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

Größe: px
Ab Seite anzeigen:

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

Transkript

1 TNS EX A MINE BehaviourForecast Predictive Analytics for CRM 1

2 TNS BehaviourForecast Warum BehaviourForecast für Sie interessant ist Das Konzept des Analytischen Customer Relationship Managements (acrm) gewinnt in vielen Unternehmen zunehmend an Bedeutung. Zielsetzung des CRM ist die Gewinnung, Bindung, Wertsteigerung und ggf. Rückgewinnung langfristig profitabler Kunden über eine gezielte und individuelle Kundenansprache. Wesentliche Grundlage dafür ist die Identifikation profitabler Kunden sowie die möglichst detaillierte Kenntnis um deren Bedürfnisse und Verhalten in allen Phasen des Kundenlebenszyklus. Hierzu liefert TNS BehaviourForecast wertvolle Informationen, indem es alle verfügbaren Datenquellen analysiert und mit Hilfe fortschrittlicher Data Mining Verfahren gezielt die für die jeweilige Fragestellung erforderlichen Informationen extrahiert. 2

3 TNS BehaviourForecast Analytisches CRM entlang des Kundenlebenszyklus Neugeschäft entwickeln / Kundenakquise Festigen der Kundenbeziehung Intensivieren der Kundenbeziehung Kündigungen verhindern Kundenrückgewinnung Auftragsvolumen Interessent Neukunde Bestandskunde Wiedergewonnener Kunde Verlorener Kunde EX A MINE ProspectFinder Zielgruppenauswahl Rücklaufanalyse AffinityTracer Warenkorbanalyse Cross- und Up-Selling-Analyse Kundenwert ChurnPredictor Kündigeranalyse Einflußfaktoren auf Loyalität 3

4 Analytisches CRM mit TNS Fragestellungen entlang des Kundenlebenszyklus ProspectFinder AffinityTracer ChurnPredictor Ziel: Kosteneffiziente Neukundengewinnung Welches ist das beste Zielsegment mit der höchsten Affinität zu meinem Angebot und potenziell profitablen Kunden? Ziel: Steigerung der Kundenprofitabilität Wer sind meine profitabelsten Kunden (Customer Lifetime Value)? Welche Cross / Up- Selling Aktionen sind erfolgver-sprechend? Ziel: Vermeidung von Abwanderungen Was sind die entscheidenden Faktoren der Kundenbindung? Wie können Abwanderer frühzeitig erkannt werden (Churn Prediction)? Niedrigere Akquisitionskosten durch gezielte Neukundenansprache Individuelle Kundenansprache und höhere Umsätze Steigerung der Markenloyalität Effizientere Durchführung von Loyalitätsprogrammen 4

5 Effizientes CRM mittels Data Mining Informationszuwachs ermöglicht gezielte Kundenansprache ProspectFinder Systematische Auswahl von Adressen mit hoher Kaufwahrscheinlichkeit Beschränkung auf potenziell profitable Kunden AffinityTracer Welche Produkte werden oft zusammen verkauft? Welche Kunden haben nur Teile einer häufigen Kombination gekauft? ChurnPredictor Aufbau typischer Kündigerprofile Ableitung der Kündigungswahrscheinlichkeit Ermittlung der entscheidenden Faktoren der Kundenbindung Marketingaktivitäten nur an ausgewählte Adressen Minimierung der Akquisitionskosten Weiterleitung von Kunden mit hohem Cross-/Up- Selling-Potenzial an den Außendienst Auswahl gefährdeter Kunden und Weiterleitung an Außendienst Rückgewinnungsaktivitäten 5

6 Phasenspezifische Daten im Lebenszyklus Ganzheitliche Betrachtung der verfügbaren Informationen Stammdaten Potentielle Kunden Aktive Kunden Ehemalige Kunden Stammdaten Responseverhalten Transaktionsverhalten Kündigungsverhalten Adresse Alter Geschlecht Kampagnenaffinität / -historie Kreditauskunft Selbstauskunft Produktnutzung Zahlungsmoral Kanalvorlieben... Beendigungsgrund (aktiv / passiv?) Reaktivierung TNS BehaviourForecast CRM: Zielgruppenauswahl + individuelle Kundenansprache 6

7 TNS DataFusion + BehaviourForecast Holistische Betrachtung interner und externer Daten Intern Extern Kundendatenbank Adressen Response Transaktionen Kündigung Level: Person Einstellungen TNS TRI*M Level: Homogene Mikrosegmente Wettbewerb / Gesamtmarkt TNS Access Panels Level: Homogene Mikrosegmente Psycho-soziale Strukturdaten Mikrogeographie Lifestyle Level: z.b. Straßenabschnitt TNS DataFusion + BehaviourForecast CRM: Zielgruppenauswahl + individuelle Kundenansprache 7

8 Aufgaben und Problemtypen des Data Mining Großes Methodenspektrum für gezielte Analysen Bonitätsanalyse / Scoring Prognose Kunden - Segmentierung - Potenzialanalyse Betrugserkennung Transaktionsmuster Klassifikation Segmentierung Assoziation Neuronale Netze Klassische Verfahren Clusterverfahren Entscheidungsbäume Assoziationsverfahren Aufgabe Problemtyp Methode / Algorithmen 8

9 Die TNS Algorithmen-Toolbox Multivariate Statistik Logistische, kategoriale, lineare Regression, EM-Algorithmus Multivariate Adaptive Regression Splines (MARS) Ridge Regression, Robust Regression Clusteranalyse, Latent Class Analyse Entscheidungsbäume/-regeln, maschinelles Lernen C&RT, C5.0, QUEST, CHAID, Assoziationsregeln MART Multiple Additive Regression Trees, Random Forest Nearest Neighbours / Instance based learning Profiler Künstliche Neuronale Netze Cascade Correlation Learning Architecture, MLP, SOM Hybride Methoden Automatisierte OLAP Navigation und Suche Genetische Algorithmen zur Variablenauswahl Neuro Fuzzy Algorithmen, interaktive Datenvisualisierung 9

10 TNS Ihre Ansprechpartner Dr. Robert Hartl Tel Cornelia Lotz Tel

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

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

TNS EX A MINE DataFusion Die Brücke zur gemeinsamen Betrachtung von Daten aus unterschiedlichen Datenquellen. TNS Infratest Applied Marketing Science

TNS EX A MINE DataFusion Die Brücke zur gemeinsamen Betrachtung von Daten aus unterschiedlichen Datenquellen. TNS Infratest Applied Marketing Science TNS EX A MINE DataFusion Die Brücke zur gemeinsamen Betrachtung von Daten aus unterschiedlichen Datenquellen 1 Umfassendes Kundenverständnis Existieren in Ihrem Unternehmen verschiedene Befragungsdaten?

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

TNS EX A MINE TextMiner Aufdecken von Beziehungen und Trends in unstrukturierten Daten. TNS Infratest Applied Marketing Science

TNS EX A MINE TextMiner Aufdecken von Beziehungen und Trends in unstrukturierten Daten. TNS Infratest Applied Marketing Science TNS EX A MINE TextMiner Aufdecken von Beziehungen und Trends in unstrukturierten Daten 1 Warum Text Mining? In den letzten Jahren hat sich der Information Overload vervielfacht Informationen in unstrukturierter

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

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

Mining the Web. Analyse von Benutzerpfaden und Nutzertypen im Internet. Business Unit CRM Solutions SAS Deutschland. Dr.

Mining the Web. Analyse von Benutzerpfaden und Nutzertypen im Internet. Business Unit CRM Solutions SAS Deutschland. Dr. Mining the Web Analyse von Benutzerpfaden und Nutzertypen im Internet Dr. Frank Säuberlich Business Unit CRM Solutions SAS Deutschland Agenda 1. Einleitung: Der Lebenszyklus eines e-kunden Begriffsdefinition

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

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

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

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

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

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

TNS EX A MINE GeoCheck Evaluation und Selektion mikrogeographischer Daten für Marketing und Vertrieb. TNS Infratest Applied Marketing Science

TNS EX A MINE GeoCheck Evaluation und Selektion mikrogeographischer Daten für Marketing und Vertrieb. TNS Infratest Applied Marketing Science TNS EX A MINE GeoCheck Evaluation und Selektion mikrogeographischer Daten für Marketing und Vertrieb 1 TNS EX A MINE GeoCheck Warum GeoCheck für Sie interessant ist Mikrogeographische Informationen werden

Mehr

Teil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3

Teil A Grundlagen und Methoden 1. 1 Customer Relationship Management ein Bezugsrahmen 3 xi Teil A Grundlagen und Methoden 1 1 Customer Relationship Management ein Bezugsrahmen 3 1.1 Die Entwicklung zum kundenzentrierten Unternehmen 3 1.2 Ziel und Kernkonzepte des CRM 5 1.2.1 Ziel: Profitable

Mehr

Kundenbindung optimieren mit Predictive Analytics und Text Mining

Kundenbindung optimieren mit Predictive Analytics und Text Mining Kundenbindung optimieren mit Predictive Analytics und Text Mining Ein Praxis-Beispiel mit der Analyse-Plattform STATISTICA CeBIT Hannover, 10. März 2014 www.statsoft.de StatSoft (Europe) GmbH 2014 Dr.

Mehr

Customer Relationship Ana lyt ics

Customer Relationship Ana lyt ics Peter Necke1 Bernd Knobloch Customer Relationship Ana lyt ics Praktische Anwendung des Data Mining im CRM d p u n kt.ve r I ag 1 1.1 1.2 1.3 Customer Relationship Management. ein Bezugsrahmen Die Entwicklung

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

Schober Targeting System Touristik

Schober Targeting System Touristik Schober Targeting System Touristik IST IHR INFORMATIONS- MANAGEMENT UP to DATE? Nur wer die relevanten Informationen über seine Kunden und seinen Markt hat und wer sie zielgerichtet verwerten kann, ist

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

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

Mitgliederbindung und rückgewinnung in Sportvereinen

Mitgliederbindung und rückgewinnung in Sportvereinen Mitgliederbindung und rückgewinnung in Sportvereinen Prof. Dr. Florian Riedmüller Fakultät Betriebswirtschaft Technische Hochschule Nürnberg Georg Simon Ohm www.th-nuernberg.de Seite 1 Gründe für die abnehmende

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

Was ist Data Mining... in der Fundraising Praxis?

Was ist Data Mining... in der Fundraising Praxis? Was ist Data Mining...... in der Fundraising Praxis? Erkennen von unbekannten Mustern in sehr grossen Datenbanken (> 1000 GB) wenige und leistungsfähige Verfahren Automatisierung Erkennen von unbekannten

Mehr

MEHR ANALYTICS FÜR MEHR ANWENDER DR. GERHARD SVOLBA COE ANALYTICS DACH WIEN, 11. JUNI 2015

MEHR ANALYTICS FÜR MEHR ANWENDER DR. GERHARD SVOLBA COE ANALYTICS DACH WIEN, 11. JUNI 2015 MEHR ANALYTICS FÜR MEHR ANWENDER DR. GERHARD SVOLBA COE ANALYTICS DACH WIEN, 11. JUNI 2015 DAS ERWARTET SIE IN MEINEM VORTRAG Neue Anforderungen, neue Herausforderungen, neue Möglichkeiten Software Demo:

Mehr

Treffsichere Absatzprognosen durch Predictive Analytics

Treffsichere Absatzprognosen durch Predictive Analytics Treffsichere Absatzprognosen durch Predictive Analytics Prof. Dr. Michael Feindt, Karlsruhe Institute of Technology KIT Chief Scientific Advisor, Phi-T GmbH und Blue Yonder GmbH & Co KG 3. Europäischer

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

Data Mining und maschinelles Lernen

Data Mining und maschinelles Lernen Data Mining und maschinelles Lernen Einführung und Anwendung mit WEKA Caren Brinckmann 16. August 2000 http://www.coli.uni-sb.de/~cabr/vortraege/ml.pdf http://www.cs.waikato.ac.nz/ml/weka/ Inhalt Einführung:

Mehr

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG

Data Mining mit der SEMMA Methodik. Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining mit der SEMMA Methodik Reinhard Strüby, SAS Institute Stephanie Freese, Herlitz PBS AG Data Mining Data Mining: Prozeß der Selektion, Exploration und Modellierung großer Datenmengen, um Information

Mehr

Data Mining SAS Mining Challenge Einführung in SAS Enterprise Miner

Data Mining SAS Mining Challenge Einführung in SAS Enterprise Miner Agenda Universitätsrechenzentrum Heidelberg Data Mining SAS Mining Challenge Einführung in 14. November 2003 Hussein Waly URZ Heidelberg Hussein.Waly@urz.uni-heidelberg.de SAS Mining Challenge Generelle

Mehr

Advanced Analytics. Michael Ridder. Copyright 2000-2014 TIBCO Software Inc.

Advanced Analytics. Michael Ridder. Copyright 2000-2014 TIBCO Software Inc. Advanced Analytics Michael Ridder Was ist Advanced Analytics? 2 Was heißt Advanced Analytics? Advanced Analytics ist die autonome oder halbautonome Prüfung von Daten oder Inhalten mit ausgefeilten Techniken

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

Was wir vorhersagen, soll auch eintreffen! Kündigeranalyse für eine Direktbank mit dem Blick für das richtige Timing

Was wir vorhersagen, soll auch eintreffen! Kündigeranalyse für eine Direktbank mit dem Blick für das richtige Timing Case Study // Kündigeranalyse für eine Direktbank mit dem Blick für das richtige Timing Management Summary Stichworte Kündigeranalyse, Kundenrückgewinnung, Churn Management, Customer Analytics, Data Mining

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

Fachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß

Fachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche

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

Complementor Relationship Management

Complementor Relationship Management Complementor Relationship Management The Missing Link in Business Relationship Management Nr. 1/10 Dipl. -Kfm. techn. Armin Günther CoRM Complementor Relationship Management Generate Value Capture Value

Mehr

Schober Targeting System ecommerce

Schober Targeting System ecommerce Schober Targeting System ecommerce Crossmediale, systematische Marktbearbeitung Vom einzelnen Baustein bis zur Gesamtstrategie Modulare Lösungen sofort einsetzbar IST IHR INFORMATIONS- MANAGEMENT UP to

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

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

Schober Targeting System für Versicherungen

Schober Targeting System für Versicherungen Schober Targeting System für Versicherungen Crossmediale, systematische Marktbearbeitung Vom einzelnen Baustein bis zur Gesamtstrategie Modulare Lösungen sofort einsetzbar IST IHR INFORMATIONS- MANAGEMENT

Mehr

Webinar, 28.11.2013. Verborgene Schätze heben. Data Mining mit dem Microsoft SQL Server. Thomas Jahnke Martin Oesterer. HMS Analytical Software GmbH

Webinar, 28.11.2013. Verborgene Schätze heben. Data Mining mit dem Microsoft SQL Server. Thomas Jahnke Martin Oesterer. HMS Analytical Software GmbH Webinar, 28.11.2013 Verborgene Schätze heben Data Mining mit dem Microsoft SQL Server Thomas Jahnke Martin Oesterer HMS Analytical Software GmbH 1 Unsere heutige Agenda Verborgene Schätze heben Herzlich

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

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

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe

Mehr

Entwicklung eines CRM Systems

Entwicklung eines CRM Systems Entwicklung eines CRM Systems In diesem Skript werden alle möglichen Elemente die zur Entwicklung eines CRM Systems notwendig sind angesprochen. Im Rahmen Ihrer Analyse Ihres Beispielunternehmens/ Ihrer

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

Artikel 1 der Reihe zum Kampagnen-Management. Der systematische Kampf um den profitablen Kunden

Artikel 1 der Reihe zum Kampagnen-Management. Der systematische Kampf um den profitablen Kunden Artikel 1 der Reihe zum Kampagnen-Management Der systematische Kampf um den profitablen Kunden Von Claus-Jürgen Leitzmann und Olaf Jens Keese Die veränderten Bedingungen im Versicherungsmarkt erfordern

Mehr

Dr. Joachim Keppler. Kurzprofil. Inhaltsverzeichnis. Dr. Joachim Keppler. Markgrafenstraße 2 91154 Roth. Mobil E-Mail Web

Dr. Joachim Keppler. Kurzprofil. Inhaltsverzeichnis. Dr. Joachim Keppler. Markgrafenstraße 2 91154 Roth. Mobil E-Mail Web Dr. Joachim Keppler Markgrafenstraße 2 91154 Roth Mobil E-Mail Web +49 (0) 178 824 16 18 joachim.keppler@diwiss.de www.diwiss.de Kurzprofil Impulse, Denkmodelle und interdisziplinäre Lösungsansätze für

Mehr

Database Marketing ein Überblick: 12 Schritte zur erfolgreichen Kundenansprache

Database Marketing ein Überblick: 12 Schritte zur erfolgreichen Kundenansprache Database Marketing ein Überblick: 12 Schritte zur erfolgreichen Kundenansprache Andrea Ahlemeyer-Stubbe Geschäftsführende Gesellschafterin antz21 GmbH Past President ENBIS Vice President ECDM Lehrbeauftragte

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

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

Contact Center. Wir haben einen guten Draht zu Menschen. Burda Direkt Services GmbH

Contact Center. Wir haben einen guten Draht zu Menschen. Burda Direkt Services GmbH Contact Center Burda Direkt Services GmbH Hubert-Burda-Platz 2 77652 Offenburg T. +49-781-84-6364 F. +49-781-84-6146 info@burdadirektservices.de www.burdadirektservices.de Wir sprechen Menschen an Durch

Mehr

Analytisches Fundraising

Analytisches Fundraising Analytisches Fundraising Vorgehen, Verfahren, Werkzeuge DiaSys. Marketing Engineering AG, Wankdorffeldstr.102, 3014 Bern 031 922 31 50, zuercher@diasys.ch Analytisches Fundraising Inhaltsverzeichnis Datenbankgestütztes

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

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

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

Scoring: Kaufwahrscheinlichkeiten ermitteln und gezielt Umsätze steigern

Scoring: Kaufwahrscheinlichkeiten ermitteln und gezielt Umsätze steigern whitepaper Scoring: Kaufwahrscheinlichkeiten ermitteln und gezielt Umsätze steigern INHALT S. 1. Was ist Scoring? 2 2. Fallstudie: Response-Scoring 3 3. Wirtschaftlich Arbeiten mit D&B Business Scoring

Mehr

Business Intelligence. Business Intelligence Seminar, WS 2007/08

Business Intelligence. Business Intelligence Seminar, WS 2007/08 Business Intelligence Seminar, WS 2007/08 Prof. Dr. Knut Hinkelmann Fachhochschule Nordwestschweiz knut.hinkelmann@fhnw.ch Business Intelligence Entscheidungsorientierte Sammlung, Aufbereitung und Darstellung

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

Data Mining Techniken und Anwendungsbereiche. Daten Informationen Wissen Aktionen Profit. Agenda. Was ist Data Mining? Das Ziel

Data Mining Techniken und Anwendungsbereiche. Daten Informationen Wissen Aktionen Profit. Agenda. Was ist Data Mining? Das Ziel Agenda Data Mining Techniken und Anwendungsbereiche Reinhard Dechent, Compaq Michael Wetzel, Was ist Data Mining? Das Ziel The process of extracting meaningful information from large databases - information

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

Optimiertes IT Service Management durch Predictive Analytics. München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015

Optimiertes IT Service Management durch Predictive Analytics. München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015 Optimiertes IT Service Management durch Predictive Analytics München, 23.06.2015 Dr. Katrin Zaiß, Kay Kasperkowitz TDWI Konferenz 2015 Agenda Herausforderungen im IT Service Management (ITSM) Predictive

Mehr

Anwendung der Predictive Analytics

Anwendung der Predictive Analytics TDWI Konferenz mit BARC@TDWI Track 2014 München, 23. 25. Juni 2014 Anwendung der Predictive Analytics Prof. Dr. Carsten Felden Dipl. Wirt. Inf. Claudia Koschtial Technische Universität Bergakademie Freiberg

Mehr

Dominik Pretzsch TU Chemnitz 2011

Dominik Pretzsch TU Chemnitz 2011 Dominik Pretzsch TU Chemnitz 2011 Wir leben im Informationszeitalter und merken es daran, dass wir uns vor Information nicht mehr retten können. Nicht der überwältigende Nutzen der Information, sondern

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

MS SQL Server 2012 (4)

MS SQL Server 2012 (4) MS SQL Server 2012 (4) Data Mining, Analyse und multivariate Verfahren Marco Skulschus Jan Tittel Marcus Wiederstein Webseite zum Buch: http://vvwvv.comelio-medien.com/buch-kataiog/ms sql_server/ms sql

Mehr

Executive Summary: Banken und Versicherungen Wettbewerbsfaktor Analytics - Reifegrad ermitteln, Wirtschaftlichkeitspotenziale entdecken

Executive Summary: Banken und Versicherungen Wettbewerbsfaktor Analytics - Reifegrad ermitteln, Wirtschaftlichkeitspotenziale entdecken Executive Summary: Banken und Versicherungen Wettbewerbsfaktor Analytics - Reifegrad ermitteln, Wirtschaftlichkeitspotenziale entdecken Lehrstuhl für Wirtschaftsinformatik und Electronic Government Universität

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

Schober Targeting System Automotive

Schober Targeting System Automotive Schober Targeting System Automotive IST IHR INFORMATIONS- MANAGEMENT UP to DATE? Nur wer die relevanten Informationen über seine Kunden und seinen Markt hat und wer sie zielgerichtet verwerten kann, ist

Mehr

Customer Relationship Management...

Customer Relationship Management... Customer Relationship Management... Wissen Kunde E-Technologien Informationsmanagement Transaktionsmarketing CAS- System Wissensmanagement Beziehungsmarketing CRM- System...integriert Wissensmanagement,

Mehr

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?

Mehr

CRM WHITE PAPER MICROSOFT BUSINESS SOLUTIONS CRM. Inhaltsverzeichnis

CRM WHITE PAPER MICROSOFT BUSINESS SOLUTIONS CRM. Inhaltsverzeichnis MICROSOFT BUSINESS SOLUTIONS CRM Inhaltsverzeichnis CRM White Paper... 1 CRM Das Konzept... 2 Herausforderungen & Marktsituation... 2 Stärkung der Wettbewerbsfähigkeit... 2 Die Kundenorientierung.... 2

Mehr

Wachstumsförderung mit CRM

Wachstumsförderung mit CRM Wachstumsförderung mit CRM Computerwoche CRM Initiative Feb. 2007 Dr. Wolfgang Martin Analyst, Mitglied im CRM-Expertenrat und Research Advisor am Institut für Business Intelligence Wachstumsförderung

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

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

Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog

Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog Mit Big Data zum Touchpoint- übergreifenden Echtzeit- Kundendialog Big Data im Marke

Mehr

1 Predictive Analytics mit Random Forest

1 Predictive Analytics mit Random Forest Predictive Analytics Demokratie im Wald 1 Agenda 1. Predictive Analytics Übersicht 2. Random Forest Grundkonzepte und Anwendungsfelder 3. Entscheidungsbaum Classification and Regression Tree (CART) 4.

Mehr

Was bedeutet Database-Marketing?

Was bedeutet Database-Marketing? Was bedeutet Database-Marketing? Führen eines computerisierten relationalen Datenbank-Systems im Echtzeitbetrieb - umfassend vollständige, aktuelle, relevanten Daten von Kunden, Anfragern, Interessenten

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

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 Kundenbewertung ist der Schlüssel für ein erfolgreiches CRM-System in der Hotellerie

Die Kundenbewertung ist der Schlüssel für ein erfolgreiches CRM-System in der Hotellerie Die Kundenbewertung ist der Schlüssel für ein erfolgreiches CRM-System in der Hotellerie von Manfred Krafft, Werner Reinartz, Heiko Müller 1 In der Hotellerie hängt die Entscheidung zur Einführung eines

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

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

Mehr

Business Intelligence im CRM April 2003

Business Intelligence im CRM April 2003 CRM, das alles beherrschende Thema der letzen Jahre, ist ohne Business Intelligence (BI) nicht denkbar. Denn ohne fundierte Kenntnisse des Kunden, seiner Zufriedenheit und seiner Bedürfnisse lassen sich

Mehr

Cluster-Analyse Implizites Wissen Hauptkomponentenanalyse Faktorenanalyse Assoziationsanalyse

Cluster-Analyse Implizites Wissen Hauptkomponentenanalyse Faktorenanalyse Assoziationsanalyse Datenanalyse Cross Selling Analytisches CRM Marketing Mix Preisoptimierung Kundenzufriedenheit Marktpotenzial Gap-Analyse Mulitvariate Analysen Deskriptive Statistik Data Mining Transformation Operations

Mehr

Herzlich Willkommen zum...

Herzlich Willkommen zum... Herzlich Willkommen zum SAS Workshop Data Mining Agenda SAS - das Unternehmen und die akademische Initiative Oliver Priebus Marketing, SAS Deutschland SAS Data Mining für intelligente Entscheidungen Dr.

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

riskkv Scorenalyse riskkv Scoring Seite 1 von 9

riskkv Scorenalyse riskkv Scoring Seite 1 von 9 riskkv Scorenalyse riskkv Scoring Seite 1 von 9 Das Modul dient der flexiblen Erstellung, Auswertung und Verwendung von Scores. Durch vordefinierte Templates können in einer Einklicklösung bspw. versichertenbezogene

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

Internationales. Kundenbeziehungsmanagement

Internationales. Kundenbeziehungsmanagement Internationales Kundenbeziehungsmanagement Veranstaltung I 2. Grundlagen des Kundenbeziehungsmanagement (Teil I: Begriffe und Definitionen) WS 2015/16 Folie 1 Kursgliederung (1/2) Datum Vorlesung / Übung

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

Mit Risk Analytics Kundenrisiken aktiv steuern

Mit Risk Analytics Kundenrisiken aktiv steuern Mit Risk Analytics Kundenrisiken aktiv steuern Was sind Risk Analytics? Unter Risk Analytics versteht man statistische Analysen und Data Mining-Verfahren. Sie untersuchen Risiken im Zusammenhang mit Kundenbeziehungen

Mehr

Multi-Kanal-Steuerung im Privatkundengeschäft der Landesbank Baden-Württemberg. Ermittlung onlinebanking-affiner Kunden

Multi-Kanal-Steuerung im Privatkundengeschäft der Landesbank Baden-Württemberg. Ermittlung onlinebanking-affiner Kunden Multi-Kanal-Steuerung im Privatkundengeschäft der Ermittlung onlinebanking-affiner Kunden 7. KSFE in Potsdam Freitag, 21. Februar 2003 Elke Kasper, LBBW Gliederung 1 Multi-Kanal-Steuerung der (LBBW) 2

Mehr

Strategische Analytik im Big Data-Kontext Vom reaktiven zum proaktiven Loyalitätsmanagement in der modernen Bank

Strategische Analytik im Big Data-Kontext Vom reaktiven zum proaktiven Loyalitätsmanagement in der modernen Bank Strategische Analytik im Big Data-Kontext Vom reaktiven zum proaktiven Loyalitätsmanagement in der modernen Bank Frankfurt, 02.07.2013 Dr. Markus Guthier Senior Consultant Business Consulting Banking,

Mehr

Web und CRM als Erfolgskanäle für einen Bundesligisten. Eine Präsentation von Hannover 96

Web und CRM als Erfolgskanäle für einen Bundesligisten. Eine Präsentation von Hannover 96 Web und CRM als Erfolgskanäle für einen Bundesligisten Eine Präsentation von Hannover 96 1. Ausgangssituation seit einiger Zeit beobachtbarer Strukturwandel im Fußballsport von Gemeinnützigkeit zum Wirtschaftsunternehmen

Mehr

Kundenbindungs-Monitor: Bindungs-Treiber identifizieren und nachhaltig nutzen. 7. Publishers CRM-Conference, München, 26. März 2015.

Kundenbindungs-Monitor: Bindungs-Treiber identifizieren und nachhaltig nutzen. 7. Publishers CRM-Conference, München, 26. März 2015. Kundenbindungs-Monitor: Bindungs-Treiber identifizieren und nachhaltig nutzen Treiber Während manche noch auf der Suche sind. Was treibt Kundenbindung für Ihren Verlag? Treiber für Ihre Medienmarke? Seite

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

Wettbewerbsvorteil durch partnerschaftliche Gestaltung innovativer Kundenprozesse

Wettbewerbsvorteil durch partnerschaftliche Gestaltung innovativer Kundenprozesse Wettbewerbsvorteil durch partnerschaftliche Gestaltung innovativer Kundenprozesse Dr. Wolfgang Martin Analyst, Mitglied im CRM-Expertenrat und Research Advisor am Institut für Business Intelligence Konsequente

Mehr