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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder.

Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder. Präsenzübung Service 2.1. CRM Customer-Relationship Management a) Anliegen des CRM Worum geht es beim CRM? Geben Sie den Inhalt des nachstehenden Textes mit eigenen Worten wieder. CRM, auch Beziehungsmanagement

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

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

»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

Customer Relationship Management

Customer Relationship Management Customer Relationship Management Alter Wein in neuen Schläuchen oder echte Kundenorientierung nur noch mit IT-Unterstützung möglich? Beispiel aus der Versicherungsbranche Thorsten Greiser, Senior Professional

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

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

Customer Relationship Management

Customer Relationship Management Customer Relationship Management Seminar der AG DBIS: DB-Aspekte des E-Commerce Wintersemester 2001/2001 Christian Amlinger christian@amlinger.de 4. 4. Inhalt 5. Komponenten 5. 5. 5. Komponenten 5.1 acrm

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

Betriebswirtschaftslehre des Handels 1: Handelsmanagement und Handelscontrolling

Betriebswirtschaftslehre des Handels 1: Handelsmanagement und Handelscontrolling Betriebswirtschaftslehre des Handels 1: Handelsmanagement und Handelscontrolling 2 Handelscontrolling Prof. Dr. Hendrik Schröder 2-47 Betriebswirtschaftslehre des Handels 1 Handelsmanagement und Handelscontrolling

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

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

Künstliche Neuronale Netze und Data Mining

Künstliche Neuronale Netze und Data Mining Künstliche Neuronale Netze und Data Mining Catherine Janson, icasus GmbH Heidelberg Abstract Der Begriff "künstliche Neuronale Netze" fasst Methoden der Informationstechnik zusammen, deren Entwicklung

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

Online Customer Relationship Management

Online Customer Relationship Management Online Customer Relationship Management Schwerpunkt: Calculation of Customer Value Vorgelegt der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Universität Fribourg von Jacqueline Wanner eingereicht

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

CRM Survey 2015 von CRM zu CXM die Reise beginnt. Hannover, 17. März Ralf Korb, Senior Analyst CRM

CRM Survey 2015 von CRM zu CXM die Reise beginnt. Hannover, 17. März Ralf Korb, Senior Analyst CRM CRM Survey 2015 von CRM zu CXM die Reise beginnt Hannover, 17. März Ralf Korb, Senior Analyst CRM Demographie Online-Anwenderbefragung September 2014 bis Januar 2015 Über 260 Teilnehmer in Deutschland

Mehr

Analytisches CRM und Data Mining

Analytisches CRM und Data Mining Analytisches CRM und Data Mining Magische Zahlen für das Marketing Computerwoche Initiative CRM 2009 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Mitglied im CRM Expertenrat

Mehr

Data-Mining im Customer-Relationship-Management

Data-Mining im Customer-Relationship-Management Data-Mining im Customer-Relationship-Management Yaniv Schwerin 05.06.2007 Übersicht 1 Einleitung und Motivation Motivation CRM-Ansatz 2 Data-Mining im Unternehmen Betrachtung der Daten Customer Lifecycle

Mehr

Entfesseln Sie Ihr Potential als Realzeit-Unternehmen!

Entfesseln Sie Ihr Potential als Realzeit-Unternehmen! Entfesseln Sie Ihr Potential als Realzeit-Unternehmen! CC NOW 2013-19.9.13 in Düsseldorf Klaus-J. Zschaage authensis AG stellen Sie sich vor Seite 2 stellen Sie sich vor was ist dafür zu tun? Seite 3 Geschäftsoptimierung

Mehr

Die PRO:FIT.MACHER Dipl.-Päd. Uwe Fischer Dipl.-Kfm. Ursula Liphardt

Die 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

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

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

Churn 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. 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

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

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

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

Inhaltsübersicht INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG...

Inhaltsübersicht INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG... Inhaltsübersicht Inhaltsübersicht I INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG... 1 1.1 Zielsetzung und Motivation... 1 1.2

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

Wilde, K. D.; Englbrecht, A.; Hippner, H. (2005): Kampagnen-Management als Teil des CRM, in: WISU, Nr. 3, S. 342-348.

Wilde, K. D.; Englbrecht, A.; Hippner, H. (2005): Kampagnen-Management als Teil des CRM, in: WISU, Nr. 3, S. 342-348. 2005 Hippner, H.; Wilde, K. D. (2005): Informationstechnologische Grundlagen der Kundenbindung, in: Bruhn, M.; Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanagement, 5. Aufl., Wiesbaden, S. 463-499. Hippner,

Mehr

Analytisches 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. 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

Mehr

Vom Newsletter zur Marketingautomation. #onedigicomp, 05. Dezember 2013 Michael Gisiger Wortgefecht

Vom Newsletter zur Marketingautomation. #onedigicomp, 05. Dezember 2013 Michael Gisiger Wortgefecht Vom Newsletter zur Marketingautomation #onedigicomp, 05. Dezember 2013 Michael Gisiger Wortgefecht Über mich Michael Gisiger Wortgefecht lic. phil. hist. EMBA (in Ausbildung) CompTIA Certified Technical

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

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

CRM und Social Media. Kundenkontakt 2.0

CRM und Social Media. Kundenkontakt 2.0 Kundenkontakt 2.0 Kundenbeziehungsmanagement mit Open-Source ERP-Lösungen M.Sc. Falk Neubert, Universität Osnabrück 1 04.04.2011, Potsdam M.Sc. Falk Neubert Wissenschaftlicher Mitarbeiter im Fachbereich

Mehr

Kundenbeziehungsmanagement für den Mittelstand

Kundenbeziehungsmanagement für den Mittelstand Kundenbeziehungsmanagement für den Mittelstand Einführung in das Kundenbeziehungsmanagement M.Sc. Falk Neubert, Universität Osnabrück 1 24.03.2011, Braunschweig by Hilbring Cartoons, Oliver Hilbring, http://www.oli-hilbring.de/

Mehr

Kundenbeziehungsmanagement. Wie behalte ich meinen Kunden? 11. Mai 2005

Kundenbeziehungsmanagement. Wie behalte ich meinen Kunden? 11. Mai 2005 Wie behalte ich meinen Kunden? Universität Siegen Institut für Wirtschaftsinformatik Fachbereich Wirtschaftswissenschaften Schmidt@fb5.uni-siegen.de http://www-wirtschaftsinformatik.fb5.uni-siegen.de/winfo/

Mehr

ONLINESHOPS ERFOLGREICH STEUERN: WIE BEHALTE ICH DIE ÜBERSICHT?

ONLINESHOPS ERFOLGREICH STEUERN: WIE BEHALTE ICH DIE ÜBERSICHT? ONLINESHOPS ERFOLGREICH STEUERN: WIE BEHALTE ICH DIE ÜBERSICHT? Transparenz durch Best Practice ecommerce Reporting Lennart Jansen! plentymarkets Online-Händler-Kongress Februar 2014 DAS PROBLEM:!! KEINE

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

Erfolgsdruck und strategischer Verantwortung von Prof. Dr. Peter Winkelmann } 9

Erfolgsdruck und strategischer Verantwortung von Prof. Dr. Peter Winkelmann } 9 Vorwort von Kurt Sibold 1 Was ist CRM? Universität«- ^ bibliothek Mannheim 100 8 1.1 Was ist CRM? Ist CRM ein neues Wundermittel? von Martin Hubschneider 1 2 1.2 Der Nutzen von CRM: CRM macht den Mittelstand

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

Customer Centricity. Frankfurt, November 2011. Dr. Wolfgang Martin Analyst, ibond Partner, und Mitglied im CRM Expertenrat

Customer Centricity. Frankfurt, November 2011. Dr. Wolfgang Martin Analyst, ibond Partner, und Mitglied im CRM Expertenrat Customer Centricity Frankfurt, November 2011 Dr. Wolfgang Martin Analyst, ibond Partner, und Mitglied im CRM Expertenrat Customer Centricity Kundenbeziehungs-Management Die Evolution der Modelle Outbound,

Mehr

Ergebnisse einer explorativen Studie

Ergebnisse einer explorativen Studie Dr. Henning Baars Integration von CRM-Systemen für den Außendienst des industriellen Mittelstandes Ergebnisse einer explorativen Studie Präsentation auf der MKWI 2006 20.02.2006 Prof. Dr. Hans-Georg Kemper,

Mehr

Kundenbeziehungsmanagement im Mittelstand

Kundenbeziehungsmanagement im Mittelstand Kundenbeziehungsmanagement im Mittelstand Mit Vernetzung zum Erfolg Prof. Dr.-Ing. Andreas Schmidt Lehrgebiet Wirtschaftsinformatik Hochschule Osnabrück 1 by Hilbring Cartoons, Oliver Hilbring, http://www.oli-hilbring.de/

Mehr

Hinführung zum Thema CRM Was ist CRM & Was habe ich davon?

Hinführung zum Thema CRM Was ist CRM & Was habe ich davon? Hinführung zum Thema CRM Was ist CRM & Was habe ich davon? NIK Veranstaltung in Nürnberg / 07. Mai 2014 Referent Matthias Bär sales do Gründer / Strategieberater und Umsetzungsbegleiter Was erwartet uns

Mehr

Customer Relationship Management in Fußballunternehmen

Customer Relationship Management in Fußballunternehmen KulturKommerz Band 10 Customer Relationship Management in Fußballunternehmen Erfolgreiche Kunden - beziehungen gestalten Von Dr. Julian Zeltinger Erich Schmidt Verlag Bibliografische Information der Deutschen

Mehr

Kundenbindung im gewerblichen Automobilmarkt

Kundenbindung 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

Mehr

MARKETING STRATEGY ANALYTICAL MARKETING DATA MINING

MARKETING STRATEGY ANALYTICAL MARKETING DATA MINING MARKETING STRATEGY ANALYTICAL MARKETING DATA MINING Die Wege erkennen, auf denen sich Ihre Kunden bewegen Kommunizieren Sie mit Ihren Kunden effizient und individuell über die richtigen Werbekanäle. Wir

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

Praxisleitfaden Customer Relationship Management

Praxisleitfaden Customer Relationship Management Praxisleitfaden Customer Relationship Management Ich habe kein Marketing gemacht. Ich habe immer nur meine Kunden geliebt. Zino Davidoff, Unternehmer (1906-1994) Unabhängige Untersuchungen haben ergeben,

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

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

Vom Customer Relationship Management (CRM) zum Social Customer Value Management (SCVM)

Vom Customer Relationship Management (CRM) zum Social Customer Value Management (SCVM) Prof. Dr. Heike Simmet Hochschule Bremerhaven Vom Customer Relationship Management (CRM) zum Social Customer Value Management (SCVM) Die Nutzung des Customer Relationship Managements (CRM) als übergreifende

Mehr

Jenseits 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 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

Mehr

Das Unternehmen. September 2014

Das Unternehmen. September 2014 Das Unternehmen September 2014 Warum maihiro So verschieden unsere Kunden, ihre Ziele und Branchen auch immer sind: Nachhaltige Erfolge im Markt erfordern einen starken Vertrieb und eine kundenorientierte

Mehr

capaneo crmmatch TECHNOLOGIEN

capaneo crmmatch TECHNOLOGIEN capaneo crmmatch Mehrwert durch verknüpfte Offline- und Online-Daten Zielgenaue Display-Werbung auf Basis Ihrer CRM-Daten Wertschöpfungssteigerung des Customer Lifetime Value Bestandskunden auch online

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

ix 3. Keine aufgabengerechten Prozesse und Systeme 4. Keine anwendbare Kundensegmentierung

ix 3. Keine aufgabengerechten Prozesse und Systeme 4. Keine anwendbare Kundensegmentierung 2 Auch B2B-Unternehmen brauchen CRM Bestandskunden binden und ausbauen ist effektiver und effizienter als Neukunden zu gewinnen. Dieses Mantra gilt gerade im B2B-Bereich, denn hier setzt profitables Wachstum

Mehr

Kundenwissen für den Energieversorger der Zukunft

Kundenwissen 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

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

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