Neulich las ich in irgendeiner Wirtschaftszeitung, dass ein Webportal, über das man Hotels buchen kann, die Daten und Profile seiner Kunden mal etwas genauer ausgewertet hat. Im Fachjargon des Marketings nennt sich das Data-Mining. Dabei geht es nicht darum, Statistiken auf einzelne Kunden hinunterzubrechen, sondern große Datenmengen auf bestimmte Trends oder auch Muster hin zu untersuchen. Je ungewöhnlicher und unvermuteter dann die Ergebnisse ausfallen, desto größer können die Chancen für den Auswertenden sein, denn letztendlich ist das generierte Wissen sein Wettbewerbsvorteil.

Im oben angeführten Fall kam als wesentliche Erkenntnis beispielsweise heraus, dass Kunden, die mit einem Apple Mac im Portal unterwegs sind, in der Regel teurere Hotelzimmer bevorzugen und eher zur Buchung von Luxushotels neigen, als Nutzer von PC’s. Man könnte jetzt lächeln, vielleicht den Kopf schütteln und darüber hinwegsehen. Man könnte das Ganze aber auch zum Anlass nehmen, die Struktur der Webseite an so ein Ergebnis anzupassen. So könnte ein Kunde, der mit einem Mac auf die Seite gelangt, von vorn herein andere Angebote sehen, als PC-Benutzer.

Aus Marketingsicht wäre damit schon der erste Schritt zur Kundenqualifikation getan, wenn auch nicht individuell auf jeden Kunden zugeschnitten. Aber die Wahrscheinlichkeit, bei den meisten Kunden zumindest richtiger zu liegen, wäre deutlich größer. Kunden fühlen sich ernster genommen, da sie das Gefühl haben, hier denkt jemand in ihrem Sinne mit. Das wiederum erhöht die Chance, mit ihnen ins Geschäft zu kommen.

Stellen wir uns für einen Moment vor, ein Autohaus hätte die technischen Möglichkeiten, seine Datenbestände aus dem DMS und eventuell weiteren angeschlossenen Systemen auf diese Art und Weise auszuwerten. Was könnte man damit alles anstellen?

Beispiel Klassifizierung von Kunden
Sie kennen das: Oft heißt es irgendwo, das Durchschnittsalter der Kunden von Marke XY beträgt 50 Jahre. Doch was sagt diese Zahl tatsächlich aus? Nichts, außer dem Durchschnittsalter, bezogen auf’s Geschäft kann man damit nichts anfangen. Viel interessanter wären doch aber Analysen, die Ihnen darüber Aufschluss geben, welche Kundengruppen (hier Altersgruppen) welches Kaufverhalten aufweisen. Oftmals findet so etwas per Bauchgefühl statt, das ist aber nicht zielführend, da meistens fehlerbehaftet.

CRM
Durch gezielte Analyse von Kundendaten und -historien lassen sich Vorhersagen treffen, ob Kunden mit großer, kleiner oder keiner Wahrscheinlichkeit zum Wettbewerb abwandern. Die Erkenntnisse aus solchen Abfragen ermöglichen das Anlegen des Algorithmus auf einzelne Kunden und ermöglicht somit die Berechnung der individuellen Abwanderungswahrscheinlichlkeit eines einzelnen Kunden. Sie als Autohaus erhalten damit wichtige Entscheidungsgrundlagen zur Art und Weise der individuellen Kundenansprache.

Man könnte das noch weiter ausmalen. Voraussetzung ist jedoch, dass ein Autohaus einerseits die Daten zur Verfügung stellen kann. Klingt doch eigentlich spannend, oder?