Prof. Dr. Oliver Schwarz diupp / HS Heilbronn. München, Treffen des diupp Arbeitskreises 1

Transkript

1 Vorstellung Forschungsprojekt: Der Einsatz kundenbezogener Marktreaktionsmodelle mittels Querschnittsdaten zur kurz-, mittel- und langfristigen Absatz- und Umsatzprognose Prof. Dr. Oliver Schwarz diupp / HS Heilbronn München, Treffen des diupp Arbeitskreises 1

2 AGENDA 1. Motivation / Idee 2. Darstellung der zeitreihenbasierten multivariaten Regression 3. Darstellung des Database Marketing als Grundlage für das Marktreaktionsmodell 4. Vorstellung eines kundenbezogenen Marktreaktionsmodells 5. Voraussetzungen für das Forschungsprojekt Treffen des diupp Arbeitskreises 2

3 AGENDA 1. Motivation / Idee 2. Darstellung der zeitreihenbasierten multivariaten Regression 3. Darstellung des Database Marketing als Grundlage für das Marktreaktionsmodell 4. Vorstellung eines kundenbezogenen Marktreaktionsmodells 5. Voraussetzungen für das Forschungsprojekt Treffen des diupp Arbeitskreises 3

4 MOTIVATION / IDEE Problem Bei kurzen Zeitreihen sind keine validen Prognosen mit multivariater Zeitreihenregression möglich Alternativer Lösungsansatz Schätzung individueller Kundenumsätze unter Einsatz von Marktreaktionsmodellen Aggregation der individuellen Kundenumsätze auf Unternehmensebene Zur Validierung der Stärke des Modells: Vergleich multivariate Zeitreihenregression zwischen Marktreaktionsmodell Treffen des diupp Arbeitskreises 4

5 AGENDA 1. Motivation / Idee 2. Darstellung der zeitreihenbasierten multivariaten Regression 3. Darstellung des Database Marketing als Grundlage für das Marktreaktionsmodell 4. Vorstellung eines kundenbezogenen Marktreaktionsmodells 5. Voraussetzungen für das Forschungsprojekt Treffen des diupp Arbeitskreises 5

6 VORGEHEN ZUR IDENTIFIKATION RELEVANTER INDIKATOREN Workshop Indikatorensammlung Datenrecherche Datenaufbereitung / Datenaggregation Korrelationsanalyse mit mehreren Timelags Auswahl relevanter Indikatoren Interkorrelationsanalyse und logische Sinnprüfung Erstellung multivariate Regression Treffen des diupp Arbeitskreises 6

7 In dem Workshop werden logische Zusammenhänge zwischen der Prognosegröße und externen Indikatoren eruiert. WORKSHOP INDIKATORENSAMMLUNG Makro-Indikatoren Indikator y Indikator x Prognosegröße Konjunktur- Indikatoren Branchen- Indikatoren Firmen-Indikatoren Treffen des diupp Arbeitskreises 7

8 In den dargestellten Quellen finden sich relevante volkswirtschaftliche Daten. BEISPIELHAFTE QUELLEN Treffen des diupp Arbeitskreises 8

9 Ziel der Korrelationsanalyse ist es Indikatoren mit hohen Korrelationen zu der Prognosegröße zu identifizieren. KORRELATIONSANALYSE Treffen des diupp Arbeitskreises 9

10 Bei der Interkorrelationsanalyse werden Indikatoren eliminiert, die eine hohe Interkorrelation aufweisen. INTERKORRELATIONSANALYSE Treffen des diupp Arbeitskreises 10

11 Ein Prognosemodell besteht aus mehreren Indikatoren, die auf die abhängige Variable wirken. OUTPUT: MULTIVARIATES REGRESSIONSMODELL R² = 0,95 Bestimmtheitsmaß: Erklärter Anteil der Varianz der abhängigen Variablen durch das Modell. Indikator 1 (x1) Power Tools Indikator 2 (x2) Indikator 4 (x4) Abhängige Variable (Marktvolumen) Indikator 3 (x3) Standardisierte Regressionskoeffizienten. Die Koeffizienten neben den Pfeilen sind die standardisierten Regressionskoeffizienten. Sie können zueinander ins Verhältnis gesetzt werden und zeigen, welcher Indikator wie viel zu der Erklärung des Gesamtmodells beiträgt. Alle Indikatoren müssen signifikant sein: Bei einer Irrtumswahrscheinlichkeit von 5% kann als Faustregel gesagt werden, dass ein Indikator dann einen signifikanten Einfluss hat, wenn die Teststatistik betragsmäßig größer als 2 ist Treffen des diupp Arbeitskreises 11

12 AGENDA 1. Motivation / Idee 2. Darstellung der zeitreihenbasierten multivariaten Regression 3. Darstellung des Database Marketing als Grundlage für das Marktreaktionsmodell 4. Vorstellung eines kundenbezogenen Marktreaktionsmodells 5. Voraussetzungen für das Forschungsprojekt Treffen des diupp Arbeitskreises 12

13 DEFINITION DATABASE MARKETING Database-Marketing ist ein Regelkreis, in dessen Zentrum ein Database- Marketing-System steht. Dabei werden: die bestehenden Daten analysiert, bestehende oder potentielle Kunden möglichst individuell angesprochen, die erzielten Reaktionen nach der Aktion wieder in die Database zurückgeführt, diese Informationen wiederum ausgewertet. Dies mit dem Ziel, dass der ganze Prozess mit einer noch gezielteren Ansprache erneut und immer wieder durchgeführt werden kann und so zu einem langfristigen, interaktiven und individuellen Dialog sowie zu einer Beziehung mit dem Kunden führt. Quelle: In Anlehnung an: Huldi / Kufuß (2000) Treffen des diupp Arbeitskreises 13

14 DER REGELKREIS DES DATABASE MARKETING MARKT-/KUNDENANALYSE Kunden-/Segmentanalyse Kunden-/Segmentselektion Analyse und Selektion potenzieller Kunden Wirkungsanalysen Konkurrenzanalysen individuelle Kundendaten MARKTREAKTIONS- ERFASSUNG ökonomischer Erfolg (Umsätze, Deckungsbeitrag) außerökonomischer Erfolg (Kenntnisse, Anfragen, etc.) strategische Erfolge (Marktanteile, Wettbewerb) Grunddaten MARKETINGPLANUNG Potentialdaten Kommunikation Aktionsdaten Produkt- /Dienstleistungsgestaltung Reaktionsdaten Preis- und Konditionengestaltung Distribution DURCHFÜHRUNG! Quelle: In Anlehnung an: Link / Hildebrand (1993) Treffen des diupp Arbeitskreises 14

15 INHALT EINER MARKETING DATENBANK: GRUNDDATEN Grunddaten Unternehmen Kundennummer Firmenname Anschrift Telefon, Fax, Branche Größe Bonität Rechtsform Produkt-/ Leistungsprogramm Name, Stellung und Adressdaten der Ansprechpartner Privatkunden Kundennummer Name, Anschrift Geburtsdatum Beruf Familienstand Bildungsstand Einkommen Hobbies, Mitgliedschaften Treffen des diupp Arbeitskreises 15

16 INHALT EINER MARKETING DATENBANK: AKTIONSDATEN Kontaktart Außendienst Mailing Katalog Telefonkontakt Veranstaltung /Messe Intensität Inhalte, Botschaften Historie Umfang/Wert der Aktion Dauer des Kundenkontaktes Treffen des diupp Arbeitskreises 16

17 INHALT EINER MARKETING DATENBANK: REAKTIONSDATEN Auftragsstatistik Jeweils nach Aufträgen, Produkte/Warengruppen und Teilperioden: Deckungsbeitrag Umsatzhöhe und struktur (Menge, Preise, Häufigkeit) Qualitative Reaktionsdaten Kundenanfragen Kundeneinstellungen zu Produkten, Firma und Konkurrenten Kundenkenntnisse Reklamationen Retouren Zuordnung (wenn möglich) Reaktion zu einer Aktion Treffen des diupp Arbeitskreises 17

18 BEISPIEL FÜR EXTERNE INDIKATORVARIABLEN: GfK KAUFKRAFTKENNZIFFERN Nettoeinkommen aus der Lohn- und Einkommensteuerstatistik + Renten/Pensionen Arbeitslosengeld und - hilfe Sozialhilfe Wohngeld Kindergeld BaföG Steuervergünstigungen der Landwirtschaft - Kürzungsbetrag der Einkommensmillionäre = GfK- Kaufkraft administrative Einheiten: Bundesländer, Regierungsbezirke, Stadt- und Landkreise und Gemeinden Stadtteile / Stadtbezirke für postalische Einheiten: zweistellige Briefregionen (PLZ) fünfstellige Postleitgebiete. sowie für Strassen Treffen des diupp Arbeitskreises 18

19 DIE WERTEKETTE DES KUNDENMANAGEMENT Wert für den Kunden Nutzen Wert für das Unternehmen Zahlung Wert für den Shareholder (Gewinn, Dividende) Wert für die Mitarbeiter (Gehalt, Zufriedenheit) Wert für die Gesellschaft/Umwelt (Steuern, Abgaben) Quelle: Brasch, C.-M., Köder, K., Rapp. R. (2007) Treffen des diupp Arbeitskreises 19

20 DIE 4-K DES KUNDENMANAGEMENTS Unternehmenserfolg Kundenzufriedenheit Kundenbindung Kundenwert Kundenorientierung Quelle: In Anlehnung an Helm, S., Günter, B. (2006) Treffen des diupp Arbeitskreises 20

21 DEFINITION CUSTOMER LIFETIME VALUE (LTV) The net present value of the profits linked to a specific customer once the customer has been acquired, after subtracting incremental costs associated with marketing, selling, production and servicing over the customer s lifetime. Blattberg / Byung-Do / Scott (2008) Im Gegensatz zur ABC Analyse zukunftsorientierte Sichtweise. Der CLV ist eine kundenbezogene Erfolgsrechnung über die gesamte Zeitdauer der Geschäftsbeziehung. Der CLV ist die Summe aller diskontierten Umsätze von dem Kunden abzüglich der Aufwendungen für den Kunden. Mit den Methoden der dynamischen Investitionsrechnung wird die Erfolgsträchtigkeit einer Investition in die Kundenbeziehung geschätzt Treffen des diupp Arbeitskreises 21

22 CUSTOMER LIFETIME VALUE (LTV) Anwendungen des LTV Langfristige Sichtweise Parameter des LTV: Diagnose der Nachhaltigkeit des Unternehmens Unterstützung bei strategischen Entscheidungen Retention Rate Umsatz pro Kunden Kosten pro Kunde Zusammen mit den Ausgaben der Kundenakquise und der Akquirierungsrate quantifiziert der LTV die langfristige Profitabilität des Unternehmens Treffen des diupp Arbeitskreises 22

23 CUSTOMER LIFETIME VALUE (LTV) Zur Bestimmung des LTV wird benötigt: Prognose der zukünftigen Käufe eines Kunden (Marktreaktionsmodell) Berechnung der Kosten pro Kunde Bestimmung der Abzinsungsrate R = Umsatz C = Kosten = Diskontierungsrate t = Zeitindex Treffen des diupp Arbeitskreises 23

24 LTV Modelle: Retention und Migration LTV Retention Migration Ein abgewanderter Kunde kehrt nicht mehr zurück. Ein abgewanderter Kunde kann zu einem späteren Zeitpunkt wieder Kunde werden Treffen des diupp Arbeitskreises 24

25 RETENTION MODELLE Zukünftige Umsätze sind unbekannt und werden als Zufallsvariable betrachtet: Überlebensfunktion: 1 Hazardfunktion: Treffen des diupp Arbeitskreises 25

26 ÜBERLEBENSFUNKTION UNTER ANNAHME DER EXPONENTIALVERTEILUNG 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 Hazard = 0.3 Hazard = 0.1 0,2 0,1 0, Treffen des diupp Arbeitskreises 26

27 AGENDA 1. Motivation / Idee 2. Darstellung der zeitreihenbasierten multivariaten Regression 3. Darstellung des Database Marketing als Grundlage für das Marktreaktionsmodell 4. Vorstellung eines kundenbezogenen Marktreaktionsmodells 5. Voraussetzungen für das Forschungsprojekt Treffen des diupp Arbeitskreises 27

28 LTV UND KUNDENBEZOGENES MARKTREAKTIONSMODELL 1#2 Ausgangspunkt ist der LTV: 1 Für die Umsatzprognose sind die Kosten nicht relevant. 1 Die Schlüsselgröße setzt sich zusammen aus: Der erwartete kundenindividuellen Umsatz, unter der Bedingung, dass der Kunde bis zum Zeitpunkt t nicht abwandert ist. Die Wahrscheinlichkeit, dass der Kunde zu einem zukünftigen Zeitpunkt t noch nicht abgewandert ist Treffen des diupp Arbeitskreises 28

29 LTV UND KUNDENBEZOGENES MARKTREAKTIONSMODELL 2#2 Überlebensanalyse Marktreaktionsmodell Treffen des diupp Arbeitskreises 29

30 KUNDENBEZOGENES MARKTREAKTIONSMODELL Intern aus CRM Anzahl Anfragen Kontakte Kaufkraft Aktionen, wertmäßig Kundenumsatz Branchen- Indikatoren Extern (z.b. GfK) Regionale Indikatoren Methodenwahl: Multiple (Querschnitts-) Regression Panelregression Treffen des diupp Arbeitskreises 30

31 Bestandteile des Gesamtmodells und Nebenziele des Projekts 1. Marktreaktionsmodell Kundenindividuelle Umsatzprognosen 2. Überlebensfunktion 3. Akquirierungsrate (Umsatzprognose Neukunden) = Prognose Unternehmensumsatz Customer Lifetime Value Customer Lifetime Revenue Treffen des diupp Arbeitskreises 31

32 AGENDA 1. Motivation / Idee 2. Darstellung der zeitreihenbasierten multivariaten Regression 3. Darstellung des Database Marketing als Grundlage für das Marktreaktionsmodell 4. Vorstellung eines kundenbezogenen Marktreaktionsmodells 5. Voraussetzungen für das Forschungsprojekt Treffen des diupp Arbeitskreises 32

33 VORAUSSETZUNGEN FÜR DIE TEILNAHME AM FORSCHUNGSPROJEKT Benötigte Daten zur Prognose mit Hilfe von Marktreaktionsmodellen Kundenbezogene Daten aus dem CRM (Umsätze, Aktionen, Reaktionen, relevante Stammdaten wie bspw. Betriebsgröße). Regionale Indikatoren und Branchenindikatoren Falls möglich: Daten zur Lebenszeit bestehender und ehemaliger Kunden. Akquirierungsraten Zum Vergleich der neuen Methode mit der zeitreihenorientierten multiplen Regression: Mindestens 20 Freiheitsgrade / Jahre der zu prognostizierende Größe (Umsatz) Treffen des diupp Arbeitskreises 33

34 NUTZEN AUS DER TEILNAHME AM FORSCHUNGSPROJEKT Umsatzprognose kurz-, mittel- und langfristig Prognose kundenindividueller Umsätze (Frühwarnindikator für M&V) Schätzung von Kundenwerten (strategische Entscheidungshilfe, Indikator für die Nachhaltigkeit des Unternehmens) Marktreaktionsmodelle eignen sich sehr gut für What if? Simulationen Treffen des diupp Arbeitskreises 34

35 Vielen Dank für Ihre Aufmerksamkeit! Für weitere Fragen stehe ich Ihnen gerne zur Verfügung Prof. Dr. Oliver Schwarz Hochschule Heilbronn Campus Schwäbisch Hall Ziegeleiweg Schwäbisch Hall Tel. (+49) (791) Fax (+49) (791) oliver.schwarz@hs-heilbronn.de Treffen des diupp Arbeitskreises 35