Johannes Fuhr erzählt von seinen Erfahrungen bei #Frankfurt #DataScience #Community als Vortragender. Danke Johannes!
Marketingmanagement
Digitales Kundenmanagement in der Versicherungsbranche bringt Verbesserungen in Sachen Umsatz, Kosteneffizienz und Kundenzufriedenheit. Doch wird die Kundenansprache in der Versicherungsbranche längst noch nicht konsequent digitalisiert und wertorientiert gestaltet, obwohl die Technologie dafür vorhanden ist. Versicherungen, die auf ein wertorientiertes digitales Kundenmanagement verzichten, gehen jedoch bis zu 20 Prozent des potenziellen
Was will mein Kunde eigentlich von mir? Das ist eine Frage, die sich Technologieanbieter immer stellen müssen, um für jedes seiner Probleme eine gute Lösung zu finden. Dazu muss der Austausch zwischen dem Anbieter und seinen Kunden stimmen. Geht das überhaupt, oder ist der Wunsch Vater des Gedankens? Das geht,
Der Datenschutz macht‘s möglich: Customer Intelligence 360 geht in die nächste Dimension! Der Kunde360, „Omni-Channel“, „Data-driven Marketing“ – wer hat in den letzten zwölf Monat davon gehört? Oder, ich versuche es mal anders rum: Wer hat nicht davon gehört? Ja, richtig – wir sind im Bereich Customer Intelligence/Marketing. Und alles,
Auf der diesjährigen KSFE (Konferenz für SAS Anwender in Forschung und Entwicklung) gab es wieder viele überraschende Entdeckungen zu machen: Zunächst lernten die von außerhalb anreisten Teilnehmer, dass Krefeld die „Samt- und Seidenmetropole“ Deutschlands war. In ihrer Blütezeit vor dem Strukturwandel der Jahrtausendwende wurden dort 90 % aller in Deutschland gefertigten
Marketingorganisationen befinden sich längst im Wandel der digitalen Transformation. Aber wie weit ist Ihr Unternehmen an den verschieden Schauplätzen der Digitalisierung fortgeschritten? Und wie stehen die Marktbegleiter da? Mit dem Marketing Confidence Quotient (MCQ) bietet SAS Ihnen eine Online-Selbsteinschätzung und gibt Tipps für Best Practices.
Mit Realtime-Analytics schaffen Unternehmen die Voraussetzung für eine relevante und persönliche Kundenkommunikation. Warum?
Beim Predictive Modellig erstrebt man gute (d.h. möglichst trennscharfe) Risiko/Chancen Scores mittels “des besten Modells”. Dieses wendet man auf neue Daten an, um ausgewählten Risikoklassen bestimmte Maßnahmen zukommen zu lassen. In dieser Standardsituation kommt eine große Auswahl an Machine Learning und Data Mining Verfahren für die Modellierung zur Anwendung. In
Neulich habe ich mit Kollegen die kleinen, feinen Unterschiede diskutiert, die es innerhalb sehr fein definierter Kundensegmente gibt. Da ist mir die Werbung einer amerikanischen Bank wieder eingefallen: Sie zeigt Bilder von eineiigen Zwillingen, die einen Altersunterschied von nur zehn Minuten haben. Die Werbung zeigte, welch große Auswirkungen selbst eine
Das lange bemühte Bild des „König Kunde“ scheint langsam Realität zu werden – zumindest verschiebt sich das Kräfteverhältnis stetig zu Gunsten der Konsumenten. Wer also schwingt das Zepter bei Advanced Customer Analytics?