Scoring-Modell

Was ist ein Scoring-Modell?

Ein Scoring Modell ist ein Mechanismus zur Kundenbewertung. Aufgrund vorhandener Kundendaten wird für jeden Kunden einen Score (Wert oder Priorität) berechnet. Dieser Wert kann z.B. die Kaufwahrscheinlichkeit eines Kunden beschreiben, seinen erwarteten Umsatz, seine Affinität für ein bestimmtes Produkt und vieles mehr.

Warum sind Scoring-Modelle sinnvoll? 

Grundsätzlich dient ein Scoring-Modell als Verfahren zur Entscheidungsfindung bei mehreren Alternativen. Insbesondere wenn Zielkonflikte vorliegen, dient dieses Modell als einfach und schnelle Hilfestellung in der jeweiligen Entscheidungssituation.  

Somit lassen sich mithilfe eines Scoring-Modells Entscheidungssituationen in Scoring-Modellen transparent darstellen. Dadurch lassen sich Ergebnisse nachvollziehbar beurteilen und das Risiko von falschen Entscheidungen wird minimiert.  

Aufgrund der einfachen Handhabung eines Scoring-Modells, eignet es sich grundsätzlich für Entscheidungsprobleme aller Art.  
 

Stufen eines Scoring-Modells

Prinzipiell bestehen in der Praxis verschiedene Schritte, die zur Erstellung eines Scoring-Modells dienen. Diese sind wie folgt: 
 

Auswahl der Beurteilungskriterien

Je nachdem auf welche Kriterien das Unternehmen wert legt, lassen sich unterschiedliche Fragestellungen zur Bildung eines Scores nutzen. Insofern unterliegt es dem Unternehmen selbst, welche Kriterien es zur Beurteilung verwendet. In der Praxis sind dies jedoch oftmals Kriterien wie die Marktfähigkeit, das Wachstumspotential oder Entwicklungs- und Produktionsmöglichkeiten. Zudem lassen sich auch Kriterien zur Bewertung einzelner Kunden herbeiziehen. 

Gewichtung

Hat das Unternehmen sich Gedanken über die richtige Wahl der Beurteilungskriterien gemacht und diese ausgewählt, so erfolgt im nächsten Schritt eine Gewichtung der Kriterien. Dabei herrscht im Unternehmen meist eine gewisse Subjektivität inwiefern das Unternehmen die unterschiedlichen Kriterien als wichtig erachtet. Praxisbezogen eignen sich jedoch vor allem zwei Verfahren zur Ermittlung der Gewichtung.  

Einerseits kann die Gewichtung intuitiv erfolgen und andererseits mittels einer korrelativen  Gewichtung. Während die intuitive Gewichtung mehrere Expertenmeinungen miteinbezieht,  welche bei einer hohen Abweichung gemittelt werden, bildet bei der    
korrelativen Gewichtung der quadrierte Korrelationskoeffizient das Gewicht des Kriteriums.

Messung und Zusammenfassung der Ergebnisse 

Die Zusammenfassung und Auswertung erfolgt indem die gewichteten Beurteilungskriterien  zusammengefasst werden. Anschließend werden die resultierenden Ergebnisse in eine  übersichtliche Score-Card übermittelt, sodass diese von Marketing und Vertrieb zu weiteren  Schritten genutzt werden kann. 

Anwendungen von Scoring-Modellen

Solche Scores dienen im Marketing schon lange der Entscheidungsfindung: Z.B. erhalten im Direktmarketing klassischerweise nur die x % Prozent Kunden mit der höchsten Kaufwahrscheinlichkeit einen teuren Versandkatalog.

Aber dieses Prinzip wird heutzutage auf die verschiedensten Probleme angewendet: Für welche Kunden sollen Maßnahmen zur Verhinderung der Abwanderung getroffen werden? Welchen Kunden soll im Webshop ein bestimmtes Produkt empfohlen werden?

Für all diese Entscheidungen liefert ein Score die Grundlage.

Unterschiedliche Scoring-Modelle

Um Scoring-Modelle zur Entscheidungsfindung zu nutzen, eignen sich in der Praxis unterschiedliche Kriterien. Dabei unterscheidet man vorwiegend nach Produkt, Serviceangebot und Geschäftsmodell und bestimmt daraufhin das passende Scoring-Modell. Grundsätzlich eignen sich zur Bewertung folgende Bereiche: 

Demographische Kundendaten

Zunächst sollte festgelegt werden, welche potentiellen Zielgruppen angesprochen werden sollen. Je besser ein Lead zu ihren Bewertungskriterien und Ansprüchen passt, desto besser wird dieser bewertet. Dabei ist natürlich darauf zu achten, dass vorerst festgelegte Kriterien innerhalb der Datenbank zu finden sind. Leads, welche den Kriterien nach weniger wert sind, werden entsprechend niedriger bewertet. 

Unternehmensdaten

Zudem kann vor allem im B2B ein Scoring-Modell anhand von spezifizierten Unternehmensdaten ausgerichtet werden. Dazu lassen sich Branche, Größe oder weitere Faktoren wie Umsätze mit in die Bewertung des Modells einbeziehen.

Online-Aktivität

Möchten Sie ihr Scoring-Modell anhand der Online-Aktivität ausrichten, so berücksichtigen Sie hierbei die Anzahl der Seitenaufrufe oder die Verweildauer einzelner Webseiten. Zudem kann gemessen werden welche Angebote häufig genutzt wurden. All diese Daten eignen sich bestens, um in regelmäßigen Abständen jeweilige Bewertungen vorzunehmen.

Social-Media-Aktivität

Neben der generellen Online-Aktivität wie dem Aufenthalt der Website, kann ebenfalls die Aktivität und das Verhalten innerhalb von Social-Media-Kanälen zur Bewertung genutzt werden. Dabei eignen sich vorwiegend Daten darüber, inwiefern Inhalte geteilt, Tweets retweetet oder insgesamt auf Posts reagiert wird. 

E-Mail-Verhalten

Möchten Sie das Interesse ihrer Kunden an Ihrem Unternehmen herausfinden, so sollten sie vor allem die Öffnungs- und Klickraten der versendeten E-Mails analysieren. Je engagierter sich Leads mit ihren Mails befassen, desto relevanter sind diese für Ihr Unternehmen und sollten dementsprechend mit einem höheren Score versehen werden.

Konventionelles Scoring oder KI Scoring?

Die Berechnung des Scores kann entweder „konventionell“ erfolgen oder mit Hilfe künstlicher Intelligenz. Der Score selbst ist entweder ein abstrakter Wert (z.B. 5 Punkte auf einer Skala von 0 bis 10) oder eine konkrete Vorhersage – z.B. ein Geldwert oder eine Wahrscheinlichkeit.

  • In konventionellen Scoring-Modellen werden nach fachlichen Kriterien aus gegebenen Kennzahlen Punkte errechnet und zu einem Punkte-Score zusammengefasst. Ein Beispiel dafür ist das RFM-Modell, zu dem Sie hier einen ausführlicheren Artikel finden
  • Beim Scoring mittels KI werden Methoden des maschinellen Lernens darauf trainiert, anhand der bekannten Daten des Kunden gewisse Kennzahlen vorherzusagen, bspw. den erwarteten Umsatz (CLV-Modell), Produktaffinitäten (Affinitätsmodell) oder die Kündigungswahrscheinlichkeit (Churn Prediction)
  • Natürlich können auch mittels KI vorhergesagte Kennzahlen ihrerseits als Input für fachlich definierte Scores dienen.

Vor- und Nachteile eines Scoring-Modells 

Bei der Verwendung eines Scoring-Modells ergeben sich folgende Vor- sowie Nachteile: 

Vorteile: 

  • Scoring-Modell kann ganzheitlich im Team genutzt werden und dient als Grundlage für weitere Handlungen  
  • Entscheidungen lassen sich auf Basis eines geprüften Systems treffen 
  • Dadurch herrscht Transparenz und Entscheidungen können besser nachvollzogen werden 
  • Spezielle Erfordernisse können zeitnah angepasst werden 
  • Flexibles Bewertungssystem  

Nachteile: 

  • Die Bewertung erfolgt subjektiv. Die Vergabe von Punkten sowie die Wahl der Gewichtung sind meist nicht messbar 
  • Je mehr Alternativen und Bewertungskriterien vorliegen, desto zeitintensiver ist die Methode 
  • Unterschiedliche Präferenzen können zu Unstimmigkeiten führen 
  • Unvollständig der Handlungsalternativen  

Beispiel eines einfachen Scoring-Modells 

Im folgenden Abschnitt werden die einzelnen Phasen eines Scoring-Modells praxisnah mithilfe eines Beispiels erklärt. Dabei besteht das Ziel, durch Verwendung des Scoring-Modells eine bessere Entscheidungsgrundlage zu schaffen. 

In unserem Beispiel möchte das Unternehmen aufgrund beschränkter finanzieller Mittel, priorisieren, welcher Kunde ein kostenintensives Werbegeschenk erhält. Dabei möchte das Unternehmen herausfinden, welcher Kunde den höchsten Wert besitzt. Um das Beispiel übersichtlich zu halten, sind in unserem Beispiel nur 3 Kunden vorzufinden. In der Praxis lässt sich ein solches Scoring-Modell selbstverständlich an einem größeren Kundenstamm ausrichten. 

Folgende Kriterien hat das Unternehmen für das Scoring-Modell gewählt.  

  1. Umsatz des Kunden pro Jahr 
  2. Zeit der Kundenbeziehung 
  3. Bestellungen pro Jahr 
  4. Retouren pro Jahr 

Anschließend werden die eigens ausgewählten Kriterien mit einem Faktor zur Gewichtung versehen. Dies erfolgt wie bereits beschrieben subjektiv und kann frei vom Unternehmen getroffen werden. Dabei gilt der Faktor 1 als (wenig wichtig) und 5 als (sehr wichtig).  

Kriterium  Gewichtungsfaktor 
Umsatz des Kunden pro Jahr 
Zeit der Kundenbeziehung 
Bestellungen pro Jahr 
Retouren pro Jahr  
Kriterien samt Faktor zur Gewichtung

Im nachfolgenden Schritt werden die gewichteten Kriterien mittels eines Punktebewertungssystems bewertet. Dabei wird jeder Kunde nach den jeweiligen Kriterien von 1 (weniger gut) bis 10 (sehr gut) bewertet. 

Kriterium  Gewichtungsfaktor Kunde 1 Kunde 2  Kunde 3 
Umsatz des Kunden pro Jahr 
Zeit der Kundenbeziehung 
Bestellungen pro Jahr 
Retouren pro Jahr 
Bewertung der Kunden

Nachdem die Punktevergabe erfolgt ist, multipliziert man nun im nächsten Schritt den Gewichtungsfaktor mit den Punkten. Als Ergebnis erhält man eine Summe, welche sich zur Entscheidungsfindung nutzen lässt.

Kriterium  Gewichtungsfaktor Kunde 1 Kunde 2  Kunde 3 Wert Kunde 1  Wert Kunde 2 Wert Kunde 3 
Umsatz des Kunden pro Jahr 40 20 45 
Zeit der Kundenbeziehung 10 14 10 
Bestellungen pro Jahr 28 24 16 
Retouren pro Jahr 

Im letzten Schritt werden nun die gewichteten Kriterien aufsummiert, sodass eine Reihenfolge gebildet werden kann: 

Wert Kunde 1  Wert Kunde 2 Wert Kunde 3 
40 20 45 
10 14 10 
28 24 16 
87 61 75 
Kumulierte Werte der Kunden

Demnach sähe die Reihenfolge wie folgt aus: 

  1. Platz: Kunde 1 
  2. Platz: Kunde 3 
  3. Platz: Kunde 2 

Unserem Beispiel nach hätte sich also Kunde 1 aufgrund seines hohen Wertes für unser Werbegeschenk qualifiziert. 

Zielgruppenspezifische Ansprache mithilfe von künstlicher Intelligenz  

Wie bereits erwähnt hat ein Scoring-Modell einige Nachteile. Zum einen ist es durch subjektive Kriterien sowie einer subjektiven Gewichtung bestimmt und zum anderen basiert es auf Daten der Vergangenheit. Damit ein Unternehmen jedoch zeitnah und flexibel agieren kann, eignet es sich in der Praxis, intelligente, datenbasierte Modelle zur Entscheidungsfindung zu nutzen.  

Mittels Predictive Analytics und der Etablierung von künstlicher Intelligenz ergeben sich enorme Vorteile. Dazu zählen vor allem: 

  • Entscheidungen werden auf Basis vielfältiger und riesiger Datenmengen getroffen. Dies ermöglicht eine zielgenaue und hohe Trefferwahrscheinlichkeit zur Lösung des Problems 
  • Durch automatisierte Algorithmen lassen sich in den Phasen der Entscheidungsfindung Zeit sowie Ressourcen sparen 
  • Die auf Basis von künstlicher Intelligenz generierten Handlungsalternativen können für eine zielgruppenspezifischen Betreuung des Kundenstamms genutzt werden. 

Insofern bietet die künstliche Intelligenz in diesem Bereich weitgehende Vorteile für viele Unternehmen und hilft dabei wettbewerbsfähig zu bleiben. Unternehmen sollten daher vor allem für diesen Bereich offen sein um den Anschluss nicht zu verlieren. 

Fazit: Scoring-Modell 

Die Nutzung und der Einsatz eines Scoring-Modells kann dem Unternehmen dabei verhelfen, den Kundestamm nach dem Wert einzelner Kunden besser zu klassifizieren. Dabei kann das Marketing Rückschlüsse erhalten, ab wann sich ein Kunde zur Weiterleitung an den Vertrieb eignet beziehungsweise ob ein Kunde für weitere Handlungen qualifiziert ist. Dadurch gestaltet sich die Versorgung von hochwertigen Leads zum Vertrieb und die Neukundengewinnung effizienter. 

Haben Sie weitere Fragen zum Thema Scoring-Modell oder benötigen Hilfe bei der Umsetzung, so kontaktieren Sie mich gerne. 

Ähnliche Einträge

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

Praxisbeispiele

Künstliche Intelligenz optimiert Marketing und Vertrieb

Tragen Sie sich hier in unseren Newsletter ein und erhalten Sie gratis die KI-Anwendungsfälle:

Mit der Anmeldung stimmen Sie unserer Datenschutzerklärung zu.