Stellen Sie sich eine Autofahrt auf einer Autobahn vor, bei der Sie nichts durch die Windschutzscheibe sehen und Sie sich nur an den Rückspiegeln orientieren können. Auf halbwegs gerader Strecke sollte das noch eben zu schaffen sein, sobald es aber kurviger oder schneller wird, reicht diese Art der Orientierung nicht mehr.
Ähnlich geht es vielen Unternehmen, die Ihre Strategien und Marketing-Konzepte ausschließlich auf die Erfahrungswerte der Vergangenheit bauen. Bei jeder größeren und unvorhergesehenen Kurve droht die Kollision mit der Leitplanke oder die Gefahr, komplett aus der Bahn geworfen zu werden.
Moderne Analyse- und Prognose-Verfahren machen es nun möglich, einen Blick nach vorne zu werfen und Ziele sicherer zu erreichen. Wie das gelingen kann, zeigen wir am Beispiel eines Kunden, den wir schon seit Jahren bei der Selektion der richtigen Adressen für Dialog-Marketing-Kampagnen betreuen.
Case-Study
Unser Kunde ist ein börsennotiertes Bekleidungsunternehmen mit rund 4 Millionen Kundenkartenbesitzern. Etwa 90% aller Käufe werden über die Kundenkarte abgewickelt, sodass jährlich rund 100 Millionen Einzelinformationen zur Auswertung zur Verfügung stehen. Unser Kunde verschickt im Jahr etwa 60 Millionen Mailings und Email-Newsletter, die durch unsere Adressqualifizierung optimiert werden.
Zielsetzung der Optimierung ist zum einen die Erhöhung der Besuchsfrequenz bestehender Kunden in den Modemärkten (Steigerung der Response) und zum anderen die Steigerung des Gesamtumsatzes für das Unternehmen (unter Berücksichtigung der Responsezahlen). Hierfür haben wir mehrere multivariate Modelle entwickelt:
Das Response-Modell zielt darauf ab, die Kunden zu ermitteln, die bei einem anstehenden Mailing die höchste Response erwarten lassen.
Das Umsatz-Modell konzentriert sich hingegen auf die Kunden, die einen möglichst hohen Umsatz versprechen.
Allein durch den Einsatz dieser beiden Modelle konnten die Response-Werte im Vergleich zum Einsatz einer normalverteilten Adressliste um 80% gesteigert werden.
Beim Response-/Umsatz-Modell gehen wir noch einen Schritt weiter. Hier optimieren wir den Umsatz je Angeschriebenen. „Das Response-/Umsatzmodell kombiniert die Vorteile der beiden anderen Modelle und bringt für unseren Kunden noch einmal einen zusätzlichen Lift der Ergebnisse um rund 3%“, so Hendrik Eisenberg (Manager Marketing Research und Projektleiter bei der SAZ). „Allein das bedeutet für unseren Kunden ein Umsatzplus von rund 2,5 Millionen Euro im Jahr“.
Die hochkomplexen mathematisch-statistischen Modelle der SAZ sind auf dem neuesten Stand der Analysemethodik. Dabei setzen wir neben multivariaten Verfahren, wie z.B. der Diskriminanzanalyse oder der logistischen Regression, auch deskriptive Statistiken ein, die dem Erkennen von bisher unbekannten interessanten Zusammenhängen in meist großen Datenbanken dienen (Data Mining). Das Ziel der Modellerstellung liegt darin, die Faktoren zu finden, die tatsächlich eine Prognose über das künftige Kaufverhalten erlauben. Nicht jedes soziodemographische Merkmal der Zieladresse, nicht jedes Kaufverhalten oder nicht jede einzelne Eigenschaft eines Kunden hat Einfluss auf das Modell bzw. beeinflusst das Ergebnis. Daher sollten Entscheidungen analytisch untermauert und nicht aus dem Bauch heraus getroffen werden.
Drei weitere Faktoren sind entscheidend für den Erfolg der Modelle:
- Für unterschiedliche Kundengruppen werden unterschiedliche Scoring-Modelle eingesetzt. So werden neue, aktive und inaktive Kunden unterschiedlich behandelt. Eine Vermischung dieser Kundengruppen würde die Ergebnisse der Modelle verwässern. Entscheidend ist hier die exakte Definition der Kundengruppen.
- Bei der Berechnung der Modelle werden nicht nur die Informationen herangezogen, die uns der Kunde zur Verfügung gestellt. Wir ergänzen diese Daten durch ca. 250 Informationen aus unserer Haushaltsdatenbank und bilden ebenso kreativ entsprechend dem jeweiligen Modellierungsziel neue Variablen aus den Kundendaten. Dadurch erweitern wir die Merkmalsgrundlage für die Modellbildung, was die Ergebnisse optimiert und die Prognosen noch genauer werden lässt.
- Eine regelmäßige Überprüfung und Optimierung der Modelle. Hierdurch werden Entwicklungen in den Bereichen Kaufverhalten, Einstellungen sowie soziodemografische Veränderungen berücksichtigt.
Fazit: Die Entwicklung erfolgreicher Modelle ist ein sehr komplexer Vorgang. Hier kommt es auf Partner an, die über die technischen Voraussetzungen, das nötige Knowhow und im Idealfall über zusätzliche Daten verfügen, die die Modelle auf eine breitere und verlässlichere Basis stellen. Wir unterstützen Sie hier gern. Sprechen Sie uns an. Ihr Ansprechpartner: Ralph Davids, ralph.davids@saz.com, Tel. +49 (0)5137 881640