04.02.2003Analytisches CRM1 Analytical Customer Relationship Management (aCRM) Referenten: Christian...

04.02.2003 Analytisches CRM 1

Analytical Customer Relationship Management (aCRM)

Referenten:Christian Ludt und Michael SchmidtBetreuerin: Elisabeth Thieser, SAP

Seminar CRM & SRM, WS 2002/2003Universität des SaarlandesFB 6.2 InformatikLehrstuhl für Datenbanken und InformationssystemeProf. Dr.-Ing. Gerhard WeikumDr.-Ing. Ralf Schenkel

04.02.2003 Analytisches CRM 2

Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit

04.02.2003 Analytisches CRM 3

Einordnung aCRM

04.02.2003 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

04.02.2003 Analytisches CRM 5

Closed-Loop Szenario

Planned Actionsand

Campaigns

Customer Feedback/Learning

Customer Knowledge

AnalyticalResults

04.02.2003 Analytisches CRM 6

Einsatzbereiche Analytical CRM

Marketing Vertrieb Service Kunden Produkte Interaktionen

04.02.2003 Analytisches CRM 7

Bestandteile des aCRM OLAP Data-Mining

04.02.2003 Analytisches CRM 8

Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit

04.02.2003 Analytisches CRM 9

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

04.02.2003 Analytisches CRM 10

FASMI Anforderungen an OLAP Fast Analysis Shared Multidimensional Information

04.02.2003 Analytisches CRM 11

2D-Datensicht

04.02.2003 Analytisches CRM 12

3D Datensicht

04.02.2003 Analytisches CRM 13

Operationen im OLAP

Roll-up

Drill-down

Dice / Slice

Pivot

04.02.2003 Analytisches CRM 14

Operationen im OLAP

Roll-up

04.02.2003 Analytisches CRM 15

Operationen im OLAP

Drill-down

04.02.2003 Analytisches CRM 16

Operationen im OLAP

Dice / Slice

04.02.2003 Analytisches CRM 17

Operationen im OLAP

Pivot

04.02.2003 Analytisches CRM 18

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

04.02.2003 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

04.02.2003 Analytisches CRM 20

RFM-Analyse

04.02.2003 Analytisches CRM 21

Beispiel Gaststätte

„Lebendes Inventar“ ist der beste Kunde

„Lebendes Inventar“ 5 x Woche

„Stammgast“ 1 x Woche

„Student“ 1 x Monat

Recency 5 3 2

Frequency 5 3 2

Monetary 2 4 5

04.02.2003 Analytisches CRM 22

Problem RFM

„Lebendes Inventar“ 5 x Woche

„Stammgast“ 1 x Woche

„Student“ 1 x Monat

Recency 4 3 5

Frequency 5 3 2

Monetary 2 4 5

Student ist der beste Kunde

04.02.2003 Analytisches CRM 23

Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit

04.02.2003 Analytisches CRM 24

Kundenanalyse Kundenverhaltensanalyse Kundenwertanalyse

04.02.2003 Analytisches CRM 25

Kundenverhaltensanalyse Kaufverhalten Abwanderungsverhalten Zufriedenheit Loyalität

04.02.2003 Analytisches CRM 26

Beispiel zur Motivation

Produkt Gewinn

Babynahrung 300

Windeln 250

Suppe 100

Bier 50

Bier muß weg

Produkt Gewinn

Babynahrung 300

Windeln 50

Suppe 100

Zusammenhang zwischen Bier und Windeln

04.02.2003 Analytisches CRM 27

Ziel Basierend auf historische Daten

unbekannte Muster entdecken Dazu dienen Data Mining-Methoden

04.02.2003 Analytisches CRM 28

Data Mining Prozeß zur Aufdeckung

nutzbringender und aussagekräftiger Muster, Profile und Trends(Definition nach Jesus Mena)

04.02.2003 Analytisches CRM 29

Data Mining-Methoden Entscheidungsbäume Clustering Assoziationsanalyse

04.02.2003 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

04.02.2003 Analytisches CRM 31

Bsp: EntscheidungsbaumOutlook Temperature Humidity Windy PlaySunny Hot High False NoSunny Hot High True NoOvercast Hot High False YesRainy Mild High False YesRainy Cool Normal False YesRainy Cool Normal True NoOvercast Cool Normal True YesSunny Mild High False NoSunny Cool Normal False YesRainy Mild Normal False YesSunny Mild Normal True YesOvercast Mild High True YesOvercast Hot Normal False YesRainy Mild High True No

04.02.2003 Analytisches CRM 32

Bsp: Entscheidungsbaum

Humidity9|5

Outlook9|5

Sunny2|3 Hot

2|2

Overcast4|0

Rainy3|2

High3|4

Normal6|1

Windy9|5

False6|2

True3|3

Temperature9|5

Mild4|2

Cool3|1

Aufteilung nach Attribut „Outlook“ Aufteilung nach Attribut „Temperature“

Aufteilung nach Attribut „Humidity“ Aufteilung nach Attribut „Windy“

04.02.2003 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

04.02.2003 Analytisches CRM 34

Bsp: Zusammenfassen von Kunden

anhand Demographie (Durchschnittsalter, Geschlecht, Familienstand), Kaufverhalten, etc. in homogene Gruppen

04.02.2003 Analytisches CRM 35

Assoziationsanalyse Dient zum Ermitteln, welche

Produkte in der Regel zusammen gekauft werden

Einsatz Warenkorb - Analyse

Ziel Cross-Selling

04.02.2003 Analytisches CRM 36

Assoziations-Regeln Regeln der FormIf A und B und ... und X gekauft Then Y gekauft

Anzahl der Elemente in der Bedingung abhängig vom Unternehmen / von den Produkten

04.02.2003 Analytisches CRM 37

Bsp: Bei Hardware:

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)

04.02.2003 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.

04.02.2003 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

04.02.2003 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).

04.02.2003 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

04.02.2003 Analytisches CRM 42

Bsp: Supermarkt habe 100.000 Transaktionen an den

Kassen, wobei 2.000 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% = 800/100.000 Confidence: 800/2.000 = 40% Produkt C tauche in insgesamt 5.000 Transaktionen

auf (Expected Confidence = 5.000/100.000 = 5%) Lift = 40%/5% = 8

04.02.2003 Analytisches CRM 43

Kundenanalyse Kundenverhaltensanalyse Kundenwertanalyse

04.02.2003 Analytisches CRM 44

Kundenwertanalyse Ziel:

Ermitteln des Werts eines einzelnen Kunden oder ganzer Kundensegmente für das Unternehmen

Analysen: Kundenprofitabilitätsanalyse ABC-Analyse Customer-Lifetime-Value-Analyse

04.02.2003 Analytisches CRM 45

Kundenprofitabilitätsanalyse Einfachste Analyse:

Differenz zwischen Erlös und Kosten pro Kunde

Detaillierter: Kundendeckungsbeitragsanalyse

Einbeziehen verschiedener Erlösarten, Produkt- und Vertriebskosten

04.02.2003 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

04.02.2003 Analytisches CRM 47

Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit

04.02.2003 Analytisches CRM 48

Customer-Lifetime-Analyse

Dient der Bewertung eines Kunden Bezieht sich auf den gesamten

Kundenlebenszyklus Häufig verwendete Methode

04.02.2003 Analytisches CRM 49

Kundenwert im CLTV Quantitative Größen

Akquisitionskosten Umsatz Zuordenbare Einzelkosten

Qualitative Größen Weiterempfehlungs-Potential Up/Cross-Selling-Potential

04.02.2003 Analytisches CRM 50

Kundenlebenszyklus im CLTV 6 Phasen

Kennenlernphase Startphase Penetrationsphase Reifephase Krisenphase Trennungsphase

04.02.2003 Analytisches CRM 51

Berechnung des CLTV

FunktiongDiscountiniD

FunktionKundenwertiv

FunktionSurvivaliS

iDiviSCLTVT

i

)(

)(

)(

)()()(0

04.02.2003 Analytisches CRM 52

Beispiel GaststätteGasttyp: "lebendiges

Inventar"Stamm

GastStudent

Umsatz: 2.548,00 DM 509,60 DM 39,20DMNettoumsatz: 2.196,55 DM 439,31 DM 33,79 DM Kosten: 50% 50% 50%Deckungsbeitrag: 1.098,28 DM 219,66 DM 16,90 DMJ ährliche Fluktuation: 12% 12% 20%

1. J ahr: 1.098,28 DM 219,66 DM 16,90 DM2. J ahr: 966,48 DM 193,30 DM 13,52 DM3. J ahr: 850,50 DM 170,10 DM 10,81 DM4. J ahr: 748,44 DM 149,69 DM 6,92 DM5. J ahr: 658,63 DM 131,73 DM 5,53 DMSumme (CLTV) 4.322,34 DM 864,47 DM 53,68 DM

04.02.2003 Analytisches CRM 53

Beispiel SAP

04.02.2003 Analytisches CRM 54

Gliederung Einführung OLAP Kundenanalyse Customer-Lifetime-Value Fazit

04.02.2003 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

04.02.2003 Analytisches CRM 56

FRAGEN??