IBM 360 Grad-Sicht auf den Kunden: Vorhersagetechniken für zukünftiges Verhalten von Kunden Sven Fessler, sven.fessler@de.ibm.com Solution Architect, IBM Germany Business Analytics & Optimization
Das Spektrum von Business Intelligence & Analytics What s the best that can happen? Optimization Competitive Advantage Std Reports Ad hoc Reports Query Drilldown What happened? What will happen next? What if these trends continue? Why is this happening? Alerts Statistical Analysis How many, how often, where? Forecasting/ Extrapolation Where exactly is the problem? Predictive Modeling What actions are needed? 360 Kundensicht Analytics Access and Reporting Degree of Intelligence 2 03.04.11 360 Kundensicht Source: Davenport, Competing on Analytics
Qualität und Effizienz von Marketing, Beratung und Kundenservice sind oftmals nicht optimal Typische Situation in vielen Unternehmen Silo-artige Strukturen in Bezug auf Prozesse, Organisation, Produkte, Applikationen und Daten Sub-optimale Datenhaltung, Daten-analyse und - zugriffsmöglichkeiten Unzureichende Kundensegmentierung Konsequenz Keine ganzheitliche Sicht auf den Kunden Defizite in Beratung und Kundenservice (z.b. bzgl. proaktiver, bedarfsgerechter Beratung und Kundenansprache) Mangelnde Flexibilität bei Änderungen von Markt- oder Kundenanforderungen Fragestellungen und Herausforderungen in Marketing und bei Kundenkontakten Welche Kunden haben eine Affinität für welche unserer Produkte? Welche Kunden sollen angesprochen werden? Wann? Wie und über welchen Kanal? Können neu gewonnene Informationen über den Kunden bereits in der selben Interaktion genutzt werden? Automatisch oder manuell? Wie können Informationen aus heterogenen Datenquellen genutzt werden? Können multiple Kampagnen über mehrere Kanäle gesamtheitlich betrachtet und optimiert werden? 3 03.04.11 360 Kundensicht
Eine vollständige Kundensicht schafft echte Wettbewerbsvorteile Interaktion en Demograf ie Einstellungen Verhalte n Kundenkontakt (in allen Kanälen) 4 03.04.11 360 Kundensicht
Kundenbeispiel: FBTO FBTO Finanzdienstleister: Auto-, Reise-, Kranken- und Lebensversicherung, Anlageprodukte, Kreditgeschäft etc. 850.000 Kunden Direct Mail, Email, Call Center und Internet Teil des Achmea Konzerns Einsatz von Predictive Analytics bei FBTO Predictive Marketing: von Gieskannenmailings hin zu kleinen, zielgenauen und eventbasierten Kampagnen Interaction Optimizer: Cross-Selling im Call Center und Internet 5 03.04.11 360 Kundensicht
Ergebnis der übergreifenden Optimierung beim Mailingvolumen händisch optimiert Car insurance Car insurance (affinity) Line of Credit Multi-product Life insurance Life insurance special 6 03.04.11 360 Kundensicht
Ergebnis der übergreifenden Optimierung bei Profitabilität 29% Ergebnisverbesserung händisch optimiert Car insurance Car insurance (affinity) 7 03.04.11 360 Kundensicht Line of Credit Multi-product Life insurance Life insurance special
Methodische Vorgehensweise zur Erstellung eines Vorhersagemodells Training Set Historical Data Validation Set Y N Y Y? N? Y? Training Process Model Scoring Process Y Y N Y Y Y Algorithm 8
Retention Results (KPP) actual vs predicted) Sept 2010 Business Analytics & Optimization, IBM Germany
Sven Fessler Solution Architect Business Analytics & Optimization IBM Deutschland GmbH Berlin +49 1707693164 sven.fessler@de.ibm.com 19 03.04.11 360 Kundensicht