Fazit: Wie Analytics und CEM gemeinsam den Weg zu loyalen Kunden weisen (Kundenverständnis) . Ein positives Kundenerlebnis ist heute eine selbstverständliche Erwartung der Verbraucher. Um einen Kunden zu begeistern und dadurch zu binden, sollte ein starkes, analytisch gestütztes CEM (Customer Experience Management) im Unternehmen etabliert werden, das konsequent weiterentwickelt wird.

Wenn ein Kaufprozess reibungslos abläuft, bedeutet das noch lange nicht, dass der Kunde aktiv das Unternehmen weiterempfehlen wird oder sich emotional mit ihm verbunden fühlt. Um den Kunden wirklich zu begeistern und nachhaltig an eine Marke zu binden, sollte während einer Customer Journey daher mehr passieren als die standardisierte Bestätigung einer Bestellung oder ein freundlicher Care-Call. Die Etablierung eines starken CEM im Unternehmen hilft dabei, genau dieses Ziel zu erreichen.

Für ein erfolgreiches CEM bietet Analytics weitreichende Möglichkeiten zur Kundenbegeisterung. Auf der Basis von Daten wird dem Kunden das richtige Angebot über den richtigen Kanal und zum richtigen Zeitpunkt ausgespielt. Dabei ist Analytics die Voraussetzung für eine intelligente Kundenansprache.

Die Business Cases sprechen dafür: Durch Einführung des analytischen CRM (Customer Relationship Management) konnten sich unsere Klienten einen Wettbewerbsvorteil verschaffen und ihre Abschlussquote um zehn bis 20 Prozent steigern. Doch ist es sehr oft der Fall, dass sich der Kunde – trotz einer umfangreichen analytischen Modellierung und Vorhersage – für ein ganz anderes Produkt oder einen ganz anderen Anbieter entscheidet.

Besseres Kundenverständnis und bedarfsgerechte Angebote

Mit Analytics wird der Grundstein gelegt, um den Kunden überhaupt erst einmal zu verstehen und kennenzulernen. Dabei sollte der aktuelle Bedarf des Kunden so gut wie möglich erkannt und berücksichtigt werden. Analytics ermöglicht es, passende Produkte für den Kunden zu selektieren und damit seine finale Auswahl weniger komplex zu machen. Die damit einhergehende Zeitersparnis und die bedarfsgerechte Ansprache erzeugen beim Kunden ein positives Erlebnis.

Mithilfe von Data-Mining-Verfahren werden die Eigenschaften der Kunden analysiert, die bereits ein beliebiges Produkt des Unternehmens besitzen, und anhand dieser Informationen wird das Profil eines „typischen“ Produktbesitzers erstellt. Dabei können ganz unterschiedliche Charakteristika eine entscheidende Rolle spielen – je nachdem, welche Kundendaten im Unternehmen zur Verfügung stehen und in welchem Bereich der Anbieter tätig ist. Das können beispielsweise Alter, Geschlecht oder Beruf des Kunden sein. Auch kaufbezogene Informationen, wie die Anzahl der Käufe oder Transaktionen sowie technische Informationen und präferierte Kanäle des Klienten, können eine Rolle spielen. Je mehr Kundendaten dem Unternehmen zur Verfügung stehen und je besser die analytischen Modelle sind, desto genauer kann Analytics den Kunden „kennenlernen“ und die passenden Angebote bereitstellen.

Das A und O: Den richtigen Kanal kennen

Bei der Auswahl des Kommunikationskanals nimmt Analytics ebenfalls eine zentrale Rolle ein. Die Kenntnis des bevorzugten Kanals des Kunden bietet sowohl ihm als auch dem Unternehmen spürbare Vorteile.

Für den Kunden bedeutet es, dass er nicht über E-Mail, Facebook, Flyer oder Callcenter gleichzeitig von Werbung überschwemmt wird. Dadurch können beispielsweise Online-affine Kunden, die sich hauptsächlich im Internet informieren, intensiver über digitale Kanäle angesprochen werden. Hingegen werden sich Kunden, die gerne Kataloge durchblättern, eher über Produktbroschüren in ihrer Post freuen. Findet keine gezielte Ansprache statt, wird die Werbung im besten Fall nicht wahrgenommen oder – was viel schlimmer ist – als störend empfunden.

Das Unternehmen hingegen profitiert von einer Kostenersparnis, wenn zum Beispiel bei Kunden, die tendenziell eher online aktiv sind, die ineffektiven und teuren Briefe und Anrufe durch günstigere Online-Werbung ersetzt werden können.

Zudem ist eine Ertragssteigerung durch eine effiziente Auswahl des Kanals möglich. Wie funktioniert dies? Mittels Data Mining wird für jeden Kunden ein kanalspezifischer Score ermittelt. Dementsprechend kann festgestellt werden, welche Art der Kommunikation am besten beim Kunden ankommt. Die individuellen Kanal- und Produkt-Scores können miteinander kombiniert werden. Dadurch lässt sich mit einer hohen Wahrscheinlichkeit prognostizieren, ob ein Produkt im Webshop oder eher im Ladengeschäft gekauft wird.

Sowohl für In- als auch für Outbound-Kundenkommunikationen ist Analytics wesentlicher Bestandteil einer ganzheitlichen Kundenkontaktstrategie. Die Ansprachelogik fällt unterschiedlich aus – je nachdem, ob der Kunde von einem Callcenter angerufen wird oder bereits an der Kasse steht. Über Inbound-Kanäle stehen die passenden Kundenangebote rund um die Uhr parat, und die Zeit der Ansprache wird durch den Kunden bestimmt. Im Gegensatz dazu impliziert die Outbound-Kommunikation mehrere zeitbezogene Faktoren, die neben dem richtigen Produktangebot berücksichtigt werden müssen. In dem Fall ist eine Kontaktstrategie, die durch zusätzliche Regeln definiert und analytisch gesteuert wird, sinnvoll. Zu den dabei zu berücksichtigenden Faktoren zählen vor allem der Datenschutz sowie allgemeiner Menschenverstand und Einfühlungsvermögen.

Wie viele Flyer sollte der Kunde innerhalb einer Woche bekommen, um sich nicht belästigt zu fühlen? Wie viele Anrufversuche darf das Callcenter noch starten, wenn der Kunde den letzten Anruf nicht erwidert hat? Solche Kontakt- und Dialogregeln in Verbindung mit Analytics führen zu einer besseren Akzeptanz beim Kunden, weil er sich in seiner Privatsphäre respektiert fühlt.

Zwischen Ratio und Emotion

Verschiedene (zwischen)menschliche Faktoren können den Entscheidungsprozess von Kunden stark verändern. Entscheidungen aus dem Bauchgefühl heraus oder die Beeinflussung durch andere Menschen lassen sich – wenn überhaupt – nur äußerst schwer über Analytics abbilden. In der heutigen Zeit suchen Kunden jedoch aktiv nach Empfehlungen, um angesichts der Informationsflut eine gute Entscheidung treffen zu können. Das zeigt sich im privaten Bereich, wo sich jeder schon mal von einem Freund bei der Wahl eines Produkts hat beeinflussen lassen – und diese Beeinflussung unter Umständen eine wichtigere Rolle gespielt hat als die tatsächlichen Merkmale des Produkts.

Heutige Analytics basiert zum großen Teil auf harten Fakten, die aber nicht zwingend ausreichen, um den Kunden zu einer Kaufentscheidung zu bewegen. Die Emotionen des Kunden sind dabei ebenfalls ein entscheidender Faktor. Eine Erklärung dafür finden wir in der Physiologie.

Das Gehirn des Menschen besteht aus zwei Hälften: Die linke ist für analytisches, logisches Denken und die rechte für Emotionen und Gefühle zuständig. Fußt das Verhalten des Kunden stets auf dem Prinzip der Logik und Rationalität – dann liefert Analytics ein verlässliches Ergebnis. Wenn seine Handlungen jedoch von Gefühlen geleitet werden, dann sollte Analytics viel mehr anbieten, als eine reine Analyse der harten Fakten.

Besonders relevant ist eine solche Kombination aus beiden Perspektiven, wenn das Unternehmen in Märkten agiert, auf denen Produkte leicht substituierbar sind. In diesem Fall ist ein gutes Ansprachekonzept, das den Kunden nicht nur aus analytischer, sondern auch aus emotionaler Sicht betrachtet, ein Schlüssel zum Erfolg. Die Berücksichtigung von Emotionen findet bisher in der Analyse von Kundendaten allerdings noch unzureichend statt. Konzepte zum Beispiel von Personas und Sinus-Milieus bieten zwar erste Lösungsansätze für diese Problematik. Das volle Potenzial von Analytics, die Emotionen und harte Fakten kombiniert, ist bei Weitem noch nicht ausgeschöpft.

Auf das Zusammenspiel von Analytics und CEM kommt es an

Neben der Produkt-, Kanal- und Zeitbestimmung bei der Ansprache unterstützt Analytics dabei, die gesamte Customer Journey mit positiven Kundenerlebnissen zu gestalten. Dazu ein Beispiel:

Ein Kunde ist ein aktiver Online-Nutzer und informiert sich gerne über mehrere Produkte in Internet. Analytics erkennt den Bedarf des Kunden und bietet ihm bei der nächsten Anmeldung im Webshop das passende Produkt an. Interessiert klickt der Kunde auf ein Werbebanner, um sich über das Produkt zu informieren und es zu kaufen. Die nachfolgenden Schritte bis zum Kaufabschluss sind aber so kompliziert aufgebaut, dass der Kunde verwirrt den ganzen Prozess abbricht.

Bei der Analyse der Customer Journey kann festgestellt werden, an welcher Stelle der Kaufprozess (am häufigsten) abgebrochen wird. Anschließend können daraus Handlungsbedarfe abgeleitet werden. Ob eine Optimierung der Webseite, eine Anpassung des Contents oder ein Umbau der gesamten Strecke erforderlich ist, kann Analytics allerdings nicht entscheiden, hier setzt das Customer Experience Management an.

Getreu dem Motto „Analytics first, customer most“ ist der Weg zum loyalen Kunden ein Zusammenspiel aus Analytics und CEM. Analytics identifiziert zunächst Handlungsfelder und legt den Grundstein für ein besseres Kundenverständnis. CEM sorgt dafür, dass anhand dieser wertvollen Erkenntnisse der Kunde optimal angesprochen wird und ein positives Erlebnis hat. Das Resultat aus dieser Kombination: ein hohes Maß an Kundenzufriedenheit, das in einer engeren Kundenbindung resultiert.

Sie möchten mehr darüber erfahren, wie dieses Zusammenspiel die Voraussetzung für ein langfristiges Wachstum und den Erfolg Ihres Unternehmens schafft? Dann sprechen Sie mit uns über Ihre Möglichkeiten!

Von Ksenia Buntova,
CINTELLIC Consulting Group