1 Customer Relationship Management ein Bezugsrahmen 3

Größe: px

Ab Seite anzeigen:

Download "1 Customer Relationship Management ein Bezugsrahmen 3"

Lorenz Graf
vor 5 Jahren
Abrufe

1 D3kjd3Di38lk323nnm xv Teil A Grundlagen und Methoden 1 1 Customer Relationship Management ein Bezugsrahmen Die Entwicklung zum kundenzentrierten Unternehmen Ziel und Kernkonzepte des CRM Ziel: Profitable Kundenbeziehungen schaffen und entwickeln Vom Kundennutzen zum Kundenwert Beziehungsmarketing Integration des Wissens über den Kunden Wie schafft man profitable Kundenbeziehungen? Die Loyalitätsleiter Basisstrategien des Customer Relationship Management Von der CRM-Strategie zum CRM-System Erfolg von CRM-Projekten Customer-Relationship-Management-Systeme Gestaltung von CRM-Systemen CRM-Anwendungssysteme Customer Relationship Analytics aus Kundenbeziehungen lernen Kundenwünsche erkennen und fördern Typisierung von Kaufentscheidungen Wie entsteht die Nachfrage? Kundenbewertung und -profilerstellung Kundenbewertung Kundenprofilerstellung Peter Neckel / Bernd Knobloch, Customer Relationship Analytics, dpunkt.verlag, ISBN

2 xvi 2.3 Kundensegmentierung Markt- oder Kundensegmentierung? Anforderungen an Segmentierungskriterien Überblick über die wichtigsten Segmentierungskriterien Bewertung der Segmentierungskriterien Zielgruppenselektion Marktbearbeitung Systematisierung der Marketinginstrumente Erläuterung ausgewählter Marketinginstrumente Überblick über Datenanalyseansätze, -verfahren und -werkzeuge Hypothesengetriebene Analysen: Top-down-Probleme Datengetriebene Analysen: Bottom-up-Probleme Grundlegende Datenanalyseansätze Wichtige Datenanalysefunktionen Datenanalyseverfahren und -werkzeuge Datenquellen für Customer Relationship Analytics Aufgaben der Marketingforschung In welchen Daten verbirgt sich Kundenwissen? Primärforschung Sekundärforschung Social Media Social Media als Kommunikationskanal Social Media Marketing Social Media als Datenquelle Social Media Analytics Big Data Menge, Vielfalt, Geschwindigkeit die Kennzeichen»großer Daten« Potenziale und Anwendungsbeispiele Technik und Methoden zum Umgang mit Big Data

3 xvii Teil B Voraussetzungen für erfolgreiches CRA Datenqualität Datenqualität ein Erfolgsfaktor für die Datenanalyse Was ist Datenqualität? Datenqualitätsprobleme und ihre Folgen Problemursachen: ungeeignete und fehlerhafte Daten Transaktions- oder analyseorientierte Datenverarbeitung? Vermeidung und Beseitigung von Datenqualitätsmängeln Klassifikation von Datenqualitätsproblemen Verfügbarkeit notwendiger Daten Inhalt verfügbarer Daten Repräsentation verfügbarer Daten Data Warehousing und Stammdatenmanagement Vermeidung der Ursachen von Datenqualitätsproblemen Motivation für die Prozessoptimierung Was man tun kann Zwölf ausgewählte»best Practices«zur Datenqualitätssicherung Datenschutz Datenschutz aus Kundensicht Datenerhebung der Privatwirtschaft Was wünschen sich die Kunden? Datenschutz aus Unternehmenssicht Was ist Datenschutz? Anwendungsbereich des BDSG Grundregeln des Datenschutzes Umgang mit personenbezogenen Daten im Rahmen des BDSG Gestaltungshinweise für ein modernes Datenschutzkonzept Peter Neckel / Bernd Knobloch, Customer Relationship Analytics, dpunkt.verlag, ISBN

4 xviii 6 Gestaltung des Analyseprozesses Versuch und Irrtum: der lange Weg zum»golden Nugget« Prozesskomplexität Typische Fragen im Ablauf von Datenanalyseprozessen Iterativ-inkrementelles Vorgehen bei der Datenanalyse Ausgewählte Lösungsansätze Prozessmodelle für die Datenanalyse Anbindung an ein Data-Warehouse-System Automatisierung von Analyseszenarien oder -schritten Best Practices und Erfahrungswissen Teil C Analysefälle und Analyseszenarien Ein Beschreibungsrahmen für Analysefälle und Analyseszenarien im CRM Vom CRM-Problem zur analytischen Fragestellung Identifikation von CRM-Problemen Systematisierung und Konkretisierung von CRM-Problemen Operationalisierung von CRM-Problemen durch Analyseziele Analyseprobleme und Analysefälle Analyseproblem: Welche Analyse soll ausgeführt werden? Analysefall: Wie wird die Analyse ausgeführt? Das Konzept im Überblick Verkettung von Analyseproblemen Die Bedeutung des»analytischen Werkzeugkastens« Der Datenanalysezyklus Realisierung von Analyseketten Prozessmodelle für die Datenanalyse Handlungsschema für betriebliche Datenanalyse- projekte Knowledge Discovery in Databases (KDD) Interessantheit von Analyseergebnissen Roadmaps für Customer Relationship Analytics

5 xix 8 Analysefälle Kundenbewertung und -profilerstellung Fall 1: Welche Kunden sind aktuell am wertvollsten? Fall 2: Welche Kunden werden in Zukunft am wertvollsten sein? Fall 3: Welche (potenziellen) Kunden sind betrugsverdächtig? Fall 4: Welche Artikel werden zusammen gekauft? Fall 5: Welche Artikel werden (warum) zurückgesendet? Kundensegmentierung Fall 6: Welche Kundengruppen lassen sich anhand des Deckungsbeitrags unterscheiden? Fall 7: Anhand welcher Kriterien können welche Kundengruppen identifiziert werden? Marktbearbeitung Fall 8: Welche Zielgruppe eignet sich für eine Direktmailingaktion? (hypothesengetrieben) Fall 9: Welche Zielgruppe eignet sich für eine Direktmailingaktion? (datengetrieben) Fall 10: Wann ist der geeignete Zeitpunkt, einen Kunden anzusprechen? Fall 11: Wie können Produkte möglichst effektiv präsentiert werden? Analyseszenarien Warenkorbanalyse Voruntersuchungen Warenkorbsegmentierung Segmentbeschreibung Verbundkaufanalyse Auswahl von Aktionsartikeln Werbemittelgestaltung Werbewirkungskontrolle Zusammenfassung Peter Neckel / Bernd Knobloch, Customer Relationship Analytics, dpunkt.verlag, ISBN

6 xx 9.2 Kundenrückgewinnung Kundenrückgewinnung als Basisstrategie des CRM Ziele der Rückgewinnung Vorstellung des Szenarios Teil D Anhang 377 A Abkürzungsverzeichnis 379 B Glossar 381 C Literaturverzeichnis 393 Index 411

Ähnliche Dokumente

Customer Relationship Analytics

Peter Neckel Bernd Knobloch Customer Relationship Analytics Praktische Anwendung des Data Mining im CRM dpunkt.verlag c Inhaltsverzeichnis Teil A Grundlagen und Methoden 1 Customer Relationship Management