Kundenwertanalyse Kernprozesse des CRM
|
|
- Arnim Hertz
- vor 8 Jahren
- Abrufe
Transkript
1 Kundenwertanalyse Kernprozesse des CRM Übergreifende Prozesse Kundenwertanalyse Kundensegmentierung Kundencharakterisierung Strategische Zielsetzung Strategische Analyse Vision Umfeldanalyse Ressourcenanalyse SWOT- Analyse Strategische Konzeption Strategie Entwicklung Strategie Umsetzung Maßnahmenspezifische Prozesse Zielgruppenanalyse Cross-Selling- Analyse Analytische CRM-Prozesse Abwanderungsanalyse Kundenrisikoanalyse Operative CRM-Prozesse Strategisches Controlling Ergebnis Controlling Prozess Controlling Strategischer CRM-Prozess Marketing -Prozesse Sales-Prozesse Leistungserstellung Service-Prozesse Kampagne Lead Opportunity Angebot Auftrag Feedback Support
2 Kundenwertanalyse Business Understanding 326 Der Kundenwert als zentrale Steuerungsgröße des CRM Steuerung aller CRM-Maßnahmen auf Basis des Wertbeitrags von Kundenbeziehungen Transformation oder Demarketing von Kundenbeziehungen mit negativem Wertbeitrag Fokussierung auf Kundenbeziehungen mit hohem Wertbeitrag Selektive Investitionen in Kundenbeziehungen abhängig vom Wertbeitrag Bewertung aller CRM-Maßnahmen hinsichtlich der Auswirkung auf den Kundenwert. Kenntnis der individuellen bzw. segmentspezifischen Kundenwerte ist Voraussetzung für die Konzeption individueller bzw. segmentspezifischer Marketing-, Vertriebs- und Servicekonzepte.
3 Kundenwertanalyse Business Understanding 327 Ansätze zur Kundenwert-Messung ABC-Analyse nach Umsatz kumulierter Umsatzanteil (%) 100 Umsatzbezogene ABC-Analyse Beschreibung Retrospektive, eindimensionale Kundenbetrachtung. Kunden werden nach ihrem in der Vergangenheit erzielten Umsatz bewertet und in mehrere Segmente eingeteilt. A B C kum. Anteil am Kundenstamm (%) Typische Handlungsanweisungen: A-Kunden müssen unbedingt gebunden werden. B-Kunden sollten gehalten und entwickelt werden. Bei C-Kunden ist Abwanderung tolerierbar.
4 Kundenwertanalyse Business Understanding Ansätze zur Kundenwert-Messung ABC-Analyse nach Umsatz Rapp, R. (2000): Customer Relationship Management, Frankfurt, S
5 Kundenwertanalyse Business Understanding 329 Ansätze zur Kundenwert-Messung ABC-Analyse nach Deckungsbeitrag Kunden-Bruttoerlöse pro Periode - kundenbezogene Erlösschmälerungen = Kunden-Nettoerlöse pro Periode - Kosten der vom Kunden bezogenen Produkte = Kunden-Deckungsbeitrag I - Kundenbezogene Auftragskosten (z.b. Prozesskosten für Installation, Versand) = Kunden-Deckungsbeitrag II - Kundenbezogene Marketing- und Sales-Kosten (z.b. Prozesskosten für Lead und Opportunity) - Sonstige kundenbezogene Prozesskosten (z.b. für Retouren- und Service-Prozesse) = Kunden-Deckungsbeitrag III In Anlehnung an Bruhn, M./Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanagement, Wiesbaden, S. 338.
6 Kundenwertanalyse Business Understanding 330 Ansätze zur Kundenwert-Messung Statischer und dynamischer Kundenwert
7 Kundenwertanalyse Business Understanding Ansätze zur Kundenwert-Messung Dynamischer Kundenwert Kundenbeziehungs-Lebenszyklus Kunden-Lebenszyklus Beziehungsintensität Zeit Deckungsbeitrag Break- Even Geburt des Kindes Hausbau Berufsleben Sparen auf Ruhestand Kredite abgezahlt Ruhestand Alter der Kunden 331 Anbahnungsphase Sozialisationsphase Abstinenzphase Gefährdungsphase Wachstumsphase Kündigungsphase Revitalisierungsphase Gefährdungsphase Reifephase Jugendkonto Gefährdungsphase Degenerationsphase
8 Kundenwertanalyse Business Understanding 332 Ansätze zur Kundenwert-Messung Customer Lifetime Value CLV e a a T t t T e a... t 0 1 t i 1 i 1 i i T e t = (erwartete) Einzahlungen aus der Geschäftsbeziehung in Periode t a t = (erwartete) Auszahlungen aus der Geschäftsbeziehung in der Periode t i = Kalkulationszinssatz t = Periode (t = 0, 1, 2,..., T) T = Dauer der Geschäftsbeziehung e a e e a T Welche Einnahmen- und Ausgabenentwicklungen können erwartet werden? Welcher Kalkulationszinsfuß ist anzusetzen? Welche Dauer der Kundenbeziehung kann unterstellt werden? Wie kann das Relationspotential quantifiziert werden? Homburg, C.; Daum, D. (1998): Das Management der Kundenstruktur als Controllingherausforderung, in: Reinecke, S.; Tomczak, T.; Dittrich, S. (Hrsg.): Marketingcontrolling, St. Gallen, S. 139.
9 Kundenwertanalyse Data Understanding 333 Basisdaten für die Berechnung des CLV Kundendaten Identifikationsdaten Deskriptionsdaten Transaktionsdaten Identifikation i.e.s. Adresse und Kontakt Kundenprofil Soziografie Kaufhistorie Kontakthistorie Produktnutzung Demografie Haushaltsstruktur Ansprache Psychografie Mikrogeografie Reaktion Soziale Vernetzung Kundeninitiierte Kontakte
10 Kundenwertanalyse Data Preparation 334 Kundensegmentierung Berechnung segmentspezifischer Kundenwerte oder Verhaltensparameter Wichtige Segmentierungskriterien: Kundenbeziehungslebenszyklus, Kaufhistorie, Alterskohorten Kalkulationszinssatz Interner Zinsfuß aus der Investitionsplanung WACC (Weighted Average Cost of Capital) Branchentypische ROI oder Eigenkapitalrendite Zahlungsströme Einnahmen und Ausgaben je Kunde und Periode nach Kundensegmenten Basis: Kundendeckungsbeitragsrechnung und Prozesskostenrechnung Kundenwanderungen Wanderungswahrscheinlichkeiten zwischen Kundensegmenten Kundenbeziehungsdauer Oft Limitierung auf Betrachtung von 2-10 Jahren
11 Kundenwertanalyse Data Preparation Zahlungsströme - Beispiel Blattberg, R.C. et al (2008): Database Marketing Analyzing and Managing Customers, New York, S. 147 f. 335
12 Kundenwertanalyse Modeling 336 Retention-Modell zur Berechnung des CLV CLV CLV e e 0 0 a a 0 0 t 1 e a (1 i) e a i 1 1 r t r t Konstante Einnahmen und Ausgaben pro Periode Konstante Abwanderungswahrscheinlichkeit (r=retention rate) Keine Rückgewinnung abgewanderter Kunden
13 Kundenwertanalyse Modeling 337 Migration-Modell zur Berechnung des CLV im Versandhandel Recency, Frequency, Monetary Value als Determinanten des Kundenwertes (RFM) Kundenwertberechnung auf Basis einer Recency-Segmentierung (Recency Cells) Kundenwanderungen zwischen Recency Cells Netto-Cash-Flows in t=1 bis 4 Eberling, G. (2002): Kundenwertmanagement, Wiesbaden, S. 404 f.
14 Kundenwertanalyse Modeling 338 Migration-Modell zur Berechnung des CLV bei der Deutschen Bank Kundensegmentierung nach Einkommen, Vermögen, Profitabilität (intern verfügbar) Differenzierung des Kundenverhaltens nach Kaufhistorie und Altersstufen (Kohorten) Blache, R.; Hahn, J. (2002): Die Jagd nach Top-Kunden, in: Acquisa, Nr. 10, S. 34
15 Kundenwertanalyse Modeling 339 Investitionssensitives Migration-Modell zur Berechnung des CLV Einnahmenüberschüsse in den Kundensegmenten abhängig von CRM-Maßnahmen Wanderungen zwischen den Kundensegmenten abhängig von CRM-Maßnahmen Kundensegmentierung Investitionssensitives Migrations-Modell Marktvolumen Erobern Ausbauen Verteidigen Beobachten Halten Marktanteil Jaeck, H.F.T. (2011): Wertorientiertes Management von Kundenbeziehungen, Verlag Dr. Kovac, Hamburg.
16 Kundenwertanalyse Modeling 340 Investitionssensitives Migration-Modell zur Berechnung des CLV Investitionssensitive Segmentdeckungsbeiträge Erobern Ausbauen Verteidigen DB I 2.400, , , , , , , ,00 800,00 600,00 400,00 200,00 0,00 0,00 10,00 20,00 30,00 40,00 50,00 Besprechungen 0,00 20,00 40,00 60,00 Besprechungen Jaeck, H.F.T. (2011): Wertorientiertes Management von Kundenbeziehungen, Verlag Dr. Kovac, Hamburg. 0,00 20,00 40,00 60,00 Besprechungen DB I nach ADBUDG empirischer DB I
17 Kundenwertanalyse Modeling 341 Investitionssensitives Migration-Modell zur Berechnung des CLV Investitionssensitive Wanderungswahrscheinlichkeiten Jaeck, H.F.T. (2011): Wertorientiertes Management von Kundenbeziehungen, Verlag Dr. Kovac, Hamburg.
18 Kundenwertanalyse Modeling 342 Modellierung des Referenzpotentials Quantifizierung des Referenzpotentials Monetarisierung des Referenzpotentials Gesonderte Berechnung nach Kundensegmenten Helm, S. (2003): Kundenempfehlungen als Baustein des Kundenwerts, erscheint in: Hippner, H.; Wilde, K.D. (Hrsg.): Grundlagen des CRM, Wiesbaden.
19 Kundenwertanalyse Evaluation 343 Langer Zeithorizont bei der Ermittlung empirischer Kundenwerte: prospektive Evaluation nicht sinnvoll anwendbar. Alternative Evaluations-Konzepte Evaluation anhand kurzfristiger Teilkundenwerte (z.b. 6 Monate, 1 Jahr) Retrospektive Evaluation anhand abgeschlossener/ fortgeschrittener Kundenbeziehungen (Zeitstabilität der Modellierung?) Prämissen-Kontrolle statt Ergebnis-Evaluation (Überwachung der Modellparameter, z.b. Konversionsraten, Kauffrequenzen, Kaufvolumina etc.) Grenzen der Kundenwertprognose
20 Kundenwertanalyse Deployment 344 Bereitstellung und Nutzung in CRM-Prozessen Kundenwert für jeden Kunden als Merkmal im DWH hinterlegt Regelmäßige Aktualisierung des Kundenwerts für jeden Kunden Gesonderte Wertung hinsichtlich Transaktions-, Referenz- und Informationspotential Reporting und Monitoring von CRM-Prozessen nach Kundenwert-Klassen Differenzierte Ausgestaltung von CRM-Prozessen nach Kundenwert Gezielte CRM-Aktionen bei massiver Kundenwert-Veränderung Nutzung in weiterführenden Analysen
21 Kundenwertanalyse Deployment 345 Kundenwertbasiertes Customer Relationship Management Reaktive Steuerung des CRM Proaktive Steuerung des CRM Monitoring/Reporting der CLV-Treiber Kundengewinnungskosten Kundenbetreuungskosten Kundendeckungsbeitrag Kundengewinnungsrate Kundenwanderungen Kundenabwanderungsrate Differenziert nach Kundensegmenten Kundenbeziehungs-Lebenszyklus Kampagnenzielgruppen => Ganzheitliche, zukunftsorientierte Bewertung aller durchgeführten CRM-Aktionen und -Prozesse CLV als kundenspezifisches Investitionslimit CLV-abhängige Differenzierung von CRM-Prozessen Gezielte Akquisition CLV-starker Neukunden Gezielte Rückgewinnung CLV-starker Abwanderer (gesonderter Second Lifetime Value (SLTV) ) Break-Even-Analyse von CRM-Maßnahmen Return on Investment von CRM-Maßnahmen CRM-Budgetierung nach Kundenbeziehung-Lebenszyklus und Kundensegmenten => Ganzheitliche, zukunftsorientierte Bewertung aller geplanten CRM-Aktionen und -Prozesse
22 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.3 Analytisches CRM IT-Systeme im analytischen CRM Kernprozesse im analytischen CRM Kundenwertanalyse Kundensegmentierung Kundencharakterisierung Zielgruppenanalyse Cross-Selling-Analyse Abwanderungsanalyse Kundenrisikoanalyse 2.4 Integration von ocrm und acrm 3 Management von Kundenbeziehungen
23 Kundensegmentierung Kernprozesse des CRM Übergreifende Prozesse Kundenwertanalyse Kundensegmentierung Kundencharakterisierung Strategische Zielsetzung Strategische Analyse Vision Umfeldanalyse Ressourcenanalyse SWOT- Analyse Strategische Konzeption Strategie Entwicklung Strategie Umsetzung Maßnahmenspezifische Prozesse Zielgruppenanalyse Cross-Selling- Analyse Analytische CRM-Prozesse Abwanderungsanalyse Kundenrisikoanalyse Operative CRM-Prozesse Strategisches Controlling Ergebnis Controlling Prozess Controlling Strategischer CRM-Prozess Marketing -Prozesse Sales-Prozesse Leistungserstellung Service-Prozesse Kampagne Lead Opportunity Angebot Auftrag Feedback Support
24 Kundensegmentierung Business Understanding 348 Kundengruppen mit unterschiedlichem Transaktions- und Kommunikationsverhalten und unterschiedlichen Kundenwerten erfordern eine differenzierte Ausgestaltung von Angeboten und CRM-Prozessen. Differenzierte Bearbeitung verschiedener Kundengruppen oder Fokussierung auf bestimmte Kundengruppen. Kundenwanderungen zwischen den verschiedenen Kundengruppen erfordern Anpassung von Angeboten und CRM-Prozessen. Unterschiedliche Segmentierungen im operativen und strategischen CRM Grobsegmentierung im strategischen CRM (3-5 Kundensegmente untergliedert nach Kundenbeziehungs-Lebenszyklus) Feinsegmentierung im operativen CRM (u.u. >100 Kundensegmente, verschiedene Kundensegmentierungen für verschiedene Anwendungsfelder)
25 Kundensegmentierung Data Understanding 349 Basisdaten für die Berechnung des CLV Kundendaten Identifikationsdaten Deskriptionsdaten Transaktionsdaten Identifikation i.e.s. Adresse und Kontakt Kundenprofil Soziografie Kaufhistorie Kontakthistorie Produktnutzung Demografie Haushaltsstruktur Ansprache Psychografie Mikrogeografie Reaktion Soziale Vernetzung Kundeninitiierte Kontakte
26 Kundensegmentierung Data Preparation 350 Auswahl der Segmentierungsmerkmale bestimmt das abgebildete Verhalten Datenaufbereitung für Clusteranalyse und KNN Normierung oder z-transformation der Merkmale zur Verhinderung einer implizite Gewichtung (keine Maßstabsinvarianz der meisten Proximitätsmaße) Manuelle Vorauswahl oder Faktorenanalyse der Ursprungsmerkmale zur Verhinderung einer impliziten Gewichtung verschiedener Verhaltensdimensionen (mehrere korrelierte Merkmale zur Beschreibung eines Verhaltensaspekt erhöhen dessen Einfluss auf die Proximität) Bevorzugte Nutzung von Merkmalen mit hoher Verfügbarkeit
27 Kundensegmentierung Modeling 351 Methoden Clusteranalyse Künstliche Neuronale Netze (Self Organizing Maps SOM) Unterscheidung nach Erkenntniszielen Kundensegmentierung nach vorgegebenen Verhaltensdimensionen (Kommunikationsverhalten, Kaufverhalten, Kundenwert, ) Aufdeckung natürlicher Kundensegmente Unterscheidung nach Anwendungsfeldern Generelle Kundensegmentierungen (z.b. strategische Kundentypen) Anwendungsspezifische Kundensegmentierungen (z.b. Kündiger-Typen)
28 Kundensegmentierung 352 Beispiel Kaufverhaltensorientierte Kundensegmentierung einer Bank
29 Kundensegmentierung Evaluation 353 Differenzierte Profile der Kundensegmente hinsichtlich nutzungsrelevanter Segmentierungsmerkmale (z.b. Kauf- und Kommunikationsverhalten) Deskriptionsmerkmale (z.b. Kundenwert, Lebensstil, Mediennutzung, ) Größe der Kundensegmente Zeitstabilität der Kundensegmente Verhaltensrelevanz der Kundensegmente
30 Kundensegmentierung Deployment 354 Bereitstellung und Nutzung in CRM-Prozessen Segmentzugehörigkeit für jeden Kunden als Merkmal im DWH hinterlegt Regelmäßige Aktualisierung der Segmentzuordnung für jeden Kunden Profile der Kundensegmente als Metadaten im Repository Segmentspezifisches Reporting und Monitoring von CRM-Prozessen Differenzierte Ausgestaltung von CRM-Prozessen nach Kundensegmenten Gezielte CRM-Aktionen für Kundensegmentwechsler (z.b. für Wechsel Nesthocker DINK (Double Income No Kids) volles Nest ) Nutzung in weiterführenden Analysen
31 Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.3 Analytisches CRM IT-Systeme im analytischen CRM Kernprozesse im analytischen CRM Kundenwertanalyse Kundensegmentierung Kundencharakterisierung Zielgruppenanalyse Cross-Selling-Analyse Abwanderungsanalyse Kundenrisikoanalyse 2.4 Integration von ocrm und acrm 3 Management von Kundenbeziehungen
32 Kundencharakterisierung Kernprozesse des CRM Übergreifende Prozesse Kundenwertanalyse Kundensegmentierung Kundencharakterisierung Strategische Zielsetzung Strategische Analyse Vision Umfeldanalyse Ressourcenanalyse SWOT- Analyse Strategische Konzeption Strategie Entwicklung Strategie Umsetzung Maßnahmenspezifische Prozesse Zielgruppenanalyse Cross-Selling- Analyse Analytische CRM-Prozesse Abwanderungsanalyse Kundenrisikoanalyse Operative CRM-Prozesse Strategisches Controlling Ergebnis Controlling Prozess Controlling Strategischer CRM-Prozess Marketing -Prozesse Sales-Prozesse Leistungserstellung Service-Prozesse Kampagne Lead Opportunity Angebot Auftrag Feedback Support
33 Kundencharakterisierung Business Understanding 357 Planung von CRM-Maßnahmen für Kunden mit bestimmten Charakteristika, die ganz oder teilweise unbekannt sind, z.b. Geschäftsbeziehung zu Wettbewerbern sensible Demografie (Einkommen, Vermögen, Risikobereitschaft, ) Wahrscheinlichkeitsaussagen über unbekannte Kundencharakteristika, z.b. Produktaffinitäten Kanalaffinitäten Beziehung zu Wettbewerbern Zugehörigkeit zu Kundensegmenten
34 Kundencharakterisierung Business Understanding 358 Daten-Matching Daten-Fusion Name Vorname PLZ Ort Straße HNr. Kunde seit Umsatz 2011 Meyer Josefine Oberdorf Kirchstr ,7 Müller Georg Musterstadt Hauptstr ,73 Name Vorname PLZ Ort Straße HNr. BamS Abo Meyer Josefine Oberdorf Kirchstr. 3 ja Müller Georg Musterstadt Hauptstr. 15 nein
35 Kundencharakterisierung Data Understanding 359 Kundendaten Identifikationsdaten Deskriptionsdaten Transaktionsdaten Identifikation i.e.s. Adresse und Kontakt Kundenprofil Soziografie Kaufhistorie Kontakthistorie Produktnutzung Demografie Haushaltsstruktur Ansprache Psychografie Mikrogeografie Soziale Vernetzung Reaktion Kundeninitiierte Kontakte
36 Kundencharakterisierung Data Preparation 360 Daten-Matching Direkte Anreicherung aus externen Quellen, wenn dort Identifikationsdaten verfügbar. Überprüfung und Korrektur von Identifikationsdaten, z.b. Plausibilitätsprüfung ( Gültige PLZ, Hausnummer, gültige Domain bei -Adresse, ) Externe Validierung (Post- und -Adressen, Telefonnummern, etc.) Bereinigung von Rückläufern und Bounces Daten-Fusion Indirekte Anreicherung aus anonymen externen Quellen über gemeinsame Merkmale. Identifikation gemeinsamer Datenfelder in Kundendatenbank und externer Quelle. Abgleich von Skalierung und Erhebungssystematik. Überprüfung der Relevanz und Vollständigkeit der gemeinsamen Datenfelder.
37 Kundencharakterisierung Modeling 361 Daten-Matching Verknüpfung verschiedener kundenbezogener Datenbestände über gemeinsame Primärschlüsselsysteme (Kundenummer, Telefonnummer, -Adresse etc.) Adressabgleich (Name, Anschrift, etc.) Probleme beim Adressabgleich Unterschiedliche Schreibweisen: Markovicova/ Marcovitschova, Sibylle/Sybille, Meier/Meyer/Mayr, Dellingerweg/ Dellinger Weg Tippfehler: Dellingerweg 7/ Dettingerweg 6 Wortumstellungen: Immobilienbüro Mayr/ Meier Immobilien Abkürzungen und Akronyme: GfK/ Gesellschaft für Konsumforschung Durchführung des Adressabgleichs Automatisierter Abgleich mit fehlertoleranten Abgleichalgorithmen Manuelle Nachbearbeitung ohne/ mit Kundenkontaktierung Naumann, F. (2007): Methoden der Dublettenerkennung, is report 5/07, SPECIAL IQ report No.2, S. 40 ff; Zugriff am ; Zugriff am
38 Kundencharakterisierung Modeling 362 Daten-Matching Anforderungen an Vergleichsalgorithmen Effektivität: Hohe Qualität der erkannten Übereinstimmungen Precision = tp/(tp+fp) Recall = tp/(tp+fn) Zuverlässigkeit erkannter Treffer Ausschöpfung der möglichen Treffer Effizienz: Anstieg der Verarbeitungszeit mit wachsender Adressenzahl Zielkonflikte beim Adressenabgleich Naumann, F. (2007): Methoden der Dublettenerkennung, is report 5/07, SPECIAL IQ report No.2, S. 40 ff; Zugriff am ; Zugriff am
39 Kundencharakterisierung Modeling 363 Daten-Matching Grobablauf fehlertoleranten Vergleichsalgorithmen Partitionierung der Fremddatei in Partitionen ähnlicher Datensätze Paarvergleich mit allen Datensätzen interessanter Partitionen der Fremddatei Berechnung einer Ähnlichkeitsmaßzahl für alle Paare Auswahl des Paars mit maximaler Ähnlichkeitsmaßzahl Annahme der Übereinstimmung, wenn Ähnlichkeitsmaßzahl > Schwellenwert Partitionierung Blocking: Bestimmung eines Blockschlüssel aus den Datensatz-Attributen, z.b. erster Buchstabe des Nachnamens + Geschlecht. Clustering: Vollständiger Paarvergleich mit einfachem (schnellem) Ähnlichkeitsmaß. Darauf aufbauend Clusterbildung Sorted Neighborhood: Schlüssel aus Datensatz-Attributen Sortierung nach Schlüssel-Werten Paarvergleich nur wenn maximal n Datensätze Abstand in der sortierten Reihenfolge Naumann, F. (2007): Methoden der Dublettenerkennung, is report 5/07, SPECIAL IQ report No.2, S. 40 ff; Zugriff am ; Zugriff am ; Thor, A. (2010): Datenintegration, Vorlesung an der Universität Leipzig, WS 2010/11
40 Kundencharakterisierung Modeling 364 Daten-Matching Ähnlichkeitsmaße Spezifische Ähnlichkeitsmaße für verschiedene Attribute (Name, Vorname, Alter, Geldbeträge, Straßen, Orte, PLZ, Hausnummern, Zeichenketten etc.) Ähnlichkeitsmaß wird aus den Ähnlichkeitsmaßen der einzelnen Attribute zusammengeführt Ähnlichkeitsmaße für Zeichenketten Edit-basierte Ähnlichkeitsmaße: Zeichenweiser Vergleich zweier Zeichenketten Levenshtein-Distanz: Anzahl der zur Überführung erforderlichen Edit-Operationen (insert, delete, replace) SOUNDEX-Maß: Erster Buchstabe gefolgt von Codes für die nächsten drei Konsonanten, wobei ähnliche Konsonanten den gleichen Code erhalten (B und P erhalten 1, V und B erhalten 0 ). Beachtet Lautähnlichkeiten. Etc. Token-basierte Ähnlichkeitsmaße: Vergleich übereinstimmender Teilketten oder Worte Jaccard-Ähnlichkeit: Anzahl gemeinsame Token in Vergleich zu allen Token beider Zeichenketten q-gram-ähnlichkeit: Anzahl gemeinsamer Token der Länge q. Etc. Naumann, F. (2007): Methoden der Dublettenerkennung, is report 5/07, SPECIAL IQ report No.2, S. 40 ff; Zugriff am ; Zugriff am ; Thor, A. (2010): Datenintegration, Vorlesung an der Universität Leipzig, WS 2010/11
41 Kundencharakterisierung Modeling 365 Daten-Matching Beispiel für gefundene Ähnlichkeiten (0-100 %) Mueller Moebel GmbH Möbelmüller GmbH: 94 % Sponheimstraße 12 Sponheimerstraße 12: 97 % Sponheimstraße 12 Sponheimerstraße 21: 91 % Bauamt Wuntorf (Bauveralt.) Bauverwaltung Bauamt Wundorf: 86 % Naumann, F. (2007): Methoden der Dublettenerkennung, is report 5/07, SPECIAL IQ report No.2, S. 40 ff; Zugriff am ; Zugriff am
42 Kundencharakterisierung Modeling Daten-Fusion Merzenich, M. (2006): Holistische Kundensicht durch DataFusion, Vortrag auf dem 8. CRM-Symposium des FWI, Schloss Hirschberg. 366
43 Kundencharakterisierung Modeling Daten-Fusion 367
44 Kundencharakterisierung Modeling 368 Daten-Fusion Methoden zur Modellbildung Prognose- und Klassifikationsmethoden des Data Mining (Klassifikations- und Regressionsbäume, Regressionsanalyse, Künstliche Neuronale Netze, etc.) Segmentierungsmethoden (z.b. k Nearest Neighbour) Link-Variable: wichtig ist Inhaltlicher Zusammenhang mit den zu fusionierenden Merkmalen. Soziodemografie Produktnutzung Nutzungssituation etc. Merzenich, M. (2006): Holistische Kundensicht durch DataFusion, Vortrag auf dem 8. CRM-Symposium des FWI, Schloss Hirschberg.
45 Kundencharakterisierung Evaluation 369 Daten-Matching Precision und Recall anhand validierter Testfälle Unterschiedliche Gewichtung von false-positive und false-negative je nach intendierter Anwendung. Daten-Fusion Kreuzvalidierung mit Kalibrierungs- und Teststichprobe hinsichtlich Trefferquote/ Prognosefehler der fusionierten Merkmale Häufigkeits-Verteilung der fusionierten Merkmale in der Kalibrierungs- und Teststichprobe Korrelationen der fusionierten Merkmale in der Kalibrierungs- und Teststichprobe Überprüfung von Overfitting und Generalisierungsfähigkeit Merzenich, M. (2006): Holistische Kundensicht durch DataFusion, Vortrag auf dem 8. CRM-Symposium des FWI, Schloss Hirschberg.
46 Kundencharakterisierung Deployment 370 Bereitstellung und Nutzung in CRM-Prozessen Fusionierte Merkmale für jeden Kunden als Merkmal im DWH hinterlegt Regelmäßige Aktualisierung für jeden Kunden Direkte Nutzung zur Kundenansprache Indirekte Nutzung in weiterführenden Analysen, z.b. Churn Prediction: Welche Kunden sind kündigungsgefährdet? (interne Daten+ Kundenbindungsstudie) Cross-/ Up-Selling (interne Daten + Gesamtmarktverhalten) Customer Lifetime Value (z.b. Transaktionswert aus internen Daten, Loyalität aus Marktforschungs-Studie) Neuproduktaffinität: Welche Kunden sind für ein neues Produkt besonders affin? (interne Daten+ Neuproduktnutzung aus Marktforschungsstudie) Merzenich, M. (2006): Holistische Kundensicht durch DataFusion, Vortrag auf dem 8. CRM-Symposium des FWI, Schloss Hirschberg.
47 Kundencharakterisierung Beispiel - Kundencharakterisierung bezüglich Wettbewerbsbindung 371 Problemstellung Datenanreicherung der Kundendatenbank aus Finanzmarkt-Panel Gesucht: Kunden mit Rechtsschutz-Versicherung bei Wettbewerber Daten Kundendatenbank Finanzmarkt-Panel Methoden Scoring-Modell ableiten aus den Daten des Finanzmarkt-Panels Scoring-Modell anwenden auf Kundendatenbank
48 Kundencharakterisierung Beispiel - Kundencharakterisierung bezüglich Wettbewerbsbindung 372
Bestandskundenmanagement Wo drückt bei Ihnen der Schuh?
Bestandskundenmanagement Wo drückt bei Ihnen der Schuh? best-reactions GmbH Hirschberger Straße 33 D 90559 Burgthann Alle Rechte vorbehalten HRB 23679, Amtsgericht Nürnberg Geschäftsführer Alexander P.
MehrWertorientiertes Management von Kundenbeziehungen
Horst-Florian Teja Jaeck Wertorientiertes Management von Kundenbeziehungen Berechnung des Customer Lifetime Value und Einsatz als Steuerungsgröße im CRM Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis
MehrGrundlagen des CRM. Dr.-Ing. Jubran Rajub
Grundlagen des CRM Dr.-Ing. Literatur H. Hippner, K. D. Wilde (Hrsg.): Grundlagen des CRM, Konzepte und Gestaltung, Gabler Verlag, Wiesbaden (2007). K.C. Laudon, J.P. Laudon, D. Schoder: "Wirtschaftsinformatik
MehrKubiS 2008 Bonner Anwendertagung. Kundenbindung durch Defection-Management
KubiS 2008 Bonner Anwendertagung Kundenbindung durch Defection-Management "Identifizieren Sie Ihre abwanderungswilligen Kunden bevor sie weg sind" Thomas Starsetzki Geschäftsführer starsetzki@skopos.de
MehrÜbersicht. 1 Grundlagen des CRM 2 IT-Systeme im CRM. 3 Management von Kundenbeziehungen
Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.3 Analytisches CRM 2.3.1 IT-Systeme im analytischen CRM 2.3.2 Kernprozesse im analytischen CRM 2.3.2.1 Kundenwertanalyse
MehrInhaltsverzeichnis. Inhaltsverzeichnis
Inhaltsverzeichnis Inhaltsverzeichnis IX Abbildungsverzeichnis XIV Tabellenverzeichnis,...«. XEX Formclverzeichnis....XX Abkürzungsverzeichnis, XXI 1 Einleitung 1 1.1 Problemstellung 1 1.2 Methodik und
MehrControlling im Key Account Management
Ronald Heckl Controlling im Key Account Management Systematische KAM-Analyse und Kundenwert Zielformulierung Als erstes sollten Sie klären, welche Aufgabe das KAM-Controlling in Ihrem Unternehmen spielt
MehrCustomer Value Management. Der Wertbeitrag. Andrew Tatam. April 2009
Customer Value Management Der Wertbeitrag Andrew Tatam April 2009 Flughafenstr. 52 22335 Hamburg Sitz der Gesellschaft: Hamburg Geschäftsführer Gerhard Meister HRB 82816, AG Hamburg Customer Value Management
MehrMehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting.
Schober Group Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting. Mag. (FH) Alexandra Vetrovsky-Brychta Wien, 23.10.2012 Mehr IQ für Ihre Kundendaten Seite 2 Agenda Themen
MehrAnalytisches CRM in der Automobilindustrie
Analytisches CRM in der Automobilindustrie Dr. Frank Säuberlich Practice Manager European Customer Solutions Urban Science International GmbH Automobilhersteller müssen neue Wege gehen Anforderungen in
MehrFeedback-Management als Daten-Schatz für das Multi-Channel-Marketing
Feedback-Management als Daten-Schatz für das Multi-Channel- - Strategische CRM-Unternehmensberatung Vortrag im Rahmen des MTP-Alumni Forums Erfolgsfaktor Kundendialog warum Kunden wiederkommen, Darmstadt,
MehrForschungsbereich Value-based Customer Relationship Management (CRM)
Forschungsbereich Value-based Customer Relationship Management (CRM) Reminder: Wertorientiertes CRM Schwerpunkte im Forschungsbereich Ziel: Steigerung des Unternehmenswerts Wertorientiertes Customer Relationship
MehrProdukte kommen und gehen, Kunden bleiben
Oliver Holtmann Produkte kommen und gehen, Kunden bleiben Customer-Value-Controlling als Herausforderung zur Steuerung des Kundenwerts Diplomica Verlag Oliver Holtmann Produkte kommen und gehen, Kunden
MehrBusiness Model Canvas
Business Model Canvas Business Model Canvas ist ein strategisches Management Tool, mit dem sich neue und bestehende Geschäftsmodelle visualisieren lassen. Demnach setzt sich ein Geschäftsmodell aus neun
MehrTNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science
TNS EX A MINE BehaviourForecast Predictive Analytics for CRM 1 TNS BehaviourForecast Warum BehaviourForecast für Sie interessant ist Das Konzept des Analytischen Customer Relationship Managements (acrm)
Mehrsage Office Line und cobra: die ideale Kombination!
sage Office Line und cobra: die ideale Kombination! 1 Sage und cobra: Die Kombination und ihre Synergieeffekte! Unternehmen brauchen eine ERP-Lösung zur Verwaltung und Abwicklung ihrer Geschäftsprozesse.
MehrDie Rolle von CRM im Rahmen des Gesamtvertriebskonzeptes
Die Rolle von CRM im Rahmen des Gesamtvertriebskonzeptes Michael Wilfing-May, Chief Sales Officer und GF Wien, 22. November 2013 Die Rolle von CRM im Vertrieb Kundenmanagement ist eine komplexe Sache Was
MehrErfolgsfaktoren von Customer Relationship Management Strategien
Klaus Sevenich Erfolgsfaktoren von Customer Relationship Management Strategien in Unternehmen Diplomica Verlag Klaus Sevenich Erfolgsfaktoren von Customer Relationship Management Strategien in Unternehmen
MehrSteigerung der Wertschöpfung durch Individualisierung im Kundenmanagement
Steigerung der Wertschöpfung durch Individualisierung im Kundenmanagement Integration von CRM in Marketing, Kommunikation und Vertriebssteuerung Ralf Kleb, Geschäftsführender Partner Dr. Johannes Krause-Traudes,
MehrGeFüGe Instrument I07 Mitarbeiterbefragung Arbeitsfähigkeit Stand: 31.07.2006
GeFüGe Instrument I07 Stand: 31.07.2006 Inhaltsverzeichnis STICHWORT:... 3 KURZBESCHREIBUNG:... 3 EINSATZBEREICH:... 3 AUFWAND:... 3 HINWEISE ZUR EINFÜHRUNG:... 3 INTEGRATION GESUNDHEITSFÖRDERLICHKEIT:...
MehrDatenqualitätsmanagement im Customer Relationship Management
Wolfgang Leußer Datenqualitätsmanagement im Customer Relationship Management Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XIX XXI
MehrKundenorientierung als Erfolgskriterium im Online-Handel. Präsentation für: Meet Magento Frankfurt, 02. November 2009
Kundenorientierung als Erfolgskriterium im Online-Handel Frankfurt, 02. November 2009 1. Herausforderungen im Online Handel 2. Was ist Kundenorientierung? 3. epoq e-services Suche Recommendation Service
MehrCRM Customer Relationship Management. Dipl.-Psych. Anja Krol
CRM Customer Relationship Management Gliederung Entwicklung und Einführung von Bezugspunkte und CRM - Systeme Veränderte Rahmenbedingungen Entwicklung CRM - Systeme» Deregulierung verstärkt internationalen
Mehr----------------------------------------------------------------------------------------------------------------------------------------
0 Seite 0 von 20 03.02.2015 1 Ergebnisse der BSO Studie: Trends und Innovationen im Business Performance Management (BPM) bessere Steuerung des Geschäfts durch BPM. Bei dieser BSO Studie wurden 175 CEOs,
MehrChurn Prediction. Mit Datamining abwanderungsgefährdete Kunden rechtzeitig erkennen. CRM & Research / Ing. Werner WIDHALM.
Churn Prediction Mit Datamining abwanderungsgefährdete Kunden rechtzeitig erkennen CRM & Research / Ing. Werner WIDHALM Juni 2012 Datamining in der Bank Austria Datamining Anwendungsgebiete im CRM der
MehrTeil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3
xi Teil A Grundlagen und Methoden 1 1 Customer Relationship Management ein Bezugsrahmen 3 1.1 Die Entwicklung zum kundenzentrierten Unternehmen 3 1.2 Ziel und Kernkonzepte des CRM 5 1.2.1 Ziel: Profitable
MehrDatenexport aus JS - Software
Datenexport aus JS - Software Diese Programm-Option benötigen Sie um Kundendaten aus der JS-Software in andere Programme wie Word, Works oder Excel zu exportieren. Wählen Sie aus dem Programm-Menu unter
MehrEAM Ein IT-Tool? MID Insight 2013. Torsten Müller, KPMG Gerhard Rempp, MID. Nürnberg, 12. November 2013
EAM Ein IT-Tool? MID Insight 2013 Torsten Müller, KPMG Gerhard Rempp, MID Nürnberg, 12. November 2013 ! Wo wird EA eingesetzt? Welchen Beitrag leistet EA dabei? Was kann EAM noch? Ist EAM nur ein IT-Tool?
MehrCustomer Relationship Ana lyt ics
Peter Necke1 Bernd Knobloch Customer Relationship Ana lyt ics Praktische Anwendung des Data Mining im CRM d p u n kt.ve r I ag 1 1.1 1.2 1.3 Customer Relationship Management. ein Bezugsrahmen Die Entwicklung
MehrKundenmanagement und Kundenverhalten - Lerneinheit 8 - Lehrstuhl für Marketing, Universität Erlangen-Nürnberg Folie 1
Kundenmanagement und Kundenverhalten - Lerneinheit 8 - Lehrstuhl für Marketing, Universität Erlangen-Nürnberg Folie 1 Überblick Definition: Der Prozess der Entwicklung einer Kundenpflegestrategie umfasst
MehrSurvival Guide für Ihr Business Intelligence-Projekt
Survival Guide für Ihr Business Intelligence-Projekt Sven Bosinger Solution Architect BI Survival Guide für Ihr BI-Projekt 1 Agenda Was ist Business Intelligence? Leistungsumfang Prozesse Erfolgsfaktoren
Mehr2.4.2.2 Strategisches und operatives Kundenbeziehungs- Controlling 38
Inhaltsverzeichnis 1 Einleitung 1 1.1 Problemstellung 1 1.2 Gang der Untersuchung 5 2 Kundenorientiertes Management und Controlling - Der Kunde im Fokus betriebswirtschaftlicher Konzepte 9 2.1 Bedeutung
MehrOptimiertes E-Mail-Marketing durch Customer Intelligence Stefan von Bröckel Account Manager
The Global SaaS Leader in Email & Social Marketing Optimiertes E-Mail-Marketing durch Customer Intelligence Stefan von Bröckel Account Manager Reputation Based Filtering Shotgun Marketing Smart Messages
MehrPassgenau schulen Bedarfsanalyse
Passgenau schulen Bedarfsanalyse Mit unserer Online-Bedarfsanalyse bringen Sie Ihre Schulungen auf den Punkt. Sie sparen Zeit und Geld effizient und passgenau. de Office-Training.de ist eine Marke der
MehrIdeale Kombination von Zahlungsmittel und Marketing: Die Card als operativ günstigstes Zahlungsmittel und Marketingtool
Ideale Kombination von Zahlungsmittel und Marketing: Die Card als operativ günstigstes Zahlungsmittel und Marketingtool Daniel Ohr Leiter Breuninger Card Aufbau des Referats 1. Breuninger Firmenprofil
MehrBusiness Intelligence in NRW
Fragebogen zur Erhebung von Unternehmensdaten für die Business Intelligence Studie in Nordrhein-Westfalen ishot, wwwphotocasede Sehr geehrte Teilnehmerin, sehr geehrter Teilnehmer, wir führen für das Land
MehrTeil 1: Effektivität - Wirkungsmechanismen der Kundenbindung
Inhaltsverzeichnis 1 Einleitung... 8 1.1 Einführung Was ist Loyalty Profiling?... 8 1.2 Motivation, Zielsetzung und Aufbau der Arbeit... 13 Teil 1: Effektivität - Wirkungsmechanismen der Kundenbindung
MehrDigitaler Vertriebsassistent Ihr Potential
Digitaler Vertriebsassistent Ihr Potential Referenzen Unsere Kunden, die mit dem Digitalen Vertriebsassistenten potentielle B2B-Kunden generieren, qualifizieren und transferieren IT und Telekommunikation
MehrBI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit
BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon
MehrHerzlich Willkommen auf dem
Herzlich Willkommen auf dem bei Hans-Dieter Winkens, Dipl.-Inform. RAVINIA GmbH, Mönchengladbach Marke&ng Management Effizienz auf dem Prüfstand Oder: Was man nicht misst, kann man auch nicht verbessern!
Mehr2006 COGNOSCO AG, 8057 ZUERICH, SWITZERLAND All rights reserved. Performance Management Markterfolg dank Kundenrating
Performance Management Markterfolg dank Kundenrating Welches sind Ihre besten Kunden? Frage 1: Kennen Sie die Umsatzentwicklung jedes Kunden über die letzten 5 Jahre? Frage 2: Kennen Sie den Produkte-Mix
MehrVereinfachte Ticketerfassung oxando GmbH
Vereinfachte Ticketerfassung oxando GmbH 2010 oxando GmbH, Vereinfachte Ticketerfassung 1 Ausgangssituation und Zielsetzung Ausgangssituation Das Anlegen eines Tickets ist oft nicht intuitiv und einfach
MehrINFORMATION ZUR STRATEGIEBERATUNG
INFORMATION ZUR STRATEGIEBERATUNG Eine strategische Beratung bedeutet für Sie: Ein Schiff ohne Zielhafen wird niemals ankommen Ziel der angebotenen Beratung ist für Ihre Strategie eine Grundlage zu schaffen,
MehrKundenzentrierung mit Prozessportalen neue Wege zum CRM
Kundenzentrierung mit Prozessportalen neue Wege zum CRM Roland E. Schmid Institut für Wirtschaftsinformatik Universität St. Gallen Agenda Die Multikanal-Kundenbeziehung Die profitable Kundenbeziehung Die
MehrAusgangslage. 8 bis 12% aller Adressen ändern sich jährlich. ¾ der Änderungen erfährt man in der Regel selbst, ¼ nur über externe Quellen.
Adress.Check Ausgangslage ¾ der Änderungen erfährt man in der Regel selbst, ¼ nur über externe Quellen. 8 bis 12% aller Adressen ändern sich jährlich (Umzug, Todesfall, Straßennamens-Änderung usw. ) Das
MehrPapier O Nein X Ja, und zwar O Schmierpapier O Liniertes Papier X Kariertes Papier Taschenrechner X Nein O Ja
FONTYS INTERNATIONALE HOGESCHOOL ECONOMIE KLAUSUR 4 ProgRESS-code und OER: Zeit: Dozent(en): Datum: Studiengang: Anzahl Seiten: Gebrauch von Lehrmitteln Papier O Nein Ja, und zwar O Schmierpapier O Liniertes
MehrEine doppelte bzw. mehrfache Erfassung eines Kunden ist unbedingt zu vermeiden.
Arbeitsanweisungen 1 Prüfung und Erfassung eines Kunden Für die langfristige Kundenbindung sollen möglichst alle Kunden in der Kundenverwaltung gespeichert werden. Termine im Kalender können nur gespeichert
MehrVom Kundenwert zum Unternehmenswert
Zukunftsorientierte Analyse von Kundendaten Vom Kundenwert zum Unternehmenswert von Werner Maier Der Autor Dipl.-Ing. Werner Maier ist Geschäftsführender Gesellschafter der Wertsteigerungs-GmbH in Hamberg.
MehrTNS EX A MINE DataFusion Die Brücke zur gemeinsamen Betrachtung von Daten aus unterschiedlichen Datenquellen. TNS Infratest Applied Marketing Science
TNS EX A MINE DataFusion Die Brücke zur gemeinsamen Betrachtung von Daten aus unterschiedlichen Datenquellen 1 Umfassendes Kundenverständnis Existieren in Ihrem Unternehmen verschiedene Befragungsdaten?
MehrIntegriertes Marketingmanagement 2013
Integriertes Marketingmanagement 2013 Schneller sehen, verstehen und entscheiden Dr. Andreas Becks Senior Business Architect SAS Deutschland GmbH Agenda Integriertes Marketingmanagement 2013 Die neue Bank
MehrTPAV. Dubletten- und Adressprüfung direkt im SAP CRM
TPAV Dubletten- und Adressprüfung direkt im SAP CRM 2 Ihr Kapital im SAP CRM: die Geschäftspartnerdaten. Trusted Partner Address Validation (TPAV) Das von der C4RM entwickelte TPAV AddOn sucht Geschäftspartner-Dubletten
MehrLars Priebe Senior Systemberater. ORACLE Deutschland GmbH
Lars Priebe Senior Systemberater ORACLE Deutschland GmbH Data Mining als Anwendung des Data Warehouse Konzepte und Beispiele Agenda Data Warehouse Konzept und Data Mining Data Mining Prozesse Anwendungs-Beispiele
MehrIhr Logo. Willkommen zur Schulung. Kundenorientierung. 2014 WEKA MEDIA GmbH & Co. KG. Folie 0/01
Willkommen zur Schulung Kundenorientierung 0/01 Einführung Was ist Kundenorientierung? Kundenorientierung ist die umfassende, kontinuierliche Ermittlung und Analyse der Kundenerwartungen sowie deren interne
MehrI.O. BUSINESS. Checkliste. Strategisches Vergütungscontrolling: Ist-Soll Vergleich Festgehalt. Kompetenzfeld Personalinstrumente
I.O. BUSINESS Checkliste Strategisches Vergütungscontrolling: Ist-Soll Vergleich Festgehalt Gemeinsam Handeln I.O. BUSINESS Checkliste Controlling Strategisches Vergütungscontrolling: Ist-Soll Vergleich
MehrPricing-Intelligence-Studie 2012
Christian Schieder, Kerstin Lorenz Technische Universität Chemnitz Professur Wirtschaftsinformatik II insb. Anwendungssysteme und Systementwicklung Pricing-Intelligence-Studie 2012 Vorwort Technische Universität
MehrStrategische Neukundengewinnung im internationalen Industriegütermarketing mittelständischer Unternehmen
Valentino Di Candido Strategische Neukundengewinnung im internationalen Industriegütermarketing mittelständischer Unternehmen Ein konzeptioneller Ansatz auf Basis einer internationalen Marktsegmentierung
MehrData-Mining in Unternehmen die rechtliche Sicht
Data-Mining in Unternehmen die rechtliche Sicht 15. Symposium on Privacy and Security, 31. August 2010 Dr. Alois Rimle, Ruoss Vögele Partner, Zürich Übersicht Begriff des Data-Mining 3 Anwendung und Auswirkungen
MehrCheckliste zur qualitativen Nutzenbewertung
Checkliste zur qualitativen Nutzenbewertung Herausgeber Pentadoc Consulting AG Messeturm Friedrich-Ebert-Anlage 49 60308 Frankfurt am Main Tel +49 (0)69 509 56-54 07 Fax +49 (0)69 509 56-55 73 E-Mail info@pentadoc.com
MehrKundenzufriedenheit & Kundenbindung. Kunden zuhören und verstehen für einen langfristigen Unternehmenserfolg.
Kundenzufriedenheit & Kundenbindung Kunden zuhören und verstehen für einen langfristigen Unternehmenserfolg. Zusammenhang Kundenzufriedenheit und Kundenbindung 2 Traditionelle Modelle gehen von einem absoluten
MehrJenseits der Datenbank: Ausweg zu verkaufen. Vorsprung im Wettbewerb durch one to one - Marketing
Jenseits der Datenbank: Ausweg zu verkaufen Vorsprung im Wettbewerb durch one to one - Marketing Erfahrungen im Vertrieb 2004 Regionalisierung der Kundenstruktur Aufträge werden kleiner Kunden verhalten
Mehrvom Lead zum Top-Kunden in drei Schritten Alexandra Vetrovsky-Brychta Marketing on Tour in Wien, 10.11.2011
Mehr Erfolg, mehr conversion vom Lead zum Top-Kunden in drei Schritten Alexandra Vetrovsky-Brychta Marketing on Tour in Wien, 10.11.2011 Agenda Kurzvorstellung Schober Qualifizierte Leadgenerierung Targeting
MehrSCHUFA für Handelsunternehmen. Chancen steigern, Risiken minimieren
SCHUFA für Handelsunternehmen Chancen steigern, Risiken minimieren Adresse Bonität Monitoring Professionelles Risikomanagement für Handelsunternehmen Seit mehr als 80 Jahren sind wir der führende Dienstleister
MehrValue-added KYC Regulation meets business (Know your Customer) Scalaris GRC Day 2011 02.02.2011
Value-added KYC Regulation meets business (Know your Customer) Scalaris GRC Day 2011 02.02.2011 Olaf von der Lage Agenda Einführung Was sind Value-added KYC-Information? Wohin geht die regulatorische Reise?
MehrAMS Alarm Management System
AMS Alarm Management System AMS ist das Alarm Management System für Mobotix Kamerasysteme. AMS ist speziell für die Verwendung in Einsatzzentralen bei Sicherheitsdiensten oder Werkschutzzentralen vorgesehen.
MehrBenchmark zur Kompetenzbestimmung in der österreichischen SW Industrie. Mag. Robert Kromer NCP / AWS Konferenz Wien, 29.2.2012
Benchmark zur Kompetenzbestimmung in der österreichischen SW Industrie Mag. Robert Kromer NCP / AWS Konferenz Wien, 29.2.2012 Warum beschäftigen wir uns mit Wissensbewertung? ( 1978 (in Folie 2 Welchen
MehrSAP Business One. ERP für klein- und mittelständische Unternehmen. Ihr komplettes Business in einem System... in Echtzeit abgebildet!
ERP für klein- und mittelständische Unternehmen Ihr komplettes Business in einem System...... in Echtzeit abgebildet! Das ERP-System für den Klein- und Mittelstand Mit SAP Business One steht Ihnen eine
MehrAsset Management Vortrag: nach dem Outsourcing folgt das Insourcing?!
Asset Management Vortrag: nach dem Outsourcing folgt das Insourcing?! Verfasser: Norbert Rolf MRICS - Leiter Property Companies STRABAG Property and Facility Services GmbH; Datum: [03.04.2014] Die Asset
MehrKundenwissen für den Energieversorger der Zukunft
Kundenwissen für den Energieversorger der Zukunft Dr. Leading Tobias customer Graml insights CTO company tobias.graml@ben-energy.com for utilities in Europe Sechs Jahre Expertise in Datenanalyse und Kundenverhalten
MehrKundencontrolling im Service & Vertrieb
Kundencontrolling im Service & Vertrieb Hamburg, Mai 2004 Dozentin: Marilla Bax Service Manager (KVD) Vortrag Agenda Service wo stehen wir heute Nutzen Kundencontrolling Instrumente des Kundencontrolling
MehrMehr Umsatz durch potenzialorientierte Vertriebssteuerung
Vertriebssteuerung mit System. Customer-Relationship Management ist keine Software! Firmenprofil I crmvemaconsult I Vertriebs-, Marketing- und Servicepotenziale 1 I Agenda I I Ziele und Voraussetzungen
MehrBeck-Wirtschaftsberater im dtv 50808. Kundenorientierung. Bausteine für ein exzellentes Customer Relationship Management (CRM)
Beck-Wirtschaftsberater im dtv 50808 Kundenorientierung Bausteine für ein exzellentes Customer Relationship Management (CRM) von Prof. Dr. Manfred Bruhn Prof. Dr. Manfred Bruhn ist Inhaber des Lehrstuhls
MehrGeo-Analyse-Paket Mit CRM & Geomarketing Vertriebspotenziale heben
Geo-Analyse-Paket Mit CRM & Geomarketing Vertriebspotenziale heben Erfahren Sie, wie Sie durch Verknüpfung von CRM und Geomarketing zusätzliche Vertriebspotenziale heben und Marketingmaßnahmen optimieren
MehrCustomer Intelligence. Die 360 - Sicht auf den Kunden
Customer Intelligence Die 360 - Sicht auf den Kunden Customer Intelligence unterstützt Versicherungen bei der Steuerung ihres Kundenportfolios. Der Wettbewerb um die Versicherungskunden wird härter und
MehrFirmenpräsentation. Wollerau, 28. Oktober 2008
Firmenpräsentation Wollerau, 28. Oktober 2008 ACIM das Unternehmen ACIM ist eine unabhängige und international tätige Beratung für CRM- (Customer Relationship Management), CIM- (Customer Interaction Management)
MehrPrüfung Investitionsrechnung und -wirtschaft WS 2011/2012
Prüfung Investitionsrechnung und -wirtschaft WS 2011/2012 Fakultät Maschinebau Hochschule Landshut am 07. Februar 2012, 16.30 Uhr Name: Matrikelnummer: Diese Prüfung besteht aus 10 Blättern (inkl. Deckblatt)
MehrWandel bei der Bewertung von Unternehmen
Wandel bei der Bewertung von Unternehmen Von Thorsten Wiesel und Prof. Dr. Bernd Skiera Unternehmen mit vertraglichen Kundenbeziehungen verfügen normalerweise über gute Informationen über ihre Kundenbasis
MehrBig, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen
Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen 01000111101001110111001100110110011001 Volumen 10 x Steigerung des Datenvolumens alle fünf Jahre Big Data Entstehung
MehrNext Best Product. Kundenspezifische Produktangebote in einer Multichannel Umgebung
Next Best Product Kundenspezifische Produktangebote in einer Multichannel Umgebung - Mag. Thomas Schierer - Erste Bank der oesterreichischen Sparkassen AG Agenda Erste Bank Allgemeine Information CRM in
MehrSocial Media Analytics. Intuitive Erfolgsmessung in sozialen Netzwerken.
Social Media Analytics Intuitive Erfolgsmessung in sozialen Netzwerken. Quick Facts socialbench. Analyse, Auswertung und Management von Social Media-Profilen seit 2011. Das Unternehmen 400+ Kunden. 30
MehrCRM Planen und Umsetzen welche Fragen auch für Sie relevant sind
Crystal Forum 2013 Clouds Zürich CRM Planen und Umsetzen welche Fragen auch für Sie relevant sind Institut für Finanzdienstleistungen Zug IFZ Prof. Dr. Nils Hafner Leiter Customer Focus T direkt +41 41
MehrWie erfolgversprechend ist Ihr ecommerce-geschäftsmodell?
Kienbaum Management Consultants Wie erfolgversprechend ist Ihr ecommerce-geschäftsmodell? ecommerce-audit zur Überprüfung bestehender Strategien, Prozesse und Strukturen Practice Group Retail Kienbaum
MehrLösungsvorschlag zur Klausur zu Projektorganisation und Management in der Software-Entwicklung
Prof. Dr. Dr. h.c. M. Broy Klausurlösung Dr. H. Ehler, S. Wagner 2. Juli 2004 Lösungsvorschlag zur Klausur zu Projektorganisation und Management in der Software-Entwicklung Aufgabe 1 Prozessmodelle (4
MehrLOPEZ_SU AREZ_DAT ENANALYS E_ZERZEP
LEISTUNGSÜBERSICHT 2014 ÜBERBLICK Seite 2 Das Unternehmen Seite 3 Datenanalyse Seite 4 Prozessoptimierung Seite 5 Treuhand & Revision Seite 6 Interim Management Seite 7 Referenzen Seite 8 Kontakt Seite
MehrOperationalisierung von finanziellen/strategischen Kennzahlen zur Optimierung der Unternehmenssteuerung
www.six-sigma-europe.com Operationalisierung von finanziellen/strategischen Kennzahlen zur Optimierung der Unternehmenssteuerung SIXSIGMA GmbH Theodor-Heuss-Ring 23 50668 Köln Tel. +49.221.77109.560 Fax
MehrBVDW Befragung Nutzung und Trends im Customer- Relationship-Management (CRM) deutscher Unternehmen. Bundesverband Digitale Wirtschaft (BVDW) e.v.
BVDW Befragung Nutzung und Trends im Customer- Relationship-Management (CRM) deutscher Unternehmen Bundesverband Digitale Wirtschaft (BVDW) e.v. Oktober 2014 Zielsetzung und Methodik Ziel der Studie ist
MehrBrand Management und CRM Parallelen und Integrationsmöglichkeiten zwischen den beiden Managementprozessen
Brand Management und CRM Parallelen und Integrationsmöglichkeiten zwischen den beiden Managementprozessen Brand Management und Customer Relationship Management (CRM) sind Marketingkonzepte, die darauf
MehrDBM1_04_S.20-22_Blum. Autor: Georg Blum. Titel: Kundenbindung und Controlling. Untertitel: Abheben mit dem CRM-Cockpit
DBM1_04_S.20-22_Blum Autor: Georg Blum Titel: Kundenbindung und Controlling Untertitel: Abheben mit dem CRM-Cockpit Die Aussage Die erfolgreichen Unternehmen haben eine Kunden orientierte Strategie ist
MehrDie PRO:FIT.MACHER Dipl.-Päd. Uwe Fischer Dipl.-Kfm. Ursula Liphardt
Die Messbarkeit von Marketingaktionen wird sehr oft als Dilemma beschrieben. Schon Henry Ford sagte: Ich weiß, dass die Hälfte meiner Werbung umsonst ist, ich weiß nur nicht, welche Hälfte. Mit der richtigen
MehrMache deine Kunden zu Fans
Mache deine Kunden zu Fans Der strategische Step vor einer E-Mail-Kampagne 14. Mai 2014, email-expo Frankfurt Daniel Roth forum! Marktforschung forum! Wissen ist Mainz. Erfolgsfaktoren für Mailing-Kampagnen
MehrFIS/crm Highlights Release-Informationen 2016
Sehr geehrte FIS/crm Kunden und Interessenten, hiermit erhalten Sie einen kurzen Überblick über das neue FIS/crm Release 2016. Für weitere Informationen wenden Sie sich bitte direkt an: Jasmin Kiesel:
MehrWelcome to the Club!
Customer Relationship Management Welcome to the Club! Prolog Viele Leute glauben, dass wir das Zeitalter des Internets erreicht haben. Tatsächlich ist es eher zutreffend, dass wir das Zeitalter des Kunden
MehrAnalytisches CRM. Workshop Data Mining im Datenbasierten Marketing. Michael Lamprecht und Jan Frick, Altran GmbH & Co. KG 26.06.
Analytisches CRM Workshop Data Mining im Datenbasierten Marketing Michael Lamprecht und Jan Frick, Altran GmbH & Co. KG 26.06.2015 Data Mining bietet Antworten auf zahlreiche analytische Fragestellungen
MehrTiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining
Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe
MehrKEY-ACCOUNT-MANAGEMENT
KEY-ACCOUNT-MANAGEMENT Inhaltsverzeichnis Einleitung Begriffsdefinition Grundlagen - (KAM) Das Profil des Key-Account-Managers KAM mehr als nur verkaufen - Aufgaben des Key-Account-Managers Zentrale Erfolgsfaktoren
MehrAnwendung: Multiplikatoren-Report
Anwendung: Multiplikatoren-Report Verschafft einen ersten Einblick in die Anwendungsmöglichkeiten des Multiplikatoren-Reports Research, Analysis & Consulting www.schwerdtundfeger.de 1 Nutzen Auf Basis
MehrBig Data Projekte richtig managen!
Big Data Projekte richtig managen! Stuttgart, Oktober 2014 Praktische Herausforderungen eines Big Data Projektes Definition: Was ist Big Data? Big data is a collection of data sets so large and comple
MehrKundenbindung im gewerblichen Automobilmarkt
Andreas Meyer Kundenbindung im gewerblichen Automobilmarkt Eine empirische Kausalanalyse it einem Geleitwort von Prof. Dr. Frank Wimmer GABLER RESEARCH XI Inhaltsverzeichnis Inhaltsübersicht t IX Inhaltsverzeichnis
MehrWas ist aktives Kundenmanagement? Wie installiere ich eine Kundenbewertung? Wie beschreite ich Wege zum erfolgreichen CRM?
Dialog verbindet. mit Beispielen aus der Praxis Ein Vortrag von Bernt Penderak soit GmbH durch CRM 1 von 27 Gliederung Was ist aktives Kundenmanagement? Was bedeutet? Wie installiere ich eine? Wie beschreite
Mehr