Analytisches CRM

Analytisches CRM gewinnt immer mehr an Bedeutung, da im Zeitalter von „Big Data“ laufend mehr Kundendaten in den Data Warehouses der Unternehmen gesammelt werden. Diese Daten müssen mittels Data Mining ausgewertet und im Kundenbeziehungsmanagement weiterverwendet werden können. Dabei sind dann die Systematiken aus dem analytischen CRM gefordert.

Grundlage für ein erfolgreiches analytisches CRM sind die Daten im Data Warehouse, welche durch geeignete Datenmanagement Prozesse in einem qualitativ hochwertigen Zustand gehalten werden. Online Daten stellen hinsichtlich Volumen und Realtime Verfügbarkeit neue und hohe Anforderungen an das Data Warehousing.

Auch Data Mining und Business Intelligence müssen neuen Anforderungen genügen: Waren früher Analysen zur Entscheidungsfindung und Score-Karten aus Data Mining Modellen mit statischer Nutzung für Kampagnenselektionen das Maximum, ist heute die Integration des analytischen CRM in die Prozesse des operativen CRM ein entscheidender Erfolgsfaktor. Selektionen erfolgen ereignisgesteuert in Marketing Automation Lösungen oder sogar in Realtime auf Online-Plattformen.

Ein wichtiges Grundprinzip im analytischen CRM ist das Closed Loop Marketing, welches die Messbarkeit von Kampagnen sicherstellt, indem ein entsprechender Marker bei einem Anstoss soweit möglich bis zum Response mitgeführt wird.

Data Warehouse

Ein unternehmensweites Data Warehouse ist eine grundsätzliche Voraussetzung für analytisches CRM. Typischerweise werden für einzelne Anwendergruppen sogenannte Data Marts gebildet, welche die Komplexität des Data Warehouse reduzieren und nur die benötigten Daten bereitstellen.

Ein Data Warehouse sollte auf einer offenen Plattform aufgebaut sein, sodass mit verschiedenen Tools für Reporting, Marketing Automation oder Data Mining darauf zugegriffen werden kann.

Die Datenaktualisierung in einem Data Warehouse geschieht heute bei vielen Unternehmen einmal täglich, normalerweise in der Nacht. Durch neue Anforderungen (Online) und neue Technologien ist zu erwarten, dass sich in den nächsten Jahren eine Realtime oder zumindest Near-Realtime Aktualisierung durchsetzen wird.

Im Data Warehousing gewinnen auch sogenannte nicht strukturierte Daten (Texte, Bilder, Sound, Videos, etc.) immer mehr an Bedeutung. Es werden auch immer mehr Daten abgespeichert, z.B. zum Online Kundenverhalten. Internetkonzerne wie Google sind damit schon länger konfrontiert und haben entsprechende Technologien entwickelt, die nun auch für andere Unternehmen nutzbar werden (Hadoop-Technologie).

Data Mining

Data Mining ist heute ein etablierter methodischer Ansatz, um aus Daten mittels unterschiedlicher Data Mining Verfahren komplexe Zusammenhänge offenzulegen und zu beschreiben, die mit Reporting (OLAP) nicht zu erkennen sind. Data Mining wird bei grossen Datenmengen angewendet und ist Teil von Big Data Analytics.

Data Mining ist dabei nicht beschränkt auf die Analyse von strukturierten relationalen Daten, sondern beschäftigt sich auch mit Sprache (Text Mining), Online Daten (Web Mining), Geodaten (Geo Mining) oder Zeitreihen. Gerade die nicht strukturierten Daten spielen eine immer wichtigere Rolle im Data Mining und werden die Entwicklung im Data Mining über die nächsten Jahre prägen.

Ein Data Mining Prozess beschreibt die einzelnen Analyseschritte, welche in einem Data Mining Projekt ausgeführt werden (CRISP/SEMMA). Ein kritischer Erfolgsfaktor ist heute die Überführung der Data Mining Erkenntnisse in die operativen CRM Prozesse: Score-Karten müssen regelmässig aktualisiert und aus Marketing Automation Tools angesprochen werden können. Auf Online-Plattformen müssen kundenindividuelle Empfehlungen in Realtime verfügbar sein, sodass bei einem Besuch eines Kunden auf der Website sofort ausgespielt werden kann.

Business Intelligence

Business Intelligence (BI) beschäftigt sich mit systemgestützten Auswertungen, typischerweise auf Basis von Unternehmensdaten in einem Data Warehouse. Dabei werden Reporting-Tools eingesetzt, die verschiedene Stufen der Standardisierung beherrschen, von standardisierten Reports über Cube Reporting bis zu Ad Hoc-Auswertungen. Moderne BI Tools nutzen so genannte in-mermory Technologien, die sehr kurze Antwortzeiten garantieren und deswegen speziell für exploratives Reporting geeignet sind, das verschiedene Sichten (Tabellen/Grafiken) auf die Daten dynamisch verbindet.

Im analytischen CRM werden Business Intelligence Lösung für CRM und Marketing Controlling eingesetzt, insbesondere für Kunden- und Absatzreporting sowie für Wirkungskontrollen bei Kampagnen oder Deckungsbeitragsrechnungen.

Closed Loop Marketing

Closed Loop Marketing verbindet das analytische CRM mit dem operativen CRM, indem Anstösse (Push) aus dem Kampagnenmanagement im operativen CRM nachverfolgt und bei einer Reaktion (Pull) die Aktion eruiert werden kann. Closed Loop Marketing ist ein Omnichannel Ansatz und sollte auch im Mix mit Online Marketing funktionieren.

Um ein „Closed Loop CRM“ zu erreichen, müssen die CRM Prozesse zwischen ERP, DWH, Marketing Automation, Online Shop und Promotionssystemen perfekt aufeinander abgestimmt sein.

Das Aktions- / Reaktionsprinzip wird heute immer mehr in Frage gestellt. Da normalerweise mehrere Kanäle involviert sind, gibt es vor einer Bestellung meist eine ganze Kontaktkette. Eine eindeutige Zuordnung zu einem Kundenkontakt kann nicht mehr vorgenommen werden. Zunehmend wird der sogenannte Customer Journey in den Mittelpunkt gestellt und analysiert, welche Kontaktketten für die Bestellung wichtig sind. Für die Allokation der Marketingbudgets auf die Kanäle werden dann Methoden der Marketingoptimierung eingesetzt.

AFO Marketing AG bietet sehr viel bewährtes Know-how und langjährige Projekterfahrung im analytischen CRM:

  • Bedürfnis- und Anforderungsaufnahme (Analyse)
  • Konzeption
  • Aufbau Closed Loop Marketing
  • Evaluation CRM Software
  • Unterstützung und/oder Umsetzung des Reportings
  • Analyse der Situation und Benchmarking
  • Bedürfnis- und Anforderungsaufnahme
  • Analytisches CRM Konzeption (Design möglicher Lösungen)
  • Evaluationen von analytischen CRM Lösungen (auch Data Mining, Reporting, Data und Warehousing)
  • Projektmanagement und -begleitung
  • Coaching und Schulung von Mitarbeitenden
  • Projektaudits oder -reviews