CURTIS Die Customer Realtime Segmentation

Transkript

1 CURTIS Die Customer Realtime Segmentation

2 CURTIS Die Customer Realtime Segmentation Intro

3 Intro Beispiel CURTIS Die Customer Realtime Segmentation Michael Müller, guten Tag, ich hätte gerne ein Doppelzimmer für übernächstes Wochenende Hotel Muster herzlich willkommen, was kann ich für Sie tun? Natürlich. Auguststraße 12 in Düsseldorf Sehr gerne Herr Müller, sagen Sie mir bitte kurz Ihre Adresse? ADRESSE: Auguststraße 12, Düsseldorf KUNDENTYP: A Gebäudetyp: Villa groß, eine Partei Einkommensklasse: 10/10 Exklusivität: Sehr hoch Altersklasse: Jahre Wohnlage: Exklusiv, zentrumsnah Soziale Schicht: Sehr hoch Eigentumsquote: 95% Affinität Urlaub: Sehr hoch, international Nächste Wellness: 8,5 km Affinität Wellness: Sehr hoch Haushaltsstruktur: Paare, wenig Kinder Das klingt ja wie für mich gemacht. Prima. Vielen Dank. Folie 3 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/ Herr Müller, ich reserviere gerne unsere Suite Fürst für Sie. Und ich habe ein tolles Arrangement an diesem Wochenende mit Champagner, Spa-Anwendungen und Sternemenü inklusive. Darf ich das für Sie einbuchen?

4 CURTIS Die Customer Realtime Segmentation Wer oder was ist CURTIS?

5 Wer oder was ist CURTIS? Basics CURTIS Die Customer Realtime Segmentation CURTIS beschreibt und sortiert jeden Konsumenten (B2C) und jede Firma (B2B) in Deutschland jeder beliebigen Kundensegmentierung zu. CURTIS verwendet Kundensegmentierungen, die im Smart-Research-Verfahren erstellt und übertragen wurden. CURTIS stellt diese Segmente für alle Adressen in Deutschland zur Verfügung. CURTIS verwendet dazu eine Ad-hoc-Geocodierung und bietet auf Wunsch auch Zugriff auf die gesamte CASA-Datenwelt. Folie 5 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

6 Wer oder was ist CURTIS? Anwendungen CURTIS Die Customer Realtime Segmentation Jedes Unternehmen kann so seine unternehmensspezifische Kundensegmentierung sofort mit CURTIS den jeweiligen Vertriebskanälen für Neukunden und Interessenten-Anfragen zur Verfügung stellen. Zum jeweiligen Kundentyp/-segment kann so ad-hoc das passende Kommunikationsverfahren anwenden bzw. das optimal passende Produktangebot offeriert werden. Folie 6 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

7 Wer oder was ist CURTIS? Schematische Darstellung Anfrageeingang per Post, Telefon, , Website, persönlichem Besuch, Adresseingabe und Realtime-Geocodierung. Identifikation und Zuordnung zum passenden vordefinierten Segment Folie 7 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

8 Wer oder was ist CURTIS? Bestandteile Datenbasis infas 360 CASA Datenbank inkl. 700 mikrogeographischer Variablen Kundendaten (Adressen, Kennziffern) Kundenbefragungen infas 360 CASA Monitor Übertragung der Segmentierung Kundeneigene Kundeneigene, optimiert im Smart Research- Verfahren von infas 360 Komplett neu, im Smart Research- Verfahren von infas 360 Realtime-Geocodierung infas 360 PAGS Geocoder Adressvalidierung Adresslokalisierung Adressanreicherung mit Geoschlüssel Option: Frag CURTIS Cloud-Dienst Inkl. Daten, Segmente, Realtime-Geocodierung Adresseingabe per Textfeld o. interaktiver Karte Ergebnis-Ausgabe in übersichtlicher Liste Export/Druck möglich Inhaltlich individualisierbar Folie 8 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

9 CURTIS Die Customer Realtime Segmentation Das Smart Research-Verfahren Folie 9 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

10 Das Smart Research-Verfahren Erforderliche Schritte CURTIS Die Customer Realtime Segmentation? TASK Fragebogenentwicklung (Smart Research Verfahren) Zu Themen wie Einstellung, Kaufverhalten, Soziodemographie Gezielte Matching-Fragen zum späteren Targeting im CRM Objektive Fragen zum validieren der subjektiven Antworten Datenanreicherung (Smart Data Enrichement) Geokodierung und Validierung der Adressen Datenanreicherung mit ca. 500 hausgenauen Variablen Datenanalyse (Smart Analytics) Bildung der Kundensegmente und Kundenprofilierung Datenübertragung (Smart Analytics) Übertragung der Segmente ins CRM Übertragung der Segmente auf jede Adresse bundesweit! RESULT Empfehlungen für das operative Management (Smart Operations) Realtime-Verifizierung der Kunden- bzw. Interessentenadressen Steuerung der Anfragen (Empfang, Zentrale, Marketing, Vertrieb, Call-Center, usw.) Ad hoc-anreicherung der Interessenten inkl. Zusatzdaten Folie 10 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

11 Das Smart Research-Verfahren Übersicht CURTIS Die Customer Realtime Segmentation?! TASK RESULT DATABASE RESEARCH DESIGN SURVEY DATA ENRICHMENT ANALYTICS OPERATIONS Secondary Data Phase Primary Data Phase Exploration Data Phase Payout Phase (nicht erforderlich, wenn Antworten in Sekundärdaten bereits auffindbar) Folie 11 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

12 Das Smart Research-Verfahren 1. Smart Database Research infas 360 Datenbanken CASA Gebäudedaten bank für B2B und B2C + Data Intelligence Network Open Data Public Data Bundesämter Private Data Deutsche Telekom + Aufraggebers CRM-Daten / Daten des 1 Landesämter AZ Bertelsmann Städte Deutsche Post Immobilienscout24 DATABASE RESEARCH Secondary Data Phase z. B. Ärzte- und Apothekenbank Google Folie 12 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

13 Das Smart Research-Verfahren 2. Smart Design CURTIS Die Customer Realtime Segmentation 1 DATABASE RESEARCH Secondary Data Phase 2 DESIGN Primary Data Phase Smart Sampling Bessere Bestimmung der Grundgesamtheit (N). Wie viele gibt es und wie finde ich diese? Detailliertere Schichtungsmöglichkeiten Optimierte Stichprobenziehung (n) Smart Channeling Über welchen Kanal erreicht man am besten wann und wo den zu Befragenden (Kanalaffinitäten/Mobilitätsverhalten z. B. aus Behaviour Data) Smart Questioning Einsparungen von Fragen Gezielte Matching Fragen (Targeting) Vergleich von Objektivität zur Subjektivität Ortsabhängige Befragungsinhalte (real time) Folie 13 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

14 Das Smart Research-Verfahren 3. Smart Survey CURTIS Die Customer Realtime Segmentation Zeit- und ortsabhängige Befragung Best Routed Interviews Intelligente Face-to-Face Interviewer Steuerung Realtime Non-Response-Analyse Ggfs. Anpassung des Designs DATABASE RESEARCH DESIGN SURVEY Secondary Data Phase Primary Data Phase Folie 14 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

15 Das Smart Research-Verfahren 4. Smart Data Enrichment Recherche, Beratung und ggf. Lizenzierung von Drittanbieter-Daten aus dem Data Intelligence Network (siehe Smart Database Research) Anreicherung aller möglichen geeigneten Daten nach Best Price-/Best Quality-Prinzip DATABASE RESEARCH DESIGN SURVEY DATA ENRICHMENT Secondary Data Phase Primary Data Phase Exploration Data Phase infas 360 Daten Folie 15 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/ Data Intelligence Network CRM-Daten

16 Das Smart Research-Verfahren 5. Smart Analytics CURTIS Die Customer Realtime Segmentation Non-Response-Analyses Explorative Statistics Graph Data Base Analytics Statistische Zwillingssuche Small Area Targeting Bestimmung des Target Area Levels z. B. Adress-/PLZ5-Ebene und/oder Branche unter Einsatz der Small Area Statistics DATABASE RESEARCH DESIGN SURVEY DATA ENRICHMENT ANALYTICS Secondary Data Phase Primary Data Phase Exploration Data Phase Folie 16 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

17 Das Smart Research-Verfahren 6. Smart Operations CURTIS Die Customer Realtime Segmentation Übertragung von Ergebnissen auf Grundgesamtheit der Zielgruppe (Potenzial) Übertragung der Ergebnisse in das CRM des Auftraggebers Bereitstellung/Implementierung Applikationen (i. d. R. kartenbasiert) zur weiteren operativen Anwendung beim Auftraggeber DATABASE RESEARCH DESIGN SURVEY DATA ENRICHMENT ANALYTICS OPERATIONS Secondary Data Phase Primary Data Phase Exploration Data Phase Payout Phase Folie 17 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

18 CURTIS Die Customer Realtime Segmentation Die Datenanreicherung Folie 18 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

19 Die Datenanreicherung Das größte amtliche Datenportfolio Einfamilienhaus mit 120 m² Grundfläche 50 Mio. Gebäudedaten in Höhe und Fläche 22 Mio. amtlich-postalische Gebäudeadressen Informationen zu Gebäudedaten (Typologie, Fläche, Exklusivität der Wohneinheit, Distanzen, ) Informationen zu Einwohnern und Haushalten (Soziale Schicht, Altersstruktur, Anz. Haushalte mit Kindern, ) Informationen zu Affinitäten (Smart-Home-Nutzung, Eigentümerscore, Kanalaffinitäten, ) Informationen zu Siedlungsblöcken (Kaufkraft, Eigentümeranteil, Baudichte, ) Ihre Filiale: Distanz 500 m Filiale des Wettbewerbers Kaufkraft-Index (SB) 123 Dominierendes Alter: Jahre Gewerbeumfeldinformationen, POIs und Trademarks Qualität der Wohnlage: Gut Überwiegende soz. Schicht: gehoben Folie 19 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

20 Details zur Datenanreicherung PAGS-CODER: Alle Geo- und Mikrodaten CRM-Daten Geo- und mikrogeografischer Datenbestand Anonymisierte Datenverknüpfung durch Georeferenzierung mit PAGS-Coder mit ca. 700 Variablen Durch das Baukastenprinzip die optimale Ergänzung des eigenen Datenbestandes. Folie 20 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

21 Details zur Datenanreicherung Befragung inkl. Big Data Enrichment + = Daten aus der Befragung (Beispiel) Alter: Gender Befragte/r: Haushaltsgröße: Alter der Kinder: HH-Einkommen: Kaufmotiv: Ausgaben Kleidung: Ausgaben Kosmetik: Ausgaben Nahrung: -> Davon Obst & Gemüse: Bevorzugter Shopping- Kanal: 38 Jahre weiblich 4 Pers. 7 und (Netto) Marke ca. Euro 180 ca. Euro 20 ca. Euro 420 ca. Euro 210 Store Verknüpfung mit der CASA-Daten (über 200 mikrogeographische Daten auf Haus und weitere ca. 500 Regional-Variablen) Wohngebäude: Wohnfläche: Baujahr: Lage: Solaranlage: Mieten: Kaufkraft: Breitband: Next Supermarkt: Next Aldi: Next Shopping-District: Einfamilienhaus 140m² 2008 Stadtrand Ja (10 MWh) Sehr hoch Überdurchschnittlich Bis zu 50 Mbit 500 Meter 1800 Meter 1,5 Km Folie 21 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

22 Details zu Smart Analytics Präzise Zielgruppenbeschreibung Altersgruppe: und jünger Gebäudetyp: Eher Mehrparteien- und Mehrfamilienkomplex Wohnfläche: Kleiner Bildungsgrad/Einkommen: Höher Haushaltsalter: Jünger Werbe-Affinität: Deutlich höher. Kaufanregung ü. Werbung Soziale Schicht: Höher Online-Affinität: 5,2% reagieren auf Online- Banner (Nicht-Käufer: 3,3%) BBSR-Typ: Großstadt Babydichte: Höher MAFO CASA Folie 22 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

23 CURTIS Die Customer Realtime Segmentation Smart Analytics Folie 23 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

24 HH-Netto-Einkommen Niedrig Hoch CURTIS Die Customer Realtime Segmentation Smart Analytics Mikrogeographische Beschreibung der Kundensegmente Hoher Anteil an Paaren mit Kindern im Haus EFH mit hohem Kaufpreis Große Wohnfläche Niedriger Die Sucher Anteil an Single-HH Hoher Anteil an Christen Hoher Anteil an Paaren mit Kindern im Haus EFH mit hohem Kaufpreis Dominierendes Alter im Haus Hoher Anteil an Single-HH Die Elite Niedriger Anteil an Paaren EFH mit niedrigem Kaufpreis Dominierendes Alter Kleine Die Wohnfläche Marke Niedriger Anteil an Single-HH Niedriger Anteil an Paaren mit Kindern EFH mit niedrigem Kaufpreis Die Dominierendes Leistung Alter Hoher Anteil an Single-HH Höherer Ausländeranteil Online Offline Folie 24 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

25 Smart Analytics Kundenprofilierung Prüfung, ob die Merkmale der Befragten trennen * in der Tabelle liegen andere Fallzahlen vor Folie 25 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

26 Smart Analytics Ermittlung von Unterscheidungsmerkmalen für die anschließende Segmentierung freistehdes Ein- bis Zweiparteienhaus freistehende Villa Gewerbe Ein- bis Zweiparteienhaus mit Anrainer Sonderform klassische Doppelhaushälfte Hochhaus Reihenhaus Seg 1 Seg 2 Mehrfamilienkomplex freistehendes Mehrparteienhaus Zeilenbau Mehrparteienhaus en Block Mehrparteiendoppelhau s Mehrparteienhaus mit Anrainer Folie 26 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

27 Smart Analytics Übertragung auf alle Haushalte und Definition von Nicht-Kunden Folie 27 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

28 Details zu Smart Analytics Adressgenaue Übertragung aller Segmente auf jede Adresse in Deutschland Folie 28 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

29 CURTIS Die Customer Realtime Segmentation Anwendung in Frag CURTIS Folie 29 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

30 Anwendung in Frag CURTIS Case: Steuerung des Interessentenmanagements (Ad hoc-segmentierung) Adresse eingeben Validierung Korrektur Lokalisierung Anonymisierung Merkmalsliste Segmentzuordnung Straße Stadt Kundensegment Einkommen / Kaufkraft Soziale Schicht Familienstand und typ Garage vorhanden Miet- bzw. Kaufpreis Case: Automatic Web-Segmentation (mehr dazu beim nächsten Mal ) Folie 30 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

31 Altersgruppe ab 60 Altersgruppe Altersgruppe bis 39 Veteranen&Boomer Generation X Generation Y CURTIS Die Customer Realtime Segmentation Anwendung in Frag CURTIS Beispiel-Segmentierung anhand dom. Alters- und Einkommensklassen pro Haus 4% aller Haushalte 11% aller Haushalte 4% aller Haushalte Adressen 2% aller Haushalte Adressen Adressen 22% 18% aller Haushalte Adressen Adressen 10% aller Haushalte Adressen Adressen Adressen Folie 31 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/ % aller Haushalte Adressen bis EUR ab bis EUR ab EUR 8% aller Haushalte monatliches Haushaltsnettoeinkommen

32 Anwendung in Frag CURTIS Live-Demo CURTIS Die Customer Realtime Segmentation Folie 32 infas 360 RESEARCH AND RESULTS: Halle 1 Stand 156/

33 Haben Sie noch Fragen? Dann freuen wir uns über Ihre Kontaktaufnahme! Silke Martin Consultant Research & Customer Analytics infas 360 GmbH Julia Kroth Project Consultant Research & Analytics infas 360 GmbH