Predictive Analytics in der Kundensegmentierung richtig nutzen | Research | IDC Germany

Predictive Analytics in der Kundensegmentierung richtig nutzen

Von Matthias Zacher, Senior Consultant bei IDC in Frankfurt

Marketiers haben heute Zugriff auf immer mehr interne und externe Datenquellen, die sich zunehmend automatisiert und integriert nutzen lassen. Marketing ist heute in immer stärkerem Maße daten- und technologiegetrieben. Oder könnte es sein.  Die Technologie ist heute potenziell für jede Marketingabteilung verfügbar. Sie ist also nicht der entscheidende Faktor. Erfolgreich sind diejenigen Marketingabteilungen, die Analytics-Technologie  mit einer Analytics-Kultur verbinden einbetten. Das gestattet ihnen, Daten intensiver und umfassender als bisher als Entscheidungsgrundlage hinzuzuziehen. In Marketingabteilungen finden wir folgendes vor:

Gespräche von IDC mit CMOs zeigen, dass die Kundensegmentierung in sehr vielen Fällen ohne Datenbasis erfolgt. Entscheidungen werden hier auf Basis von Erfahrungen und Bauchgefühl getroffen. Und viele dieser Entscheidungen haben sich in der Vergangenheit als richtig erwiesen. Somit ist das ein nachvollziehbarer Ansatz. Hier besteht allerdings die Gefahr, dass sich Sichtweisen und Erfahrungswerte verfestigen und Veränderungen am Markt innerhalb begrenzter Parameter betrachtet und bewertet werden. Anders gesagt: Entscheider betrachten die Kennzahlen, die ihnen vertraut sind. Veränderungen werden nicht oder nur ungenügend berücksichtigt.

Wenn Marketingabteilungen gezielt mit Datenanalysen beginnen, werden fast immer regel-basierte Ansätze (Prescriptive Analytics) genutzt. Der Schritt von der Entscheidungsfindung ohne Datenbasis hin zu daten-gestützten Vorgehensweisen ist ein Fortschritt. Lösungen für Marketing-Automatisierung basieren typischerweise auf regel-basierten Analysetools. Sie sind für einige Prozesse im Marketing gut geeignet. Für andere nicht so gut, u.a. für die Segmentierung von Kunden nach Verhaltenskriterien.

Predictive Analytics hingegen ermöglicht Marketing-Abteilungen, mit einer hohen Komplexität, Mustern und einer tiefen Granularität von Daten und Informationen umzugehen. Das Potenzial solcher Lösungen müssen sich Marketiers aber nach und nach erarbeiten. Sie starten häufig mit Segmentierungen nach Demografie, Branche oder Rolle, als einer gruppen-basierten Segmentierung. Eine Daumenregel besagt aber, dass die Rücklaufquote eine E-Mail-Kampagne bei etwa 3 Prozent liegt. Einen deutlichen Mehrwert bietet die Segmentierung nach einer Vielzahl von Verhaltenskriterien, denn hier stehen individuelle Merkmale im Vordergrund. Sie ermöglichen sowohl neue Sichtweisen auf den Kunden als auch das Erkennen von „schwachen Signalen“ im Sinne eine Früherkennung, die Kunden im Rahmen ihrer "Customer Journey" aussenden.

Fazit
Predictive Analytics befindet sich im Marketing noch in einer frühen Phase. Das gilt umso mehr für vertiefende Szenarien wie die Segmentierung von Kunden nach Verhaltenskriterien. Um erfolgreich zu sein, sind ausreichende Budgets, spartenübergreifendes Fachwissen und ein Wandel der Organisation hin zu Offenheit und Zusammenarbeit über Silos hinweg erforderlich.