Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
1
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 Analytisches CRM
2
Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit
Analytisches CRM
3
Einordnung aCRM Analytisches CRM
4
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 Analytisches CRM
5
Customer Feedback/ Learning Planned Actions and Campaigns
Closed-Loop Szenario Customer Knowledge Customer Feedback/ Learning Analytical Results Planned Actions and Campaigns Analytisches CRM
6
Einsatzbereiche Analytical CRM
Marketing Vertrieb Service Kunden Produkte Interaktionen Analytisches CRM
7
Bestandteile des aCRM OLAP Data-Mining Analytisches CRM
8
Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit
Analytisches CRM
9
OLAP Definition: Voraussetzung:
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 Analytisches CRM
10
FASMI Anforderungen an OLAP
Fast Analysis Shared Multidimensional Information Analytisches CRM
11
2D-Datensicht Analytisches CRM
12
3D Datensicht Analytisches CRM
13
Operationen im OLAP Roll-up Drill-down Dice / Slice Pivot 04.02.2003
Analytisches CRM
14
Operationen im OLAP Roll-up Analytisches CRM
15
Operationen im OLAP Drill-down Analytisches CRM
16
Operationen im OLAP Dice / Slice Analytisches CRM
17
Operationen im OLAP Pivot Analytisches CRM
18
OLAP im Marketing Früher (ohne OLAP): Heute (mit 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 Analytisches CRM
19
RFM-Analyse Recency Frequency Monetary Eigenschaften
Basiert auf betriebswirtschaftlichen Annahmen Scoring Methode Häufig Verwendung Einsatz im Marketing Praktische Umsetzung auf verschieden Arten möglich Analytisches CRM
20
RFM-Analyse Analytisches CRM
21
Beispiel Gaststätte „Lebendes Inventar“ ist der beste Kunde
5 x Woche „Stammgast“ 1 x Woche „Student“ 1 x Monat Recency 5 3 2 Frequency Monetary 4 „Lebendes Inventar“ ist der beste Kunde Analytisches CRM
22
Problem RFM Student ist der beste Kunde „Lebendes Inventar“
5 x Woche „Stammgast“ 1 x Woche „Student“ 1 x Monat Recency 4 3 5 Frequency 2 Monetary Student ist der beste Kunde Analytisches CRM
23
Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit
Analytisches CRM
24
Kundenanalyse Kundenverhaltensanalyse Kundenwertanalyse 04.02.2003
Analytisches CRM
25
Kundenverhaltensanalyse
Kaufverhalten Abwanderungsverhalten Zufriedenheit Loyalität Analytisches CRM
26
Beispiel zur Motivation
Produkt Gewinn Babynahrung 300 Windeln 250 Suppe 100 Bier 50 Produkt Gewinn Babynahrung 300 Windeln 50 Suppe 100 Bier muß weg Zusammenhang zwischen Bier und Windeln Analytisches CRM
27
Ziel Basierend auf historische Daten unbekannte Muster entdecken
Dazu dienen Data Mining-Methoden Analytisches CRM
28
Data Mining Prozeß zur Aufdeckung nutzbringender und aussagekräftiger Muster, Profile und Trends (Definition nach Jesus Mena) Analytisches CRM
29
Data Mining-Methoden Entscheidungsbäume Clustering Assoziationsanalyse
Analytisches CRM
30
Entscheidungsbäume Werden vor allem eingesetzt, um herauszufinden, welches Verhaltensprofil besonders oft zum Verlust eines Kunden geführt hat Gegenmaßnahmen bei gefährdeten Kunden einleiten Analytisches CRM
31
Bsp: Entscheidungsbaum
Analytisches CRM
32
Bsp: Entscheidungsbaum
Analytisches CRM
33
Clustering Dient vor allem der Kundensegmentierung
Datensätze einer Gruppe möglichst ähnlich, Datensätze verschiedener Gruppen möglichst unterschiedlich hinsichtlich ihrer Merkmalsausprägungen Ermitteln typischer Verhaltensprofile Analytisches CRM
34
Bsp: Zusammenfassen von Kunden anhand Demographie (Durchschnittsalter, Geschlecht, Familienstand), Kaufverhalten, etc. in homogene Gruppen Analytisches CRM
35
Assoziationsanalyse Dient zum Ermitteln, welche Produkte in der Regel zusammen gekauft werden Einsatz Warenkorb - Analyse Ziel Cross-Selling Analytisches CRM
36
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 Analytisches CRM
37
Bsp: Bei Hardware: Im Supermarkt:
Beim Kauf eines PC‘s 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) Analytisches CRM
38
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. Analytisches CRM
39
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 Analytisches CRM
40
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). Analytisches CRM
41
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 Analytisches CRM
42
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 Analytisches CRM
43
Kundenanalyse Kundenverhaltensanalyse Kundenwertanalyse 04.02.2003
Analytisches CRM
44
Kundenwertanalyse Ziel: Analysen:
Ermitteln des Werts eines einzelnen Kunden oder ganzer Kundensegmente für das Unternehmen Analysen: Kundenprofitabilitätsanalyse ABC-Analyse Customer-Lifetime-Value-Analyse Analytisches CRM
45
Kundenprofitabilitätsanalyse
Einfachste Analyse: Differenz zwischen Erlös und Kosten pro Kunde Detaillierter: Kundendeckungsbeitragsanalyse Einbeziehen verschiedener Erlösarten, Produkt- und Vertriebskosten Analytisches CRM
46
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 Analytisches CRM
47
Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit
Analytisches CRM
48
Customer-Lifetime-Analyse
Dient der Bewertung eines Kunden Bezieht sich auf den gesamten Kundenlebenszyklus Häufig verwendete Methode Analytisches CRM
49
Kundenwert im CLTV Quantitative Größen Qualitative Größen
Akquisitionskosten Umsatz Zuordenbare Einzelkosten Qualitative Größen Weiterempfehlungs-Potential Up/Cross-Selling-Potential Analytisches CRM
50
Kundenlebenszyklus im CLTV
6 Phasen Kennenlernphase Startphase Penetrationsphase Reifephase Krisenphase Trennungsphase Analytisches CRM
51
Berechnung des CLTV Analytisches CRM
52
Beispiel Gaststätte Analytisches CRM
53
Beispiel SAP Analytisches CRM
54
Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit
Analytisches CRM
55
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 Analytisches CRM
56
FRAGEN?? Analytisches CRM
Ähnliche Präsentationen
