Analytical Customer Relationship Management a CRM Referenten Christian

Analytical Customer Relationship Management (a. CRM) Referenten: Christian Ludt und Michael Schmidt Betreuerin: Elisabeth Thieser, SAP Seminar CRM & SRM, WS 2002/2003 Universität des Saarlandes FB 6. 2 Informatik Lehrstuhl für Datenbanken und Informationssysteme Prof. Dr. -Ing. Gerhard Weikum Dr. -Ing. Ralf Schenkel 04. 02. 2003 Analytisches CRM 1

Gliederung n n n Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit 04. 02. 2003 Analytisches CRM 2

Einordnung a. CRM 04. 02. 2003 Analytisches CRM 3

Ziel des Analytical CRM n n n Gewinnung neuer betriebswirtschaftlich relevanter Informationen Unterstützung im operativem und strategischen Bereich Analysieren vorhandener Kundenbeziehungen Analysieren und prognostizieren von Kundenverhalten Stabile Kundenbeziehung 04. 02. 2003 Analytisches CRM 4

Closed-Loop Szenario Customer Knowledge Customer Feedback/ Learning Analytical Results Planned Actions and Campaigns 04. 02. 2003 Analytisches CRM 5

Einsatzbereiche Analytical CRM n n n Marketing Vertrieb Service Kunden Produkte Interaktionen 04. 02. 2003 Analytisches CRM 6

Bestandteile des a. CRM n n OLAP Data-Mining 04. 02. 2003 Analytisches CRM 7

Gliederung n n n Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit 04. 02. 2003 Analytisches CRM 8

OLAP n Definition: n n On-Line Analytical Processing (OLAP) is a category of software technology that enables analysts, managers and executives to gain insight into data through fast, consistent, interactive access to a wide variety of possible views of information that has been transformed from raw data to reflect the real dimensionality of the enterprise as understood by the user. Voraussetzung: n 04. 02. 2003 Data Warehouse Analytisches CRM 9

FASMI Anforderungen an OLAP n n n Fast Analysis Shared Multidimensional Information 04. 02. 2003 Analytisches CRM 10

2 D-Datensicht 04. 02. 2003 Analytisches CRM 11

3 D Datensicht 04. 02. 2003 Analytisches CRM 12

Operationen im OLAP n Roll-up n Drill-down n Dice / Slice n Pivot 04. 02. 2003 Analytisches CRM 13

Operationen im OLAP n Roll-up 04. 02. 2003 Analytisches CRM 14

Operationen im OLAP n Drill-down 04. 02. 2003 Analytisches CRM 15

Operationen im OLAP n Dice / Slice 04. 02. 2003 Analytisches CRM 16

Operationen im OLAP n Pivot 04. 02. 2003 Analytisches CRM 17

OLAP im Marketing n Früher (ohne OLAP): n n Marketing Kampagne durch Gießkannenprinzip Rücklaufquote ist gering Heute (mit OLAP): n 04. 02. 2003 Marketing Kampagne wird gezielt angewendet Bei geringerem Aufwand kann eine höhere Rücklaufquote erzielt werden Analytisches CRM 18

RFM-Analyse n n n Recency Frequency Monetary n Eigenschaften n n 04. 02. 2003 Basiert auf betriebswirtschaftlichen Annahmen Scoring Methode Häufig Verwendung Einsatz im Marketing Praktische Umsetzung auf verschieden Arten möglich Analytisches CRM 19

RFM-Analyse 04. 02. 2003 Analytisches CRM 20

Beispiel Gaststätte „Lebendes Inventar“ 5 x Woche „Stammgast“ 1 x Woche „Student“ 1 x Monat Recency 5 3 2 Frequency 5 3 2 Monetary 2 4 5 „Lebendes Inventar“ ist der beste Kunde 04. 02. 2003 Analytisches CRM 21

Problem RFM „Lebendes Inventar“ 5 x Woche „Stammgast“ 1 x Woche „Student“ 1 x Monat Recency 4 3 5 Frequency 5 3 2 Monetary 2 4 5 Student ist der beste Kunde 04. 02. 2003 Analytisches CRM 22

Gliederung n n n Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit 04. 02. 2003 Analytisches CRM 23

Kundenanalyse n n Kundenverhaltensanalyse Kundenwertanalyse 04. 02. 2003 Analytisches CRM 24

Kundenverhaltensanalyse n n Kaufverhalten Abwanderungsverhalten Zufriedenheit Loyalität 04. 02. 2003 Analytisches CRM 25

Beispiel zur Motivation Produkt Gewinn Babynahrung 300 Windeln 250 Windeln 50 Suppe 100 Bier 50 Bier muß weg 04. 02. 2003 Zusammenhang zwischen Bier und Windeln Analytisches CRM 26

Ziel n Basierend auf historische Daten unbekannte Muster entdecken n 04. 02. 2003 Dazu dienen Data Mining-Methoden Analytisches CRM 27

Data Mining n Prozeß zur Aufdeckung nutzbringender und aussagekräftiger Muster, Profile und Trends (Definition nach Jesus Mena) 04. 02. 2003 Analytisches CRM 28

Data Mining-Methoden n Entscheidungsbäume Clustering Assoziationsanalyse 04. 02. 2003 Analytisches CRM 29

Entscheidungsbäume n Werden vor allem eingesetzt, um herauszufinden, welches Verhaltensprofil besonders oft zum Verlust eines Kunden geführt hat Gegenmaßnahmen bei gefährdeten Kunden einleiten 04. 02. 2003 Analytisches CRM 30

Bsp: Entscheidungsbaum 04. 02. 2003 Analytisches CRM 31

Bsp: Entscheidungsbaum 04. 02. 2003 Analytisches CRM 32

Clustering n n Dient vor allem der Kundensegmentierung Datensätze einer Gruppe möglichst ähnlich, Datensätze verschiedener Gruppen möglichst unterschiedlich hinsichtlich ihrer Merkmalsausprägungen n 04. 02. 2003 Ermitteln typischer Verhaltensprofile Analytisches CRM 33

Bsp: n Zusammenfassen von Kunden anhand Demographie (Durchschnittsalter, Geschlecht, Familienstand), Kaufverhalten, etc. in homogene Gruppen 04. 02. 2003 Analytisches CRM 34

Assoziationsanalyse n n Dient zum Ermitteln, welche Produkte in der Regel zusammen gekauft werden Einsatz n n Warenkorb - Analyse Ziel n 04. 02. 2003 Cross-Selling Analytisches CRM 35

Assoziations-Regeln n Regeln der Form If A und B und. . . und X gekauft Then Y gekauft n Anzahl der Elemente in der Bedingung abhängig vom Unternehmen / von den Produkten 04. 02. 2003 Analytisches CRM 36

Bsp: n Bei Hardware: n n Beim Kauf eines PC‘s wird dem Kunden gezielt ein geeigneter Drucker angeboten (If A Then B) Im Supermarkt: n 04. 02. 2003 Entsprechendes Anordnen mehrerer Waren (If A und B und. . . und X Then Y) Analytisches CRM 37

Assoziationsanalyse in my. SAP n [Sie] dient dazu, Regelmäßigkeiten [. . . ] bei geschäftlichen Vorgängen zu finden und entsprechende Regeln zu formulieren. Die Regeln werden [. . . ] auf historischen Daten (Auftragsdaten) ermittelt. Die ermittelten Assoziationsregeln können angezeigt und ins CRM exportiert werden. 04. 02. 2003 Analytisches CRM 38

Assoziationsanalyse in my. SAP n Folgende Einstellungen lassen sich vornehmen: n n 04. 02. 2003 über Modellfelder wird festgelegt, welche Vorgänge (Transaktionen) und welche Positionen betrachtet werden sollen über Modellparameter wird u. a. festgelegt, in wieviel Prozent der Transaktionen mit der führenden Position (Produkt A) auch die abhängige Position (Produkt B bzw. C) enthalten sein muß, um eine gültige Regel aufzustellen Analytisches CRM 39

Assoziationsanalyse in my. SAP n Produktassoziationsregeln können in ein SAP Customer Relationship Management-System (SAP CRM) exportiert werden und im Rahmen des Cross Selling als Produktvorschläge genutzt werden (Closed-Loop). 04. 02. 2003 Analytisches CRM 40

Unsicherheitsgrad der Regeln n Zusätzlich zu dem If- und Then-Part gibt es drei weitere Zahlen: n n n 04. 02. 2003 Support (prozentualer Anteil an gesamten Transaktionen) Confidence (Quotient aus Anzahl der Transaktionen die im If- und Then-Part enthalten sind und der Anzahl der Transaktionen aus der If-Bedingung Lift: Confidence / Expected Confidence Analytisches CRM 41

Bsp: n n n Supermarkt habe 100. 000 Transaktionen an den Kassen, wobei 2. 000 davon die Produkte A und B enthielten, darunter 800, die Produkt C enthielten Assoziationsregel: Wenn A und B gekauft werden, dann wird auch C gekauft Support: 800 bzw. 0, 8% = 800/100. 000 Confidence: 800/2. 000 = 40% Produkt C tauche in insgesamt 5. 000 Transaktionen auf (Expected Confidence = 5. 000/100. 000 = 5%) Lift = 40%/5% = 8 04. 02. 2003 Analytisches CRM 42

Kundenanalyse n n Kundenverhaltensanalyse Kundenwertanalyse 04. 02. 2003 Analytisches CRM 43

Kundenwertanalyse n Ziel: n n Ermitteln des Werts eines einzelnen Kunden oder ganzer Kundensegmente für das Unternehmen Analysen: n n n 04. 02. 2003 Kundenprofitabilitätsanalyse ABC-Analyse Customer-Lifetime-Value-Analyse Analytisches CRM 44

Kundenprofitabilitätsanalyse n n Einfachste Analyse: Differenz zwischen Erlös und Kosten pro Kunde Detaillierter: Kundendeckungsbeitrag sanalyse n 04. 02. 2003 Einbeziehen verschiedener Erlösarten, Produkt- und Vertriebskosten Analytisches CRM 45

ABC-Analyse n n Einteilen der Kunden auf Basis von Profitabilitätsdaten in A-, B- oder CKunden Dadurch läßt sich ermitteln, mit wieviel Prozent der Kunden wieviel Umsatz gemacht wird 04. 02. 2003 Analytisches CRM 46

Gliederung n n n Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit 04. 02. 2003 Analytisches CRM 47

Customer-Lifetime-Analyse n n n Dient der Bewertung eines Kunden Bezieht sich auf den gesamten Kundenlebenszyklus Häufig verwendete Methode 04. 02. 2003 Analytisches CRM 48

Kundenwert im CLTV n Quantitative Größen n n Akquisitionskosten Umsatz Zuordenbare Einzelkosten Qualitative Größen n n 04. 02. 2003 Weiterempfehlungs-Potential Up/Cross-Selling-Potential Analytisches CRM 49

Kundenlebenszyklus im CLTV n 6 Phasen n n n 04. 02. 2003 Kennenlernphase Startphase Penetrationsphase Reifephase Krisenphase Trennungsphase Analytisches CRM 50

Berechnung des CLTV 04. 02. 2003 Analytisches CRM 51

Beispiel Gaststätte 04. 02. 2003 Analytisches CRM 52

Beispiel SAP 04. 02. 2003 Analytisches CRM 53

Gliederung n n n Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit 04. 02. 2003 Analytisches CRM 54

Fazit n n Wichtig für die Gewinnung neuer relevanter Informationen Für die Verwendung umfangreicher Analysen ist Fachwissen erforderlich a. CRM liefert NUR Information keine Handlungsentscheidungen Der Erfolg von a. CRM ist nur schwer meßbar 04. 02. 2003 Analytisches CRM 55

FRAGEN? ? 04. 02. 2003 Analytisches CRM 56