Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

04.02.2003Analytisches CRM1 Analytical Customer Relationship Management (aCRM) Referenten: Christian Ludt und Michael Schmidt Betreuerin: Elisabeth Thieser,

Ähnliche Präsentationen


Präsentation zum Thema: "04.02.2003Analytisches CRM1 Analytical Customer Relationship Management (aCRM) Referenten: Christian Ludt und Michael Schmidt Betreuerin: Elisabeth Thieser,"—  Präsentation transkript:

1 Analytisches CRM1 Analytical Customer Relationship Management (aCRM) Referenten: Christian Ludt und Michael Schmidt Betreuerin: Elisabeth Thieser, SAP Seminar CRM & SRM, WS 2002/2003 Universität des Saarlandes FB 6.2 Informatik Lehrstuhl für Datenbanken und Informationssysteme Prof. Dr.-Ing. Gerhard Weikum Dr.-Ing. Ralf Schenkel

2 Analytisches CRM2 Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit

3 Analytisches CRM3 Einordnung aCRM

4 Analytisches CRM4 Ziel des Analytical CRM Gewinnung neuer betriebswirtschaftlich relevanter Informationen Unterstützung im operativem und strategischen Bereich Analysieren vorhandener Kundenbeziehungen Analysieren und prognostizieren von Kundenverhalten Stabile Kundenbeziehung

5 Analytisches CRM5 Closed-Loop Szenario Planned Actions and Campaigns Customer Feedback/ Learning Customer Knowledge Analytical Results

6 Analytisches CRM6 Einsatzbereiche Analytical CRM Marketing Vertrieb Service Kunden Produkte Interaktionen

7 Analytisches CRM7 Bestandteile des aCRM OLAP Data-Mining

8 Analytisches CRM8 Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit

9 Analytisches CRM9 OLAP Definition: On-Line Analytical Processing (OLAP) is a category of software technology that enables analysts, managers and executives to gain insight into data through fast, consistent, interactive access to a wide variety of possible views of information that has been transformed from raw data to reflect the real dimensionality of the enterprise as understood by the user. Voraussetzung: Data Warehouse

10 Analytisches CRM10 FASMI Anforderungen an OLAP Fast Analysis Shared Multidimensional Information

11 Analytisches CRM11 2D-Datensicht

12 Analytisches CRM12 3D Datensicht

13 Analytisches CRM13 Operationen im OLAP Roll-up Drill-down Dice / Slice Pivot

14 Analytisches CRM14 Operationen im OLAP Roll-up

15 Analytisches CRM15 Operationen im OLAP Drill-down

16 Analytisches CRM16 Operationen im OLAP Dice / Slice

17 Analytisches CRM17 Operationen im OLAP Pivot

18 Analytisches CRM18 OLAP im Marketing Früher (ohne OLAP): Marketing Kampagne durch Gießkannenprinzip Rücklaufquote ist gering Heute (mit OLAP): Marketing Kampagne wird gezielt angewendet Bei geringerem Aufwand kann eine höhere Rücklaufquote erzielt werden

19 Analytisches CRM19 RFM-Analyse Recency Frequency Monetary Eigenschaften Basiert auf betriebswirtschaftlichen Annahmen Scoring Methode Häufig Verwendung Einsatz im Marketing Praktische Umsetzung auf verschieden Arten möglich

20 Analytisches CRM20 RFM-Analyse

21 Analytisches CRM21 Beispiel Gaststätte Lebendes Inventar ist der beste Kunde Lebendes Inventar 5 x Woche Stammgast 1 x Woche Student 1 x Monat Recency532 Frequency532 Monetary245

22 Analytisches CRM22 Problem RFM Lebendes Inventar 5 x Woche Stammgast 1 x Woche Student 1 x Monat Recency435 Frequency532 Monetary245 Student ist der beste Kunde

23 Analytisches CRM23 Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit

24 Analytisches CRM24 Kundenanalyse Kundenverhaltensanalyse Kundenwertanalyse

25 Analytisches CRM25 Kundenverhaltensanalyse Kaufverhalten Abwanderungsverhalten Zufriedenheit Loyalität

26 Analytisches CRM26 Beispiel zur Motivation ProduktGewinn Babynahrung300 Windeln250 Suppe100 Bier50 Bier muß weg ProduktGewinn Babynahrung300 Windeln50 Suppe100 Zusammenhang zwischen Bier und Windeln

27 Analytisches CRM27 Ziel Basierend auf historische Daten unbekannte Muster entdecken Dazu dienen Data Mining-Methoden

28 Analytisches CRM28 Data Mining Prozeß zur Aufdeckung nutzbringender und aussagekräftiger Muster, Profile und Trends (Definition nach Jesus Mena)

29 Analytisches CRM29 Data Mining-Methoden Entscheidungsbäume Clustering Assoziationsanalyse

30 Analytisches CRM30 Entscheidungsbäume Werden vor allem eingesetzt, um herauszufinden, welches Verhaltensprofil besonders oft zum Verlust eines Kunden geführt hat Gegenmaßnahmen bei gefährdeten Kunden einleiten

31 Analytisches CRM31 Bsp: Entscheidungsbaum

32 Analytisches CRM32 Bsp: Entscheidungsbaum

33 Analytisches CRM33 Clustering Dient vor allem der Kundensegmentierung Datensätze einer Gruppe möglichst ähnlich, Datensätze verschiedener Gruppen möglichst unterschiedlich hinsichtlich ihrer Merkmalsausprägungen Ermitteln typischer Verhaltensprofile

34 Analytisches CRM34 Bsp: Zusammenfassen von Kunden anhand Demographie (Durchschnittsalter, Geschlecht, Familienstand), Kaufverhalten, etc. in homogene Gruppen

35 Analytisches CRM35 Assoziationsanalyse Dient zum Ermitteln, welche Produkte in der Regel zusammen gekauft werden Einsatz Warenkorb - Analyse Ziel Cross-Selling

36 Analytisches CRM36 Assoziations-Regeln Regeln der Form If A und B und... und X gekauft Then Y gekauft Anzahl der Elemente in der Bedingung abhängig vom Unternehmen / von den Produkten

37 Analytisches CRM37 Bsp: Bei Hardware: Beim Kauf eines PCs wird dem Kunden gezielt ein geeigneter Drucker angeboten ( If A Then B) Im Supermarkt: Entsprechendes Anordnen mehrerer Waren ( If A und B und... und X Then Y)

38 Analytisches CRM38 Assoziationsanalyse in mySAP [Sie] dient dazu, Regelmäßigkeiten [...] bei geschäftlichen Vorgängen zu finden und entsprechende Regeln zu formulieren. Die Regeln werden [...] auf historischen Daten (Auftragsdaten) ermittelt. Die ermittelten Assoziationsregeln können angezeigt und ins CRM exportiert werden.

39 Analytisches CRM39 Assoziationsanalyse in mySAP Folgende Einstellungen lassen sich vornehmen: über Modellfelder wird festgelegt, welche Vorgänge (Transaktionen) und welche Positionen betrachtet werden sollen über Modellparameter wird u.a. festgelegt, in wieviel Prozent der Transaktionen mit der führenden Position (Produkt A) auch die abhängige Position (Produkt B bzw. C) enthalten sein muß, um eine gültige Regel aufzustellen

40 Analytisches CRM40 Assoziationsanalyse in mySAP Produktassoziationsregeln können in ein SAP Customer Relationship Management-System (SAP CRM) exportiert werden und im Rahmen des Cross Selling als Produktvorschläge genutzt werden (Closed-Loop).

41 Analytisches CRM41 Unsicherheitsgrad der Regeln Zusätzlich zu dem If - und Then -Part gibt es drei weitere Zahlen: Support (prozentualer Anteil an gesamten Transaktionen) Confidence (Quotient aus Anzahl der Transaktionen die im If - und Then -Part enthalten sind und der Anzahl der Transaktionen aus der If -Bedingung Lift: Confidence / Expected Confidence

42 Analytisches CRM42 Bsp: Supermarkt habe Transaktionen an den Kassen, wobei davon die Produkte A und B enthielten, darunter 800, die Produkt C enthielten Assoziationsregel: Wenn A und B gekauft werden, dann wird auch C gekauft Support: 800 bzw. 0,8% = 800/ Confidence: 800/2.000 = 40% Produkt C tauche in insgesamt Transaktionen auf (Expected Confidence = 5.000/ = 5%) Lift = 40%/5% = 8

43 Analytisches CRM43 Kundenanalyse Kundenverhaltensanalyse Kundenwertanalyse

44 Analytisches CRM44 Kundenwertanalyse Ziel: Ermitteln des Werts eines einzelnen Kunden oder ganzer Kundensegmente für das Unternehmen Analysen: Kundenprofitabilitätsanalyse ABC-Analyse Customer-Lifetime-Value-Analyse

45 Analytisches CRM45 Kundenprofitabilitätsanalyse Einfachste Analyse: Differenz zwischen Erlös und Kosten pro Kunde Detaillierter: Kundendeckungsbeitrag sanalyse Einbeziehen verschiedener Erlösarten, Produkt- und Vertriebskosten

46 Analytisches CRM46 ABC-Analyse Einteilen der Kunden auf Basis von Profitabilitätsdaten in A-, B- oder C- Kunden Dadurch läßt sich ermitteln, mit wieviel Prozent der Kunden wieviel Umsatz gemacht wird

47 Analytisches CRM47 Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit

48 Analytisches CRM48 Customer-Lifetime-Analyse Dient der Bewertung eines Kunden Bezieht sich auf den gesamten Kundenlebenszyklus Häufig verwendete Methode

49 Analytisches CRM49 Kundenwert im CLTV Quantitative Größen Akquisitionskosten Umsatz Zuordenbare Einzelkosten Qualitative Größen Weiterempfehlungs-Potential Up/Cross-Selling-Potential

50 Analytisches CRM50 Kundenlebenszyklus im CLTV 6 Phasen Kennenlernphase Startphase Penetrationsphase Reifephase Krisenphase Trennungsphase

51 Analytisches CRM51 Berechnung des CLTV

52 Analytisches CRM52 Beispiel Gaststätte

53 Analytisches CRM53 Beispiel SAP

54 Analytisches CRM54 Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit

55 Analytisches CRM55 Fazit Wichtig für die Gewinnung neuer relevanter Informationen Für die Verwendung umfangreicher Analysen ist Fachwissen erforderlich aCRM liefert NUR Information keine Handlungsentscheidungen Der Erfolg von aCRM ist nur schwer meßbar

56 Analytisches CRM56 FRAGEN??


Herunterladen ppt "04.02.2003Analytisches CRM1 Analytical Customer Relationship Management (aCRM) Referenten: Christian Ludt und Michael Schmidt Betreuerin: Elisabeth Thieser,"

Ähnliche Präsentationen


Google-Anzeigen