Sprengen Sie die sechs Mythen des Direktmarketings

Transkript

1 Sprengen Sie die sechs Mythen des Direktmarketings Erzielen Sie die größtmögliche Wirksamkeit von Marketingkampagnen durch Analysetechnologie Highlights: Sie sind mit den bewährten Verfahren zur Erhöhung der Effektivität Ihrer Kampagnen vertraut. Doch wenn Sie sie nicht hinterfragen, führt dies zu geringeren Gewinnen und höheren Kosten. In diesem White Paper erfahren Sie die Wahrheit, die hinter sechs Mythen im Direktmarketing im Hinblick auf Segmentierung, RFM-Scores, Rücklaufquoten, Propensity-Scores und Postleitzahlenanalysen steckt. Sie erfahren, wie die richtige Softwarelösung Ihnen dabei helfen kann, diese Mythen zu sprengen und den Marketing-ROI zu erhöhen. Einführung Zielgerichtetes Marketing durch Analysen Heutzutage ist Marketing ebenso sehr eine Wissenschaft wie eine Kunst. Marketiers setzen bereits Technologie ein, um die Wirksamkeit von Kampagnen zu erhöhen, doch bisherige Lösungen waren schwierig in der Handhabung und mit hohem Zeit- und Kostenaufwand verbunden. In Ermangelung kosteneffizienter und benutzerfreundlicher Direktmarketing-Tools haben sich Marketiers oft damit begnügt, einen oder zwei Aspekte einer Kampagne zu optimieren z. B. Listenauswahl oder kreatives Testen und nicht die gesamte Kampagne. Wie viele andere, setzen Sie für das Direktmarketing vielleicht auch Software ein, um den Nutzen der Daten von Kunden und Interessenten zu maximieren. Das Schwierige dabei ist jedoch, Software zu finden, die Ihren speziellen Anforderungen gerecht wird, damit alle Aspekte Ihrer Kampagnen zu einem messbaren Erfolg für Ihr Unternehmen beitragen. Spreadsheets beispielsweise sind ohne großen Aufwand zu nutzen und lassen einfache Analysen zu. Sie bringen jedoch ein hohes Fehlerrisiko mit sich und genau diese Fehler können sich auf die Ergebnisse auswirken und Ihrem Unternehmen schaden. 1 Datenbankprogramme sind flexibel und darauf ausgelegt, große Mengen an Kundendaten zu verarbeiten. Ohne fundierte Kenntnisse sind sie jedoch schwierig in der Handhabung. Und Statistiklösungen, die zwar sehr leistungsfähig sind, erfordern normalerweise ein hohes Maß an Fachwissen im Bereich der statistischen Analyse, ohne das es bei der Interpretation der Ergebnisse zu Fehlern kommen kann. Hinzu kommt, dass nur sehr wenige Statistik-Tools mit Point-andclick-Funktionalität ausgestattet sind, die eine schnelle Bearbeitung möglich macht. Dieses White Paper beschäftigt sich mit sechs Mythen in Bezug auf bewährte Verfahren im Direktmarketing. Außerdem erfahren Sie, wie Ihr Unternehmen mit speziellen Analysetechniken und -Tools diese Mythen ausräumen und das Geschäftsergebnis messbar verbessern kann damit Sie nicht nur erfolgreich bestehen, sondern sich Wettbewerbsvorteile sichern. 1 Studien haben gezeigt, dass nicht weniger als 90 Prozent der Spreadsheet mindestens einen Fehler enthalten, der häufig so schwerwiegend ist, dass er die gezeigten Ergebnisse verfälscht. P. Brown, J. Gould, An experimental study of people creating spreadsheets, ACM Transactions on Office Information Systems, (1987) Band 5, T. Teo, M. Tan, Quantitative and qualitative errors in spreadsheet development, Proceedings of the 30th Hawaii International Conference on Systems Sciences (1997),

2 Mithilfe einer Softwarelösung sind Sie in der Lage, Faktoren sichtbar zu machen, die verborgene Segmente ermitteln, die Sie zur Erstellung kreativerer Personas verwenden können. Mythos Nr. 1 Mithilfe einer einfachen Segmentierung erhält man alle erforderlichen Informationen über Kunden und Interessenten Der Erfolg im Direktmarketing hängt davon ab, dass man die charakteristischen Merkmale der Kunden und Interessenten versteht. Eine Möglichkeit ist, herauszufinden, über welche Faktoren, wie z. B. Alter, Familienstand, berufliche Tätigkeit und Ort, sich Gruppen oder Cluster von Interessenten erkennen und unterscheiden lassen. Nach Berücksichtigung der charakteristischen Merkmale jedes Clusters können jedem Cluster Personas zugeordnet werden. Eine Clusteranalyse erfordert jedoch viel Zeit und Know-how. Wenn Sie keinen Analysten beschäftigen, müssen Sie sich auf eine einfache Filterung oder Segmentierung beschränken. Möglicherweise haben Sie das Gefühl, durch diese einfachere Analyse bereits zu wissen, welche charakteristischen Merkmale Ihre typischen Interessenten oder Kunden haben, und doch Mythensprenger Nr. 1: Ein tieferes Eintauchen kann überraschend gewinnbringende neue Cluster und Personas zutage fördern. Wenn Sie mit Ihren Kampagnen die nächste Ebene erreichen wollen, sollten Sie über die grundlegenden Merkmale wie Alter, Familienstand und andere offensichtliche Merkmale und Beziehungen hinausgehen. Ein wirkliches Clustering erfordert mehr, als die Daten nur anzuschauen. Mithilfe einer Softwarelösung sind Sie in der Lage, Faktoren sichtbar zu machen, die verborgene Segmente ermitteln, die Sie zur Erstellung kreativerer Personas verwenden können. Diese verborgenen Personas bleiben unsichtbar, bis Sie eine wirkliche Clusteranalyse durchführen. Dann können sie der Schlüssel zu neuen Kunden und neuen Verkaufschancen sein. Für eine Autowerkstatt könnte es z. B. interessant sein, ob es unter den Kunden, die ihr Auto regelmäßig zum Ölwechsel bringen, bestimmte Cluster gibt. Eine wirkliche Clusteranalyse bietet Einblick in eine neue Kundenpersona: Nichtberuftstätige Eltern, die im Umkreis von drei Kilometern zur Werkstatt leben, lassen sich eher Termine Mitte der Woche geben und kaufen eher hochwertige Produkte und Leistungen. Auf dieser Grundlage kann der Betreiber der Werkstatt eine Reihe von angepassten Direktmarketingangeboten erstellen, die auf dieses spezielle Cluster abzielen. Er könnte dieses Cluster als wohlhabende Eltern im Umkreis nennen und zukünftige Kampagnen so gestalten, dass diese wertvolle Kundengruppe einbezogen wird. Mythos Nr. 2 Eine hoher RFM-Score ist alles, was ein Marketiers braucht, um die besten Interessenten für eine Kampagne zu ermitteln Möglicherweise analysieren Sie Ihre Transaktionsdaten bereits im Hinblick auf Aktualität, Häufigkeit, und Geldwert (RFM = Recency, Frequency, Monetary Value), um Ihre Kunden danach zu klassifizieren, wer zuletzt gekauft hat, wer am häufigsten kauft und wer am meisten ausgibt. 2

3 RFM-Scores sollten sortiert und mit Rücklaufquoten verglichen werden, da die höchsten Rücklaufquoten einer bestimmten Kampagne NICHT unbedingt mit den höchsten RFM-Scores korrelieren. Es steckt eine einfache Logik hinter der RFM-Analyse: Kunden, die gerade gekauft haben oder häufig kaufen, werden am wahrscheinlichsten wieder kaufen. Indem Sie auf einfache Weise diejenigen Kunden ermitteln, die am wahrscheinlichsten auf Ihre Kampagnen reagieren, können Sie Kosten im Kreativbereich sparen, Ihre Mailinglisten verkleinern und Ihr Budget einhalten. Zudem können Sie sich die Treue Ihrer besten Kunden sichern, indem Sie ihnen Werbebotschaften präsentieren, die ihre Bedürfnisse vorwegnehmen. Aber Mythensprenger Nr. 2: Eine hoher RFM-Score alleine hilft nicht immer dabei, die richtigen Kunden mit der richtigen Kampagne anzusprechen. RFM-Analysen sollten mit Umsicht eingesetzt werden, klaren Vorgaben folgen und auf die geschäftlichen Ziele abgestimmt sein. Bei einer RFM-Analyse ordnen Marketiers die Kunden für jeden RFM-Parameter einer Kategorie oder einer Gruppierung zu (z. B. 1, 2, 3, 4 oder 5). Der Gesamtwert, der sich daraus ergibt, liefert den RFM-Rang oder RFM-Score. Ein höherer Score deutet auf Kunden hin, die am meisten ausgegeben haben sowie in jüngster Zeit und am häufigsten gekauft haben. Eine niedrigerer Score wiederum zeigt Kunden, die am wenigsten ausgegeben haben sowie selten oder nur gelegentlich gekauft haben. Ein RFM-Score von 555 zeigt z. B. an, dass ein Kunde, der vor Kurzem bei Ihnen gekauft hat, regelmäßig bei Ihnen kauft und dabei viel ausgibt. Ein RFM-Score von 115 dagegen zeigt, dass ein Kunde zwar viel ausgibt, wenn er bei Ihnen kauft, dies aber nur selten tut und in letzter Zeit nicht getan hat. RFM-Scores sollten sortiert und mit Rücklaufquoten verglichen werden, da die höchsten Rücklaufquoten einer bestimmten Kampagne NICHT unbedingt mit den höchsten RFM-Scores korrelieren. Ein großer Einzelhändler hat beispielsweise Abteilungen mit Produkten aus dem niedrigen bis mittleren Preissegment, wie z. B. Kinderbekleidung, aber auch Abteilungen, die Elektrogeräte oder Möbel mit weitaus höheren Preisen anbieten. Ist nun ein Kunde in Kategorie 5 in Bezug auf Aktualität und Geldwert eingeordnet, könnte das bedeuten, dass er eine große Anzahl an Niedrigpreisartikeln kauft. Es könnte aber auch bedeuten, dass er vor Kurzem überdurchschnittlich viel für einen einzigen Artikel ausgegeben hat. Je nach Artikel und dessen Preis ist dieser Kunde besonders geeignet für eine Kampagne zur Bewerbung von hochpreisigen Artikeln wie Plasmafernseher oder Küchengeräte oder aber auch nicht. Mythos Nr. 3 Beim Testen von Kampagnen ist die Kampagne mit der höheren Rücklaufquote die beste Jede neue Kampagne, die gestartet wird, ist mit hohem Zeit- und Kostenaufwand verbunden. Um eine möglichst hohe Effizienz und Wirksamkeit einer neuen Kampagne zu erzielen, testen Sie wahrscheinlich bestehende Kampagnen (Kontrollpakete) gegenüber neuen Kampagnen (Testpakete). Bevor Sie entscheiden, dass die Kampagne mit der höchsten Rücklaufquote eindeutig die beste ist, müssen Sie Folgendes wissen 3

4 Wenn Sie die Rücklaufquoten Ihrer Kampagnen vergleichen, sollten Sie prüfen, ob die höhere Rücklaufquote statistisch relevant ist. Mythensprenger Nr. 3: Eine hohe Rücklaufquote garantiert nicht immer eine bessere Kampagne, daher muss die statistische Relevanz geprüft werden. Auch wenn Ihre Testkampagne eine höhere Rücklaufquote erzielt, bedeutet das nicht, dass sie die beste Kampagne ist. Wenn Sie die Rücklaufquoten Ihrer Kampagnen vergleichen, sollten Sie prüfen, ob die höhere Rücklaufquote statistisch relevant ist. Wenn Ihr Kontrollpaket beispielsweise eine Rücklaufquote von fünf Prozent und Ihr Testpaket eine Rücklaufquote von sieben Prozent erzielt, mag es naheliegen, dass die Kampagne mit der höheren Rücklaufquote die bessere ist. Wenn jedoch eine statistische Analyse zeigt, dass die höhere Rücklaufquote mit großer Wahrscheinlichkeit dem Zufall zuzuschreiben ist, kann ein erneuter Test angesetzt werden, bevor entschieden wird, ein Kontrollpaket zu ersetzen. Durch Berechnung der statistischen Relevanz von Rücklaufquoten kann Ihr Team bessere Entscheidungen dazu treffen, welche Kampagne die beste ist. Mythos Nr. 4 Wenn eine Kampagne inakzeptable Rücklaufquoten erzielt, ist es eine erfolglose Kampagne Nach Durchführung einer Testkampagne ist es hilfreich, Profile von Interessenten zu ermitteln, die Alter, Familienstand, berufliche Tätigkeit und weitere charakteristische Merkmale der Antwortenden (Respondents) beinhalten, auch wenn die Kampagne insgesamt hinter den Erwartungen zurückbleibt. Mithilfe der Interessentenprofilierung (nicht zu verwechseln mit Kundenclustering) können Sie potenzielle Antwortende in Profilgruppen einordnen, die von der höchsten bis zur niedrigsten Rücklaufquote reichen. Wenn Sie jedoch die Wirksamkeit von Kampagnen wirklich verbessern wollen, benötigen Sie eine Technologie, die Ihnen hilft, die Rücklaufquote für jede Ebene mit der Gesamtrücklaufquote abzugleichen. Erst dann wissen Sie, welche Profile Sie auswählen müssen, um Ihre Ziele im Hinblick auf Rücklaufquote, Break-even-Punkt oder ROMI (Return on Marketing Investment) zu erreichen, denn Mythensprenger Nr. 4: Auch eine erfolglose Kampagne, die den Erwartungen nicht entspricht, zeigt wahrscheinlich nutzbringende Segmente auf, die zur Profilerstellung für zukünftige Kampagnen verwendet werden können. Ein unabhängiger Buchhändler startet beispielsweise eine Kampagne auf Basis seiner Kundenliste. Insgesamt erzielt die Liste nicht den Break-even-Punkt. Mithilfe einer Interessentenprofilierung ermittelt der Buchhändler jedoch zwei Profile, die deutlich über den anderen liegen Frauen über 50, die in den letzten zwölf ein gebundenes Buch gekauft haben, und Männer unter 40, die einen Ratgeber gekauft haben. Mit diesen Profilen kann der Buchhändler Listen mit ähnlichen Profilen mieten und bei zukünftigen Kampagnen Kunden mit diesem 4

5 Profil ansprechen, um den ROMI zu verbessern. Dies könnte sich in Form von erhöhten Rücklaufquoten, reduzierten Kosten beim Marketing für bestehende Kunden und einem besseren Targeting zur Gewinnung von Neukunden auswirken. Sowohl Kundenclustering als auch Interessentenprofilierung spielen eine zentrale Rolle bei der Listenauswahl. Wenn Sie wissen, welche charakteristischen Merkmale die höchste Rücklaufquote ergeben, können Sie einen Listenhändler kontaktieren und die Profile der reaktionsfreudigsten Kunden bereitstellen. Der Listenbroker kann wiederum eine Mailingliste mit Kunden und Interessenten mit ähnlichen Merkmalen zusammenstellen. Damit erhöht sich die Wahrscheinlichkeit, dass diese auf Ihre Kampagne reagieren. Mythos Nr. 5 Wenn die offensichtlichen Merkmale ermittelt wurden, kann ein erfolgreiches Scoring der Kaufwahrscheinlichkeit durchgeführt werden Marketiers müssen entscheiden, welche ihrer Kampagnen und Angebote den höchsten ROMI erzielen. Dazu wird häufig ein Scoring der Kaufwahrscheinlichkeit (Propensity-Scoring) durchgeführt. Auf diese Weise können Sie die Attribute derer analysieren, die bereits auf ein Testmailing reagiert haben, und schnell ermitteln, wer am wahrscheinlichsten kaufen wird. Nachdem Sie auf einfache Weise diejenigen Kunden ermitteln, die am wahrscheinlichsten auf Ihr Angebot reagieren, können Sie die Kunden, die höchstwahrscheinlich nicht reagieren, aus Ihren Mailinglisten entfernen und so Ihr Budget einhalten. Es ist jedoch unerlässlich, dass die für das Scoring verwendete Methode geprüft wird. Attribute, die eine Vorhersage zulassen, lassen sich vielleicht nur durch systematisches Ausprobieren ermitteln, da die Faktoren, die eine Vorhersage ergeben, nicht immer offensichtlich sind. Daher gilt Folgendes Mythensprenger Nr. 5: Propensity-Scoring kann und sollte sich auf der Basis von Vorhersagevariablen ändern, die zur Erstellung des Scores verwendet wurden. Daher müssen sie geprüft werden, bevor sie zur Auswahl von Kampagnen genutzt werden. Vergessen Sie nicht, dass sich beim Propensity-Scoring statistische Vorhersagen ergeben, die von den ausgewählten Eingabevariablen abhängen. Propensity-Scores, die nur auf wenigen ausgewählten Variablen basieren (z. B. Alter, Einkommen, Anzahl an Transaktionen) verändern sich wahrscheinlich, wenn Sie zusätzliche und möglicherweise kategorisierende Variablen hinzufügen (z. B. Geschlecht oder Ruhestand). Sie sollten daher eine Technologie einsetzen, die in der Lage ist, die Qualität des Modells zu prüfen, das den Score ergibt. Mythos Nr. 6 Postleitzahlen mit der gleichen Rücklaufquote führen zu gleichen Ergebnissen Möglicherweise setzen Sie bei Mailingkampagnen bereits eine Postleitzahlenanalyse ein, um herauszufinden, ob bei den Rücklaufquoten geografische Faktoren eine Rolle spielen, d. h. ob bestimmte Gebiete höhere Rücklaufquoten ergeben als andere. Sie haben sicher schon festgestellt, dass unterschiedliche Gebiete eine ähnliche grobe Rücklaufquote erzielen und daraus geschlossen, dass Kampagnen dort zu ähnlichen Ergebnisse führen. 5

6 Gewichten Sie die Rücklaufquoten auf Basis der Empfängerzahl, damit Sie die Postleitzahlenbereiche auswählen können, deren Rücklaufquote statistisch relevant und genau ist. Rücklaufquote ist jedoch nicht gleich Rücklaufquote. Mit anderen Worten Mythensprenger Nr. 6: Drei Prozent sind nicht gleich drei Prozent. Damit die Post dort landet, wo sie die besten Ergebnisse bringt, sollten Sie Technologie einsetzen, die es erkennt, wenn eine Rücklaufquote von statistischer Relevanz ist. Ein Beispiel: Postleitzahlenbereich A ergibt eine Rücklaufquote von drei Prozent bei Empfängern. Dies wird verglichen mit Postleitzahlenbereich B mit einer Rücklaufquote von drei Prozent bei 100 Empfängern. Auch wenn die Rücklaufquote für beide Postleitzahlenbereiche gleich ist, führt die kleine Anzahl an Empfängern bei Postleitzahlenbereich B dazu, dass diese Rücklaufquote nicht von statistischer Relevanz ist. Wenn Sie die Rücklaufquote für jeden Postleitzahlenbereich errechnen, sollte Ihre Software die Rücklaufquoten auf Basis der Empfängerzahl gewichten. So können Sie die Postleitzahlenbereiche auswählen, deren Rücklaufquote statistisch relevant und genau ist. Wenn Sie die Gebiete mit einer guten Rücklaufquote mit statistischer Relevanz für Ihre Kampagnen ermittelt haben, kann ein vielseitiges Softwareprogramm mit einer Interessentenprofilierung die charakteristischen Merkmale der Antwortenden in diesem Postleitzahlenbereich ermitteln. So können Sie zukünftige Angebote auf deren Interessen abstimmen. Worauf Sie bei einer Technologie für das Direktmarketing achten sollten Für das Direktmarketing benötigen Sie eine statistisch leistungsfähige und gleichzeitig benutzerfreundliche Softwarelösung, die dazu beitragen kann, dass Sie den größtmöglichen Nutzen aus Ihren Kampagnen ziehen. Sie profitieren auch von kosteneffizienten Lösungen mit schnellen und präzisen Funktionen per Knopfdruck. Wenn Sie nach einer Software suchen, sollten Sie sich für einen Anbieter entscheiden, der die Anforderungen im Direktmarketing versteht und dessen Lösung die oben erwähnten Analyseverfahren bereitstellt. Insbesondere sollte die gewählte Lösung Folgendes ermöglichen: Sofortige Erstellung von Clustern von Kontakten, die auf den ersten Blick nicht offensichtlich sind, damit Sie jedem Cluster bestimmte Personas zuordnen können Durchführung einer RFM-Analyse mit nur wenigen Mausklicks, die Ihnen eine problemlose Analyse Ihrer Transaktions- oder Kundendaten ermöglicht Einfache Durchführung eines Tests für ein Kontrollpaket und Ermittlung der statistischen Relevanz von Rücklaufquoten, um sicherzustellen, dass Sie wissen, ob ein Testpaket tatsächlich bessere Ergebnisse liefert als das Kontrollpaket Interessentenprofilierung, um potenzielle Antwortende in Gruppen einzuteilen und die Rücklaufquote für jede Gruppe mit der Gesamtrücklaufquote abzugleichen 6

7 Ermittlung der Kaufwahrscheinlichkeit in Ihrem Kundenstamm, Prüfung der Scores und Export der Scoredatei für die Kampagnenauswahl Schnelle Durchführung von Postleitzahlanalysen, die gewichtete Rücklaufquote liefern und ermitteln, welche Rücklaufquoten statistisch relevant sind Fazit Sprengen Sie die Marketingmythen und sorgen Sie dafür, dass Ihre Marketingprogramme so präzise und einträglich wie möglich sind, indem Sie sich für eine Softwarelösung entscheiden, die die oben erwähnten Analysetools bereitstellt. Mit der richtigen Softwarelösung können Sie: bei Ihren vorhandenen Kunden ein effektiveres Cross-selling und Up-selling erreichen die besten Listen auswählen einfacher neue Kunden gewinnen das beste Angebot für jede Gruppe auswählen Ihre Kampagnen testen und sich für die beste entscheiden die Rücklaufquote aller Kampagnen erhöhen Die IBM SPSS-Produkte können Ihre Anforderungen erfüllen. Seit 40 Jahren vertrauen Unternehmen beim Direktmarketing auf IBM SPSS Predictive Analytics. Unsere spezielle Software für die Anforderungen des Direkmarketings,, ist eine kostengünstige Lösung, die die oben erwähnten Analyseverfahren bereitstellt. Sie bietet Ihnen alle Tools, die Ihnen diese Analysen per Knopfdruck ermöglichen, und liefert Ihnen verlässliche Ergebnisse. Auch wenn dieses neue Produkt im IBM SPSS-Portfolio von Statistikprodukten leistungsfähige Analysefunktionen nutzt, benötigen Sie dafür keinen Statistiker oder Programmierer. Die intuitive Benutzeroberfläche führt Sie auf einfache Weise durch die wenigen Schritte, die Ihnen relevante, fundierte Direktmarketinganalysen erlauben. sorgt dafür, dass Sie Ihre Kunden und Interessenten besser verstehen und verschiedene Arten von Analysen, wie z. B. RFM-Analysen, Clusteranalysen und Interessentenprofilierung, durchführen können und das oft in weniger als zehn Minuten. Zudem können Sie die notwendigen Maßnahmen ergreifen, um Ihre Kampagnen mithilfe von Postleitzahlenanalysen, Propensity-Scoring und Testen von Kontrollpaketen zu verbessern. Zudem werden Sie von automatisch über statistisch relevante Ergebnisse informiert. Auf diese Weise verschwenden Sie keine Zeit oder Ressourcen durch falsche Schlussfolgerungen aufgrund von unzuverlässigen Analysen. ermöglicht Ihnen die Durchführung von Kampagnen mit hoher Präzision, die Ihnen den größtmöglichen ROI liefern. Ob Sie neue Kampagnen starten, Kampagnen testen, den Ertrag aus dem Cross-selling und Up-selling erhöhen möchten oder auch die Eröffnung eines Büros oder Geschäfts planen, können Sie nutzen, um bessere geschäftliche Entscheidungen zu treffen. 7

8 Informationen zu IBM IBM Software stellt umfassende, konsistente und präzise Informationen bereit, die Entscheidungsträger heranziehen, um den Unternehmenserfolg zu verbessern. Ein umfassendes Anwendungsportfolio für Business Intelligence, vorausschauende Analyse, Financial Performance- und Strategiemanagement sowie Analyseanwendungen verschafft Ihnen einen klaren, sofortigen und verlässlichen Einblick in die aktuelle Geschäftsleistung und einen Ausblick in die Zukunft. In Kombination mit leistungsfähigen Branchenlösungen, bewährten Verfahren und professionellen Services können Unternehmen jeder Größe ein Maximum an Produktivität erreichen, Entscheidungen auf fundierter Basis automatisieren und bessere Geschäftsergebnisse erzielen. IBM SPSS Predictive Analytics Software ist Teil dieses Portfolios. Sie hilft Unternehmen, zukünftige Ereignisse vorherzusehen und auf der Basis der dabei gewonnenen Erkenntnisse proaktiv zu handeln, um ihre Geschäftsergebnisse zu verbessern. Kunden aus Privatwirtschaft, öffentlichem Sektor und akademischem Bereich weltweit nutzen IBM SPSS-Technologie als Wettbewerbsvorteil, wenn es darum geht, Kunden zu gewinnen und zu halten und die Zahl ihrer Kunden auszubauen, während sie gleichzeitig Betrug reduzieren und Risiken mindern. Durch die Integration von IBM SPSS-Software in ihre täglichen Abläufe können Unternehmen vorausschauend handeln denn dadurch können sie Entscheidungen steuern und automatisieren, um Geschäftsziele zu erreichen und einen messbaren Wettbewerbsvorteil zu erzielen. Weitere Informationen oder einen Ansprechpartner finden Sie unter: ibm.com/software/de/analytics/spss IBM Deutschland GmbH IBM-Allee Ehningen ibm.com/de IBM Österreich Obere Donaustrasse Wien ibm.com/at IBM Schweiz Vulkanstrasse Zürich ibm.com/ch IBM, das IBM Logo, ibm.com und SPSS sind eingetragene Marken der IBM Corporation in den USA und/oder anderen Ländern. Weitere Produkt- und Servicenamen können Marken von IBM oder anderen Unternehmen sein. Eine aktuelle Liste der IBM Marken finden Sie auf der Webseite Copyright and trademark information unter: ibm.com/legal/copytrade.shtml Copyright IBM Corporation 2012 Bitte der Wiederverwertung zuführen IMW14280-DEDE-02