Habe ich gute Kunden?
... und wenn ja, wie viele? Von Affinitäten und Segmentierungen.
Nicht jeder Kunde ist gleich und hat dementsprechend unterschiedliche Vorlieben und Kaufgewohnheiten. Doch die wenigsten Kunden teilen Ihnen diese Gewohnheiten direkt mit. Wie also schaffen Sie es, die Bedürfnisse und Interessen Ihrer Kunden besser kennenlernen? Die Lösung liegt in der Datenanalyse: Mit Hilfe der Kundensegmentierung und der RFM-Methode können Sie aus den bereits gesammelten Daten Gewohnheiten und Affinitäten Ihrer Kunden ableiten, die Kunden in verschiedene Segmente einteilen und diese Kundensegmente effektiv für Marketingaktivitäten und Newsletter einsetzen. Wie das geht, erklären wir in unserem Blogartikel.
Inhaltsübersicht:
- Marketingmaßnahmen ohne vorherige Kundensegmentierung – ein Szenario
- Wer ist mein bester Kunde und was will er? – Anonymität der Kunden als Hauptproblem
- Richtig fischen im Big Data Lake: Informationen aus operativen Geschäftsprozessen ableiten
- Recency, Frequency, Monetary Value: Kundensegmentierung mithilfe der RFM-Methode
- Was kommt nach der Kundensegmentierung? Automatisierung im CRM und passende Angebote für jedes Segment
- Fazit: Mit der Kundensegmentierung weg vom "One size fits all"-Ansatz hin zu zielgerichteten Kampagnen
Marketingmaßnahmen ohne vorherige Kundensegmentierung – ein Szenario
Stellen Sie sich vor, Sie sitzen mit Ihren Kunden im selben Raum und befragen diese explizit danach, ob sie gute Kunden sind. Wahrscheinlich werden das die meisten bestätigen. Und dann fragen Sie nach den Präferenzen und Vorlieben und werden auch hier nur einen kleinen Ausschnitt aus der subjektiven Sicht der Personen erhalten.
Ähnlich schaut es aus, wenn in Ihren Newsletter- oder Kundenprofil-Portalen nach stark reduzierten Interessen gefragt wird – klar könnte man das auch sehr detailliert machen, aber dann springt ein Großteil vorher ab.
Nun möchten Sie z.B. einen Newsletter verschicken und machen dann die Selektion
- Alle Top-Kunden
- Interesse, z.B. Wellness
Sie verschicken jetzt einen Newsletter an (wahrscheinlich) fast alle und jedem das gleiche Angebot. Die Rückmeldung hierzu wird nicht besonders erfolgreich sein. Aber warum ist das so?
Wer ist mein bester Kunde und was will er? – Anonymität der Kunden als Hauptproblem
Gerade im B2C-Bereich ist man selber nicht mehr in der Lage, seine “Best Customer” zu kennen und genauso wenig wird es möglich sein, die entsprechenden Vorlieben blind zu kennen. Was im kleinen Rahmen für z.B. das kleine Almhotel in Tirol möglich ist, wird für größere Organisationen, Ketten und Konzerne zum großen Hindernis. Die sogenannte Anonymität des Kunden macht es schwierig, genau auf dessen Bedürfnisse und auch Relevanz einzugehen.
Für effektive Marketingmaßnahmen ist es jedoch von entscheidender Bedeutung zu wissen, wer zu Ihren treuen Kunden gehört und bei welchen Kunden zielgerichtete Kampagnen zu mehr Umsatz führen können. Dazu sollten Sie zum einen die Bedürfnisse Ihrer Kunden besser kennen und zum anderen eine Kundensegmentierung durchführen. Doch wie bewerkstelligen Sie das?
Richtig fischen im Big Data Lake: Informationen aus operativen Geschäftsprozessen ableiten
Die Daten liegen natürlich selten von Anfang an strukturiert und gut aufbereitet vor. Aber wir haben ja unsere gesammelten Daten aus Käufen, Profilen, Klickraten, Übernachtungen, Website-Aufenthalten und persönlichen Kontakten via Support oder Kundencenter. Die sogenannten Big Data Lakes über die operativen Geschäftsprozesse lassen, richtig abgeleitet, viele Informationen zu Ihren Kunden zu, die diese Ihnen nicht geben wollen oder können. Glauben Sie nicht, dass die Kunden alle nur Ihre Privatsphäre schützen wollen – oftmals sind diese sich gar nicht darüber im Klaren, was alles so in dieser Geschäftsbeziehung schon zustande gekommen ist.
In meinem Blogartikel zum Thema Big Data zu Smart Data wurde bereits angesprochen, nur Daten mit Relevanz für CRM-Informationen zu nutzen. Und genau hier setzt dann ein CRM auf. Es gibt viele Beispiele, wie ein Kunde seine Interessen offenbart, ohne diese direkt zu nennen. Sogenannte Affinitäten können maßgeschneidert auf die Bedürfnisse des Unternehmens eingerichtet und dann abgeleitet und den B2C-Profilen hinzugefügt werden.
Wichtiger Schritt zur Kundensegmentierung: Affinitäten aus dem Kundenverhalten ableiten
Ein wichtiger Schritt hin zur Kundensegmentierung ist es, Affinitäten aus dem Verhalten Ihrer Kunden abzuleiten. Wie das geht? Nehmen Sie zum Beispiel die klassische Amazon-Taktik: Der Kunde hat sich jetzt mehrfach online einen gewissen Artikel angesehen, aber noch nichts dazu gekauft. Hier hätten wir eine Affinität. Aber bitte nicht die Handtasche weiter bewerben, wenn diese dann doch erworben wurde. Auch ist es wichtig, hier den zeitlichen Aspekt zu betrachten, denn Interessen sind dann wertvoll, wenn diese von Dauer sind, z.B. der begeisterte Rennradfahrer, der seit Jahren immer wieder Zubehör kauft oder der Gast, der immer wieder die Wellness-Rate bucht, aber diese nicht als Präferenz angibt.
Wichtig ist es für ein Unternehmen, Affinitäten analog zu den Interessen zu definieren und diese dann auch in einen Kontext zu bringen. Das heißt zu wissen, welche 3 bis 4 Verhaltensweisen für das Unternehmen als indirektes Interesse am Produkt gewertet werden können und wie das dann genau im Algorithmus abgeleitet werden kann.
Ableitung von Affinitäten: Beispiele aus der Hotelpraxis
- Die Hotelkette hat zum Thema Wellness natürlich eine direkte Präferenz für den Kunden zur Verfügung gestellt. Aber wenn z.B. der Gast ohne weitere Angaben in den letzen 24 Monaten
3 Aufenthalte hatte, die einen Wellness-Ratencode hatten, so kann dies dann als Wellness-Affinität abgeleitet werden.
- Es geht aber noch granulärer – wenn der Gast keine Wellness-Rate gebucht hat, aber in den letzten 3 Jahren mehrfach Treatments zu seinen Aufenthalten gebucht hat, die Wellness-lastig sind, dann ist das auch wieder eine klare Affinität.
- Das dritte Beispiel ist das reine Klickverhalten auf Webseiten und eventuellen Newslettern. Wenn der Gast vielleicht 4-mal auf Online-Inhalte für Wellness-Angebote klickt oder im Newsletter das Wellness-Angebot immer wieder öffnet, dann kann auch hier eine Affinität abgeleitet werden.
Die Beispiele machen klar, dass sich in den Weiten der Big-Data-Inhalte mannigfaltig Informationen ableiten lassen, ohne dass der Kunde diese direkt ausgesprochen hat. In modernen CRM-Systemen können solche Automationen zur Anreicherung der Daten individuell aufgesetzt werden.
Aber reicht es schon, die Interessen und Affinitäten zu kennen? Es ist auch das Angebot, das variieren sollte. Natürlich sind nicht alle Kunden gleich gut und entsprechend sollte das ausgesprochene Angebot auf das jeweilige Kundensegment passen.
Recency, Frequency, Monetary Value: Kundensegmentierung mithilfe der RFM-Methode
Sie werden feststellen, dass einige Kunden für eine Kundenbindung gar nicht geeignet sind, da diese nur einmal auf der Durchreise per Zufall in einem Ihrer Hotels übernachtet haben oder weil einmalig zu dem Zeitpunkt X eine Kunstledertasche gebraucht wurde. Dann gibt es in unterschiedlichsten Abstufungen Mehrfachtäter, die unterteilt werden möchten.
Eine Art, diese Unterteilung vorzunehmen, ist die RFM-Methode. Die RFM-Methode hilft dabei, Analysen und Segmentierung von Kunden anhand ihres Kaufverhaltens zu betreiben. RFM steht für "Recency" (Zeitpunkt des letzten Kaufs), "Frequency" (Häufigkeit) und "Monetary Value" (monetärer Wert) und diese 3 Dimensionen werden wie eine Schablone über den Kundenstamm gelegt. Aber was bedeuten diese Dimensionen?
- Recency (R): Diese Dimension bewertet, wie lange es her ist, dass ein Kunde einen Kauf getätigt hat. Kunden, die kürzlich Einkäufe getätigt haben, sind oft engagierter und reagieren eher auf Marketingaktionen.
- Häufigkeit (F): Diese Dimension betrachtet, wie oft ein Kunde in einem bestimmten Zeitraum Käufe getätigt hat. Kunden, die häufig kaufen, können als loyaler betrachtet werden und könnten spezielle Angebote oder Belohnungen verdienen.
- Monetärer Wert (M): Diese Dimension bezieht sich auf den Gesamtwert der Einkäufe eines Kunden über einen bestimmten Zeitraum hinweg. Kunden, die höhere Beträge ausgeben, könnten als wertvoller angesehen werden und könnten für hochwertige Produkte oder exklusive Angebote in Frage kommen.
Die RFM-Methode ist natürlich nicht die einzige Methode zur Kundensegmentierung. Wenn sie tiefer in das Thema einsteigen möchten, empfehlen wir Ihnen an dieser Stelle gern unseren Blogartikel zur Kundensegmentierung inklusive Checkliste, welche Methode wann am besten geeignet ist.
Was kommt nach der Kundensegmentierung? Automatisierung im CRM und passende Angebote für jedes Segment
Durch die Kombination dieser drei Dimensionen können Kunden in verschiedene Segmente eingeteilt werden, z.B. in hochwertige, treue Kunden, inaktive Kunden oder Gelegenheitskäufer. Auch die RFM-Methode lässt sich in modernen CRM-Systemen als Automation mit Anreicherung der Profile und angebundener Auswertung über Reporting oder BI individuell implementieren.
Je nach Anforderung des Kunden können vom “Best Customer” bis “Worst Customer” mehrere Segmente in Abstufungen definiert werden, damit Sie das richtige Angebot an die richtige Zielmenge offerieren.
Das Angebot muss wohlgemerkt nicht immer der klassische Newsletter sein, sondern kann z.B. der individuelle Inhalt eines Loyalty-Moduls oder die Online-Werbung sein, die der Kunde eingeblendet bekommt.
Fazit: Mit der Kundensegmentierung weg vom "One size fits all"-Ansatz hin zu zielgerichteten Kampagnen
Die oben genannten Anreicherungen von Affinitäten und die Aufgliederung in Segmente wird Sie dabei unterstützen, die richtigen Entscheidungen für die Pflege langjähriger Top-Kunden zu treffen und die Generierung von Uplifts weniger erfolgreicher Segmente parallel zu betreiben, ohne dabei den guten Kunden zu überfordern und den kleineren Kunden mit falschen Angeboten abzuschrecken.
Sie möchten mehr darüber erfahren, wie Sie mithilfe eines maßgeschneiderten CRMs die Vorlieben Ihrer Kunden oder Hotelgäste ableiten, Kunden segmentieren und zielgerichtete Kampagnen erstellen können, die zu mehr Umsatz führen? Gerne helfen wir Ihnen mit unserem langjährigen Know-how über den Einsatz von Customer-Relationship-Management-Systemen, etwa auf Basis von PMS in der Hotelbranche, weiter.
