22.346   20.111   2.235   Lay-Out / 75  -­‐  80%   80  -­‐  85%   21.465   100%   21.487   100%   21.465   21.487   19.319   19.338   2.147   2.149   Ansprachewege) 85  -­‐  90%   21.001   100%   21.001   18.901   2.100   90  -­‐  95%   21.464   100%   21.464   19.318   2.146   95  -­‐  100%   20.690   100%   20.690   18.621   2.069   Total   1.308.321   34%   440.000   396.000   44.000  Die Selektionsmenge von 440.000 Adressen wird aufgeteilt nach:•  396.000 Adressen für Kreation A, davon 3.600 Adressen als Testmenge zur Überprüfung des Score- Modells•  44.000 Adressen für Kreation B, davon 400 Stück Adressen zur Überprüfung des Score-Modells Folie 30
  31. 31. Vergleich Scoring mit bisheriger SelektionSelektionsmenge von 440.000 Adressen 4.000 Adressen Testmenge 90.374 Adressen nach bisherigem Selektions-Modell (letzte Bestellung) 349. 626 Adressen Schnittmenge 86.374  Adressen  nach  Score-­‐Modell   Folie 31
  32. 32. Mathematisches Scoring der inaktiven Kunden(Reaktiverungsquote) Es ist möglich die Kunden nach Ihrer Reaktionswahrscheinlichkeit (in diesem Fall Reaktivierungswahrscheinlichkeit zu scoren und somit zu selektieren 95-­‐100%   90-­‐95%   85-­‐90%   80-­‐85%   75-­‐80%   70-­‐75%   65-­‐70%   60-­‐65%   55-­‐60%   50-­‐55%   45-­‐50%   40-­‐45%   35-­‐40%   30-­‐35%   25-­‐30%   20-­‐25%   15-­‐20%   10-­‐15%   5-­‐10%   0-­‐5%   32
  33. 33. Ergebnistabelle – Basis für die Auflagenplanung In der Abgleichtabelle werden die relevanten Kundensegmente ausgewählt. Hohe Abdeckungen und hoher Score werden als Auswahlkriterien verwendet. Selektions Menge Folie 33
  34. 34. Gesamtsicht   Ansprache  1   Ansprache  2  •  Bei  fast  allen  Ansprachen(bis  auf   Ansprache  5)  wurde  ein   Effizienzgewinn  gemessen.   Ansprache  4  •  Der  Umsatz  je  versendetem   Ansprache  3   Medien  ist  auf  ca.  8-­‐12  Euro   gesGegen.  •  Bei  einem  Deckungsbeitrag  von   15%  ergibt  sich  somit  je  Auflage   ein  DB  von  1,20    bis  1,80  Euro  je   Ansprache.   Ansprache  5   Ansprache  6   Folie 34
  35. 35. Score-Modell-Ergebnis IEs kann ein guter Score erstellt werden, der in den Top-Gruppen (Top 5% derKunden) einen mehr als dreimal so hohen Response bringt als im Durchschnittund in den schlechteren Gruppen eine sehr geringe Responsequote – einFünftel des Durchschnittsresponse. Folie 35
  36. 36. Score-Modell-Ergebnis II – ROI BetrachtungFür die Modellierung des ROI wird angenommen, dass 50% der Reagierer durch dasMailing erzeugt wurden, ein Deckungsbeitrag von 50% auf dem Nettoumsatz vorliegt unddas Mailing 35 Cent kostet.Es ergibt sich dann ein ROI von 230% für diese Aktion. Folie 36
  37. 37. Score-Modell-Ergebnis ROI-OptimierungWenn die schlechtesten 25% der Adressen nicht berücksichtigt werden so ergibt sich eineSteigerung des ROI um 18 Prozent auf 273 % . Folie 37
  38. 38. Mögliches SzenariumDas eingesparte Geld kann in mehr Aktionen verwendet werden, die an die guten Kundenverschickt werden.Wenn von den 1,4 Mio. Adressen die besten Adressen 8-mal im Jahr eingesetzt werdenund die verbleibenden schlechten Adressen 3 mal im Jahr eingesetzt werden, so ergibtsich – bei gleichen Kosten zu einer 6-maligen Ansprache aller Adressen (es werden 8,4 Mio.Mailings durchgeführt) – eine theoretische Steigerung des Deckungsbeitrages um 640.000Euro. Differenz : 5.567 Kunden DB: 115 Euro 6 * i m Jahr ~ 58.448 Kunden Summe: 640.000 Euro Folie 38
  39. 39. KontaktMarAnConGesellschaft für Marketing, Analysen und Consulting mbHKönigswinterer Str. 41853227 BonnMeinert JacobsenT: +49 (0) 228-338300-00F: +49 (0) 228-338300-99M: +49 (0) 151-15675483E: meinert.jacobsen@marancon.deI: www.marancon.deFolie 39
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×