Bessere Kundenbindung durch Data Mining
Die Zeiten lebenslanger Kundetreue sind endgültig vorbei. Die Bereitschaft der Kunden, bei besseren Konditionen zur Konkurrenz zu wechseln, ist hoch.
Um sich vom Wettbewerb zu differenzieren, müssen Unternehmen ihre Produkte speziell gemäß der Kundenbedürfnisse bewerben. Voraussetzung hierfür: Das Unternehmen muss seine Kunden genau kennen. Dabei genügt es aber nicht, bloß grobe Informationen wie Durchschnittsalter oder -einkommen der Kunden zu wissen. So muss zum Beispiel bekannt sein, welchen Kunden wann welches Angebot unterbreitet werden sollte. Bei der Beantwortung dieser Frage spielen verschiedenste Komponenten zusammen: von Alter und Geschlecht über bisher gekaufte Produkte und gezeigtes Produktinteresse bis hin zu Anlageintensität und Sparverhalten eines Kunden. All diese Merkmale müssen miteinander kombiniert werden, um die Affinität eines Kunden zu einem speziellen Angebot so präzise wie möglich einschätzen zu können. Ein kompliziertes und zeitaufwändiges Unterfangen!
Unterstützung bietet hier 'Data Mining' (kurz: DM): ein IT-gestütztes Verfahren, mit dem sich sämtliche Daten eines Unternehmens systematisch nach bisher unbekannten Zusammenhängen analysieren lassen. Ausgehend von einer konkreten fachlichen Fragestellung durchforstet ein Data-Mining-System teilautomatisiert riesige Datenbestände, bei denen die Suche 'per Hand' unmöglich wäre. Anschließend werden die Ergebnisse interpretiert, so dass zum Beispiel typische Verhaltensmuster der Kunden aufgedeckt werden. Künftiges Kundenverhalten kann so präzise prognostiziert und darauf aufbauend kundenspezifischere Produkte entwickelt und angeboten werden. Das Ergebnis: gesteigerte Servicequalität, die den Kunden durch seine Zufriedenheit an das Unternehmen bindet.
Data-Mining-Boom in der Finanzwirtschaft
Vor allem die Finanzwirtschaft mit ihren gigantischen Mengen an Kundendaten kann von Data Mining profitieren. Aktuelles Beispiel ist Union Investment: Die Investmentgesellschaft hat ein professionelles DM-System etabliert, das seit seinem Go-Live Mitte 2007 reichlich Früchte trägt. Das Marketing konnte seine Kampagnen optimieren und zum Beispiel deutlich effektivere Mailings versenden: die Kundengruppen sind heute genau definiert, so dass die Mailings nicht an alle Kunden, sondern gezielt nach Lebensumständen und Anforderungen versendet werden. So konnte die Abschlussquote neuer Verträge bereits um 30 bis 100 Prozent im Vergleich zu Mailings ohne Data Mining Einfluss erhöht werden.
"Wer im Wettbewerb die Nase vorn haben möchte, muss das Bild vom 'König Kunde' ins Zentrum seines Aktionsfeldes rücken", betont Thomas Fender, Projektleiter Data Mining in der Gruppe 'Datenmanagement Privatkunden' bei Union Investment. "Deshalb fiel vor zwei Jahren die Entscheidung, unser Engagement rund um unsere Kunden zu erweitern und ein eigenes analytisches System zur Verbesserung der Kundenbeziehungen einzuführen." Der Vertrieb der Produkte läuft zwar nach wie vor ausschließlich über das Filialnetz der Banken des genossenschaftlichen Finanzverbunds, dennoch wollte die Investmentgesellschaft die Ansprache ihrer Kunden auch bei Marketingmaßnahmen und im Kundenservice zielgerichteter gestalten.
Beauftragt mit diesem Projekt wurde die Infomotion GmbH, ein Beratungsunternehmen für Business-Intelligence-Lösungen in der Finanzbranche. Infomotion hatte bereits ein großes Data Warehouse (Datenlager) für die Daten des Privatkundengeschäfts von Union Investment entwickelt und damit schon eine gute Datenbasis geschaffen. "Da war es nur folgerichtig, darauf noch ein DM-System aufzusetzen", erklärt Christoph Demming, Projektleiter von Infomotion. "Das Data Warehouse zieht automatisch sämtliche Unternehmensdaten zusammen und stellt diese für das Reporting bereit. Das Data-Mining-System ergänzt dies jetzt noch, indem dateninhärente Muster aufgedeckt werden."
