Zu Gast Blog_CRR

Veröffentlicht am 9. Dezember 2015 | von Gastautor

0

Customer Relationship Reporting

Ein Artikel von Dr. Philipp Sorg, Senior Data Scientist, econda GmbH

In vielen Unternehmen sind die CRM-Daten einer der wertvollsten Datenbestände. Flexibles und schnelles Reporting auf Basis der CRM-Daten ermöglicht es, das Kundenverhalten zu analysieren und basierend auf den Ergebnissen datengetrieben zu handeln. In econda Centricity können CRM-Daten mit den umfangreichen Analysemöglichkeiten eines Webanalyse-Tools ausgewertet werden. Zusätzlich ist eine Kombination der CRM-Daten mit Webanalyse-Daten möglich, so dass Verhaltensmuster von Kunden auch kanalübergreifend sichtbar werden.

Besucherzentrierte Reports in der Webanalyse

Webanalyse wird in Firmen oft primär als Reporting und Controlling Werkzeug genutzt. Dementsprechend wird es in Marketingabteilungen eingesetzt, um den Effekt von Kampagnen und anderen Marketingmaßnamen zu messen. Zusätzlich werden Elemente aus dem Online-Shop oder dem Portal bewertet, wie zum Beispiel der Checkout-Prozess oder die interne Suche. Das eigentliche Besucherverhalten versteckt sich dabei typischerweise hinter aggregierten Werten:

Beispiel: Umsatz pro Bestellung

In diesem Beispiel ist der durchschnittliche Bestellwert 273€. Es gibt aber wahrscheinlich keinen Kunden, der für genau diesen Betrag bestellt hat. Damit geht viel wertvolle Information verloren, die zur Bewertung des individuellen Kundenverhaltens notwendig ist.

Um das Besucherverhalten effektiv zu erfassen sind Reports notwendig, die Werte auf Einzelkundensicht berechnen und daraus aggregierte Erkenntnisse ziehen. Es gibt unterschiedliche Ansätze für solche Reports, wie zum Beispiel Customer Journeys oder Kohortenanalysen. Im Folgenden werden die einzelnen Reports und deren Umsetzung in econda Centricity näher erklärt.

econda Centricity

Econda Centricity basiert auf einer alternativen Sichtweise auf Daten aus der Webanalyse. Das typische Datenmodell, bestehend aus Dimensionen und KPIs, wird ersetzt durch ein Datenmodell, das auf Besucheraktionen mit entsprechenden Merkmalen basiert. Beispielsweise wird anstatt der KPI “Bestellungen” die Aktion “Bestellung” mit dem Merkmal “Bestellsumme” betrachtet. Diese Aktionen sind genau einem Besucher zugeordnet, haben einen Zeitstempel und können auf sehr detailliertem Level in Zusammenhang gestellt werden.

Basierend auf dem Centricity-Datenmodell können unterschiedliche Reports generiert werden. Die wichtigsten Typen von Reports sind dabei der Pattern Explorer, Kohortenanalysen sowie Customer Journey.

Customer Relationship Reporting – Ein mächtiges Werkzeug

Die Besucherzentrierten Reports – umgesetzt in econda Centricity – sind effektive Werkzeuge zur explorativen Analyse von Besucherverhalten. Durch die Verwendung von Big Data Technologie können auch große Zeiträume interaktiv ausgewertet werden. Im Zusammenspiel von DYMATRIX und econda ist es möglich, auch CRM-Daten zu betrachten. Dadurch ergeben sich folgende Vorteile:

  • Kunden-zentrierte Reports bieten umfassende Auswertungsmöglichkeit – weit über die Möglichkeiten eines CRM-Systems hinaus
  • Big Data Technologie erlaubt sehr schnelle und interaktive Berechnung der Reports
  • Daten aus dem CRM-System können mit Tracking-Daten verknüpft und gemeinsam ausgewertet werden
  • Interessante Segmente können direkt als Zielgruppe in Kampagnen verwendet werden
  • Reports auf anonymisierten Daten sind völlig ausreichend – kritische Daten müssen nicht außer Haus gegeben werden

Ein Beispiel für einen Kundenzentrierten Report ist der Pattern Explorer auf Kundendaten. Der Pattern Explorer ist ein Werkzeug zur explorativen Datenanalyse. Es werden gleichzeitig verschiedene Aspekte des Kundenverhaltens dargestellt. Über interaktive Selektion können Zusammenhänge von Aktionen einfach visuell entdeckt werden:

Pattern Explorer

Einerseits werden hier Stammdaten verwendet (Alter, Geschlecht und Wohnort). Anderseits werden Kontakte, Käufe und Umsatz visualisiert. Durch Auswahl einer Altersgruppe (in diesem Beispiel 30-40 Jahre) können Zusammenhänge mit weiteren Stammdaten sowie der Kontakt- und Kaufhistorie erkannt werden. In diesem Fall ist die ausgewählte Altersgruppe in Frankfurt überrepräsentiert und in Bonn unterrepräsentiert. Zusätzlich kann durch die Auswahl eines Umsatzsegments die betrachtete Kundengruppe noch weiter geschärft werden – in diesem Beispiel alle Kunden, die 100-200 € Umsatz hatten.

Ein weiteres Beispiel ist der Einfluss von Offline-Käufen auf Online-Nutzung. Dazu wird eine Kohortenanalyse verwendet, in der Besuchergruppen anhand von gleichem Verhalten gruppiert werden. Für jede Gruppe wird dann ein bestimmtes Zielverhalten untersucht. Diese Einteilung der Gruppen sowie deren Zielverhalten ist in einer Kohortenanalyse sehr kompakt visualisiert und erlaubt damit einen schnellen und effektiven Informationsgewinn:

Kohortenanalyse

In diesem Report werden Kunden anhand der Anzahl der Käufe gruppiert. In diesem Fall werden Einfachkäufer und Mehrfachkäufer identifiziert. Für beide Gruppen wird der Anteil gemessen, die gleichzeitig auch den Online-Shop besucht haben. In den angezeigten Daten ist der Anteil der Einmalkäufer, die den Online-Shop besuchen, höher als der der Mehrfachkäufer.

In Customer Journeys lassen sich sehr detailliert die Aktionen von Kunden analysieren. Ein Beispiel ist die kanalübergreifende Produktjourney:

Costumer Journey

Blau visualisiert angesehene Produkte im Online-Shop, grün zeigt die online gekauften Produkte und gelb die offline gekauften Produkte desselben Kunden. Diese Journey zeigt also intuitiv, wie Kunden die verschiedenen Kanäle nutzen. Durch Anpassung der Granularität – z.B. Produktgruppen anstatt einzelner Produkte – können Erkenntnisse auf verschiedenen Detaillierungsebenen aus den Customer Journeys gewonnen werden.

Fazit

Das Customer Relationship Reporting erlaubt es, mächtige Reportingwerkzeuge aus der Webanalyse auf CRM-Daten anzuwenden. Zusätzlich werden online und offline Daten verknüpft. Damit sind zielführende Analysen des Kundenverhaltens möglich. Diverse Fragestellungen können mit diesem Werkzeug interaktiv, schnell und effizient beantwortet werden. Dies ist eine Grundvoraussetzung, um eine datengetriebene Herangehensweise in einem Unternehmen umzusetzen.

Tags: , , ,


Über den Autor

Gastautor




Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Zurück nach oben ↑