Plus IT > Ressource Center > Blog > Stammkundenpflege durch Predictive Analytics

Stammkundenpflege durch Predictive Analytics

Stammkundenpflege durch Predictive Analytics

Dass die Neukundenakquise teuer und aufwändig ist, davon kann wohl jedes Unternehmen ein Lied singen. Aktionen, um Stammkunden zu halten und zum Wiederkauf zu animieren, bieten da oft die günstigeren Marketingmaßnahmen.

Die generelle Herausforderung bei jeder Kundenaktion besteht darin, den richtigen Kunden für ein Angebot zu finden, bzw. dem bestehenden Kunden das richtige Angebot zuzusenden.

Dieses Problem haben auch Private Shopping Clubs, auf deren Besonderheiten ich in einem früheren Beitrag bereits eingegangen sind. Da diese nur einen eingegrenzten Kreis an Mitgliedern haben und Neukunden nur begrenzt aufnehmen, ist es umso wichtiger, „schlafende“ Kunden zu wecken und zum Wiederkauf zu animieren. Denn oftmals werden Kunden, die in einem bestimmten Zeitraum keinen oder nicht genug Umsatz getätigt haben, vom Club ausgeschlossen. Das schafft zwar Platz für neue Mitglieder, bedarf aber auch mehr Aufwand und Investment als die Stammkundenpflege.

Um „Schläfer“ zu reaktivieren, müssen zuerst die Kunden identifiziert werden, die in einem festgelegten Zeitraum nicht mehr bestellt haben. Anschließend können diese mit gezielten und spezifischen Angeboten angesprochen werden, um sie zu einem erneuten Kauf zu animieren.

Noch besser wäre es aber doch, wenn die Kunden gar nicht erst inaktiv werden, sondern bereits vorher aktiviert werden. Mit Hilfe von Predictive Analytics und Machine Learning haben wir dazu bei einem unserer Kunden ein Modell entwickelt, das genau diese Herausforderung meistert.

Um proaktiv agieren zu können, müssen wir identifizieren, inwiefern sich inaktive Kunden von denen unterscheiden, die immer fleißig bestellt haben. Anschließend erstellen wir ein Modell, das die entsprechenden Attribute identifiziert und beschreibt.

Anhand dieses Modells wird mit Hilfe von Predictive Analytics herausgefiltert und klassifiziert, wer in Zukunft „Abwanderer“ oder weiterhin fleißiger Käufer sein wird. So kann man den zukünftigen Wert des Kunden besser einschätzen und vorausahnen. Beim Private Shopping Club hilft dies möglicherweise, diejenigen vor der Beendigung der Mitgliedschaft zu bewahren, die zum fleißigen Käufer reaktiviert werden könnten.

Auf Basis dieses Modells können nun Strategien, Maßnahmen und Aktionen geplant werden, die den Kunden binden. Durch die Segmentierung können gezielte Marketingaktionen durchgeführt werden. So kann einem potenziellen Abwanderer vielleicht ein Rabattcode für den nächsten Einkauf gesendet werden, damit er aktiv bleibt.

Die Vorteile des Modells im Überblick:

  • Es lassen sich Vorhersagen betreffend des zukünftigen Kundenwertes treffen, die ansonsten (von einem Mitarbeiter) nur schwer berechenbar sind.
  • Das automatisierte Vorgehen zur Segmentierung der Kunden erleichtert und beschleunigt die Arbeit des Mitarbeiters und ermöglicht oftmals sogar erst die Filterung der in Frage kommenden Kunden.
  • Wer seine Kunden besser kennt, kann dessen Bedürfnisse besser verstehen, gezielt darauf eingehen und geeignete Aktionen ins Leben rufen. Eine personalisierte Ansprache nach Kundentypen ist effizienter als eine produkt- und preisfokussierte Ansprache
  • Kunden können reaktiviert werden bevor sie inaktiv werden und Unternehmen sparen sich so den Aufwand der Neukundenakquise
mm

Carina Gaßmann

Carina Gaßmann leitet den Business Intelligence & Analytics Bereich bei der plus IT GmbH. Sie unterstützt dabei insbesondere E-Commerce und Multi-Channel Händler bei der Implementierung von Dashboards zur Visualisierung und Optimierung ihrer Geschäftsprozesse.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.