Predictive Analytics – Wie Unternehmen den Gefahren und Bedenken begegnen

Predictive Analytics gehört zu den Chancen der Gegenwart und unserer Zukunft. Daten sind das heutige Gold und das Voraussagen und Beeinflussen zukünftiger Ereignisse durch Daten ist die Herausforderung und Chance schlechthin zur Steigerung des Geschäftserfolgs – und auch unserer Lebensqualität.

Trotzdem gibt es auch Schattenseiten der Entwicklung, um nicht sogar von Missbrauch zu reden. Wer die Zukunft voraussagt, kann sie auch beeinflussen und ungehörig gewonnene Erkenntnisse nutzen. Damit sollen keine Ängste und Misstrauen geschürt werden – man sollte sich der Risiken einfach bewusst sein, um sie entsprechend zu vermeiden.

Ein Beispiel aus der Praxis ist die Datensammelwut der Polizei, die von Aktivisten von Privacy International angeprangert wird. Hier werden Informationen aus sozialen Medien (Socmint: Social Media Intelligence) oder von Mobiltelefonen gesammelt, um damit Straftaten vorherzusagen und entsprechend vorzubeugen („Predictive Policing“). Immer wieder ein großes Thema in diesem Zusammenhang ist die Vorratsdatenspeicherung. Dabei stellt diese mittlerweile das kleinste Problem dar, sind die Möglichkeiten, ohne rechtliche Schutzmaßnahmen an riesige Datenberge zu gelangen doch mannigfaltig. Die Gefahr entsteht meist durch fehlenden Transparenz und einen ungenügenden Rechtsrahmen. Die reine Unschuldsvermutung wird zur Gefahr für den unschuldigen Bürger.

In der Hand von seriösen Unternehmen führt die Sammlung und Verwendung von Daten zu einem Nutzen sowohl für das Unternehmen als auch für die Kunden. Angebote können dank Datenanalyse und Predictive Analytics ganz gezielt auf interessierte Personen zugeschnitten werden.
Leider gibt es auch hier stets die berüchtigten schwarzen Schafe, denen entsprechende Daten die Möglichkeit eröffnen, noch gezieltere (oft illegale) Methoden zur Abzocke einzusetzen.

Die Bundesnetzagentur hat einmal zusammengestellt:

Telefon Spam: Grundsätzlich muss jeder Werbeanruf vom Verbraucher vorher autorisiert sein. Soweit die Theorie. Praktisch erfolgen immer noch unautorisierte Anrufe oder der Verbraucher hat im Internet das Kleingedruckte bei Anzeigen und Angeboten – oft auch Gewinnspiele – nicht gelesen und unbewusst seine Einwilligung gegeben.

Premium SMS: Der Verbraucher erhält unerwünschte SMS und wird animiert zu reagieren, was i. d. R. zu hochpreisigen Abzocken führt. Wohlgemerkt: Der Verbraucher ist nicht immer nur per Zufall ausgewählt worden, sondern wird aufgrund seines bisherigen Verhaltens als potentielles Opfer für die Zukunft erkannt.

Ping-Anrufe: Dabei wird nur kurz angerufen und direkt wieder aufgelegt. So soll der Verbraucher motiviert werden, zurückzurufen, wobei dann hohe Kosten anfallen. Zur Auswahl der Opfer folgt man einem ähnlichen Muster wie bei den Premium SMS.

Gewinnmitteilungen: Per Mail oder per Telefon bekommt man die Nachricht, dass man gewonnen hat. Aber so einfach ist das nicht – die Einforderung des Gewinns ist mit zusätzlichen Kosten verbunden. Der Gewinn selber wird nie ausgegeben. Meistens handelt es sich ohnehin nur um „Gewinnchancen zu 99 %“. Ein Widerspruch in sich und am Ende heißt es dann: leider nicht gewonnen.

Predictive Dialer: Hierbei handelt es sich um ein automatisches Wahlprogramm in einem Callcenter. Kunden werden nach sorgfältig definierten Kriterien angerufen. Der Callcenter-Agent übernimmt dann das Gespräch, wenn ein Kunde annimmt. Gesetzlich leider ungeregelt.

Bei Meldung von Vergehen können Rufnummern von der Bundesnetzagentur gesperrt werden bzw. die Bundesnetzagentur kann gegen die Plagegeister vorgehen. Dieser Vorgang ist allerdings langwierig, aufwendig und kostenintensiv und letztendlich oft nicht von Erfolg gekrönt – vor allem, wenn der Übeltäter im Ausland sitzt.

Entsprechend solcher Erfahrungen führt der Trend des Sammelns von Verhaltensmustern zu Personengruppen bis hin zu Personalisierung von Einzelnen, zu erhöhten Sicherheitsbedenken von Usern. 56 % der deutschen Internetnutzer empfinden das Internet-Shopping mittlerweile als sehr riskant (Quelle: https://www.sicher-im-netz.de). Diese Sorgen und Ängste können nur bedingt rechtlich gemindert werden.

Entsprechend wichtig ist es für seriöse Unternehmen, das Vertrauen der Kunden zu gewinnen und das Gefühl zu vermitteln, dass die Daten in sicheren Händen sind. Viele Unternehmen haben die Ängste und Bedenken der Kunden bereits erkannt und reagiert, z.B. durch die Möglichkeit, persönliche Informationen selbst zu bearbeite und auch zu löschen.

Predictive Analytics bekommt so die Chance, nachhaltig zu funktionieren und Vertrauen und Verständnis beim Kunden zu generieren. Schließlich bringt die gezielte Ansprache den Verbrauchern den großen Vorteil, dass sie nur noch wirklich relevante Angebote erhalten. Durch eine konsequente Anwendung findet mittlerweile ein gesellschaftlicher Wandel statt, der den Kunden wieder in den Mittelpunkt der Technologie stellt. Ein schönes Beispiel dafür, dass neue Technologien sich nach anfänglichen Ausreißern auf ein gesundes Verhältnis einnivelliert.

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

Predictive Analytics als exklusive Chance für Private Shopping Clubs

Ein Shopping Buyer Club – oder auch Private Shopping Club – bezeichnet einen in sich geschlossenen Mitgliederkreis, sozusagen eine Shopping Community, die meist im Onlinehandel aktiv ist. Die Mitglieder erhalten Zugang durch eine Registrierung, die in den meisten Fällen durch die Einladung eines anderen Mitgliedes, eines Club-Schlüssels oder ähnlichem möglich ist. Dabei können nicht unendlich viele Nutzer aufgenommen werden, sondern es gibt eine Obergrenze an Mitgliedern. Oft müssen Nutzer auch einen Mindestumsatz in einem bestimmten Zeitraum erreichen, um im Club bleiben zu dürfen.

Exklusivität als Marketingkonzept

Zugrunde liegt diesem System die Idee, dass der Kunde sich als Nutzer in einem geschlossenen Kreis als etwas Besonderes fühlt. Er erhält Sonderangebote und meist einen Preisvorteil gegenüber dem „Rest der Welt“. Diese exklusiven Vorteile sorgen dafür, dass die Hemmschwelle für die Nutzer, nämlich die Abgabe ihrer Daten, meist als gering angesehen wird.

Der Rabatt gegenüber dem öffentlichen Abverkauf ergibt sich daraus, dass beispielsweise Markenartikel aus Restposten oder vergangenen Saisons angeboten und daher (ähnlich wie beim klassischen stationären Fabrikverkauf) günstiger abverkauft werden können.

Die bekanntesten Private Shopping Clubs in Deutschland sind Brands4friens, Vente Privee, Limango oder Westwing. Auch unser Kunde Best Secret – als E-Commerce Sparte des stationären Geschäfts Schustermann und Borenstein – ist einer der führenden Anbieter in diesem Bereich. Gemeinsam arbeiten wir an dedizierten Datenanalysen, um die Mitglieder noch gezielter anzusprechen. Darin besteht dann auch einer der größten Vorteile für die Betreiber eines Private Shopping Clubs.

Detaillierte Analyse der Mitglieder-Daten möglich

Die Mitglieder sind durch ihre Registrierung bekannt. Dadurch kann ihr Verhalten genau analysiert werden. Der Unterschied zu einem „normalen“ Online-Shop besteht also darin, dass alle Besucher des Shops einer realen Person zuordenbar sind. Es gibt keine unbekannten Shopbesucher oder gar Gastbestellungen. Daher ist die Stammkundenpflege und die Ansprache mit Angeboten, die genau zum jeweiligen Mitglied passen, deutlich einfacher.

Die Mitglieder hinterlassen bei ihrer „Reise“ durch den Shop anhand der Touchpoints genaue zuordenbare Daten, die dann entsprechend ausgewertet werden können. Mitglieder können noch besser in Personas geclustert werden und ein maßgeschneidertes Angebot erhalten.

Durch diese Daten-Hoheit kennen die Private Shopping Club Betreiber ihre Kunden sehr gut, können sie einschätzen und daher ein besseres Einkaufserlebnis bieten. Entsprechend steigt auch die Zufriedenheit und Kundenbindung pflegen. Die Mitglieder fühlen sich gut angesprochen und im besten Fall dem Club zugehörig. Sie kaufen immer wieder, weil es für sie die richtigen Angebote und einen Preis- und Prestigevorteil bringt. Ein ressourcenreicher Kampf um Neukunden bleibt den Private Shopping Clubs daher oft erspart.

Predictive Analytics und Algorithmen

Um den Mitgliedern spezifische Angebote unterbreitet zu können, wird deren Verhalten analysiert und mittels Predictive Analytics ein Modell erstellt. Durch die Nutzung von Algorithmen werden dann automatisiert bestimmten Mitgliedern bestimmte Angebote zugespielt. Dieses Algorithmen-Modell unterliegt einem stetigen Wandel, da sich die Daten (Interessen und Vorlieben) der Kunden immer wieder ändern. Vor allem im Modebereich wandeln sich diese regelmäßig je nach Saison, Trend und Alter.

Eine gesamtheitliche Business Intelligence Lösung sorgt dafür, dass die Daten erfasst und dynamisch ausgewertet werden. Wenn diese automatisiert, durch Algorithmen interpretiert werden, lassen sich Kunden gezielt ansprechen. Durch diesen enormen Mehrwert für Clubmitglieder, lässt sich der Umsatz für Shopbetreiber signifikant steigern.