DYNASCORE

Optimierung von Rechnungslimits für Kunden im Versandhandel Florian Stompe Dymatrix Consulting Group GmbH 2009 Dymatrix Consulting Group GmbH / Friedrichstr. 7 / 70174 Stuttgart / www.dymatrix.de Überblick Der Versandhandel hat in den letzten Jahren von neuen, insbesondere durch E-Commerce getriebene, Vertriebsformen profitiert. Durch Vertriebsmodelle wie Apothekenversandhandel, Teleshopping, Hersteller-Direktvertrieb und Mischformen von Retail- und Direktvertrieb (z.B. Tchibo) konnten Marktanteile aus dem stationären Handel gewonnen werden. Auf der anderen Seite befindet sich der traditionelle Katalog-Versandhandel in einem starken Ver- drängungswettbewerb. Diese Dynamik im Markt erfordert große Anstrengungen um die Gunst der Kunden. Dazu gehört unter anderem das Angebot an bequemen Zahlungsmöglichkeiten. Das Zahlen auf Rechnung per Überweisung oder Lastschrifteinzug ist aus dem deutschen Versandhandel nicht wegzudenken. Nach einer vom Bundesverband des Deutschen Versandhandels e.V. in Auftrag gegebenen Studie zahlen ca. 86% aller Kunden per Rechnung [TNS06]. Anders als bei Kreditkartenzahlung oder Nachnahme liegt bei dieser Zahlungsart jedoch das volle Aus- fallrisiko beim Händler. Daher haben die meisten Versandhändler ein Risikomanagement im- plementiert, das Kunden über regelbasierte Verfahren oder Scoringverfahren in Risikoklassen einteilt und in bestimmten Fällen die Möglichkeit zur Zahlung auf Rechnung einschränkt. Solch ein Risiko-Scoring berücksichtigt jedoch in der Regel nicht das individuelle Potenzial eines Kunden. Diese Unterlassung kann dazu führen, dass deutlich mehr zukünftige Umsätze verhindert werden, als an Risikokosten vermieden wird. Mit DynaScore hat die DYMATRIX CONSULTING GROUP (DCG) ein Verfahren ent- wickelt, das auf Basis einer Kundensegmentierung und eines 2-dimensionalen Risiko- und Potenzial-Scorings ein optimales Limit für jeden Kunden ermittelt, bis zu dem Bestellungen auf Rechnung getätigt werden können. Ergebnis ist die maximale Ausschöpfung des Umsatz- potenzials eines jeden Kunden unter Berücksichtigung seines individuellen Risikos. 1. Vorgehensmodell für die Rechnungslimit-Optimierung Die Grundidee von DynaScore ist in Abbildung 2 verdeutlicht. Das Rechnungslimit, das einem Kunden eingeräumt wird, soll nicht nur sein Risiko, sondern auch das Potenzial be- rücksichtigen das sich aus der Geschäftsbeziehung ergibt. Da Kunden sich in ihrem Kaufver- halten deutlich unterscheiden, wird zunächst eine Kundensegmentierung implementiert. Diese stellt sicher, dass sowohl Gelegenheitskäufer als auch Power-Shopper in eine zuverlässige, konsistente Risiko/Potenzial-Matrix eingeordnet werden können. Abbildung 1 - Potenzial-Risiko Diagramm für ein Kundensegment K Risiko und Potenzial werden als unabhängige Faktoren betrachtet, die gemeinsam das Rech- nungslimit eines Kunden determinieren. Ein höheres Rechnungslimit z.B. kann eingeräumt werden, wenn das Risiko sinkt und/oder das Potenzial steigt. Funktionen (im Bsp. linear) de- finieren die oberen und unteren Schranken (hier farbig markiert) der einzelnen Rechnungsli- mits. Zwischen diesen Schranken lässt sich das Rechnungslimit eines Kunden für ein Kun- densegment K eindeutig bestimmen: f(K,R,P) = Rechnungslimit Dabei können unterschiedliche Strategien verfolgt werden, bei denen entweder das Potenzial (aggressive Strategie) oder das Risiko (konservative Strategie) stärker gewichtet werden. 1 2 3 4 Erstellung der Verhaltens- Potential- und Risiko- Rechnungslimit- Datenbasis segmentierung scoring Allokation o Ermittlung des o Aggregation von o Ermittlung von o Manuelle Vorseg- zukünftigen Kennzahlen zur Referenzlimits auf mentierung (Neu- / Ertragspotentials Kundensegmentie- Segmentbasis Bestandskunden) o Bewertung von rung und zur getrenn- o Aufbau von Limit- o Automatisches Zahlungsausfall- und ten Quantifizierung Matrizen zur poten- Clustering der Kostenriskiken von Potential- und tial- und risikogere- Bestandskunden o Jeweils Aufbau einer Risiko chten Abstufung Scorecard Abbildung 2 – Vorgehensmodell Das DynaScore-Verfahren ist modular aufgebaut und kann, unter Verwendung von be- reits im Unternehmen vorhandenen Teilprozessen, wie beispielsweise einer Kundensegmen- tierung, flexibel implementiert werden. 1.1. Datenaufbereitung Eine erfolgreiche Implementierung von DynaScore setzt eine konsistente, integrierte Da- tenbasis mit Kundenstamm- und Transaktionsdaten voraus, wie sie typischerweise in einem Data Warehouse bzw. Data Mart vorliegt. Aus dieser wird im ersten und umfangreichsten Schritt die Datenbasis erstellt, in der auf Kundenebene alle relevanten Variablen verdichtet werden. Die Datenbasis dient als Berechnungsgrundlage sowohl für die Kundensegmentierung als auch für die Potenzial- und die Risikoanalyse. Daher muss sie neben Stammdaten wie z.B. Alter, geographische Herkunft, Kundenbeziehungsdauer auch Informationen zum gesamten verfügbaren Kundenverhalten innerhalb eines abgegrenzten Zeitraumes enthalten. Dazu zäh- len vor allem das Kauf- und das Zahlungsverhalten. Zum Kaufverhalten lässt sich eine Vielzahl von Variablen ableiten. Umsätze beispielsweise können auf verschiedene Dimensionen wie Produktkategorien, Absatzkanäle, Kommunikati- onskanäle usw. abgebildet werden. Auf dieser Basis lassen sich bei der späteren Kundenseg- mentierung verschiedene Affinitäten berücksichtigen. Auch aus dem Storno- und Retourenverhalten können wichtige Merkmale des Kaufverhaltens abgeleitet werden. Das Zahlungsverhalten lässt sich durch Merkmale wie die bevorzugte Zahlungsart, durch- schnittliche Dauer bis zur Zahlung, die Anzahl der Mahnungen pro Mahnstufe usw. beschrei- ben. Es ist insbesondere im Rahmen der Risikoanalyse von Bedeutung. 1.2. Kundensegmentierung Eine Einordnung aller Kunden in eine einzelne Risiko/Potenzial-Matrix ist aufgrund der Hete- rogenität im Verhalten nicht sinnvoll. Die Risiko/Potenzial-Verteilung von Gelegenheitskäu- fern ist eine andere als die der Top-Kunden. Daher ist eine Kundensegmentierung erforder- lich, die Kunden mit ähnlichem Verhalten in Segmenten zusammenfasst und Kunden mit un- terschiedlichem Verhalten voneinander trennt. In der Folge kann über eine Bedarfsanalyse für jedes einzelne Kundensegment ein Rech- nungslimit ermittelt werden, das für den Großteil der darin enthaltenen Kunden ausreichend ist. Dieser Basisbedarf für jedes Kundensegment bildet das Referenzlimit. Viele Versandhändler verfügen bereits über eine Kundensegmentierung als ein wichtiges In- strument zur individuellen, zielgerichteten Ansprache ihrer Kunden. Unter einer Kundenseg- mentierung werden jedoch oft zwei grundsätzlich unterschiedliche Verfahren verstanden: Rein monetäre Verfahren, wie z.B. die ABC-Analyse, ordnen Kunden nach ihrem Beitrag zum Unternehmensumsatz. Weitergehende Verfahren wie die verbreitete und bewährte RFM- Methode zielen auf eine Ermittlung der Wertigkeit von Kunden ab. Da solche Verfahren auf ein eindimensionales, ertragsorientiertes Ranking aller Kunden hinauslaufen, werden sie hier zur Abgrenzung unter dem Begriff Kundenwertanalyse zusammengefasst. Data-Mining basierte Clusteringverfahren berücksichtigen dagegen das gesamte Kundenver- halten. Dazu können neben dem Kaufverhalten auch das Zahlungs- und Retourenverhalten, Interaktionshäufigkeit usw. herangezogen werden. Eine Kundensegmentierung, die auf einem automatischen Clustering basiert, kann auch eine wertvolle Grundlage für die Potenzialermitt- lung darstellen. So können u.a. spezielle Käufertypen wie z.B. Saisonkäufer, die nur zu be- stimmten Anlässen (wie z.B. zu Weihnachten) größeren Umsatz tätigen, identifiziert werden. Bei der Implementierung von DynaScore bei einem der größten deutschen Teleshopping sender konnte beispielsweise festgestellt werden, dass die treuesten Kunden nicht gleichzeitig auch die aktivsten sind. Solche in sich homogenen Kundensegmente lassen sich verbal beschreiben und nach ihren besonderen Eigenschaften charakterisieren. Sie können damit unternehmensweit kommuni- ziert und für die unterschiedlichsten Zwecke im Marketing verwendet werden. Abbildung 3: Beispiel für Kundensegmentstruktur nach Nettoumsatz und Kundenzugehörigkeitsdauer Trotz der mehrdimensionalen Herangehensweise ist der Umsatz eines der deutlichsten Unter- scheidungsmerkmale der einzelnen Kundensegmente, da viele andere Merkmale eng mit die- sem zusammenhängen. Durch die Analyse der Umsatzverteilung kann auf jedem einzelnen Kundensegment ein Refe- renz-Rechnungslimit definiert werden welches für den Großteil der Kunden innerhalb jedes Segmentes ausreichend ist. Dennoch gibt es auch innerhalb der einzelnen Segmente mehr oder weniger starke Abweichungen des Potenzials der darin enthaltenen Kunden. Im aktivsten Kundensegment kann es durchaus Kunden geben, die nochmals ein Vielfaches des Umsatzes von anderen Kunden dieses Segmentes generieren, etwa weil sie nahezu jeden Tag bestellen.