Kundendaten: sammeln, richtig nutzen und Anwendungen im Marketing.

Kundendaten sind ein wichtiger Erfolgsfaktor für alle Unternehemen. Erst wenn Sie Ihre Kunden wirklich kennen, können Sie gezielt Produkte und Angebote entwickeln. Die Vorteile liegen auf der Hand, doch zunächst müssen die Kundendaten gesammelt und gespeichert werden. In diesem Artikel erkläre ich, warum Kundendaten so wichtig sind und wie Sie durch intelligente Analysen Ihre Kundendaten richtig nutzen.

Doch wie lassen sich die Kundendaten ordentlich auswerten? Was sind meine besten Kunden? Was wünschen sie sich vom Angebot? Welche Ansprüche haben sie in der Zukunft?

Für Unternehmen sind diese Fragen elementar. Die Antworten sind bereits in den gesammelten Kundendaten gespeichert, sie müssen nur gefunden werden – die Kundenanalyse bringt sie zutage.

In diesem Artikel zeige ich Ihnen:

  1. Was sind Kundendaten?
  2. Welche Arten von Kundendaten gibt es?
  3. Wie kann ich Kundendaten sammeln und speichern?
  4. Wie kann ich Kundendaten nutzen?
  5. Wofür können Kundendaten im Marketing genutzt werden?
  6. Wie viele Daten sollte ich zu meinen Kunden sammeln?
  7. Fazit Kundendaten

1. Was sind Kundendaten?

Wohnort, Mailadresse, Lieblingsprodukte – Kundendaten sind die gesamte Menge an Informationen, die ein Unternehmen über seine Kunden besitzt. Klassisches Beispiel ist die Mailadresse für den Newsletter, die ein (potentieller) Kunde proaktiv hinterlässt.

Grundsätzlich fallen Kundendaten bei jeder Interaktion an: beim Einkauf, bei einer Beschwerde, bei einer Anfrage. Sogar wenn ein Kunde eine Ware nur in den Warenkorb legt oder auf bestimmten Produktseiten verweilt, kann darin ein hoher Informationsgehalt liegen.

1.1 Sind Kundendaten personenbezogene Daten?

Schon aus der Definition wird klar, dass Informationen über Kunden für das Unternehmen sehr wichtig sind. Das wirft eine wichtige Frage auf: Sind Kundendaten personenbezogene Daten? Hintergrund der Frage ist die Datenschutzgrundverordnung (DSGVO), denn sie stellt personenbezogene Daten unter einen besonderen Schutz.

Zu den personenbezogenen Daten zählen grundsätzlich alle Informationen, die eine Person identifizierbar machen. Dazu gehören der Name, die Mailadresse und die Anschrift. Aber auch indirekt identifizierende Informationen wie das Geschlecht oder ein Nickname fallen unter die DSGVO.

Folglich sind Kundendaten oft personenbezogene Daten. Wer sie sammelt, muss Sicherheitsstandards einhalten. Zudem ist die Nutzung an ein „berechtigtes Interesse“ geknüpft – im gewerblichen Bereich ist dieses Interesse immer wirtschaftlicher Natur. [1]

1.2 Welche Kundendaten können im B2C gesammtelt werden?

Im Grunde unterscheiden sich Kundendaten im Bereich B2C und B2B nur marginal. Wer Privatkunden anspricht, hat es immer mit einer natürlichen Person zu tun. Sie allein entscheidet über ihre Käufe. Als wichtige Informationen gelten unter anderem:

  • die Kundenstammdaten (Alter, Wohnort, Geschlecht)
  • das Kaufverhalten
  • das Budget
  • der Umsatz
  • das Umsatzpotential
  • Verhaltensdaten wie Tracking oder Produktnutzung

1.3 Welche Kundendaten können im B2B gesammtelt werden?

Im B2B-Bereich ist zu bedenken, dass die agierende Person nicht für sich, sondern für ihr Unternehmen entscheidet. Oft sind sogar mehrere Entscheidungsträger involviert. Sie lassen sich in der Regel nicht von Emotionen, sondern von wirtschaftlichen Überlegungen leiten. In der Praxis zeigt sich, dass die Daten oft dünner ausfallen als bei B2C-Kontakten.

Es kann zudem sinnvoll sein, einzelne Abteilungen als „Person“ im CRM System aufzufassen , um zwischen verschiedenen Interessengruppen zu differenzieren. Mögliche Kundendaten im B2B sind:

  • die Unternehmensgröße
  • die Branche
  • das Kaufverhalten
  • das Budget
  • der Umsatz
  • das Umsatzpotential

2. Welche Arten von Kundendaten gibt es?

Wer sich mit Kundendaten befasst, sieht sich schnell mit einer Flut von Informationen konfrontiert (Stichwort: Big Data). Es ist daher zweckmäßig, die vorhandenen Daten zu klassifizieren.

Kundendaten lassen sich in Kundenstammdaten, Kaufverhalten und Trackingdaten aufteilen.
Kundendaten lassen sich in Kundenstammdaten, Kaufverhalten und Trackingdaten aufteilen.

2.1 Kundenstammdaten

Kundenstammdaten sind soziodemografischer Natur. Kundenstammdaten werden heute bei fast jedem Geschäft an. Besonders im digitalen Bereich und im Vertragsgeschäft. Auch im klassischen Einzelhandel wird über Kundentreueprogramme immer häufiger versucht Kundendaten zu speichern. Beispiele für Kundenstammdaten sind:

  • Name
  • Anschrift
  • Mailadresse
  • Zahlungsinformationen

Darüber hinaus gehören Angaben zum Alter und zum Geschlecht in diese Kategorie. Sie ermöglichen zum Beispiel individualisierte Werbung und die Segmentierung der Kunden nach soziodemografischen Gesichtspunkten (nur Männer, nur Studenten).

Praxistipp: Überlegen Sie sich welche Kundendaten Sie bei einem Kauf sammeln können. Je mehr Informationen, die Kunden bereit sind anzugeben, desto besser können Sie später Zielgruppen bilden und diese Informationen als Merkmale in Ihre analytischen Modelle einfließen lassen.

2.2 Kaufverhalten

Die zweite große Gruppe bilden die Verhaltensdaten. Diese Daten fallen meist dann an, wenn es zu einer Interaktion oder Transaktion, etwa einem Kauf, kommt. Von Interesse ist insbesondere das Kaufverhalten:

  • Umsatz pro Einkauf
  • Anzahl Produkte
  • genutzte Zahlungsmethode
  • Häufigkeit der Einkäufe
  • gekaufte Produktgruppen
  • viele weitere…

Darüber hinaus können weitere Informationen sehr interessant sein, etwa zu den genutzten Kanälen oder Endgeräten.

Praxistipp: Die RFM-Analyse ist eine einfache, aber effektive Marketinganalyse, die in keiner CRM-Abteilung fehlen darf. Die RFM-Kennzahlen werden einfach aus der Kaufhäufigkeit, Kaufaktualität und Einkaufswert gebildet. So können Sie eine einfache Kundensegmentierung, basierend auf dem Kaufverhalten Ihrer Kunden, für die Marketingsteuerung entwickeln.

2.3 Trackingdaten

Auf Online-Shops und Webseiten fallen nicht nur beim Kauf Daten an. Jeder Besuch einer Seite lässt sich erfassen und auswerten. Relevant ist zum Beispiel die mittlere Verweilzeit auf Produktseiten oder die Produkte, die in den Warenkorb gelegt wurden, aber nicht gekauft. Besonders die Zusammenführung von Onlinedaten aus dem E-Commerce Shop mit Kundenstammdaten ist wertvoll, da so ein umfassendes Kundenprofil erstellt werden kann.

Aber auch App-Trackingdaten sind sehr interessant. Apps haben den Vorteil, dass die Nutzer sich in der Regel anmelden müssen. So können Unternehmen allen App-Nutzern ein eindeutiges Konto zuordnen. Durch diese Verhaltensdaten können sehr genaue Kunden- und Nutzerprofile erstellt werden, die die App und Customer Journey verbessern. In Online-Shops gibt es häufig nur eine viel geringere Zuordnungsquote zu einem Nutzerprofil.

In der Regel sind für beide Arten von Trackingdaten zur Verfügung:

  • Sitzungen
  • Sitzungslänge
  • gesehene Seiten
  • Klicks
  • Events

3. Wie kann ich Kundendaten sammeln und speichern?

Der Umgang mit Kundendaten hat einen technischen und einen rechtlichen Aspekt. Unter technischen Gesichtspunkten sammeln nahezu alle Unternehmen ihre Daten digital. Dafür gibt es spezielle Kundenverwaltungssoftware oder CRM-Systeme, die Ihre Daten oft an spezielle CRM-Datenbanken weitergeben. Hier werden alle Kundendaten zentral abgespeichert und für weitere Datenanalysen aufbereitet.

Häufig wird von einer 360 Grad Kundensicht gesprochen. Eine komplette Sicht auf den Kunden (Stammdaten, Verhaltensdaten, Trackingdaten) und sein Verhalten an einer zentralen Stelle. Diese Sicht auf die Kunden ist ein wichtiger Bestandteil für erfolgreiche Kundenkommunikation und CRM.

Kundendaten in zentraler CRM-Datenbank als Grundlage für die 360 Grad Kundensicht
Zentrale CRM-Datenbank als Grundlage für die 360 Grad Kundensicht.

Mittlerweile ist es üblich, die Daten in der Cloud zu speichern. Clouds wie AWS und Microsoft Azure stellen flexible Dienste zur Verfügung, Kundendaten aus allen Systemen und Kanälen zu sammeln, aggregieren und zu analysieren.

4. Wie kann ich Kundendaten nutzen?

Wie können Unternehmen von Kundendaten profitieren? Das ist die entscheidende Frage. Die wichtigste Erkenntnis vorweg: Es gibt hierauf keine allgemeingültige Antwort. Die beste Art, Kundendaten zu nutzen, ist immer individuell. Die Potentiale dazu sind vielfältig. Die nach meiner Erfahrung wichtigsten Aspekte sind:

  • Kundenbindung: Welche Maßnahmen binden die Kunden besonders lange? Die Antwort steckt in Ihren Kundendaten. Welcher Kunde oder welche Kundengruppe hat wie auf bestimmte Marketingkampagnen reagiert. Hier zu habe ich eineneinen interessanten Artikel zur Kundenanalyse geschrieben.
  • Prozessverbesserung: Wie lange brauchen die Kunden vom ersten Kaufanreiz bis zum Abschluss? Gibt es Hürden, an denen potentielle Kunden abspringen? Diese Fragen lassen sich mit einer spezifischen Kundendatenanalyse beantworten. Wer die Abläufe und insbesondere die Probleme kennt, kann diese dann gezielt verbessern bzw. lösen.
  • Produktentwicklung: Häufen sich bestimmte Reklamationen? Werden Verbesserungsvorschläge mehrfach genannt? Die Rückmeldung von Kunden ist oftmals ein wichtiger Impuls für die Produktentwicklung oder -optimierung. Firmen sollten dieses Potential nutzen.
  • Einkauf: Welche Produkte sind bei den Kunden beliebt? Lässt sich ein erhöhter Bedarf vorhersagen? Die Auswertung von Kundendaten kann für den Einkauf und die Lagerhaltung vorteilhaft sein.
  • Kundenservice: Sind die Kunden zufrieden? Welche Kanäle werden zur Interaktion genutzt? Wann ist die beste Zeit, um Kunden anzusprechen? Diese für den Support wichtigen Fragen lassen sich ebenfalls mit einer Kundendatenanalyse beantworten.

… und dann gibt es einen ganz wichtigen Bereich: das Marketing. Kundendaten lassen sich hier so vielfältig nutzen, dass ich dem Thema einen eigenen Absatz widmen möchte.

5. Wofür können Kundendaten im Marketing genutzt werden?

Grundlegendes Ziel im Marketing ist es, den Kunden besser kennenzulernen. Was ist dafür besser geeignet als Informationen über ihn? Die Herausforderung liegt darin, die vorhandenen Informationen zu strukturieren und sinnvoll zu nutzen. Dazu gibt es verschiedene Verfahren zur Kundenanalyse:

5.1 Kundenwert

Der Kundenwert gibt, vereinfacht gesagt, an, welchen Beitrag ein Kunde zur Erreichung der Unternehmensziele leistet. Zur Ermittlung gibt es verschiedene Verfahren, die zum Beispiel den Umsatz und den Deckungsbeitrag zur Bewertung heranziehen.

Ohne Kundenwert lassen sich vor allem Marketingkampagnen und das Marketingbudget nur sehr schlecht planen. Welche Kunde ist überhaupt wertvoll genug für ein Investment? Diese Fragen kann der Kundenwert beantworten.

Für die bestimmung des Kundenwerts gibts unterschiedliche Kundenwertmethoden. Dazu zählt z.B. auch die einfache ABC-Analyse, die Kunden nur in 3 einfache Werteklassen einteilt. Aber auch deutlich anspruchvollere Verfahren wie der Customer Lifetime Value, der auch den Blick in die Zukunft wirft, zählen dazu.

5.2 Kundensegmentierung

Welche Kunden sind für das Unternehmen besonders wichtig, welche bieten ein hohes ungenutztes Potential? Mit Kundendatenanalysen lässt sich das beantworten. Ein Beispiel für eine einfache und verbreitete Technik zur Kundensegmentierung ist die ABC-Analyse.

Kundensegmentierung
Kundensegmentierung mit Clustering.

Doch auch qualitative Merkmale können eine wichtige Unterscheidung im Kundenstamm sein. Häufig richten sich Marketing-Maßnahmen an einem sogenannten Persona-Konzept aus: Dies sind fiktive Personen, die als repräsentatives Beispiel für die Zielgruppe mit ihren Eigenschaften und Bedürfnissen dienen. Doch entsprechen die Personas der Realität? Durch Analyse und datengetriebene Segmentierung der Kundendaten kann festgestellt werden, in welche Gruppen sich Ihre Kunden tatsächlich aufteilen.

Einen ausführlichen Artikel zur Kundensegmentierung finden Sie hier.

Praxistipp: Nutzen Sie für die Entwicklung von Personas Ihre Daten. Viele Agenturen bauen Personas im „stillen Kämmerlein“ ohne wirklichen Realitätscheck mit echten Daten. Oft lassen sich so entwickelte Personas nicht in den Daten wiederfinden. Wir empfehlen: Personas durch einen großen Einfluss durch die Erkenntnisse aus Ihren eigenen Kundendaten zu entwickeln.

5.3 Vorhersage von Kaufverhalten

Was braucht der Kunde in der Zukunft? Tatsächlich gibt es Programme, die das mit hoher Genauigkeit vorhersagen können. Verblüffende Anekdote aus der Praxis: heute kann das Kundenverhalten so gut vorhergesagt werden, dass der genaue Zeitpunkt für einen Vertragswechsel für jeden einzelnen Kunden bei einem Telekommunikationsanbieter bestimmt wird. Sogar das passende Produkt dazu wird vorhergesagt.

Wie ist das möglich? Klar: Es funktioniert nicht, indem ein Mitarbeiter die Käufe auswertet. Auch einfache Verfahren wie die ABC-Analyse führen nicht zum Erfolg. Wer Vorhersagen über das Kaufverhalten der Zukunft treffen möchte, braucht Künstliche Intelligenz. Sie ist mit Machine Learning in der Lage, große Datenmengen auszuwerten, Strukturen zu erkennen und Kundenverhalten zu extrapolieren. So können Sie den Kunden durch Ihren Werbeanstoß aktivieren und zum Kauf bewegen.

Next Best Offer das nächst beste Produkt
Next Best Offer (NBO) kann neben dem richitgen Produkt auch den richtigen Zeitpunkt bestimmen.

Dies funktioniert nicht nur für eine allgenmeine Kaufvorhersage, sondern kann sogar auf einzelne Produkte und Produktgruppen passieren. Im Marketing nennt man diesen Ansatz häufig Next-Best-Offer, also das nächstbeste Produkt oder Angebot.

5.4 Customer Lifetime Value (CLV)

Customer Lifetime Value (CLV), die Bestimmung des erwarteten Kundenwerts für das Unternehmen über die gesamte Dauer der Geschäftsbeziehung. Der Customer Liftime Value zählt zu den Kundenwertanalysen und ist die wichtigste Kenngröße für die Marketingsteuerung.

Customer Lifetime Value
Customer Lifetime Value

Durch die Verwendung von maschinellem Lernen werden nicht nur die zurückliegenden Umsätze eines Kunden betrachtet, sondern auch die zukünftigen Interaktionen vorhergesagt. Richtig eingesetzt, liefert der CLV Umsatzprognosen für jeden einzelnen Kunden, für einzelne Sortimentsbereiche oder übergreifend.

Was Ihnen der Customer Lifetime Value bringt, finden Sie hier.

5.5 Personalisierte Kaufempfehlungen

Einer der wichtigsten Verwendungszwecke von Kundendaten ist die personalisierte Werbung.

Hier interessiert Sie statt des wieviel eher, was ein Kunde kaufen wird. Seine Daten verraten Ihnen die Affinität des Kunden für ein Produkt oder eine Produktgruppe (wie im Beispiel oben Baby-Produkte) oder die beste Ergänzung zu seinen bereits gekauften Produkten.

Dieses Wissen kann für gezielte Ansprachen zum entscheidenden Zeitpunkt eingesetzt werden. Personalisierte Werbung hat eine höhere Relevanz vor Kunde und setzt Ihre Werbemittel effizienter ein als Kampagnen nach dem Gießkannen-Prinzip.

5.6 Churn Management

Genauso wichtig, wie vorherzusagen, wann und was der Kunde kauft, ist auch das Gegenteil: Wann hört er auf zu kaufen, kündigt sein Abonnement oder lässt seinen Vertrag auslaufen? Diese Kundenabwanderung (Churn) beeinträchtigt den Profit jedes Unternehmens. Das Churn Management bietet verschiedene Möglichkeiten, dem entgegenzuwirken. Für sinnvolle Gegenmaßnahmen müssen Sie aber verstehen, weshalb der Kunde geht und wann er es tut.

Kundendaten im Churn Management nutzen, um sinnvolle Kündigerprävention zu betreiben und Churn zu senken.
Kündigerprävention durch Churn Management und Churn Warnungen.

Eine sorgfältige Churn Analyse abwandernder Kunden verrät Ihnen die Gründe der bisherigen Abwanderung. Datengetriebene Churn Prediction sagt voraus, welche Ihrer aktuellen Kunden abwanderungsgefährdet sind.

5.5 Kampagnenautomatisierung

Welche Zielgruppe soll die Reaktivierungskampagne ansprechen? Wer ist für Premium-Angebote empfänglich? Automatisierte Kampagnen bieten Marketing Managern die Möglichkeit ausdifferenzierter Zielgruppen und individueller Ansprachezeitpunkte und reduzieren dabei repetitive Aufgaben auf ein Minimum.

Das spart teure Arbeitszeit und ermöglicht die Konzentration auf die wesentlichen Aspekte des Marketings. Grundlage für den Erfolg sind dabei jederzeit verfügbare und aufbereitete Kundendaten von gleichbleibend hoher Qualität.

5.6 Im Vertrieb

Kundenanalysen verschaffen tiefe Einblicke in das Kundenverhalten. Die Auswertung bietet dem Vertrieb wichtige Erkenntnisse über Bedürfnisse und Eigenschaften der Zielgruppe – die wiederum sind die Grundlage für eine geschickte Verkaufsstrategie. Eine Herausforderung ist hier der B2B-Bereich, da weniger Daten bekannt sind. Insbesondere fehlen die Personen-Daten. Es erweist sich oftmals als hilfreiche Lösung, die einzelnen Abteilungen als Kunden zu verstehen und zu analysieren.

Alle personalisierten Maßnahmen haben außerdem einen gemeinsamen positiven Effekt: Sie stärken die Kundenbindung!

6. Wie viele Daten sollte ich zu meinen Kunden sammeln?

Es bleibt zu klären, wie viele Daten eigentlich sinnvoll und nützlich sind. Hier gibt es zwei Pole: Einerseits gilt das Prinzip der Datensparsamkeit, die ist sogar gesetzlich verankert. Dem gegenüber steht jedoch das berechtigte Interesse eines Unternehmens, Daten zu analysieren, um das bestmögliche Kundenerlebnis zu bieten und den eigenen wirtschaftlichen Erfolg zu steigern.

Das hat die Kundendaten zu einem der wichtigsten Wettbewerbsfaktoren gemacht. In diesem Zusammenhang gilt die einfache Formel: je mehr Daten, desto effektiver. Gerade wer Kundenverhalten mit KI vorhersagen möchte, braucht dafür einen soliden Datenschatz – Big Data. Der Erfolg liegt in der intelligenten Auswertung dieser Informationssammlung durch lernfähige Software, das zeigen die Beispiele zahlreicher großer Unternehmen. Doch auch wer nur wenig Kundendaten zur Verfügung hat, sollte diese auf jeden Fall nutzen – andernfalls wird der Wettbewerb das Unternehmen verdrängen.

7. Fazit Kundendaten

Daten sind der digitale Schatz eines Unternehmens. Nicht umsonst sprechen englische Quellen oft von Data Mining – also gewissermaßen das Goldgraben im eigenen Speicher. Tatsächlich sind die Kundendaten Gold wert: Sie machen das Marketing effektiver, lassen Kundenbedürfnisse vorhersagen und ermöglichen die Kampagnenautomatisierung.

Die Goldgräber von heute sind jedoch keine Menschen, sondern Maschinen: KI und Machine Learning sind die richtigen Ansätze, wenn es darum geht, große Datenmengen effizient und erfolgreich auszunutzen.

Weitere Quellen:
https://dsgvo-vorlagen.de/dsgvo-und-der-umgang-mit-kundendaten#Wann_Sie_Kundendaten_nach_DSGVO_uumlberhaupt_verarbeiten_duumlrfen
https://www.wirtschaftswissen.de/unternehmensgruendung-und-fuehrung/datenschutz/bundesdatenschutzgesetz/regeln-zum-datenschutz-der-richtige-umgang-mit-kundendaten/

Ihr Kontakt: Laurenz Wuttke

Unternehmen sitzen auf einem ungenutzten Berg von Kundendaten. Wir von datasolut entwickeln KI, die Ihr Marketing optimiert. Damit Sie dem richtigen Kunden zur richtigen Zeit das richtige Angebot machen können.

Laurenz Wuttke

Auch interessant für Sie

Laurenz Wuttke datasolut Gmbh
Ich freue mich, wenn Sie sich zu unserem Newsletter anmelden.

Jetzt zum Newsletter anmelden!

Den datasolut Blog abonnieren und Expertentipps zu Marketingoptimierung mit künstlicher Intelligenz erhalten.

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.