Use Case Kundenkommunikation

Kundenkommunikation

Bildnachweis: Ollyy/Shutterstock.com

Worin besteht die Herausforderung?

Die Kommunikation mit Neukunden und Bestandskunden ist ein essenzieller Bestandteil für Unternehmen, um langfristig profitable und stabile Kundenbeziehungen aufzubauen und zu pflegen. Dabei wird oft das Konzept des Kundenlebenszyklus zugrunde gelegt: Die einzelnen Phasen der Neukundengewinnung, Kundenbestandspflege oder Kundenrückgewinnung über geeignete Kommunikationsstrategien müssen entsprechend gestaltet werden. Dies kann herausfordernd für Unternehmen sein, je nachdem, wie viele Kundinnen und Kunden es gibt, wie komplex die individuelle Kundenhistorie ist und wie dynamisch sich Kundenpräferenzen ändern.

Welche Daten können hier helfen?

• Individuelle und aggregierte Kundschaftsdaten

• Definition und Zuordnung zu einer Kundengruppe (aggregierte Kaufgewohnheiten, Ähnlichkeiten in soziodemografischen Daten wie Einkommen und Lebensstil)

• Persönliche Kundschaftsdaten (Ansprechpartner, Standort bzw. Wohnort, Kontakt- und Kaufhistorie, Kaufgewohnheiten, Präferenzen, Motive)

• Informationen entlang des Lebenszyklus (häufig gestellte Fragen vor Kaufentscheidungen, semantische Informationen aus Chatnachrichten)

• Social Media-Daten

Wie kommt der Nutzen aus den Daten?

Datenanalysen können Prozesse der Kundenkommunikation entlang des Kundenlebenszyklus unterstützen und optimieren. Schwerpunkte der Datenanalysen liegen in der Erstellung von Kundengruppen und dem Scoring von individuellen und aggregierten Kundenpotenzialen. Unternehmen erhalten so tiefere Einblicke in die Costumer Journey bzw. den Kundenlebenszyklus. Webanalysen oder Social Media-Analysen können als zusätzliche Daten integriert werden. Der Nutzen der datenbasierten Kundenkommunikation ergibt sich aus den generierten Erkenntnissen auf Basis einer Vielzahl an Daten, welche die Kommunikationsstrategien für einzelne Kundinnen und Kunden sowie Kundengruppen deutlich gezielter und effizienter gestalten. Folgende Fragen lassen sich so beantworten: Welcher Kunde möchte welche Information zu welchem Zeitpunkt über welchen Kanal bzw. in welcher Art und Weise erhalten?

Wo wird diese Datennutzung bereits angewendet?

• Der Online-Modehändler YOOX hat die Kundenkommunikation auf Instagram automatisiert. Auf Basis von Kundschaftsdaten und historischen Interaktionen tritt der Avatar »Daisy« in den Kontakt mit den Kundinnen und Kunden.

• Das CRM-Team des Autoherstellers Jaguar nutzt Datenanalysen der Customer Journey, um Angebote gezielter zu erstellen. So kann die Marketing-Abteilung mithilfe der Systeminformationen Kundinnen und Kunden zielgerichtet ansprechen und Angebote wie Testfahrten neuer Modelle anbieten. In der Verkaufsabteilung können darauf passende Vertragsoptionen bereits vorgemerkt und das Vertragsmanagement effektiver gestaltet werden. 

• Das Automobilunternehmen Lexus analysiert über Website-Besuche die Verhaltensweisen der Kundinnen und Kunden. Greifen sie beispielsweise häufig auf Reviews zurück, so wird die Kommunikation über Reviews erhöht. So wird das Vertrauen gestärkt und die verbrachte Zeit auf der Webseite erhöht.

• Das Telekommunikationsunternehmen Vodafone setzt einen Chatbot (»TOBi«) ein, um den Kundenservice zu unterstützen und die Kommunikation mit der Kundschaft effizienter zu gestalten. TOBi wird darin trainiert, auch Bilddaten wie Rechnungen und Screenshots zu erkennen. Sobald die Fähigkeiten von TOBi ausgeschöpft sind, übernimmt das menschliche Personal die Kundenkommunikation.

Welchen Beitrag leistet diese Datennutzung zur Wertschöpfung?

Erkenntnisse aus der Datenanalyse ermöglichen eine gezieltere Kundenansprache und erhöhte Kundschaftsbindung. Auch andere Bereiche der Wertschöpfung profitieren von den Einblicken in die Kundenbedürfnisse, wie zum Beispiel die Produktentwicklung und der Service.

Quellen: Économie numérique (2019), Niessing, J. & Henry, B., Harvard Business Review (2018), BuildFire (2019), CE-Markt (2020)

Publikation: Wie Unternehmen Daten heute schon nutzen und in Zukunft nutzen können. Herausgeber: Fraunhofer IMW, Inhalt: Data Mining und Wertschöpfung