Monthly Archives: November 2017

Big Data Analytics: Moderne Wunderheiler? (Teil 2/2)

Freitag, der 10. November 2017

Von der Wunderheilerin zur modernen Behandlung

Was würde eine Ärztin heutzutage anders machen als die Heilerin im Mittelalter?
Zuerst würde sie eine gründliche ärztliche Untersuchung durchführen. So würde sie beispielsweise die Wunden sorgfältig untersuchen, vielleicht alle Vitalfunktionen testen und den Patienten auf versteckte Verletzungen abtasten.

Moderne Wunderheiler
Sie würde weitere Informationsquellen, wie beispielsweise Bluttests, Krankheitsgeschichte oder familiäre Vorbelastungen, hinzuziehen, um ihre Vermutung zu stützen oder aber zu wiederlegen.
Sie würde sich also auf ihr umfassendes medizinisches Wissen verlassen und alle „Datenpunkte“ verknüpfen, um zu einer individuellen, ausgewogenen, auf Tatsachen beruhenden Diagnose zu kommen.
Erst dann würde sie auf der Grundlage der medizinischen Befunde eine bestimmte Behandlung und die richtigen Medikamente verordnen.

Und was hat das alles mit Kundenmanagement und Kundenanalysen zu tun?

Wenn es darum geht, das Kundenmanagement erheblich effektiver zu machen, müssen wir einen ähnlichen, strukturierteren Ansatz verfolgen und wie Wissenschaftler handeln. Es würde den Rahmen dieses Blog-Posts sprengen, den gewünschten Ansatz mit all seinen Facetten detailliert zu beschreiben. Lassen Sie mich aber seine Struktur skizzieren.

  1. Beginnen Sie beim Kunden
    Wir werden zwar mit Marketing-Slogans wie „der Kunde zuerst“ oder „kundenzentriert“ bombardiert, beim Kundenmanagement und den Kundenanalysen folgen aber leider nur sehr wenige Telcos ihrem eigenen Marketingversprechen. Starten Sie damit, sich Gedanken über die Situation und die Bedürfnisse Ihres Kunden zu machen, bevor Sie darüber nachdenken welche Daten Sie bereits haben und welche möglichen Analysen Sie damit durchführen könnten.

 

Für mich sind die derzeit vorhandenen Abwanderungsmodelle vielleicht der klarste Beweis dafür: Die individuelle Service-Erfahrung und das Preis-Leistungs-Verhältnis sind über Jahre für einen sehr bedeutenden Teil der Kunden mit Abstand der wichtigste Abwanderungsgrund (Dass-Jain2011).
Dennoch sind die meisten Abwanderungsmodelle der Anbieter nicht in der Lage, echte Maßnahmen für die Verbesserung der Service-Erfahrung des Kunden anzubieten. Der Grund: Sie enthalten keine Daten darüber. Nein, dabei rede ich nicht von einfachen Drop-Call-Zählern, die aus Call Detail Records (CDRs) abgeleitet sind oder über das (kategorisierte und extrapolierte) Feedback aus Kundenbefragungen. Denn diese Informationen sind einfach nicht detailliert genug, um das individuelle Serviceerlebnis zu verstehen.

Beispielsweise können wir durch Analysen nachweisen, dass für einige Kunden ein bestimmtes Set von spezifischen Netzwerkausfällen ein Grund zur Abwanderung ist, während andere Kunden das gleiche Set tolerieren. Wir wissen zum Beispiel, dass die Reihenfolge der Ausfälle, die Art der Nutzung zum Zeitpunkt des Ausfalls und die Ausfalldichte wichtig sind, nicht so sehr die reine Anzahl von Ausfällen. Um diese Art von Abwanderungsmotiven zu analysieren, müssen Sie sehr detaillierte Netzwerkdaten (z. B. SS7) erfassen sowie integrieren (z. B. über verschiedene Träger) und alle Informationen berücksichtigen, die auf irgendeine Service-Verschlechterung hinweisen.

Individueller Preisdruck durch Kunden ist ein weiteres Beispiel für einen schwachen Bereich in der Kundenanalyse. Es gibt heute nur sehr wenige Telcos, die den Preisdruck für alle ihre Kunden individuell verstehen. Sie sind nicht in der Lage, grundlegende Fragen zu beantworten wie „Welcher Tarif aus meinem Portfolio / auf dem Markt eignet sich vom Preis her am besten für einen bestimmten Kunden mit seiner individuellen Nutzung?“, „Welchen maximalen Preis ist dieser Kunde bereit zu zahlen?“ oder „Mit welchen Konkurrenztarifen würde der Kunde mehr sparen als mit diesem maximalen Preis?“.

Aber wie können Telekommunikations-Anbieter jemals das preisgetriebene Abwanderungspotenzial eines Kunden verstehen, wenn sie nicht einmal diese grundlegenden Fakten kennen? Alle genannten Daten und die Analysen zur Beantwortung dieser Fragen sind verfügbar. Sie haben sich in der Praxis bereits bewährt. Es gibt keinen Grund sie nicht einzusetzen und Erkenntnisse in einer völlig neuen Qualität zu generieren.

 

        1. Beseitigen Sie Ursachen, nicht (nur) die Symptome
          Heute denken viele Kundenmanager immer noch (nur) an Kampagnen und Angebote, wenn es darum geht, Kunden zu binden. Kampagnen und Angebote sind nicht unbedingt eine schlechte Sache. Doch die Abwanderungsproblematik wird nicht grundsätzlich gelöst, wenn man kleine Geschenke an die Kunden verteilt oder sie zum Abschluss eines neuen Vertrags überredet. Ein Kundenmanager muss sich mehr einfallen lassen als nur Kampagnen. Konzentrieren Sie sich auf den Kunden, finden Sie heraus was tatsächlich Gründe für seine Probleme sind, und werden Sie kreativ in der Problemlösung!Lassen Sie uns zur Veranschaulichung wieder zu unserem Anfangsbeispiel zurückkehren. Der Kunde hat schwere Netzwerkprobleme. Das kostenlose Testen eines Virus-scanners zeigt ihm im besten Fall, dass er geschätzt wird. Seinen Abwanderungswillen wird es aber in keiner Weise ändern. Denn es beseitigt nicht die Ursache. Und sollte der Virusscanner keinen zusätzlichen Nutzen bringen, kann der Effekt sogar negativ sein. Die Behandlung von nichtexistierenden Abwanderungsmotiven ist bestenfalls eine Verschwendung von Geld und Ressourcen, im schlimmsten Fall verärgert sie den Kunden und bringt ihn erst dazu abzuwandern.
        2. Erstellen Sie einen individuellen Behandlungsplan
          In unserem „echten Leben“ wissen wir, dass eine einzige Handlung selten eine dauerhafte Beziehung schafft. Das Gefühl des Vertrauens und der Wertschätzung ergibt sich aus der Summe der Erfahrungen. Wenn diese Erfahrungen überwiegend relevant und positiv für den Kunden sind, wird er sogar einzelne negative Erfahrungen vergeben. Erstaunlicherweise zeigen Untersuchungen sogar, dass nach einer Reihe von positiven Ereignissen ein gut gelöstes negatives Ereignis den Abwanderungswillen um 67 % reduziert (Kolsky2015). Diese Erkenntnis hat erheblichen Einfluss darauf, wie wir die Kundenbeziehungen managen und wie wir Analysemodelle (z. B. Abwanderungsmodelle) aufbauen.Infolgedessen ist eine Kundenmanagementstrategie, die nur auf der „Next Best Activity“ (NBA) oder, noch schlimmer, auf dem „Next Best Offer“ (NBO) aufbaut, ausgesprochen kurzsichtig. Wir müssen die beste Reihenfolge der Aktivitäten für jeden einzelnen Kunden planen. Ich ziehe es übrigens vor, den Begriff „Ereignis“ statt des Begriffs „Aktivität“ zu verwenden, um zu betonen, dass es sich nicht nur um Aktionen handelt, die das Unternehmen einleitet. Im Gegenteil: Wir müssen auch darüber nachdenken, wie wir die vom Kunden veranlassten Ereignisse optimal nutzen können.Nehmen wir an, Sie sind ein wichtiger Kunde und da sich kürzlich Ihre Bankverbindung geändert hat, haben Sie es leider verpasst, die letzte Monatsrechnung zu bezahlen. In dieser Situation könnte Ihr Anbieter negative Auswirkungen auf Ihre Loyalität als Kunde vermeiden, indem er den Mahnprozess sehr individuell handhabt. Wir müssen die optimale, individuelle Customer Journey für alle unsere Kunden planen. Aus offensichtlichen Gründen muss diese Planung kontinuierlich geschehen, was eine gewisse Komplexität schafft. Aber auch dafür gibt es bewährte Methoden und Technologien. Sie müssen „nur” eingesetzt werden (Teradata2017).Das hat auch Auswirkungen auf die Analysen. Derzeit haben die meisten (Retention-) Analysen erhebliche Einschränkungen, da sie statisch sind, also einen Status zu einem bestimmten Zeitpunkt – jetzt oder in der Zukunft – betrachten. Sie analysieren aber keine Abfolge von Ereignissen und deren Abhängigkeit untereinander. Sie erklären nicht, warum Ereignisse auftreten. Sie berücksichtigen nicht die Kundeninteraktion in ihrer Gesamtheit (mehr dazu bei Hassouna2015).Wie oben beschrieben, funktionieren (Kunden-) Beziehungen aber nicht so. Die Analyse von kundenbezogenen Ereignis-Pfaden und die Vorhersage künftiger Ereignisse bieten eine völlig andere Sichtweise darauf, wie sich eine Kundenbeziehung entwickelt. Darüber hinaus schafft diese Sicht die Möglichkeit sofort zu reagieren, da fast jedes Ereignis beeinflusst werden kann. Sie können den zukünftigen Ereignis-Pfad für jede Kundenbeziehung planen und mithilfe von Prescriptive Analytics ändern. Das ist für mich das Wesen des Kundenbeziehungsmanagements.

 

Von der Verbrennung von Sandelholz und dem Hexenzauber bis hin zur modernen Behandlung ist die Medizin einen weiten Weg gegangen – und das gilt natürlich auch für das Kundenmanagement. Aber wie Oscar De La Hoya zu Recht sagte: „Es gibt immer Raum für Verbesserungen, egal wie lange man schon im Geschäft ist“. Und um Innovationen zu schaffen, müssen Sie den Status quo infrage stellen.

 

Falls Sie ganz oder teilweise mit dem hier Gesagten nicht übereinstimmen oder mit mir diskutieren wollen, freue ich mich, wenn Sie mich über LinkedIn oder Twitter (@stefan_teradata) ansprechen.