Customer Intelligence

Customer Intelligence (CI) verändert das Customer-Relationship-Management (CRM) der Unternehmen. Immer mehr Kundendaten stehen intern und extern zur Verfügung und sie helfen dabei, die Kunden und deren Wünsche und Handlungen besser zu verstehen. CI stellt das CRM auf eine solide Datenbasis, gestaltet es wirksamer und trägt entscheidend zum Erfolg im Marketing bei. Unternehmen stehen vor der Herausforderung, das CI bestmöglich für sich zu nutzen und dafür auf alle verfügbaren Methoden im Bereich künstlicher Intelligenz zurückzugreifen.

1. Definition: Was ist Customer Intelligence?

Customer Intelligence ist ein Verfahren, bei dem Unternehmen Daten über ihre Kunden sammeln und auswerten. Customer Intelligence liefert eine verbesserte Informationsgrundlage im CRM und greift dafür auf Marktforschungsergebnisse und Kundenanalysen zurück. Software und KI helfen bei der Analyse dieser Daten.

Der Begriff überschneidet sich inhaltlich mit den Begriffen Customer Analytics, betont aber mehr den Aspekt des Sammelns der Daten, während der Begriff der Analytik eher die Verarbeitung und Aufbereitung der Daten betont.

Bei Customer Intelligence spielt besonders die Speicherung der Kundendaten (Transaktionen und Kundenstammdaten) und die Aufbereitung in einem analytischen CRM System eine große Rolle. Customer Intelligence nutzt verschiedenste Methoden zur Kundenanalyse:

2. Ziele von Customer Intelligence

Customer Intelligence zielt darauf ab, die Kunden des Unternehmens und deren Verhalten besser zu verstehen und damit zu höheren Absätzen beizutragen. Im Endergebnis soll das CI das Unternehmen auf einen höheren Wachstumskurs bringen. Zudem trägt ein erfolgreich durchgeführtes CI zu einer Stärkung der Bindung zwischen Unternehmen und Kunden bei.

Um die Ziele des CI besser zu verstehen, ist die Abgrenzung zum CRM aufschlussreich. Zwar überschneiden sich CI und CRM teilweise, dennoch besteht ein wesentlicher Unterschied: Während das CRM Daten nur dann erfasst, wenn der Kundenkontakt zu einem Einkauf und zu einer Hinterlegung von damit in Zusammenhang stehenden Daten in der Datenbank führt, sammelt CI auch dann Daten, wenn kein Verkauf stattfindet. Gerade diese Informationen darüber, warum der Kundenkontakt nicht zu Umsatz geführt hat, sind besonders interessant.

Hat ein Kunde zum Beispiel Waren in seinen Warenkorb gelegt und diese nach einer gewissen Zeit wieder entfernt, ohne etwas zu kaufen, versucht CI zu ermitteln, weshalb der Einkauf nicht zustande kam. Diese Daten sind von besonderem Wert, um das Kundenverhalten zu verstehen.

Aus diesem Grund zielt CI gerade auf ein besseres Verständnis der Psyche des Kunden ab, möchte dessen emotionalen Beweggründe verstehen lernen ebenso wie seine Ethik, nach der er seine Handlungen ausrichtet. Welche übergeordneten Entscheidungen haben dazu geführt, dass der Kunde sich letztlich doch nicht für ein bestimmtes Produkt entschieden hat? Eigenschaften wie Beschaffenheit oder Preis von Produkten sind alleine häufig nicht ausreichend, die Entscheidungen der Kunden zu verstehen. Diese inneren Beweggründe der Kunden abzubilden ist das Ziel von CI.

3. Daten für Customer Intelligence

Im Customer Intelligence dreht sich alles um die Daten, die Unternehmen über ihre Kunden sammeln. Diese Daten stammen aus unterschiedlichen Quellen. Die Unternehmen analysieren die Daten und erstellen daraus im Idealfall eine einheitliche Kundensicht.

3.1 Datenquellen

Die im Rahmen von CI erhobenen Daten lassen sich in interne und externe Daten unterscheiden. Die internen Daten entstehen bei jedem Kundenkontakt und finden sich in den Datenbanken des Unternehmens. Die externen Daten lassen sich in persönliche und geografische Demografiedaten sowie verhaltensbasierte Daten unterscheiden.

Viele wichtige Daten für das CI stammen insbesondere aus der persönlichen Demografie. Dazu gehören das Alter des Kunden, dessen Einkommenshöhe oder dessen Schuldenstand ebenso wie dessen Familienstand und Ausbildungsniveau. Diese Daten sind wichtig für die Analyse des Konsumverhaltens und dessen Veränderung im Zeitablauf.

Hinzu kommen die Daten der geografischen Demografie,die sich auf den Standort des Kunden beziehen. Diese Daten sind entscheidend, um zum Beispiel das unterschiedliche Kaufverhalten von Land- und Stadtbevölkerung zu verstehen.

Wichtig sind auch die verhaltensbasierten Daten. Diese umfassen die Wahrnehmung des Unternehmens durch den Kunden, die Erhebung erfolgt über Callcenter, Umfragen oder aus Kommentaren in Social Media.

3.2 Kundendaten sammeln und analysieren

Nach dem Sammeln aller im Zusammenhang mit dem Kunden relevanter Daten erfolgt deren Auswertung oder Analyse. In diesem Bereich tätige Analysten setzen hierfür komplexe Werkzeuge ein und greifen für Vorhersagen zukünftigen Kundenverhaltens auf Data Mining Methoden und maschinelles Lernen zurück.

Data Mining und maschinelles Lernen erleichtern die Auswertung großer Datenmengen, die im CI schnell anfallen. Das gilt, weil Unternehmen ihre Analysen häufig für einen großen Kundenstamm durchführen und zu jedem Kunden die oben erwähnten Quellen für die Datensammlung berücksichtigen. Hier bewegen wir uns schnell im Bereich Big Data, ohne KI-Systeme ist eine sinnvolle Auswertung der Datenbestände nicht mehr möglich.

3.3 360-Grad-Kundensicht

Die 360-Grad-Kundensicht steht in engem Zusammenhang mit der CI, denn sie zielt auf eine ganzheitliche, einheitliche und hochaktuelle Sicht auf die Unternehmenskunden ab. Es erfolgt eine Aggregation aller wichtigen Datenpunkte, die der Kunde während seiner Customer Journey hinterlässt. Voraussetzung ist ebenso wie bei CI die Sammlung vieler relevanter Kundendaten.

Im E-Commerce und im klassischen Handel umfasst die Kundensicht beispielsweise die durchschnittliche Warenkorbgröße, den letzten getätigten Einkauf und die Anzahl der Retouren sowie die Anzahl der Supportanfragen oder die Profitabilität und den Kundenwert. Die Kundensicht ist möglichst umfassend auszugestalten und sie verändert sich im Zeitablauf. Stetige Aktualisierungen sind wichtig, um diese Veränderungen im Kundenverhalten abzubilden.

4. Customer Intelligence und die Marketing-Strategie

Customer Intelligence hift dabei wertvolle Informationen über Kunden, in Wissen umzuwandeln. Auf diesem generierten Wissen, kann das Markting deutlich gezielter und genauer ausgerichtet werden, da man durch die Analyse ein besseres Verständnis für die Kundenbedürfnisse bekommt. Für die erfolgreiche Marketing-Strategie, werden dann folgende Fragen beantwortet:

  • Welche Kunden sind meine besten Kunden?
  • Welche Kunden haben einen negativen Kundenwert?
  • Welche Kunden haben das meiste Wachstumspotential für die nächsten 12 Monate?
  • Was sind die besten Einstiegsprodukte um einen Zweitkauf zu erzielen?
  • Welche Rabatte sind die richtigen?
  • Welche Kunden retounieren besonders viel?

Als diese Fragen geben Antworten, die für eine gezieltere Marketing-Strategie genutzt werden können.

Ähnliche Einträge

Auch interessant für Sie

Ihr Ansprechpartner: Laurenz Wuttke

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

Laurenz Wuttke
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.

  • Spannende Interviews
  • Interessante Case Studies
  • Bewährte Praxistipps

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.