Was ist Scoring? Newsletter Nov. 2011

Transkript

1 Was ist Scoring? Scoring wird im erweiterten Sinne als Oberbegriff für analytisch-statistische Verfahren benutzt. Diese basieren auf bekannten Informationen über eine Zielgruppe und erzielen durch den Vergleich mit einem Referenzbestand optimale Prognoseeinschätzungen. Was bringt Scoring? Analysen von Datenbeständen sind für eine gezielte werbliche Ansprache unabdingbar: Ob im Vorfeld einer Mailing-Aktion, im Rahmen eines List-Hosting für die Adressvermarktung oder für gezieltere Kundenbindungsmaßnahmen: Scoring bedeutet eine Aufwertung der Kunden- und Interessentenbasis. Daher ist die Strukturanalyse bzw. eine weitere analytische Aufbereitung eine Investition, denn: Der Dateneigner erfährt mehr über die eigenen Kontakte. In der Folge lassen sich auf einander aufbauende Dialogmaßnahmen besser und gezielter steuern. Scoring verschafft Zugang zu neuen Kundensegmenten. Die Basis, auf der Fremdadresslisten ausgewählt und selektiert werden können, verbessert sich. Auswahl der Datenbasis Im Vorfeld einer Analyse müssen die Zielsetzung der Analyse und die Zielscheibe, das Segment einer Datenbank, welches mit statistischen Verfahren nachgebildet werden soll, diskutiert werden. Beispiele sind: Kunden mit den höchsten Umsätzen, Kunden, die per Direktwerbung gewonnen wurden, und aktuellste Neukunden. Um valide Ergebnisse zu generieren, empfiehlt es sich, mindestens Datensätze zu analysieren. Ideal sind bis Adressen, sodass gegebenenfalls auch eine Kontrollgruppe zur ersten Validierung gebildet werden kann. Datenvorbereitung und -anreicherung Um das Scoring Erfolg versprechend vorzubereiten, müssen die Daten zunächst voroptimiert werden: Sie durchlaufen eine postalische Korrektur und werden auf Dubletten geprüft. Im nächsten Schritt werden die Daten mit externen Variablen angereichert, das heißt mit Merkmalen, die nicht aus hauseigenen CRM-Systemen stammen. Je nach B-to-B- oder B-to-C- Zielgruppe und Zielsetzung kommen dabei unterschiedliche Referenzsysteme zum Einsatz etwa die Business-Datenbank von bedirect, die Dialoghaus-Haushaltsdatenbank für das Endverbrauchersegment oder regionalisierte Variablen des Dialoghaus-Partners microm, um nur drei Beispiele zu nennen. Seite 1

2 Ein Auszug aus dem B-to-B-Variablenkanon: Ein Auszug aus dem B-to-C-Variablenkanon:... Ziehung einer Referenzstichprobe Aus der gesamten Unternehmenslandschaft oder einer Haushaltsdatenbank (je nachdem, ob eine B-to-B- oder B-to-C-Analyse gewünscht ist) wird ein repräsentativer Querschnitt gezogen, mit dem Analytiker die Zielgruppe vergleichen. Ziel ist es, Merkmale zu identifizieren, mit denen die Zielgruppe sich differenzierend beschreiben lässt. Seite 12

3 Erstellung einer Kundenstrukturanalyse Um die differenzierenden Merkmale zu identifizieren, werden alle verfügbaren Variablen auf ihren Signifikanzgehalt geprüft und ergänzend univariat grafisch dargestellt. So lässt sich auf einen Blick erkennen, ob alle Daten stringent sind, ob sich das Ergebnis mit den Erwartungen deckt und wo der Zielgruppenfokus liegt. Beispiel Firmenvariable: Beispiel Wohnumfeldvariable: Seite 3 Seite 1

4 In der Regel kristallisieren sich aber nicht wenige, alleinig für die Zielgruppe relevante Merkmale und Ausprägungen heraus. Ein breites Bündel an Merkmalskombinationen macht die Zielgruppe aus. Wenn sich dies aus der Strukturanalyse abzeichnet, ist es zielführend, eine Scorecard zu entwickeln. Scorecard-Entzwicklung Mit der Scorecard genau genommen mit dem dahinter liegenden statistischen Verfahren, meist einer logistischen Regressionsanalyse werden kleinste Einflüsse einzelner Variablen kombiniert genutzt. Dafür werden mit der erstellten Scorecard erstens alle Adressen bewertet, sowohl die Zielscheibe als auch der Querschnitt der Firmen- oder Haushaltsdatenbank, zweitens nach Scorewert sortiert und drittens in 20 gleich stark besetzte Klassen eingeteilt. Gezählt wird dann der tatsächliche Anteil der Zielscheibe je Klasse. Das Ergebnis zeigt, inwieweit mittels des Berechnungsalgorithmus der Scorecard die Kunden (die Zielscheibe ) sich von den restlichen Daten trennen lassen, sprich: Wie gut die Prognose ist. Für Fremddaten und auch hauseigene Adressen können Analytiker so einen Bewertungsbzw. Prognose-Algorithmus schaffen. Dieser bringt die Adressen in eine Rangreihenfolge der Zielgruppenwahrscheinlichkeit. Über eine Begrenzung des Einsatzes auf Score-Klassen mit höchster Kundenaffinität lässt sich der Einsatz optimieren. Die Scorecard lässt sich beispielsweise anwenden auf: kalte, angemietete Adressen, Interessentenbestände, die Sie bewerten möchten, oder Reaktivierungswahrscheinlichkeiten von Altkunden. Seite 4 Dialoghaus Seite GmbH 1

5 Scorecard-Test Ideal ist der Scorecard-Test in der Praxis: Die besten zwei bis vier Score-Bänder werden mit einem Querschnitt getestet, ebenso ein nicht-optimierter Querschnitt. Eine getrennte Kodierung ermöglicht abschließend eine Erfolgsanalyse und eine Bewertung der erzielten Hebelwirkung. Response-Analyse: Scorecard auf dem Prüfstand Je nach Umfang einer Testaktion und je nach absoluter Zahl der Reagierer können diese für eine Prüfung der Scorecard genutzt werden. Dabei wird die Scorecard auf die Reagierer angewandt sowie das Ergebnis auf Stabilität und Trennschärfe (also Genauigkeit der Prognose) geprüft. Vertiefend können Analytiker auch einen Strukturvergleich der Reagierer durchführen. Die Reagierer haben sie zuvor aus einer Querschnitts- und einer optimierten Selektion generiert. Die beiden Response-Bestände werden dann im Hinblick auf einzelne Variablen verglichen. Fragen rund um das Thema Scoring beantwortet Ihnen Jennifer Bigott gern unter oder 02173/ Seite Seite 15 Dialoghaus Dialoghaus GmbH GmbH