Customer Relationship Analytics

Transkript

1 Peter Neckel Bernd Knobloch Customer Relationship Analytics Praktische Anwendung des Data Mining im CRM dpunkt.verlag c

2 Inhaltsverzeichnis Teil A Grundlagen und Methoden 1 Customer Relationship Management - ein Bezugsrahmen Die Entwicklung zum kundenzentrierten Unternehmen Ziel und Kernkonzepte des CRM Ziel: Profitable Kundenbeziehungen schaffen und entwickeln Vom Kundennutzen zum Kundenwert Beziehungsmarketing Integration des Wissens iiber den Kunden Wie schafft man profitable Kundenbeziehungen? Die Loyalitatsleiter Basisstrategien des Customer Relationship Managements Von der CRM-Strategie zum CRM-System Erfolg von CRM-Projekten Customer-Relationship-Management-Systeme Gestaltung von CRM-Systemen CRM-Anwendungssysteme 42 Ausgewahlte Literaturempfehlungen 45 2 Customer Relationship Analytics - aus Kundenbeziehungen lernen Kundenwiinsche erkennen und fordern Typisierung von Kaufentscheidungen Wie entsteht die Nachfrage? Kundenbewertung und -profilerstellung Kundenbewertung Kundenprofilerstellung 57

3 Inhaltsverzeichnis 2.3 Kundensegmentierung Markt-oder Kundensegmentierung? Anforderungen an Segmentierungskriterien Uberblick uber die wichtigsten Segmentierungskriterien Bewertung der Segmentierungskriterien Zielgruppenselektion Marktbearbeitung Systematisierung der Marketinginstrumente Erlauterung ausgewahlter Marketinginstrumente Uberblick uber Datenanalyseansatze und-verfahren Data Mining im CRM - ein Muss? Hypothesengetriebene Analysen: Top-down-Probleme Datengetriebene Analysen: Bottom-up-Probleme Grundlegende Datenanalyseansatze Datenanalyseverfahren und-werkzeuge 83 Ausgewahlte Literaturempfehlungen 86 3 Datenquellen fur Customer Relationship Analytics Aufgaben der Marketingforschung In welchen Daten verbirgt sich Kundenwissen? Primarforschung Sekundarforschung 92 Ausgewahlte Literaturempfehlungen 94 Teil B Voraussetzunqen fiir erfolqreiches CRA 4 Datenqualitat Datenqualitat - ein Erfolgsfaktor fiir die Datenanalyse Was ist Datenqualitat? Datenqualitatsprobleme und ihre Folgen Problemursachen: Ungeeignete und fehlerhafte Daten Transaktions- oder analyseorientierte Datenverarbeitung? Vermeidung und Beseitigung von Datenqualitatsmangeln...101

4 Inhaltsverzeichnis xiii 4.3 Klassifikation von Datenqualitatsproblemen Verfiigbarkeit notwendiger Daten Inhalt verfiigbarer Daten Representation verfiigbarer Daten Data Warehouses als empfehlenswerte Datenquelle Vermeidung der Ursachen von Datenqualitatsproblemen Motivation fiir die Prozessoptimierung Was man tun kann Zwolf ausgewahlte»best Practices«zur Datenqualitatssicherung Ill Ausgewahlte Literaturempfehlungen Datenschutz Datenschutz aus Kundensicht Datenerhebung der Privatwirtschaft Was wiinschen sich die Kunden? Datenschutz aus Unternehmenssicht Was ist Datenschutz? Anwendungsbereich des BDSG Grundregeln des Datenschutzes Umgang mit personenbezogenen Daten im Rahmen des BDSG Gestaltungshinweise fiir ein modernes Datenschutzkonzept. 130 Ausgewahlte Literaturempfehlungen Umgang mit Prozesskomplexitat Informationskomplexitat versus Prozesskomplexitat Inf ormationskomplexitat und Datenanalysen Prozesskomplexitat Versuch und Irrtum: Der lange Weg zum»golden Nugget« Typische Fragen im Ablauf von Datenanalyseprozessen Iterativ-inkrementelles Vorgehen bei der Datenanalyse Ausgewahlte Losungsansatze Prozessmodelle fiir die Datenanalyse Anbindung an ein Data-Warehouse-System Automatisierung von Analyseszenarien Best Practices und Erfahrungswissen 154 Ausgewahlte Literaturempfehlungen 155

5 xiv Inhaltsverzeichnis Teil C Analysefalle und Anaiyseszenanen 7 Ein Beschreibungsrahmen fiir Analysefalle und Analyseszenarien im CRM Vom CRM-Problem zur analytischen Fragestellung Identifikation von CRM-Problemen Systematisierung und Konkretisierung von CRM-Problemen Operationalisierung von CRM-Problemen durch Analyseziele Auswahl eines Analyseansatzes fiir ein Analyseziel Analyseprobleme und Analysefalle Analyseproblem: Welche Analyse soil ausgefiihrt werden? Analysefall: Wie wird die Analyse ausgefiihrt? Das Konzept im Uberblick Verkettung von Analyseproblemen Die Bedeutung des»analytischen Werkzeugkastens« Der Datenanalysezyklus Realisierung von Analyseketten Prozessmodelle fiir die Datenanalyse Handlungsschema fiir betriebliche Datenanalyseprojekte Knowledge Discovery in Databases (KDD) Interessantheit von Data-Mining-Ergebnissen KDD-Prozessmodelle in der Literatur Roadmaps fiir Customer Relationship Analytics 193 Ausgewahlte Literaturempfehlungen Analysefalle Kundenbewertung und -profilerstellung Fall 1: Welche Kunden sind aktuell am wertvollsten? Fall 2: Welche Kunden werden in Zukunft am wertvollsten sein? Fall 3: Welche Artikel werden zusammen gekauft? Fall 4: Welche Produktarten werden gemeinsam gekauft? Fall 5: Welche Artikel werden (warum) zuriickgesendet? Kundensegmentierung Fall 6: Welche Kundengruppen lassen sich anhand des Deckungsbeitrags unterscheiden? Fall 7: Anhand welcher Kriterien konnen welche Kundengruppen identifiziert werden? 272

6 Inhaltsverzeichnis 8.3 Marktbearbeitung Fall 8: Welche Zielgruppe eignet sich fiir eine Direktmailingaktion? (hypothesengetrieben) Fall 9: Welche Zielgruppe eignet sich fiir eine Direktmailingaktion? (datengetrieben) Fall 10: Wann ist der geeignete Zeitpunkt, einen Kunden anzusprechen? Fall 11: Wie konnen Produkte moglichst effektiv prasentiert werden? 329 Ausgewahlte Literaturempfehlungen Analyseszenarien Warenkorbanalyse Voruntersuchungen Warenkorbsegmentierung Segmentbeschreibung Verbundkaufanalyse Auswahl von Aktionsartikeln Werbemittelgestaltung Werbewirkungskontrolle Zusammenfassung Kundenriickgewinnung Kundenriickgewinnung als Basisstrategie des CRM Ziele der Riickgewinnung Vorstellung des Szenarios 357 Glossar 367 Abkiirzungsverzeichnis 377 Literaturverzeichnis 379 Stichwortverzeichnis 391