Customer Relationship Analytics – Praktische Anwendung von Data Mining im CRM

Customer Relationship Analytics – Praktische Anwendung von Data Mining im CRM Beispiel einer zukunftsorientierten Kundenwertberechnung zur Optimierung von Rechnungs-/ Kreditlimits im Versandhandel 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. Diese Dyna- mik 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 wegzu- denken. Nach einer vom Bundesverband des Deutschen Versandhandels e.V. in Auftrag gegebenen Studie zahlen ca. 86% aller Kunden per Rechnung. Anders als bei Kreditkartenzahlung oder Nachnahme liegt bei dieser Zahlungsart jedoch das volle Ausfallrisiko beim Händler. Daher haben die meisten Versandhändler ein Risikomanagement implementiert, das Kunden über regelbasierte Verfahren oder Scoringverfahren in Risikoklassen einteilt und in bestimmten Fällen die Möglichkeit zur Zahlung auf Rechnung einschränkt. Ein solches einstufiges Verfahren wird häufig auch als passives Kundenmanagement kriti- siert, da es in der Regel nicht das individuelle Potenzial eines Kunden berücksichtigt. Diese Unterlassung kann leicht dazu führen, dass zukünftige Umsätze in deutlich höherem Aus- maß verhindert, als das Risikokosten eingespart werden. Mit DynaScore hat die Dymatrix Consulting Group (DCG) ein Verfahren entwickelt, das auf Basis einer Kundensegmentierung sowie eines 2-dimensionalen Risiko- und Potenzial- Scorings für jeden Kunden ein optimales Limit für den Rechnungskauf ermittelt. Das Ergebnis ist eine maximale Ausschöpfung des Umsatzpotenzials eines jeden Kunden unter Berücksichtigung seines individuellen Risikos. Das Verfahren ist modular aufgebaut und kann, unter Verwendung von bereits im Unter- nehmen vorhandenen Teilprozessen, wie beispielsweise einer Kundensegmentierung, flexi- bel implementiert 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 Vorgehen: Eine erfolgreiche Implementierung von DynaScore setzt eine konsistente, integrierte Daten- basis mit Kunden- und Transaktionsdaten voraus, wie sie typischerweise in einem Data Warehouse bzw. Data Mart vorliegt. Die Kundensegmentierung ist 2-dimensional aufgebaut. Zusätzlich zu einer Gruppierung nach Risiko-Potenzial-Gesichtspunkten werden Kunden mit ähnlichem Kaufverhalten in Seg- menten zusammenfasst und von solchen mit unterschiedlichem Verhalten getrennt. Das Ziel der Potenzialanalyse im dritten Schritt ist die Prognose der zukünftigen Wertent- wicklung eines jeden Kunden. Zahlreiche Versandhändler setzen bei der Kundenwertanalyse auf die bewährte RFM- Methode. RFM steht dabei für "Recency of last purchase", "Frequency of purchase" und "Monetary Ratio". Es hat sich gezeigt, dass Kunden in naher Zukunft umso ertragsstärker sind, je näher die letzte Bestellung zurückliegt, je häufiger bestellt wurde und je höher die Volumen der einzelnen Bestellungen waren. Ein Nachteil der RFM-Methode ist jedoch die statische, vergangenheitsbezogene Heran- gehensweise. Neben den drei genannten Kriterien gibt es oftmals andere wichtige Faktoren, die die Wertigkeit von Kunden beeinflussen. An dieser Stelle kommen wiederum Data- Mining-Algorithmen zum Einsatz, um eine Vielzahl von Faktoren bezüglich ihres Einflusses auf den zukünftigen Kundenwert zu untersuchen. Für die unterschiedlichen Formen des Versandhandels können so gezielt zusätzliche Para- meter berücksichtigt werden wie bspw. zeitliche Trends der bisher bestellten Waren oder die Ausnutzung des bisherigen Rechnungslimits, sowie zahlreicher weitere Faktoren. Das Risiko eines Versandhandelskunden setzt sich aus dessen Zahlungsausfall- und Kos- tenrisiko (wie z.B. durch häufiges Zurücksenden bestellter Ware) zusammen. Zu dessen Begrenzung wird im Anschluss an die Potentialbewertung eine Risikoanalyse durchgeführt. Zum Schluss erfolgt die Allokation des Rechnungslimits in Abhängigkeit des kundenindivi- duellen Risikos, dessen Potenzial, sowie seines Kundensegmentes. Fazit: Der Versandhandel hat mittlerweile erkannt, dass eine reine Risikosteuerung nicht mehr ausreicht, um den Anforderungen des harten Wettbewerbsumfelds gerecht zu werden. Das Forderungsmanagement wird in die Pflicht genommen, nicht nur Risiken frühzeitig zu erkennen sondern auch Chancen zu nutzen und damit Umsatzverantwortung zu über- nehmen. Ein Teleshoppingsender hat dabei Pionierarbeit geleistet und setzt konsequent auf eine chancenorientierte Rechnungslimit-Vergabe mit DynaScore. Die Investitionskosten waren bereits nach wenigen Wochen durch die Mehrerlöse kompensiert. Andere Versandhäuser folgen diesem Beispiel. So hat ein großer deutscher Online-Buch- händler das System erfolgreich eingeführt, ein führender europäischer Multi-Channel-Ver- sender implementiert das Modul DynaPotenzial auf einem bereits bestehenden Risiko- scoring-System. Die bisherigen Erfahrungen zeigen, dass neben dem positiven Umsatzeffekt auch deutliche Kosteneinsparungen im Forderungsmanagement erzielt werden können. Eine manuelle Listen-Bearbeitung bei Bestellungen über dem Rechnungslimit, bei dem ein Sachbearbeiter oftmals die Historie des Kunden prüft, ist nur noch in Ausnahmefällen notwendig. Über Dymatrix Consulting Group GmbH Gegründet im Jahr 2000 als Spin-Off einer der weltweit größten IT-Beratungsgesellschaften, hat sich das Stuttgarter Beratungsunternehmen auf die Bereiche Business Intelligence, analytisches CRM und e-Intelligence spezialisiert. Neben Beratungsdienstleistungen bietet die Dymatrix Consulting Group innovative Software-Produkte an. Dies sind z.B. das Kampagnenmanagement-Tool DynaCampaign und das Data Mining- und Real-Time Next- Best-Aktivity-Tool DynaMine sowie die Lösung DynaScore zur Optimierung von Rech- nungslimits. Zu den Kunden von Dymatrix zählen Unternehmen aus DAX und Mittelstand.