Die Relevanz digitaler Footprints für zukünftiges CRM

Transkript

1 Die Relevanz digitaler Footprints für zukünftiges CRM Gastvortrag im Rahmen der FIM-Masterveranstaltung "Value-Based Customer Relationship and Process Management" Augsburg,

2 Kundendefinition & Kundenwert Gastvortrag im Rahmen der FIM-Masterveranstaltung "Value-Based Customer Relationship and Process Management" Augsburg,

3 Wer seine Kunden kennt, kann den Einsatz von Mitteln, Budget und Ressourcen gezielt auf relevante Kundengruppen ausrichten und sein Kundenportfolio bestmöglich steuern. Leistungsbeschreibung Mit unserem ganzheitlichen Customer Intelligence Konzept unterstützen wir Sie vom Aufbau einer unternehmensweiten Kundendefinition bis zum Einbinden der Kundenziele in eine adäquate Vergütungsstruktur Einbindung von Kundenzielen in Vergütungsmodelle Aufbau einer stringenten Kundendefinition Entwicklung von Kundenzufriedenheits/- und Loyalitätsprogrammen Kundenzählung und Reporting Churn-Management über Vorhersagemodelle für Loyalität Kunde Kundenwertanalyse/ -scoring Cross- und Up-Selling Potentiale über Predictive Analytics ermittteln Kundensegmentierung /Clustering Kundendefinition & Kundenwert Seite 3

4 Auswirkungen der zugrunde liegenden Kundendefinition an konkreten Beispielen Herr Mustermann schließt für seine Frau eine Lebensversicherung ab Wer ist unser Kunde? "Versicherungsnehmer" 1 Kunde: Herr Mustermann "Versicherte Personen" 1 Kunde: die versicherte Frau "Versicherungsnehmer" + "Versicherte Personen" 2 Kunden: Herr Mustermann und seine Frau Kundendefinition & Kundenwert Seite 4

5 Auswirkungen der zugrunde liegenden Kundendefinition an konkreten Beispielen Die selbständige Architektin schließt für ihren Beruf eine Berufshaftpflichtversicherung ab, privat hat sie eine KFZ-Versicherung Wer ist unser Kunde? Trennung zwischen B2B und B2C 2 Kunden (Architektin und Privatperson) Gemeinsame Betrachtung über B2B und B2C hinweg 1 Kunde Kundendefinition & Kundenwert Seite 5

6 Auswirkungen der zugrunde liegenden Kundendefinition an konkreten Beispielen John Smith schließt eine private Rechtschutzversicherung für sich ab, seine Frau Jane und seine beiden Kinder (13 und 22) sind inkludiert. Herr Smith und Frau Smith dürfen in Marketingkampagnen zu Cross & Up-Selling angesprochen werden Wer ist unser Kunde? Versicherungsnehmer 1 Kunde: John Smith Versicherte Personen die für Werbezwecke kontaktiert werden dürfen 2 Kunden: John Smith und Jane Smith Versicherte Personen mit unbeschränkter Geschäftsfähigkeit 3 Kunden: John Smith, Jane Smith und das 22 jährige Kind Versicherte Personen 4 Kunden: Ganze Familie Kundendefinition & Kundenwert Seite 6

7 Auswirkungen der zugrunde liegenden Kundendefinition an konkreten Beispielen Walmart schließt für seine 2 Mio. Mitarbeiter eine Betriebshaftpflicht ab. 5 Ansprechpartner sind namentlich bekannt und dürfen für Werbezwecke angesprochen werden Wer ist unser Kunde? Versicherungsnehmer 1 Kunde: Walmart Versicherte Personen die für Werbezwecke kontaktiert werden dürfen 6 Kunden: Walmart als juristische Person + die 5 Ansprechpartner Versicherte Personen Kunden: Walmart als juristische Person und die 2 Mio. Mitarbeiter Kundendefinition & Kundenwert Seite 7

8 Die Kundenwert als Grundlage der wertorientierten Kundensicht kommt heute in der Assekuranz in verschiedenen Szenarios zum Einsatz Einsatzszenarios Customer Value 1. 1 Customer Segmentation 2. 2 Retention Analysis 3. 3 Win Back Management 4. 4 Portfolio Cleaning 5. 5 Next best action Kundendefinition & Kundenwert Seite 8

9 Social Media Analytics als Basis für Social-CRM Gastvortrag im Rahmen der FIM-Masterveranstaltung "Value-Based Customer Relationship and Process Management" Augsburg,

10 Gliederung 1 Social Media Analytics vs. Social Media Monitoring 2 Framework zur Generierung von Insights aus Social Media Analytics 3 Social Media Analytics als Basis für Social CRM Social Media Analytics als Basis für Social-CRM Seite 10

11 1 Social Media Analytics vs. Social Media Monitoring

12 Social Media Analytics findet die relevanten Inhalte aus Social Media Social Media Monitoring Social Media Analytics Suche nach Schlüsselbegriffen Suchanfragen durch logische Verknüpfungen von Schlüsselwörtern Resultate fehleranfällig, schwer interpretierbar, oft nicht relevant Suche nach relevanten Inhalten Text Mining filtert nach Relevanz Auflösung von Mehrdeutigkeiten Kategorisierung von Inhalten auf unterschiedlichen Ebenen Sentiment: auf der Ebene "Text" Sentiment: kontextbezogen nach Kategorien (z.b. Service, Preis) Rasche Schlagwortsuche im Social Web Finden relevanter Inhalte als wichtige Basis für CRM und Marketing In Anlehnung an SAS Institute Social Media Analytics als Basis für Social-CRM Seite 12

13 Quellen Social Media Analytics liefert Mehrwert für den Kunden durch Relevanz und Genauigkeit Höhere Genauigkeit und besseres Verständnis Taxonomien & Konzepte Influence & Engagement Sentiment Textcluster und Textsegmente Text Analytics ermöglicht automatisierte, einheitliche und transparente Stukturierung und Analyse der Inhalte Relevanz für exaktes Customer Listening Umfragedaten Blogdaten Webdaten Rezensionen Call Center Logs Mediadaten Suche, Cleansing, Integration und Speicherung von Social Media Inhalten mit Relevanz In Anlehnung an SAS Institute Social Media Analytics als Basis für Social-CRM Seite 13

14 Relevanz der Dokumente wird durch linguistische Regeln bestimmt "Schlimme Aussichten für die #Lebensversicherung, jetzt erwischt es auch die #Allianz. Davor warne ich bereits seit Jahren." (DIST_25, _def{allianz}, _def{versicherungskorpus}, (NOT, def{dropallianz})) In Anlehnung an SAS Institute Social Media Analytics als Basis für Social-CRM Seite 14

15 Taxonomien dienen der Kategorisierung relevanter Dokumente Corporate Reputation Brand Loyalty Campaigns Customer Service Insurance Company Policy and Coverage Claims Agents and Brokers Home Insurance Car Insurance Health Insurance Life Insurance Other Insurance Social Media Analytics als Basis für Social-CRM Seite 15

16 Einzelne Dokumente können mehreren Kategorien zugeordnet werden und unterschiedliche Tonalitäten aufweisen Allianz Produkte Kundenservice Kfz-Versicherung Lebensversicherung Haftpflichtversicherung "Die Vollkasko der Allianz ist zwar teurer als andere, aber das lohnt sich trotzdem für meinen VW Golf. Bei meinem Unfall neulich haben die keine Minute gezögert, alles professionell und schnell reguliert. Der Service ist echt klasse, die Mitarbeiter sind supernett und hilfsbereit. Was will man mehr Produkte Allianz Kundenservice In Anlehnung an SAS Institute Social Media Analytics als Basis für Social-CRM Seite 16

17 2 Framework zur Generierung von Insights aus Social Media Analytics

18 Drei Schritte zur Identifikation von Insights aus Social Media Analytics Vorgehensmodell zur Identifikation und Evaluation von Insights aus Social Media Analytics Ziele Erkenntnisse aus der Analyse von Social Media Inhalten erzielen Social Media Inhalte geschäftsrelevanten Kategorien zuordnen Evaluieren des Mehrwerts von Business-Entscheidungen, die auf Basis von Social Media Analytics getroffen werden Vorgehen 1. Explorative Datenanalyse (Text Mining): Extraktion von Text Topics nach Social Media Quellen, Sentiments usw. 2. Strukturierung der Inhalte in ausgewählte Targetbereiche 3. Evaluation der Insights und Ableiten von Aktionen Ergebnis Besseres Verständnis von unternehmensrelevanten Social Media Daten: Strukturelles Framework gefüllt mit Insights aus Social Media Relevanz von Social Media bezüglich bestimmter Targetbereiche Wert von Social Media Analytics für das Unternehmen: Wichtigste Erkenntnisse aus SMA evaluiert und sortiert Identifikation von Managemententscheidungen zum Generieren von Mehrwert Social Media Analytics als Basis für Social-CRM Seite 18

19 Mögliche Targets zur Strukturierung relevanter Dokumente einer Versicherung sind: Sales, Products, Services, Brand und Sonstige Sales Product Service Brand Others Targets Verkaufskanäle (Makler, Banken, direkt) Interesse an Produkten (Leads) Qualität Schadensmeldung und -bearbeitung Reputation Preis Vertragsmanagement Kampagnen (Marke/ Image) Kampagne Verbreitung Homepage/Webportal/ Call Center Sponsoring Soziales Engagement Karriere Sadipscing Consetetur sadipscing elitr. sed diam nonumy eirmod tempor invidunt ut labore et dolore Presseberichte Social Media Analytics als Basis für Social-CRM Seite 19

20 Es existieren fünf Key Business Benefits aus Social Media Analytics, die verschiedene Bereiche des CRM unterstützen Operatives CRM Analytisches CRM Kommunikatives CRM Wettbewerbsanalysen in Social Media Neugeschäft durch Identifikation von Leads und Trends Neues Wissen: Den Kunden und seine Bedürfnisse besser verstehen Mit Kunden bzw. potenziellen Kunden in direkte Interaktion treten Reputationsrisiken frühzeitig erkennen und aktiv entgegenwirken Social Media Analytics als Basis für Social-CRM Seite 20

21 3 Social Media Analytics als Basis für Social CRM

22 Social CRM verlangt einen ganzheitlichen Ansatz auf Basis systematischer, kontinuierlicher Analyse und konsequenter Interaktion/Kommunikation Social CRM Social CRM is a philosophy and a business strategy, supported by a technology platform, business rules, workflow, processes and social characteristics, designed to engage the customer in a collaborative conversation in order to provide mutually beneficial value in a trusted and transparent business environment. It s the company s response to the customer s ownership of the conversation. Quelle: Paul Greenberg, CRM at the Speed of Light, 2009 Social Media Analytics als Basis für Social-CRM Seite 22

23 Social Media Analytics bildet die Basis für Social CRM Social Media Daten Ressourcen für Social CRM Inhalt eines Posts: Schlüsselwörter, Topics Metadaten: Autor, Quelle, Sprache, Land Profildaten: , Hobbies, Interessen Profilmetadaten: Freunde, Aktivitäten, Gruppen Vernetzung: Rolle des Autors, Influenz und Beziehungen teils strukturiert strukturiert Daten über Autoren Marktsegmentierung Anreichern traditioneller Merkmale um z.b. Influence Score Personalisierte Kommunikation: Person/Kunde, Verlauf der Kundenbeziehung, Wünsche des Kunden, Daten aus Inhalten Kundensegmente verstehen: Erwartungen, Meinungen Relevante Ereignisse erkennen (Notwendige) Interaktionen starten CRM-Anwendung Information teilen, z.b. über Produkte Entdecken, Erweitern und Bewerten von Wissen als Basis für S-CRM Interaktionskanal mit dem Kunden (Service, Verkauf, Beratung) Plattform für Zusammenarbeit, z.b. Produktverbesserungen In Anlehnung an: O. Reinhold und R. Alt: Social Customer Relationship Management: State of the Art and Learnings from Current Projects, 2012 Social Media Analytics als Basis für Social-CRM Seite 23

24 Social CRM kann sowohl in der Entscheidungsphase, der Verkaufsphase als auch im Customer Service angewendet werden Entscheidungsphase Verkaufsphase Customer Service Konsumententrends identifizieren Produktpalette anpassen Produktverwendung verstehen Werbung für Angebote Verbreitung von Kundenrezensionen Kunden werden interaktiv angesprochen Weiterer Verkaufskanal Support für Kundenbindung Antwort auf Kundenfeedback Kanal für direkte Kommunikation Eingehen auf Kundenwünsche Verbesserung des Customer Service Einbeziehung von Partnern Quelle: R. Alt, O. Reinhold: Social Customer Relationship Management (Social CRM), 2012 Social Media Analytics als Basis für Social-CRM Seite 24

25 Social Media Analytics hat großes Potenzial für viele weitere Anwendungen des Social CRM und darüber hinaus herangezogen zu werden Weitere potenzielle Anwendungen für Social Media Analytics 1. 1 Churn Prevention / Retention Analysis 2. 2 Customer Value Calculation 3. 3 Fraud Detection / Social Network Analysis 4. 4 Real-Time Decisions 5. 5 Your Ideas?!? Social Media Analytics als Basis für Social-CRM Seite 25

26 Big Data Rating Gastvortrag im Rahmen der FIM-Masterveranstaltung "Value-Based Customer Relationship and Process Management" Augsburg,

27 Was ist der Nutzen von Big Data? Quelle: Hoge, Wilfried: Big Data and database technologies, 2013, IBM Corporation Big Data Rating Seite 27

28 Variety am Beispiel Social Media Information Big Data Rating Seite 28

29 Velocity und Volume am Beispiel Social Media Information Big Data Rating Seite 29

30 Was ist die (unternehmerische) Konsequenz, um einen Mehrwert zu erzielen? Quelle: Hoge, Wilfried: Big Data and database technologies, 2013, IBM Corporation Big Data Rating Seite 30

31 Big Data Welche Big Data Ausprägungen haben Relevanz für die Versicherungswirtschaft? Big Data Rating Seite 31

32 metafinanz untersucht in Zusammenarbeit mit Versicherungskunden den Nutzen und die technische Integrationsmöglichkeit von Big Data Datenhaltung Applikationen Next Best Offer Kundenindividuelle Scorecard in Echtzeit am Point of Sales (Portale + mobile Apps) Telematics In der Kraftversicherung werden Fahrzeugsdaten für die Tarifierung genutzt Social Media Analytics Reputationsmanagement Generierung neuer Produkt-Ideen Wettbewerbsmonitoring Kampagnenmanagement Products on Demand Event-gesteuerte individuelle Versicherungsprodukte Beispiele für reale Big Data Use Cases Betrugserkennung Systematische Analyse von unstrukturierten Daten: Belegen, Rechnungen, Kommunikation und Netzwerken Core Systeme Bestandsführung Schadenmanagement Posteingang Klassische Datenbanken Hadoop Portale Mobile Apps Dispositive Systeme Quelle: eigene Darstellung Big Data Rating Seite 32

33 Herzlichen Dank! metafinanz Informationssysteme GmbH Leopoldstraße 146 D München Phone: Fax: Solvency II: Nachlesen und Mitdiskutieren! Besuchen Sie uns auch auf: