print logo

Sechs Praxistipps zur 360-Grad-Kundensicht

Der Schlüssel zum Unternehmenserfolg ist die Verknüpfung von CRM und geobasierten Kundeninformationen. Aber wie lässt sich damit mehr herausfinden?
Merifond GmbH | 22.02.2017

In der heutigen, digitalisierten Welt werden Konsumenten jeden Tag mit einer Unmenge an Informationen bombardiert, von denen aber nur ein Bruchteil bewusst wahrgenommen wird. Nur wer seine Zielgruppen wirklich kennt und die passenden Produkte in die richtigen Regionen bringt, bedient optimal die Nachfrage und sorgt für hohe Response-Raten bei Werbemaßnahmen. Aber wie lässt sich durch Geodaten mehr über die eigenen Kunden herausfinden, über die nur wenige Verkaufsinformationen vorliegen und kaum weiterführende Präferenzen bekannt sind?

Ohne CRM & Geomarketing ist keine 360-Grad-Kundensicht möglich
„Sag mir, wo du wohnst, und ich sag dir, wer du bist“ – ein Wohnort verrät viel über einen Menschen, sei es bspw. sein Einkommenssegment oder sein wahrscheinliches Konsumverhalten. Und da der Mensch sozial geprägt ist, wird angenommen, dass Menschen mit ähnlichen Vorlieben und Verhältnissen oft nebeneinander wohnen. Aufgrund dieser Informationen lassen sich Rückschlüsse bspw. hinsichtlich Kaufkraft, Bildungsstand oder sogar Reisegewohnheiten ziehen. Indem man bestehende Kundendaten in Hinblick auf den Wohnort des jeweiligen Kunden analysiert – und um weitere aktuelle raumbezogene soziodemographische, wirtschaftliche oder konsumrelevante Daten anreichert – lassen sich Kundenprofile schärfen, Marktanteile ausbauen und Marketingkosten senken. Denn dadurch rücken nur gewinnversprechende Kunden und Regionen in den Fokus der Kommunikation. Dirk Simon, CRM-Experte und Geschäftsführer von Merifond, erklärt anhand von 6 Schritten, wie erfolgreiche Datensegmentierung und -anreicherung funktioniert.

Schritt 1: Erkenntnis – Lücken in Kundenprofilen sind Absatzpotenziale
Auch wenn das zunächst banal klingt: Der erste Schritt ist die Einsicht, dass die vorliegenden Kundenverkaufsdaten nicht vollständig sind und diese keine Rückschlüsse auf die wahren Potenziale der Kunden erlauben. Denn diese Daten beziehen sich meist nur auf konkrete Handlungen der Bestandskunden – dass jemand z. B. sein Interesse an einem bestimmten Produkt geäußert hat oder einen bestimmten Kauf alle drei Jahre tätigt. „Potenziale, die man bisher nicht ausgeschöpft hat, lassen sich aus vorhandenen Verkaufsdaten selten ablesen – etwa solche, dass eine Kundengruppe auch für ein anderes Dienstleistungs- oder Produktsegment affin sein könnte,“ sagt Dirk Simon.

Schritt 2: Prüfen – Status quo und der Soll-Zustand der Kundenprofile
Es gibt unterschiedliche Verfahren und Möglichkeiten, Kundenprofile durch Geodaten anzureichern. Hat man seine Kunden bspw. bereits einem Clusterverfahren unterzogen, lassen sich die Profile mithilfe der Geodaten weiter aufbauen und die Cluster um Metadaten ergänzen, die man vom Kunden normalerweise nicht erhalten würde (sämtliche Daten zur Wohnsituation, aber auch Kaufkraft, Familienkonstellation oder Kauf- und Reisevorlieben).

Sofern die Kundenprofile noch nicht geclustert wurden, was bspw. durchaus auch an mangelnden Ressourcen oder fehlendem Know-how liegen kann, können bereits auf Clustern basierende Metadaten, wie bspw. PersonicX™ von Acxiom, welches die Dimensionen Alter, Familiensituation und finanzieller Status komplett abdeckt, oder die Käufertypologie der Deutschen Post Direkt, enorm wertvoll sein.

Schritt 3: Anreichern – Kundenprofile um Geodaten ergänzen
Nun werden die bestehenden Kundenverkaufsdaten um raumbezogene soziodemographische, wirtschaftliche oder konsumrelevante Informationen angereichert. Diese Daten werden als statistisch repräsentative Zielgruppenmerkmale in Mikrozellen ohne Personenbezug von speziellen Anbietern wie z. B. Deutsche Post Direkt, Acxiom, GfK oder dem Marketingverbund erhoben und entsprechend aufbereitet. Zudem gilt es, im Zuge der Datenanreicherung, die ausgebauten Kundensegmente mit den festgelegten Verkaufs- und Marketingzielen noch mal abzugleichen.

Schritt 4: Validieren – Zielgruppendefinition und Ableitung
Nachdem die Kundensegmente um wertvolle Geodaten aufgestockt wurden, muss nun getestet werden, inwiefern diese nun operationalisiert werden können. In der Praxis nimmt man ein sehr plakatives Exempel: Man wählt eine potente Zielgruppe und nutzt die Geodaten, um die Zielgruppe besser zu beschreiben. Die Beschreibung wendet man auf die Gesamtheit der Kundensegmente an – unabhängig, ob diese das „Ausgangsprodukt“ schon gekauft haben oder nicht. Somit erhält man einen weiteren Kreis von potenziellen Interessenten. Um zu validieren, wie erfolgreich die Anreicherung und daraus resultierende Ergebnisse waren, muss nun getestet werden.

Schritt 5: Testen – Welche Kundengruppe bietet das größte Potenzial?
Nun sollten die Segmente erneut in Hinblick auf die Verkaufspotenziale analysiert werden. Dies lässt sich bestens mithilfe des Vergleichsmarketings umsetzen. Im Rahmen von bspw. Newsletter-Aktionen werden die bestehende Kundengruppe und die dank Datenanreicherung ermittelte und zusammengestellte neue Kundengruppe angesprochen und zum Kauf eines bestimmten Produktes animiert. Das Ergebnis (Anzahl der Produktverkäufe, Anmeldungen etc. pro Gruppe) ist ein klares Indiz dafür, welche Gruppe das größere Potenzial mitbringt. Die Testphase ist das A und O in dem Geomarketing-Prozess, denn die hier erzielten Ergebnisse bieten eine wichtige Grundlage für die weitere unternehmerische Entscheidungsfindung.

Schritt 6: Kundenansprache – die Königsdisziplin Marketing-Automation
Anschließend sollte aus den gebildeten Clustern mithilfe der Marketing-Automation die Kundenkommunikation abgeleitet werden. Bei der Marketing-Automation wird der gesamte Kommunikations-Workflow aufgrund der erstellten Kundensegmente „automatisiert“. Zudem ist es sinnvoll, sich im Kontext des CRM und des Geomarketings für eine flexible Software-Lösung zu entscheiden und mit einem Experten zusammenzuarbeiten, der aus der gesamten Bandbreite von Verkaufs-, Geo- und Analysedaten schöpft und die entsprechende Expertise mitbringt. So werden aus abstrakten Zahlenreihen begehbare Kundenlandschaften mit Absatzpotenzial.