Kundenwertanalyse Kernprozesse des CRM

Größe: px
Ab Seite anzeigen:

Download "Kundenwertanalyse Kernprozesse des CRM"

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

Übersicht. 1 Grundlagen des CRM 2 IT-Systeme im CRM. 3 Management von Kundenbeziehungen

Übersicht. 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

Mehr

TNS EX A MINE BehaviourForecast Predictive Analytics for CRM. TNS Infratest Applied Marketing Science

TNS 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)

Mehr

Bestandskundenmanagement Wo drückt bei Ihnen der Schuh?

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.

Mehr

Wertorientiertes Management von Kundenbeziehungen

Wertorientiertes 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

Mehr

Feedback-Management als Daten-Schatz für das Multi-Channel-Marketing

Feedback-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,

Mehr

Grundlagen des CRM WS 2013-2014

Grundlagen des CRM WS 2013-2014 Lernzielfragen Grundlagen des CRM WS 2013-2014 Lernzielfragen 1. Definieren Sie den CRM-Begriff. Gehen Sie dabei auch auf die zentralen Gestaltungsbereiche ein. 2. Skizzieren Sie die CRM-Wirkungskette.

Mehr

Mehr IQ für Ihre Daten durch intelligentes Adressmanagement und Smart Targeting.

Mehr 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

Mehr

Datenqualitätsmanagement im Customer Relationship Management

Datenqualitätsmanagement im Customer Relationship Management Wolfgang Leußer Datenqualitätsmanagement im Customer Relationship Management Verlag Dr. Kovac Hamburg 2011 Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XIX XXI

Mehr

Wintersemester Customer Relationship Management Teil VI. Dr. Beate Hubrich. Lehrstuhl für ABWL und Wirtschaftsinformatik

Wintersemester Customer Relationship Management Teil VI. Dr. Beate Hubrich. Lehrstuhl für ABWL und Wirtschaftsinformatik Wintersemester 2016-2017 Customer Relationship Management Teil VI Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt Übersicht 1 Grundlagen des CRM 2 IT-Systeme im

Mehr

Produkte kommen und gehen, Kunden bleiben

Produkte 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

Mehr

Kundencontrolling im Service & Vertrieb

Kundencontrolling 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

Mehr

Inhaltsverzeichnis. Inhaltsverzeichnis

Inhaltsverzeichnis. Inhaltsverzeichnis Inhaltsverzeichnis Inhaltsverzeichnis IX Abbildungsverzeichnis XIV Tabellenverzeichnis,...«. XEX Formclverzeichnis....XX Abkürzungsverzeichnis, XXI 1 Einleitung 1 1.1 Problemstellung 1 1.2 Methodik und

Mehr

Papier O Nein X Ja, und zwar O Schmierpapier O Liniertes Papier X Kariertes Papier Taschenrechner X Nein O Ja

Papier 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

Mehr

KubiS 2008 Bonner Anwendertagung. Kundenbindung durch Defection-Management

KubiS 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

Mehr

Analytisches CRM in der Automobilindustrie

Analytisches 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

Mehr

Grundlagen des CRM. Dr.-Ing. Jubran Rajub

Grundlagen 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

Mehr

Customer Intelligence. Die 360 - Sicht auf den Kunden

Customer 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

Mehr

Next Best Product. Kundenspezifische Produktangebote in einer Multichannel Umgebung

Next 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

Mehr

CRM Customer Relationship Management. Dipl.-Psych. Anja Krol

CRM 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

Wertorientiertes Management von Kundenbeziehungen Berechnung des Customer Lifetime Value und Einsatz als Steuerungsgröße im CRM

Wertorientiertes Management von Kundenbeziehungen Berechnung des Customer Lifetime Value und Einsatz als Steuerungsgröße im CRM Wertorientiertes Management von Kundenbeziehungen Berechnung des Customer Lifetime Value und Einsatz als Steuerungsgröße im CRM Summary zur Dissertation von Horst-Florian Jaeck 9. Januar 2014 Dr. Horst-Florian

Mehr

Wo andere ins Stocken geraten, finden wir die richtige Lösung für Sie.

Wo andere ins Stocken geraten, finden wir die richtige Lösung für Sie. Wo andere ins Stocken geraten, finden wir die richtige Lösung für Sie. best-reactions GmbH Hirschberger Straße 33 D 90559 Burgthann Alle Rechte vorbehalten HRB 23679, Amtsgericht Nürnberg Geschäftsführer

Mehr

Ideale 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 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

Mehr

Analytisches CRM in der Automobilindustrie 22. CRM-Symposium des FWI e. V.

Analytisches CRM in der Automobilindustrie 22. CRM-Symposium des FWI e. V. Analytisches CRM in der Automobilindustrie 22. CRM-Symposium des FWI e. V. Dr. Horst-Florian Jaeck 17. Oktober 2013 2013 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbh Agenda

Mehr

Customer Relationship Management - Anwendungen im ÖPNV

Customer Relationship Management - Anwendungen im ÖPNV Customer Relationship Management - Anwendungen im ÖPNV Ein Projekt des 2. Innovationsprogramms ÖPNV des Landes Baden-Württemberg Freiburg, 14. März 2007 Stuttgarter Straßenbahnen AG Frank Ehret, Leiter

Mehr

DBM1_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 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

Mehr

Customer Relationship Management CRM

Customer Relationship Management CRM Customer Relationship Management CRM 1.1 Zielsetzung von CRM...2 1.2 Komponenten einer CRM-Lösung...4 1.2.1 Aufgabenbereiche eines CRM-Systems...4 1.2.2 Analytisches CRM...7 1.2.3 Operatives CRM...7 1.2.4

Mehr

Übersicht. 1 Grundlagen des CRM 2 IT-Systeme im CRM

Übersicht. 1 Grundlagen des CRM 2 IT-Systeme im CRM Übersicht 1 Grundlagen des CRM 2 IT-Systeme im CRM 2.1 Kundendaten im CRM 2.2 Operatives CRM 2.2.1 CRM-Anwendungen 2.2.2 Basis-Anwendungen 2.2.3 Customer Touch Points 2.2.4 Interaktionsmedien 2.3 Analytisches

Mehr

Praxisbeispiele E-Mail Marketing im. Kunden-Lifecycle. SOM, Zürich, 13.4.2016

Praxisbeispiele E-Mail Marketing im. Kunden-Lifecycle. SOM, Zürich, 13.4.2016 Praxisbeispiele E-Mail Marketing im Kunden-Lifecycle SOM, Zürich, 13.4.2016 Das Mayoris Lösungs-Portfolio Keine Kampagne ohne Story! Eine gute Geschichte besteht aus - einer Überraschung, - einem Konflikt,

Mehr

TNS EX A MINE HolisticSegmentation Die Landkarte für ein umfassendes Verständnis Ihrer Kunden und Ihres Marktes

TNS EX A MINE HolisticSegmentation Die Landkarte für ein umfassendes Verständnis Ihrer Kunden und Ihres Marktes TNS EX A MINE HolisticSegmentation Die Landkarte für ein umfassendes Verständnis Ihrer Kunden und Ihres Marktes 1 TNS EX A MINE HolisticSegmentation Warum HolisticSegmentation für Sie interessant ist Chance,

Mehr

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation?

Data Mining - Marketing-Schlagwort oder ernstzunehmende Innovation? 1. Konferenz der A Benutzer KFE in Forschung und Entwicklung Data Mining - Marketing-chlagwort oder ernstzunehmende Innovation? Hans-Peter Höschel,, Heidelberg 1. Konferenz der A Benutzer KFE in Forschung

Mehr

Kundenwertorientierte Banksteuerung in der Praxis Ergebnisse der empirischen Forschung

Kundenwertorientierte Banksteuerung in der Praxis Ergebnisse der empirischen Forschung Kundenwertorientierte Banksteuerung in der Praxis Ergebnisse der empirischen Forschung Herbsttagung des E-Finance Lab Frankfurt am Main, 28. September 2006 Prof. Dr. Bernd Skiera Johann Wolfgang Goethe-Universität

Mehr

Teil 1: Effektivität - Wirkungsmechanismen der Kundenbindung

Teil 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

Mehr

2.4.2.2 Strategisches und operatives Kundenbeziehungs- Controlling 38

2.4.2.2 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

Mehr

Steigerung der Vertriebseffizienz und Profitabilität durch Customer Analytics Analytische Vertriebsunterstützung in der Berliner Sparkasse

Steigerung der Vertriebseffizienz und Profitabilität durch Customer Analytics Analytische Vertriebsunterstützung in der Berliner Sparkasse Steigerung der Vertriebseffizienz und Profitabilität durch Customer Analytics Analytische Vertriebsunterstützung in der Berliner Sparkasse Dr. Matthias Nolte Leiter Business Intelligence Competence Center

Mehr

Wissensmanagement im Bankvertrieb

Wissensmanagement im Bankvertrieb Anja Peters Wissensmanagement im Bankvertrieb Universitätsverlag Regensburg Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XIV XVII XVIII 1 Wissensmanagement im Bankvertrieb

Mehr

Echzeitinformationen auf dem Prüfstand

Echzeitinformationen auf dem Prüfstand Echzeitinformationen auf dem Prüfstand Einsatz im CRM-Umfeld QUELLE AG, Data Warehouse Entwicklung & Projekte Jakobinenstr. 5-7 90762 Fürth Tel. +49 (0)911 14-22084 Mail: gernot.schreib@quelle.de 1 I.

Mehr

Marketingmanagement. Technische Universität Chemnitz. Lehrstuhl für Marketing und Handelsbetriebslehre. Sommersemester 2015

Marketingmanagement. Technische Universität Chemnitz. Lehrstuhl für Marketing und Handelsbetriebslehre. Sommersemester 2015 Fakultät für Wirtschaftswissenschaften Professur für Marketing und Handelsbetriebslehre Technische Universität Chemnitz Fakultät für Wirtschaftswissenschaften Lehrstuhl für Marketing und Handelsbetriebslehre

Mehr

Marketingmanagement. Marketingmanagement

Marketingmanagement. Marketingmanagement Marketingmanagement Marketingmanagement Technische Universität Chemnitz Fakultät für Wirtschaftswissenschaften Lehrstuhl für Marketing und Handelsbetriebslehre Univ.-Prof. Dr. Cornelia Zanger Sommersemester

Mehr

vom Lead zum Top-Kunden in drei Schritten Alexandra Vetrovsky-Brychta Marketing on Tour in Wien, 10.11.2011

vom 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

Mehr

Customer Relationship Management (CRM) Effizienter Baustein eines erfolgreichen Netzwerkmanagements

Customer Relationship Management (CRM) Effizienter Baustein eines erfolgreichen Netzwerkmanagements Customer Relationship Management (CRM) Effizienter Baustein eines erfolgreichen Netzwerkmanagements Das Netz der Netze 2. Informations- und Erfahrungsaustausch für Netzwerker in Heilbronn-Franken Prof.

Mehr

Big Data So heben Sie den Schatz vom Silbersee! Monetarisieren von Kundenbeziehungen in der digitalen Welt!

Big Data So heben Sie den Schatz vom Silbersee! Monetarisieren von Kundenbeziehungen in der digitalen Welt! Big Data So heben Sie den Schatz vom Silbersee! oder: Monetarisieren von Kundenbeziehungen in der digitalen Welt! Über Kampagnen, Paid Content & Co Impulsvortrag zur Mitgliederversammlung am 13.06.2014

Mehr

wagner management consulting

wagner management consulting Customer Relationship Management Unser Verständnis Customer Relationship Management sind alle Interaktionen entlang der gesamten Kommunikation mit internen und externen Kunden. Effektive Prozesse unterstützt

Mehr

Strategische Neukundengewinnung im internationalen Industriegütermarketing mittelständischer Unternehmen

Strategische Neukundengewinnung im internationalen Industriegütermarketing mittelständischer Unternehmen Valentino Di Candido Strategische Neukundengewinnung im internationalen Industriegütermarketing mittelständischer Unternehmen Ein konzeptioneller Ansatz auf Basis einer internationalen Marktsegmentierung

Mehr

Munich Business School

Munich Business School Munich Business School Die Bedeutung der Kundenbindung Munich Business School Working Paper 2005-10 Amparo Galinanes-Garcia Munich Business School Elsenheimerstraße 61 D-80687 München E-Mail: Amparo.Galinanes-Garcia@munich-business-school.de

Mehr

Customer Value Management. Der Wertbeitrag. Andrew Tatam. April 2009

Customer 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

Mehr

Die Rolle von CRM im Rahmen des Gesamtvertriebskonzeptes

Die 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

Mehr

Sanierungserfolg im ersten Jahr

Sanierungserfolg im ersten Jahr Sanierungserfolg im ersten Jahr Wirtschaftlichkeit durch datenzentrierte Steuerung 14. Juni 2012 Zuweisermanagement Klicken Sie, um das Titelformat zu bearbeiten Im Hinblick auf steigenden Wettbewerbsdruck

Mehr

Customer Relationship Management Der Weg zu erfolgreichen Kundenbeziehungen

Customer Relationship Management Der Weg zu erfolgreichen Kundenbeziehungen Customer Relationship Management Der Weg zu erfolgreichen Kundenbeziehungen Marketing-Club Siegen e.v. Vortrag am 04.02.2003 Präsentation als PDF Universität Siegen Wirtschaftsinformatik Fachbereich Wirtschaftswissenschaften

Mehr

SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation

SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation SAP Customer Engagement Intelligence - Kundenanalysen der nächsten Generation Alexander Schroeter, Head of Outbound PM MEE, CRM & Commerce, SAP AG Regensdorf, November 19, 2013 SAP Customer Engagement

Mehr

Steigerung der Wertschöpfung durch Individualisierung im Kundenmanagement

Steigerung 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,

Mehr

Kundenwissen und Kundenwert. Attendorn-Niederhelden. 19. Mai 2005

Kundenwissen und Kundenwert. Attendorn-Niederhelden. 19. Mai 2005 Die Angebotserstellung als Erfolgsfaktor Kundenwissen und Kundenwert Attendorn-Niederhelden Universität Siegen Institut für Wirtschaftsinformatik Fachbereich Wirtschaftswissenschaften Schmidt@fb5.uni-siegen.de

Mehr

Optimiertes E-Mail-Marketing durch Customer Intelligence Stefan von Bröckel Account Manager

Optimiertes 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

Mehr

Zyklus des CRM. CRM-Informationsarchitektur mit intelligenten Agenten. Kauf. Willkommenspaket gewünschte Leistung sicherstellen. Persönlicher Kontakt

Zyklus des CRM. CRM-Informationsarchitektur mit intelligenten Agenten. Kauf. Willkommenspaket gewünschte Leistung sicherstellen. Persönlicher Kontakt Zyklus des CRM. Persönlicher Kontakt Kauf Start Willkommenspaket gewünschte Leistung sicherstellen Call Center Zurückgewinnung Kennenlernen Service Beratung Dialog-Medien Trennung CRM-Informationsarchitektur

Mehr

Vom Kundenwert zum Unternehmenswert

Vom 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.

Mehr

Entstehung und Generierung von Kundenwertpotenzialen im Web 2.0

Entstehung und Generierung von Kundenwertpotenzialen im Web 2.0 Vivian Pindur Entstehung und Generierung von Kundenwertpotenzialen im Web 2.0 Eine analytische Betrachtung unter Berücksichtigung des Social Media Monitoring Verlag Dr. Kovac Hamburg 2013 Inhaltsverzeichnis

Mehr

Forschungsbereich Value-based Customer Relationship Management (CRM)

Forschungsbereich 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

Mehr

Wintersemester 2015-2016. Customer Relationship Management. Prof. Dr. Klaus D. Wilde. Lehrstuhl für ABWL und Wirtschaftsinformatik

Wintersemester 2015-2016. Customer Relationship Management. Prof. Dr. Klaus D. Wilde. Lehrstuhl für ABWL und Wirtschaftsinformatik Wintersemester 2015-2016 Customer Relationship Management Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt Übersicht 1 Grundlagen des CRM 1.1 Definition und Einordnung

Mehr

Übersicht. 1 Grundlagen des CRM 2 IT-Systeme im CRM. 3 Management von Kundenbeziehungen

Übersicht. 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 2.4 Integration von ocrm und acrm 3 Management von Kundenbeziehungen Integration operativer

Mehr

medien SKRIPTEN Beiträge zur Medien- und Kommunikationswissenschaft Herausgeber: Michael Schenk

medien SKRIPTEN Beiträge zur Medien- und Kommunikationswissenschaft Herausgeber: Michael Schenk Reihe medien SKRIPTEN Beiträge zur Medien- und Kommunikationswissenschaft Herausgeber: Michael Schenk Band 48 Ute GUndling Die Neuausrichtung des Zeitungsmarfcetings durch Customer Relationship Management

Mehr

Praktisches Beispiel 02.03.2008

Praktisches Beispiel 02.03.2008 Agenda CRM-Philosophie Warum CRM? Chancen und Nutzen einer CRM Lösung Das CRMCoach 4 Phasen Modell CRM Teilbereiche und Architektur Einführung einer CRM Lösung CRM-Lösungen und der Markt Zusammenfassung

Mehr

Geo-Analyse-Paket Mit CRM & Geomarketing Vertriebspotenziale heben

Geo-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

Mehr

Customer Relationship Management WS 2015-2016

Customer Relationship Management WS 2015-2016 Lernzielfragen Customer Relationship Management WS 2015-2016 Lernzielfragen 1. Definieren Sie den CRM-Begriff. Gehen Sie dabei auch auf die zentralen Gestaltungsbereiche ein. 2. Skizzieren Sie die CRM-Wirkungskette.

Mehr

Integriertes Marketingmanagement 2013

Integriertes 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

Mehr

Entscheidungsunterstützungssysteme

Entscheidungsunterstützungssysteme Vorlesung WS 2013/2014 Christian Schieder Professur Wirtschaftsinformatik II cschie@tu-chemnitz.eu Literatur zur Vorlesung Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business

Mehr

Erfolgsfaktoren von Customer Relationship Management Strategien

Erfolgsfaktoren 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

Mehr

Summary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6

Summary... 4. Keywords... 4. Granularität der Daten... 5. Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Inhaltsverzeichnis Summary... 4 Keywords... 4 Granularität der Daten... 5 Mit Vorverdichtung hochaggregierte Daten bereithalten... 6 Partitionierung der Datenbestände... 7 Vergrößerter Aktionsradius von

Mehr

Strategische Preispolitik im Retailbanking

Strategische Preispolitik im Retailbanking Strategische Preispolitik im Retailbanking Eine empirische Analyse am Beispiel einer Großsparkasse von Dr. Jörn Stoppel Fritz Knapp Verlag Frankfürt am Main Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis

Mehr

Inhaltsverzeichnis THEORETISCHER TEIL. Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis, XXVII

Inhaltsverzeichnis THEORETISCHER TEIL. Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis, XXVII Inhaltsverzeichnis Abbildungsverzeichnis XVII Tabellenverzeichnis XXV Abkürzungsverzeichnis, XXVII 1 Einführung in die Problemstellung 1 1.1 Wiederentdeckung der ökonomischen Bedeutung von langfristigen

Mehr

GGB KAP KundendatenAnalyseProgramm bank21-vertriebszyklus wirkungsvoll nutzen. bank21 mit Wirkung nutzen

GGB KAP KundendatenAnalyseProgramm bank21-vertriebszyklus wirkungsvoll nutzen. bank21 mit Wirkung nutzen GGB KAP KundendatenAnalyseProgramm bank21-vertriebszyklus wirkungsvoll nutzen Datenqualität optimieren, Betreuungseinheiten bilden, Kundensegmentierung umsetzen, Bedarfsfeldplanung, Geschäftsfeld-Bewertung

Mehr

Aktuelle Trends im CRM

Aktuelle Trends im CRM . CRM-Symposium.. Aktuelle Trends im CRM Prof. Dr. Klaus D. Wilde Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt. &. Generation KM ext Best X Aktionsorientiertes

Mehr

1. Das Projekt LEFOS 2. Empfehlungssysteme für Cross-Selling 3. Kundenanalyse zur weiteren Personalisierung 4. Zusammenfassung

1. Das Projekt LEFOS 2. Empfehlungssysteme für Cross-Selling 3. Kundenanalyse zur weiteren Personalisierung 4. Zusammenfassung am Beispiel eines Online-Shops Artus Krohn-Grimberghe Anneke Minke 10.06.2010 1 Universität Hildesheim Agenda 1. Das Projekt LEFOS 2. Empfehlungssysteme für Cross-Selling 3. Kundenanalyse zur weiteren

Mehr

in Finanzdienstleistungsunternehmen

in Finanzdienstleistungsunternehmen Multidimensionale Kundensegmentierung in Finanzdienstleistungsunternehmen Eine theoretische und empirische Untersuchung am Beispiel von Freiberuflern von Dr. Ralph zur Brügge Fritz Knapp Verlag JT7 Frankfurt

Mehr

Wintersemester 2014-2015. Customer Relationship Management. Prof. Dr. Klaus D. Wilde. Lehrstuhl für ABWL und Wirtschaftsinformatik

Wintersemester 2014-2015. Customer Relationship Management. Prof. Dr. Klaus D. Wilde. Lehrstuhl für ABWL und Wirtschaftsinformatik Wintersemester 2014-2015 Customer Relationship Management Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität Eichstätt-Ingolstadt Übersicht 1 Grundlagen des CRM 1.1 Definition und Einordnung

Mehr

Die Herausforderungen im Key Account Management

Die Herausforderungen im Key Account Management Die Herausforderungen im Key Account Management Immer mehr Unternehmen planen ein professionelles Key Account Management oder wollen das bestehende leistungsfähiger machen, um die Schlüsselkunden noch

Mehr

Die buw Unternehmensgruppe

Die buw Unternehmensgruppe Die buw Unternehmensgruppe Strategisches Kundenmanagement Karsten Wulf Geschäftsführender Gesellschafter buw Unternehmensgruppe Osnabrück, 09. Juni 2010 buw Unternehmensgruppe 2010 Inhalt 1. Die buw Unternehmensgruppe

Mehr

Customer Relationship Management (CRM)

Customer Relationship Management (CRM) Customer Relationship Management (CRM) Dozentin: Renate Streuer Unternehmer-Tun GmbH 1 Bedeutung von CRM Unter Customer Relationship Management (CRM) versteht man das Management der Beziehungen zum Kunden

Mehr

Wettbewerbsvorteile durch Kundenloyalität

Wettbewerbsvorteile durch Kundenloyalität Zürich, 10. Mai 2005 Wettbewerbsvorteile durch Erkenntnisse aus empirischen Studien in der Finanzbranche Bruno Catellani, ValueQuest GmbH catellani@valuequest.ch ValueQuest GmbH 2005, info@valuequest.ch

Mehr

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

»DataDashboard«Analytisches Kundenmanagement für ihren Markterfolg

»DataDashboard«Analytisches Kundenmanagement für ihren Markterfolg »DataDashboard«Analytisches Kundenmanagement für ihren Markterfolg Dienstleistungs- und Softwareangebot für Ihren Markterfolg www.energieforen.de/goto/softwaretools Analytisches Kundenmanagement Ausgangssituation

Mehr

Inhaltsverzeichnis. Abbildungsverzeichnis. Tabellenverzeichnis. Abkürzungsverzeichnis. Problemstellung und Gang der Untersuchung 1

Inhaltsverzeichnis. Abbildungsverzeichnis. Tabellenverzeichnis. Abkürzungsverzeichnis. Problemstellung und Gang der Untersuchung 1 Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis XVII XXI XXV Problemstellung und Gang der Untersuchung 1 Erster Teil: Status quo der Preispolitik für private Bankkunden 5 A. Ausgangslage

Mehr

connect and get connected Wachstum durch CRM dank neuen Kunden

connect and get connected Wachstum durch CRM dank neuen Kunden connect and get connected Wachstum durch CRM dank neuen Kunden Swiss CRM Forum 2011 rbc Solutions AG, General Wille-Strasse 144, CH-8706 Meilen welcome@rbc.ch, www.rbc.ch, +41 44 925 36 36 Agenda Einleitung

Mehr

Professionelles Kundenmanagement

Professionelles Kundenmanagement Professionelles Kundenmanagement Ganzheitliches CRM und seine Rahmenbedingungen von Günter Hofbauer und Barbara Schöpfel PUBLICIS Abbildungs- und Tabellenverzeichnis 9 A Einleitung 15 B Kundenmanagement

Mehr

Professionelles Kundenmanagement

Professionelles Kundenmanagement Professionelles Kundenmanagement Ganzheitliches CRM und seine Rahmenbedingungen von Günter Hofbauer und Barbara Schöpfel PUBLICIS Abbildungs- und Tabellenverzeichnis 9 A Einleitung 15 B Kundenmanagement

Mehr

CRM im Online-Bereich für die Druck- und Medienindustrie

CRM im Online-Bereich für die Druck- und Medienindustrie CRM im Online-Bereich für die Druck- und Medienindustrie Vorlesung an der Berufsakademie Mannheim Dr. Gerald Lembke www. 30.03.2007 Was ist noch mal Customer-Relationship-Management? CRM ist eine kundenorientierte

Mehr

Kundensegmentierung. Geschäftsjahr 2004. Kundenwertorientierte Segmentierung am Beispiel der Pharmaindustrie

Kundensegmentierung. Geschäftsjahr 2004. Kundenwertorientierte Segmentierung am Beispiel der Pharmaindustrie Kundensegmentierung Geschäftsjahr 2004 Kundenwertorientierte Segmentierung am Beispiel der Pharmaindustrie 24.05..2005 Einführung Das Unternehmen Schering ist ein forschendes Pharma-Unternehmen über 40

Mehr

Kundenbindung im E-Commerce

Kundenbindung im E-Commerce Ulrich Müller Kundenbindung im E-Commerce Personalisierung als Instrument des Customer Relationship Marekting Mit einem Geleitwort von Prof. Dr. Uwe Schneidewind Deutscher Universitäts-Verlag Inhaltsverzeichnis

Mehr

Analytisches CRM im Dialogmarketing

Analytisches CRM im Dialogmarketing Analytisches CRM im Dialogmarketing Von Marco Denzl und Hauke Friedrich, gkk DialogGroup, München Das Dialogmarketing ist eine dynamische und interaktive Form der Marktbearbeitung. Im Gegensatz zu klassischen

Mehr

Web Mining effektive Analyse des Nutzer- Verhaltens im Internet

Web Mining effektive Analyse des Nutzer- Verhaltens im Internet Web Mining effektive Analyse des Nutzer- Verhaltens im Internet Dr. Frank Säuberlich Business Unit e-intelligence SAS Deutschland Agenda 1. Begriffsdefinition e-intelligence: Systemdimension Angebotsdimension

Mehr

Alles für den Kunden Analyse von Kundendaten. Katrin Plickert, Heiko Hartenstein

Alles für den Kunden Analyse von Kundendaten. Katrin Plickert, Heiko Hartenstein Alles für den Kunden Analyse von Kundendaten Katrin Plickert, Heiko Hartenstein Zum Verständnis 9. Februar 2007 Heiko Hartenstein, Katrin Plickert 2 Quelle: Heilmann, Kempner, Baars: Business and Competitive

Mehr

SCHUFA für Handelsunternehmen. Chancen steigern, Risiken minimieren

SCHUFA 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

Mehr

Industrie & Wirtschaft. Unsere Business-Lösungen

Industrie & Wirtschaft. Unsere Business-Lösungen Industrie & Wirtschaft Unsere Business-Lösungen Unsere Business-Lösungen für Industrie und Wirtschaft Wir sprechen Ihre Sprache! Auch wenn die Wirtschaft boomt: Als Unternehmer bekommt man nichts geschenkt,

Mehr

Die Logik des Gelingens - Komplexität im integrierten Marketing erfolgreich meistern. Ingo Hary Migros Genossenschaftsbund

Die Logik des Gelingens - Komplexität im integrierten Marketing erfolgreich meistern. Ingo Hary Migros Genossenschaftsbund Die Logik des Gelingens - Komplexität im integrierten Marketing erfolgreich meistern Ingo Hary Migros Genossenschaftsbund Das Marketing-Ökosystem http://www.mullen.com/2009/06/back-by-popular-demand-the-new-marketing-ecosystem-poster/

Mehr

DIGITALE TRANSFORMATION

DIGITALE TRANSFORMATION DIGITALE TRANSFORMATION WO STEHEN WIR IM VERTRIEB? VDZ DISTRIBUTION SUMMIT NILS OBERSCHELP, DPV 08. September 2015, Hamburg, Empire Riverside Hotel WAS HAT SICH GETAN? DISTRIBUTION SUMMIT Rückblick auf

Mehr

Customer Relationship Management - Ihre optimale Lösung

Customer Relationship Management - Ihre optimale Lösung Customer Relationship Management - Ihre optimale Lösung Werner Gottschlich Vertriebssystem der Zukunft? - Was bedeutet CRM? Kunden finden - Kunden gewinnen - Kunden binden Basis: Kundenbedürfnisse, -wünsche

Mehr

Abbildungsverzeichnis...XVII Abkürzungsverzeichnis...XIX

Abbildungsverzeichnis...XVII Abkürzungsverzeichnis...XIX Inhaltsverzeichnis Abbildungsverzeichnis...XVII Abkürzungsverzeichnis...XIX 1 Einleitung und Grundlagen... 1 1.1 Problemstellung... 1 1.2 Ziele und Aufbau der Arbeit... 5 1.3 Begriffe und Grundlagen...

Mehr

Edition. Heinrich Holland. Warum CRM-Projekte scheitern und wie sie erfolgreich werden. BusinessVillage Update your Knowledge!

Edition. Heinrich Holland. Warum CRM-Projekte scheitern und wie sie erfolgreich werden. BusinessVillage Update your Knowledge! Edition PRAXIS.WISSEN Heinrich Holland CRM erfolgreich einsetzen Warum CRM-Projekte scheitern und wie sie erfolgreich werden BusinessVillage Update your Knowledge! Inhaltsverzeichnis 1 Über den Autor...3

Mehr

Präsentation zur Diplomprüfung. Thema der Diplomarbeit:

Präsentation zur Diplomprüfung. Thema der Diplomarbeit: Präsentation zur Diplomprüfung Thema der Diplomarbeit: Analyse der Einsatzmöglichkeiten von Data Mining- Verfahren innerhalb einer Unternehmens - Balanced Scorecard und Entwicklung eines Empfehlungskatalogs.

Mehr

ONLINESHOPS ERFOLGREICH STEUERN WIE BEHALTE ICH DIE ÜBERSICHT? TRANSPARENZ DURCH BEST PRACTICE ECOMMERCE REPORTING

ONLINESHOPS ERFOLGREICH STEUERN WIE BEHALTE ICH DIE ÜBERSICHT? TRANSPARENZ DURCH BEST PRACTICE ECOMMERCE REPORTING ONLINESHOPS ERFOLGREICH STEUERN WIE BEHALTE ICH DIE ÜBERSICHT? TRANSPARENZ DURCH BEST PRACTICE ECOMMERCE REPORTING Onlineshops erfolgreich steuern wie behalte ich die Übersicht? Transparenz durch Best

Mehr

Konzeption eines Master-Data-Management-Systems. Sven Schilling

Konzeption eines Master-Data-Management-Systems. Sven Schilling Konzeption eines Master-Data-Management-Systems Sven Schilling Gliederung Teil I Vorstellung des Unternehmens Thema der Diplomarbeit Teil II Master Data Management Seite 2 Teil I Das Unternehmen Vorstellung

Mehr

Data Mining Anwendungen und Techniken

Data Mining Anwendungen und Techniken Data Mining Anwendungen und Techniken Knut Hinkelmann DFKI GmbH Entdecken von Wissen in banken Wissen Unternehmen sammeln ungeheure mengen enthalten wettbewerbsrelevantes Wissen Ziel: Entdecken dieses

Mehr