CRM intern - Mit Data-Mining die besten Kunden finden

Transkript

1 Hans-Peter Höschel 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. CRM intern - Mit Data-Mining die besten Kunden finden Data-Mining für Marketing und Vertrieb - einfach erklärt Korrekturen: Mit Data-Mining die besten Kunden finden S. 32,2Zeile v.u.: Aufträgen =>Kredit-Anträgen S. 53, 3Zeile v.u.: über 2000 Spendenorganisationen S.163, 2.Absatz: 5000 => 100 S.258: Tabelle 2: 200 =>204 S.259: Tabellen Seitenmitte (Mio ) => ( ) (T /Person) => ( /Person) ScoreXpert Edition

2 Inhalt 1. HEREIN SPAZIERT L Wie man die besten Kunden findet 2. KARRIERE- UND BERUFSAUSSICHTEN IM DATA-MINING Verdienst-Möglichkeiten im Data-Mining Was erwartet dich in deinem Job? DATA-MINING -WEN INTERESSIERT'S? WAHRSCHEINLICHKEITEN? WILLKOMMEN IM DATA-MINING KLEIN-KREDITE - TROTZDEM MILLIONEN VERDIENEN VERSANDKATALOGE VERSCHICKEN - WENIGER IST MEHR STAUBSAUGER-VERTRETER NUTZEN DATA-MINING? VERSICHERUNGEN: SCHADENS-FREIHEITSRABATT TAXIERT STATISTIK UND DATA-MINING IM GESCHÄFTSLEBEN DATA-MINING NACH BRANCHEN Versandhandel Stationärer Handel Telekommunikation Banken und Sparkassen Versicherungen Bausparkassen Zeitungen und Zeitschriften Spenden-Organisationen Luftfahrt Lotterie-Unternehmen Markenartikel Auto-Industrie Energie-Unternehmen TANTE EMMA WIRBT FÜR NEUE TÜTENSUPPE TANTE EMMA OPTIMIERT ZIELGRUPPEN Verkäufer setzen Prioritäten mit Bauch-Gefühl- Wahrscheinlichkeiten Tante Emmas Arbeitsanleitung für Optimierung von Zielgruppen KAUFT ER? KAUFT ER NICHT? - REAKTIONS-VARIABLE KAUF-WAHRSCHEINLICHKEITEN UND WETTERPROGNOSEN HÖHERER GEWINN DURCH OPTIMALE KUNDEN-AUSWAHL Optimale Kunden-Auswahl Hohe Reaktionsraten - trotzdem Verluste 82

3 16. FUNDAMENTALSATZ FÜR KUNDEN-SELEKTIONEN - DIE OPTIMALE REAKTIONSRATE Die optimale Reaktionsrate bei Werbeaktionen Werbeflut - oder der Markt ist ausgelutscht TANTE EMMAS ERSTES DATA-MINING- DIE RFM-METHODE DATA-MINING IST KEINE BUCHHALTUNGS-MATHEMATIK ZIELGRUPPEN-MEHR ALS EINFACHE EXCEL-ABFRAGEN SECHSER-PACK BIER UND BABY-WINDELN ZIELORIENTIERTES DATA-MINING DR. EISENBARTS DATA-MINING FÜR LIEBESKRANKE DATA-MINING-ALGORITHMENUNDAUTOMOTOREN ZENTRALE KUNDEN-TABELLEN - ANONYMISIERTE KUNDENDATEN VEREHRTES FRAÜLEIM"- DATEN IN DER PRAXIS DATEN-PRÜFUNG - 254%" IST IRRSINNIG HÄUFIG WAS HAT DATA-MINING MIT WURST zu TUN? SEMMA- SCHREIBFEHLER FÜR TANTE EMMA? STICHPROBEN - DER TRICK DER STATISTIKER STICHPROBEN - ODER WIE MAN POLITBAROMETER HINDREHT SCORING"- SIPPENHAFT FÜR VERBRAUCHER? TRAININGS-UND TEST-DATEN Trainings-Daten Test-Daten Vergleich Data-Mining und Statistik KONTROLLGRUPPEN UND PLACEBOS, WIE IN DER MEDIZIN Werbemenge und Ausschluss-Kriterien Brutto-und Netto bei Reaktionsraten Kontrollgruppen - ein rotes Tuch für manche Manager DATA-MINING-MODELLE = BLINDE KANONE FÜR'S HASEN-SCHIESSEN Die lineare Geradezu-Data-Mining-Kanone Nicht-geradezu Hasen-Schiessen Etwas zum Mann auf dem 10 Mark Schein NEURONALE NETZE-ÜBERTRAINIERTE STREBER Übertrainieren - Mathematischer Hintergrund EXTERNE DATEN ZU KUNDEN UND ADRESSEN Marketing-Daten Listbroker Bonitäts-Daten DATA-MINING-PROJEKTE: KLEINER AUFWAND - GROSSER NUTZEN Materielle Voraussetzungen Der Data-Mining-Rechner 174

4 37.3 Das Data-Mining-Projekt Das Data-Mining-Team 176 Data-Mininq Verfahren ENTSCHEIDUNGSBÄUME Wie funktioniert ein Entscheidungsbaum Ein Blatt an einem Entscheidungsbaum Ausblick für Entscheidungsbäume Pro- und Contra bei Entscheidungsbäumen HABEN KÜNSTLICHE NEURONALE NETZE INTELLIGENZ?? '1 Natürliche Neuronale Netze Wie funktionieren künstliche Neuronale Netze Umfang künstlicher Neuronaler Netze Back-Propagation - Neuronale Netzler erfinden das Rad neu Heutige Grenzen künstlicher Neuronaler Netze Wofür kann man Neuronale Netze einsetzen Pro und Contra zu künstlichen Neuronalen Netzen bei der Kunden-Analyse Kurze Geschichte der Künstlichen Neuronalen Netze PUNKT-WERTUNGEN-GENIAL EINFACH Scoring für Tütensuppe Punkt-Wertung - Scoring intern NUMERISCHE DATEN-SPALTEN NOMINALE DATEN-SPALTEN VARIABLEN-SELEKTION-MODELL-WAHL MATRIX-SCORING Warum Scoring besser ist, als Neuronale Netze Pro und Contra zum Scoring WECHSELWIRKUNGEN ODER KOMBINIERTE MERKMALE DATA-MINING-VERFAHREN - PLUS UND MINUS 218 HJ. Data-Mininq ganz unten auf Sohle 7 - Daten bereitstellen und Qualität sichern ERKUNDUNG UND DATEN-REDUKTION Daten-Visualisierung Daten-Reduktion durch Cluster-Analysen Daten-Reduktion durch Faktoren-Analysen Was bleibt im täglichen Data-Mining 230

5 44. DATEN-PRÜFUNG - STIEFKIND DER IT-LER 44.1 Numerische Daten und was sind Perzentile 44.2 Blaue Augen" = Kategoriale Daten 44.3 Stichproben bei der Daten-Prüfung von ZKT 44.4 Führende Nullen? Sind das die IT-Manager? 45. ANALYSE-DATEN UND DATA-MINING-UMSETZUNG 45.1 Produkt-Affinitäten 45.2 Saison-Effekte 45.3 Zeitdruck - die Zeitscheiben müssen zusammenfallen" 46. DATEN-PRÜFUNG IST CHEF-SACHE 47. MODIFIKATION DER DATEN 47.1 Datumsvariable und Altersangaben Kinder? Numerische Daten mit wenig Werten 47.3 Differenz-Variable 48. WARUM ZENTRALE KUNDEN-TABELLEN SO GROSS WERDEN KÖNNEN ^ Verrückte Prozente * * * Bett-Hupferl für alle, die meinen. Prozent-Rechnung zu können 49. DIE TEILE WACHSEN, DOCH DAS GESAMTE SCHWINDET 50. BLÜHENDE LANDSCHAFTEN" - DAS KANN JA NOCH EWIG DAUERN Anhang DENGLISCH UND DEUTSCH KURZLEXIKON LITERATUR Internet-Quellen Sachbücher Fachartikel Zeitungsartikel und Vorträge Publikationen zu Kredit-Scoring und Datenschutz Schöne Literatur