Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Dr. Michael Semmler
Universum GroupFrankfurt am Main
CRM:Herausforderungen
in der Praxis III
Wirtschaftswissenschaftliche Fakultät Ingolstadt
09.11.2012
Übersicht
1 Einleitung
2 Ergebnisse der Gruppenarbeit
„Entwicklung einer Scorekarte“
3 Kampagnen-Managment
3.1 Scoring-Modell
3.2 Kampagnen-Umsetzung
3.3 Cut-Off-Strategie
4 Kundenentwicklung und Kundenwert
5 Multi-Channel-Kampagnen-Managment
5.1 E-Mail-Kampagnen
5.2 Forderungsmanagement
5.3 Telefon-Kampagnen
5.4 Echte Multi-Channel-Kampagnen
6 Gruppenarbeit
7 Diverses
2K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
1 Einleitung
Vorlesungs-Programm „CRM: Herausforderungen in der Praxis“
19.10. Reporting-Systeme
26.10. Datawarehouse, Kundenprofile, Scoring
09.11. (Multi-Channel-)Kampagnen-Management
16.11. Data Mining Anwendungen
Erörterung von praktischen Fragestellungen und Herausforderungen imoperativen und analytischen CRM aus verschiedenen Blickwinkeln
Fokus liegt auf der Modellbildung, der Unvollständigkeit von Informationen, den Zielkonflikten und Heuristiken.
Fallstudien: Erarbeitung von Lösungsansätzen in Gruppenarbeit
Übersicht
1 Einleitung
2 Ergebnisse der Gruppenarbeit
„Entwicklung einer Scorekarte“
3 Kampagnen-Managment
3.1 Scoring-Modell
3.2 Kampagnen-Umsetzung
3.3 Cut-Off-Strategie
4 Kundenentwicklung und Kundenwert
5 Multi-Channel-Kampagnen-Managment
5.1 E-Mail-Kampagnen
5.2 Forderungsmanagement
5.3 Telefon-Kampagnen
5.4 Echte Multi-Channel-Kampagnen
6 Gruppenarbeit
7 Diverses
Übersicht
1 Einleitung
2 Ergebnisse der Gruppenarbeit
„Entwicklung einer Scorekarte“
3 Kampagnen-Managment
3.1 Scoring-Modell
3.2 Kampagnen-Umsetzung
3.3 Cut-Off-Strategie
4 Kundenentwicklung und Kundenwert
5 Multi-Channel-Kampagnen-Managment
5.1 E-Mail-Kampagnen
5.2 Forderungsmanagement
5.3 Telefon-Kampagnen
5.4 Echte Multi-Channel-Kampagnen
6 Gruppenarbeit
7 Diverses
5
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
Was ist eine Kampagne?
E-MailNewsletter
WerbekampagnePreiskampagneProdukteinführung
Telefon OutboundInbound
KatalogBriefKarteWarenprobe
VertragsangebotRechnung, MahnungEingangsbestätigungAbsageEntschuldigung
KundenbesuchThekenaufstellerDekoration
InteressentenNeukundenAufbaukundenStammkunden
GeburtstagJubiläumFeiertagWeihnachten
6K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
3 Kampagnen-Management
Kampagnen-Typen
Einstufig Katalog, Mailing
Mehrstufig Katalog mit Telefon-Nachfass
Impliziter Event-Trigger Verhaltensauffälligkeiten
Expliziter Event-Trigger Newsletter, after sales
Einmalig Geburtstags-Mailing
Dauerhaft SMS-Kampagne zu Klingelton
7
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
3 Kampagnen-Management
Kampagnen-Arten
Ein-Kanal InitialesAngebot per E-Mail mit Nachfassaktion ebenfalls per E-Mail
Mehr-Kanal Initiales Mailing per Brief mit followup-Anruf vom Call Center
Inbound Cross-Selling Angebot im Bestell-Dialog
Outbound Aktives Telefonat mit Angebot eines Produktes
8K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
3 Kampagnen-Management
Definition Kampagnenmanagement
Die Aufgabe des Kampagnenmanagements liegt darin,
dem richtigen Kunden,
das richtige Informations- und Leistungsangebot,
im richtigen Kommunikationsstil,
über den richtigen Kommunikationskanal,
zum richtigen Zeitpunkt zu vermitteln und
dadurch Erfolgsleistungen des Kunden bzw. des Kundenstamms (bei gegebenen Ressourcen) zu maximieren.
vgl. Hippner, Wilde: Grundlagen des CRM
9
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
3 Kampagnen-Management
Der klassische durch Analysen gestützte Kampagnen-Prozess„Closed Loop“
Idee Analyse
(Data Mining)
Prognose
Entscheidung
Aktion
Response
Kampagnen-Reports, Analysen
Übersicht
1 Einleitung
2 Ergebnisse der Gruppenarbeit
„Entwicklung einer Scorekarte“
3 Kampagnen-Managment
3.1 Scoring-Modell
3.2 Kampagnen-Umsetzung
3.3 Cut-Off-Strategie
4 Kundenentwicklung und Kundenwert
5 Multi-Channel-Kampagnen-Managment
5.1 E-Mail-Kampagnen
5.2 Forderungsmanagement
5.3 Telefon-Kampagnen
5.4 Echte Multi-Channel-Kampagnen
6 Gruppenarbeit
7 Diverses
11
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
3.1. Scoring-Modell
Scoring Analyse-Modell
Auswahl der Kunden Ende der Aktion
Daten des Kundenzum Selektionszeitpunkt
aus verschiedenen Datenquellen:Analysedaten
Werbeerfolg = ReaktionsquoteReaktionsdaten
Kunde reagiert / reagiert nicht
repräsentative Stichprobe aus Gesamtpotenzial = Lernstichprobe
Prognose des Verhaltenszum nächsten
Selektionszeitpunkt
Scoring-AnalyseWorin unterscheiden sich Reagierer und Nichtreagierer am
stärksten?
0
2
4
12K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
3.1. Scoring-Modell
Zeitversatz zwischen Lernphase und Modell-Einsatz
t1 t2
t3
Zeitraum für Kunden-Merkmale Performance-Zeitraum
Entscheidungs-Zeitpunkt
Modell-Entwicklung - Lernphase
Einsatz des Prognose-Modells
13
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler 0
5
10
15
20
25
Res
po
nse
qu
ote
in
%
10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Anteil Kunden, sortiert nach Scorewert
3.1. Scoring-Modell
Ergebnis der Scoring-Analyse ist die optimale Sortierung der Kunden nach erwarteter Response
Übersicht
1 Einleitung
2 Ergebnisse der Gruppenarbeit
„Entwicklung einer Scorekarte“
3 Kampagnen-Managment
3.1 Scoring-Modell
3.2 Kampagnen-Umsetzung
3.3 Cut-Off-Strategie
4 Kundenentwicklung und Kundenwert
5 Multi-Channel-Kampagnen-Managment
5.1 E-Mail-Kampagnen
5.2 Forderungsmanagement
5.3 Telefon-Kampagnen
5.4 Echte Multi-Channel-Kampagnen
6 Gruppenarbeit
7 Diverses
15
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
3.2. Kampagnen-Durchführung
25
2008
JuniMaiMärz
14
Febr.Jan.Dez.
2726
2009
242312 2221201918171615
Apr.
1311100908070605040302015251
AV
17.12. 29.12. 02.02.
24.04.AV April
SPK/ZL12.06.SPK
24.04.SPK
12.03.AL März
06.02.SPK
16.01.SPK
15.05.AL Mai
Ab 17.12.HK 1
17.04.Sommersaison
WM-Typ
MC-B.29.06.02.06.
ab17.12.SPK
HK
MK29.05.Juni
30.04.Mai
27.03.April
27.02.März
12.06.AV Juni
02.01.Januar
18.05.04.05.30.03.16.03.02.03.
30.01.Februar
Pfingsten (31.05.)Fasching (23.02.) Ostern (12.04.)
Ab 22.12.HK Midi
27.02.SPK
25
2008
JuniMaiMärz
14
Febr.Jan.Dez.
2726
2009
242312 2221201918171615
Apr.
1311100908070605040302015251
AV
17.12. 29.12. 02.02.
24.04.AV April
SPK/ZL12.06.SPK
24.04.SPK
12.03.AL März
06.02.SPK
16.01.SPK
15.05.AL Mai
Ab 17.12.HK 1
17.04.Sommersaison
WM-Typ
MC-B.29.06.02.06.
ab17.12.SPK
HK
MK29.05.Juni
30.04.Mai
27.03.April
27.02.März
12.06.AV Juni
02.01.Januar
18.05.04.05.30.03.16.03.02.03.
30.01.Februar
Pfingsten (31.05.)Pfingsten (31.05.)Fasching (23.02.)Fasching (23.02.) Ostern (12.04.)Ostern (12.04.)
Ab 22.12.HK Midi
27.02.SPK
Grobübersicht Kampagnen-Plan
16K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
Dynamische Data Marts
Kampagnen-ManagementTools
3.2. Kampagnen-Durchführung
Operatives CRM (Abläufe/Tools für CRM-Kampagnen)
ETL-Tool
Adressen
DWHDaten
Tabelle mit Kunden-Informationen für Analyse
Ergebnis: Score-Regelwerk
Analyse mit Tools und eigenen Algorithmen
ETL-Tool
DWHDaten
GUIScoring
StichprobenCutOff-Entscheidung
TestsZielgruppenbildung
Tabelle mit Kunden-Informationen für Selektion
Data Mart für CRM
Lettershop
Integration
Data Mining Tools
17
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
Merkmale
Merkmals-Auswahl
Parametrisierung
Dynamische Merkmalsschicht für Analyse und Selektion
Vorteile: minimaler Speicherplatzbedarf, dynamisches Bezugsdatum
3.2. Kampagnen-Durchführung
Dynamische Merkmalsschicht flexible Daten-Extraktion für dieScoring-Analyse
18K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
Flexible Definition von Regeln mit
einem GUI
3.2. Kampagnen-Durchführung
GUI-unterstützte Abbildung des Regelwerks
Übersicht
1 Einleitung
2 Ergebnisse der Gruppenarbeit
„Entwicklung einer Scorekarte“
3 Kampagnen-Managment
3.1 Scoring-Modell
3.2 Kampagnen-Umsetzung
3.3 Cut-Off-Strategie
4 Kundenentwicklung und Kundenwert
5 Multi-Channel-Kampagnen-Managment
5.1 E-Mail-Kampagnen
5.2 Forderungsmanagement
5.3 Telefon-Kampagnen
5.4 Echte Multi-Channel-Kampagnen
6 Gruppenarbeit
7 Diverses
20K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
-2
0
2
4
6
8
10
12
14
16D
ecku
ng
sbei
trag
pro
Kat
alo
g
10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Anteil Kunden, sortiert nach Scorewert
• Durch Bewertung der Scoreklassen erhält man eine Prognose des DB nach Werbekostenpro eingesetztem Katalog
• Die DB-optimale Entscheidung liegt bei der Auflage, wo der Nullpunkt geschnitten wird.
3.3. Cut-Off-Strategie
Die Scoring-Modelle liefern eine optimale Entscheidungsgrundlage
Cut-Off
21
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
3.3. Cut-Off-Strategie
Das Kernproblem in der Cut-Off-Steuerung (Print-Kampagne)
Scoring-Analyse
Score-Perf.-Report
Plan/Einschätzung
Werbekosten
Selektion
und Cut-OffCut-Off-Simulation
Plan / Ist
KundenstrukturAuswirkungen
Seiten / Umfeld
Plan/Einschätzung
DB-Satz
Score-Perf.-Report
1.Planung
2.Selektion
Package-
Bildung
Restriktionen der Post
Werbekosten, Nachfrage abh. vom Package
22K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r3.3. Cut-Off-Strategie
Planungsprämissen
• Planungsgrundlage ist in der Regel ist der Vorjahres-Katalog
• Wie hoch ist der Investitionsbetrag in einen neuen Kunden (DB pro Besteller nach Werbekosten ? (Lifetime-Value-Auswertungen, aktuelle Strategie: DB-Sicherung oder Kundenwachstum)
• Welche Verbundeffekte hat der Katalog auf andere Print-Werbemittel oder den Marktplatz Internet ?
• Sind Nachfrageproduktivitätsveränderungen aufgrund eines angepassten Sortiments zu erwarten?
• Welche Nachfrage-Poduktivitätssteigerungen sind aufgrund einer optimierten Verkaufsförderung zu erwarten ?
• Allgemeiner Trendfaktor (Konjunktur, Konkurrenz)
• Package-Umfeld des Katalogs
• Kosten, Seiten-Umfang, DB-Sätze
• Kundenbestandsentwicklung
23
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
3.3. Cut-Off-Strategie
Beispiel
Auf Basis der Planungsprämissen ergibt sich eine Plan-Auflage von 2,9 Mio.
24K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r3.3. Cut-Off-Strategie
Planungsgrundlage: Nachfrage pro Erhalter vom Vorjahr
Planungsprämissen bilden um die Vorjahreskurve (Nachfrage pro Erhalter) einen „Planungskorridor“
25
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
3.3. Cut-Off-Strategie
Steuerungskriterium der Auflage: DB pro Erhalter
Planungsprämissen bilden um die Vorjahreskurve (DB pro Erhalter) einen „Planungskorridor“. Auch die resultierende Bewerbungsquote liegt in einem Korridor.
26K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
3.3. Cut-Off-Strategie
Ausblick: DB-optimale Auflagenverteilung für Hauptaussendungund Nachversand
Beim Nachversand wird grundsätzlich zwischen Doppelerhaltern und Neu-Qualifizierten differenziert. Bei den Doppelerhaltern wird geschätzt, welcher Nachfrage-Anteil nur auf den Nachversand zurückzuführen ist.
Übersicht
1 Einleitung
2 Ergebnisse der Gruppenarbeit
„Entwicklung einer Scorekarte“
3 Kampagnen-Managment
3.1 Scoring-Modell
3.2 Kampagnen-Umsetzung
3.3 Cut-Off-Strategie
4 Kundenentwicklung und Kundenwert
5 Multi-Channel-Kampagnen-Managment
5.1 E-Mail-Kampagnen
5.2 Forderungsmanagement
5.3 Telefon-Kampagnen
5.4 Echte Multi-Channel-Kampagnen
6 Gruppenarbeit
7 Diverses
28K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
4 Kundenentwicklung und Kundenwert
Prämissen Kundengruppen-Modell
Einfache Definition der Kundengruppen (Transparenz)
Saisonale Eingruppierung (Universalversand)
Möglichst wenige Kundenwanderungsbewegungen (Übergänge von Saison zu Saison)
Trennschärfe der Kundengruppen (große Unterschiede in den Kundengruppen bezüglich Aktivquote und Bestellwert)
Stabilität der Aktivquote und des Bestellwertes pro Kunde in jeder Kundengruppe im Zeitablauf
Prognose-Tauglichkeit
ceteris paribus Prognose aus Kundenbestand (mittelfristig, langfristig)
Simulation Kundenentwicklung bei Variation unterschiedlicher Marketingkonzepte
Überprüfen von Vertriebs-Zielen
Basismodell für Customer-Lifetime-Value-Prognose
29
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
4 Kundenentwicklung und Kundenwert
ein klassisches Kundengruppenmodell
Wanderung durch Aktivität in Saison 5Kundengruppe Beschreibung 4 3 2 1 (Bestellung)
1 Neukunden erster Kauf in der letzten Saison x 0 0 0 Neukunden
2 Topkunden Kauf in jeder, der 4 letzten Saisons x x x x Topkunden
3 Stamm 1 Kauf in jeder, der 3 letzten Saisons x x x 0 Stamm 1
4 Stamm 2 Kauf in jeder, der 2 letzten Saisons x x 0 - Stamm 2
5 Mittlere Kauf in der letzten Saison, nicht Neukunde x 0 - - Mittlere
6 Gefährdete Kauf in der vorletzten Saison 0 x - - Gefährdete
7 Kritische Kauf zuletzt vor 3 Saisons 0 0 x - Kritische
8 Inaktive Kauf zuletzt vor 4 Saisons 0 0 0 x Inaktive
Wanderung, falls keine Aktivität in Saison 5Kundengruppe Beschreibung 4 3 2 1 (keine Bestellung)
1 Neukunden erster Kauf in der letzten Saison x 0 0 0 Neukunden
2 Topkunden Kauf in jeder, der 4 letzten Saisons x x x x Topkunden
3 Stamm 1 Kauf in jeder, der 3 letzten Saisons x x x 0 Stamm 1
4 Stamm 2 Kauf in jeder, der 2 letzten Saisons x x 0 - Stamm 2
5 Mittlere Kauf in der letzten Saison, nicht Neukunde x 0 - - Mittlere
6 Gefährdete Kauf in der vorletzten Saison 0 x - - Gefährdete
7 Kritische Kauf zuletzt vor 3 Saisons 0 0 x - Kritische
8 Inaktive Kauf zuletzt vor 4 Saisons 0 0 0 x Inaktive
Bestellstruktur in 4 Saisons
Bestellstruktur in 4 Saisons
30K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
165‘
34‘
32‘
30‘
54‘
41‘
38‘
77‘
70‘
31‘
32‘
49‘
60‘
68‘
75‘
308‘
199‘
62‘
95‘
115‘
101‘
80‘
128‘
383‘
261‘
210‘
181‘
511‘
471‘
692‘
1163‘
13‘
12‘
10‘
16‘
12‘
19‘
15‘
50‘
11‘
14‘
12‘
31‘
17‘
40‘
37‘
243‘
60%
Beste 20%
KundenAnfang S1
Nicht
Bestellt
60% bestellen
S1 S2 S3 S4 S5
45%
74%
24%
44%
55%
75%
17%
30%
43%
53%
48%
61%
67%
80%
8%
16%
22%
29%
29%
39%
40%
50%
37%
47%
47%
60%
52%
63%
66%
79%
692‘
60%
511‘
44%
577‘
50%
433‘
37%
Hohe Dynamik in der Kundenqualität ! von den 1,163 Mio besten Kunden (Top 20%) haben nach 4 Saisons nur noch 433 Tsd eine vergleichbar hohe Qualität 63% Schwund Top-Qualität ist nur durch Reaktivierungund Neukundengewinnung langfristig zu sichern
4 Kundenentwicklung und Kundenwert
31
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
4 Kundenentwicklung und Kundenwert
Die kurzfristige Prognose zum Saison-Ende
Planung bzw. Vorjahreswerte pro Kundengruppe
pro Monat kumulierte Aktivquote und Bestellwert pro Besteller
pro MonatAktivquote und Bestellwert pro Besteller für bisherige Nichtbesteler
Ergebnis
monatliche VJ- und Plan-Ist-Vergleiche je Kundengruppe
Prognose der Folgemonate
Abschätzung der Nachfrage-Chancen und –Risiken für die Rest-Saison
Anpassung des Kampagnen-Plans
32K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
4 Kundenentwicklung und Kundenwert
Beispiel saisonale Kundengruppen-Planung
Adr. Best. AQ NF NF/Best NF/Adr. NF NF/Best NF/Adr. NF NF/Best NF/Adr.in Tsd. in Tsd. in Mio. in € in € in Mio. in € in € in Mio. in € in €
EB NK Vorsaison 777 182 23,4% 57 311,75 72,95 29,5 281,59 37,94 27,2 246,53 35,00 0,9% -5,6% -1,9% -1,7% 2,2% -4,8%EB AK6 175 74 42,2% 25 340,95 143,84 11,8 301,95 67,64 13,3 261,62 76,20 -2,2% -5,8% -10,4% -2,9% 2,4% -4,1%EB AK12 465 56 12,0% 14 247,64 29,62 6,4 214,21 13,75 7,4 221,73 15,87 0,7% -12,0% -7,0% -2,0% -4,5% -18,0%EB Top 855 646 75,5% 242 374,05 282,49 65,4 251,07 76,48 176,2 309,43 206,01 0,2% -4,7% -4,5% 0,1% -1,8% -1,7%EB Stamm1 332 199 60,0% 65 324,07 194,46 21,3 256,90 64,07 43,3 264,73 130,40 -1,2% -3,0% -4,9% -1,9% 1,3% -1,8%EB Stamm2 291 159 54,6% 48 301,41 164,63 14,4 232,72 49,52 33,5 254,53 115,11 -0,4% -3,9% -4,6% -2,0% -0,2% -3,8%EB Mittel 744 329 44,3% 92 280,56 124,23 29,4 227,17 39,56 63,0 239,25 84,67 -0,6% -4,2% -5,5% -2,3% -0,4% -5,3%EB SK12 832 293 35,3% 76 260,71 91,96 22,7 201,82 27,31 53,8 230,16 64,65 2,1% -7,4% -1,6% -0,2% -3,6% -4,2%EB SK18 1.043 164 15,7% 41 250,28 39,37 15,2 207,80 14,58 25,9 224,74 24,79 0,4% -7,7% -5,1% -1,6% -2,3% -11,1%EB SK24 2)
724 79 11,0% 20 246,51 27,07 7,7 207,34 10,62 11,9 223,93 16,45 1,3% -11,3% 0,9% -0,5% -5,6% -9,9%
Gesamt ohne NK incl. reakt.aus SK24
6.237 2.181 35,0% 679 311,35 108,89 223,8 240,34 35,88 455,3 264,13 73,01 0,5% -5,6% -4,3% 0,4% 1,2% 2,5%
EB NK Saison 589 589 100,0% 175 297,07 297,07 109,0 264,78 185,02 66,0 284,58 112,05 24,6% 24,6% 10,1% 10,1%EB reakt. aus SK 24 32 7 220,32 2,7 183,41 4,3 206,22 -9,7% -5,6%
Summe NK Saison 621 *) 182,0 293,13 111,7 261,97 70,3 278,07 22,8% 9,4%
Gesamt incl. NK 6.826 2.770 40,6% 854,1 308,32 125,13 332,8 247,83 48,75 521,3 266,55 76,37 0,1% -0,3% -0,1% -0,4% 3,3% 2,2%
Vgl. GESAMT zu Plan
AQin
%-Pkt.
NFBin %
NFAin %
Nachfrage Gesamt davon Marktplatz davon Print
Gesamt
Kundengruppe
Ist FS 200901.01.09 bis 30.06.09
Vgl. GESAMT zu Vorjahr
AQin
%-Pkt.
NFBin %
NFAin %
33
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
4 Kundenentwicklung und Kundenwert
Das Markov-Modell für die Mehrjahres-Entwicklungsprognose
SaisonPeriode
Berechnung der Zustandsverteilung nach n Perioden
Relative Häufigkeiten der Übergänge (bei EB i.d.R. Aktivquoten) einer Saison oder Durchschnitt mehrerer Saisons Matrix A
Übergangswahrscheinlichkeit
Kundengruppe, Verteilung der Kunden poZustand, Zustandsverteilungen
Mit Hilfe des Markov-Modells kann die Kundenbestandsentwicklung und somit eine Nachfrage-Entwicklung
bei alternativen Neukundenstrategienbei alternativen Aktivquoten
prognostiziert werden Bewertung des Kundenportfolios
on
on pApAAAp
34K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
4 Kundenentwicklung und Kundenwert
Die Customer-Lifetime-Value-Prognose
Gegeben sei ein kalkulatorischer Zinsfuß e und eine Kundensegmentierung
dann lässt sich der Customer-Lifetime-Value errechnen mit
dAeIdAeVCLVn
i
inn 11
0
1)( )1(1
Für einen Kunden wird mit einem mittelfristigen Prognoseverfahren(z.B. Scoring) die Zugehörigkeit zu einer Kundengruppein einer Anfangsperiode prognostiziert und dann mit Hilfe der o.g. Formel der CLV berechnet.
ktorZustandsvederppp k ),...,( 1
ichkeitenahrscheinlÜbergangswderMatrixdieA
VektorDBderseiddd
kk
k
),...,( 1
Übersicht
1 Einleitung
2 Ergebnisse der Gruppenarbeit
„Entwicklung einer Scorekarte“
3 Kampagnen-Managment
3.1 Scoring-Modell
3.2 Kampagnen-Umsetzung
3.3 Cut-Off-Strategie
4 Kundenentwicklung und Kundenwert
5 Multi-Channel-Kampagnen-Managment
5.1 E-Mail-Kampagnen
5.2 Forderungsmanagement
5.3 Telefon-Kampagnen
5.4 Echte Multi-Channel-Kampagnen
6 Gruppenarbeit
7 Diverses
36K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
5 Multi-Channel-Kampagnen
Methodische Diskussionen über Selektionsmodelle
Zielgruppen
Alter
Sortimentskäufer
Kanal-spezifisches Kaufverhalten
selten Customer-Life-Cycle
Kundengruppen-Modelle
Customer-Life-Cycle
Kundenwert (ex post Definition)
Hochretournierer, Kostentreiber, Bonität
Optimale Kampagnensteuerung
Prognose des Werbeerfolgs pro Kunde und pro Aktion
Zielgruppen als Segmentierungskriterium und/oder zur Content-Differenzierung
37
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
5 Multi-Channel-Kampagnen
Herausforderungen an die Reporting-Systeme
Klassische Reporting-Systeme
Messbarkeit der Kennzahlen (Aufträge, Nachfrage, Umsatz, Deckungsbeitrag,…) wird durch Datawarehouse sichergestellt
Zeitbezug der Kennzahlen meist transaktions- und nicht wirkungsbezogen
Dimensionen auf Basis von Eigenschaften der Objekte (Region, Vertriebsweg, Produktklasse,…) zum Zeitpunkt der Kennzahlen-Ermittlung
Zeitdimensionen meist aus buchhalterischer Sicht (Monat, Geschäftsjahr)
Kampagnen-Reports
Kunden-Dimension (= Teilnehmer oder Kandidation einer Aktion zum Zeitpunkt des Entscheidung)
Vollständigkeit der Aktionsdaten (Fremdadressen), Kosten
Zeit-Dimension (Laufzeit der Kampagne)
Kennzahlen wirkungsbezogen auf die Kampagne (Beispiel: Umsatz aus Aufträgen der Kampagne)
Nicht aggregierbare Kennzahlen: Response, Aufträge pro Sortiment
Dynamische Kundenstammdaten
Multichannel-Reaktion
Prognose der Performance von Nicht-Teilnehmern
38K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
5 Multi-Channel-Kampagnen
Der klassische Kampagnen-Management-Prozess hat sich bei Print-Kampagnen in der Praxis bewährt
Der klassische Kampagnen-Management-Prozess (Closed Loop)
Data-Mining Prognose Entscheidung Umsetzung Response Erfolgskontrolle, Analyse
wurde für Print-Kampagnen entwickelt und hat sich in der Praxis bewährt.
Die Anzahl der Aktionen ist nahezu unbeschränkt
In Katalogen lässt sich ein breites Angebot transportieren
Die Response lässt sich relativ einfach messen
Die Aktionen lassen sich sehr gut kontrollieren (Wiederholbarkeit, Test- und Vergleichsgruppen)
Die Haltbarkeit der Aktion ist relativ hoch
Der Reaktionszeitraum ist dafür aber relativ lang
Die Aktualität ist relativ schlecht wegen der langen Vorlaufzeiten
Der Kampagnen-Prozess ist relativ starr (dynamische Anpassung während der Kampagne nicht möglich)
39
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
5 Multi-Channel-Kampagnen
Die Kanäle bzw. Kampagnentypen erfüllen die Kriterien sehr unterschiedlich
Telefon E-Mail Print persönlichAnzahl der Aktionen + ++ +++ +Breite des Angebots + ++ +++ +Konmplexität des Inhalts + + ++ +++Aktualität +++ ++ + +++Haltbarkeit + + +++ ++W irkung +++ + ++ +++Response-Zeitraum +++ +++ + +++Dynamik +++ +++ + +++W iederholbarkeit + ++ +++ +Response-Messbarkeit ++ ++ +++ +
40K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
5 Multi-Channel-Kampagnen
Der Kampagnen-Management-Prozess wird noch komplexer bei
DauerkampagnenGeburtstagNeukundenbegrüßung…
Event-getriebenen Aktionenafter saleNachfasswerbung Vertragsbeendigung…
Operativ ausgelösten KundenkontaktenRechnungMahnungLieferverschiebung, -absage…
Inbound-AktionenTelefonrecommendationcross selling…
41
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
5 Multi-Channel-Kampagnen
Neue Herausforderungen an das Datawarehouse (2.0)
Kataloganfrager
Direktwerbung
WEB-Surfverhalten
E-Mail-Kampagnen
Outbound-Call
Neu/Aufbaukunden
Topkunden
Bestellkanal
Bestand
Lieferfähigkeit
Rabatt
Lieferservice
Bonitätsprüfung
Cross-Selling
Termin-Vereinbarung
Termin-Änderung
Paket-Tracking
Beschwerden
Care-Call
Retourengrund
Zahlungs-konditionen
Mahnprozesse
Forderungs-bestand
Inkasso
Reklamation
Garantie
Kulanzen
Care-Call
Interesse
Bewerbung
Liefern
Bestellen Retournieren
Zahlen
After Sales
Übersicht
1 Einleitung
2 Ergebnisse der Gruppenarbeit
„Entwicklung einer Scorekarte“
3 Kampagnen-Managment
3.1 Scoring-Modell
3.2 Kampagnen-Umsetzung
3.3 Cut-Off-Strategie
4 Kundenentwicklung und Kundenwert
5 Multi-Channel-Kampagnen-Managment
5.1 E-Mail-Kampagnen
5.2 Forderungsmanagement
5.3 Telefon-Kampagnen
5.4 Echte Multi-Channel-Kampagnen
6 Gruppenarbeit
7 Diverses
43
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
5.1 E-Mail-Kampagnen
Eine E-Mail ist eine Aktion aber nicht immer eine Kampagne
Bestellbestätigung, E-Post, … in Echtzeit, Textinformation sachlich, nach festen Regeln gesteuert operative E-Mail, Kampagne?
Newsletter Keine Vorselektion kundenindividuelle Content-Steuerung Massenkampagne könnte auch als operative E-Mail abgewickelt werden
Direct-Mail Vorselektierte Erhalter oder event-getriggert Ganzheitliche Kundensicht zielgruppenspezifischer Content mehrstufige Aktionen, Anstoßkette, Multichannel-Verknüpfung klassische E-Mail-Kampagne
44K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
5.1 E-Mail-Kampagnen
Die Komponenten eines E-Mail-Kampagnen-Systems
Datawarehouse
AdressenAnalyse,
Prognose, Selektion
Content-Management
E-Mail-Versand
Tracking/Reporting
WEB-Server
Bouncing
Permission-Management
Werbe-Agentur
45
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
46K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
5.1 E-Mail-Kampagnen
Prognose der Internet-Affinität – verwendete Variablen
Nachfragewert Hauptkatalog l. 18 Monate
Nachfragewert Internet l. 24 Monate
Bestellmenge Internet l. 12 Monate
Konto seit in Monaten
Alter jüngste Person im HH
Letztmals bestellt vor Mon. (max. 30)
Bestellwert l. 18 Mon.
Bestellwert schriftlich l. 6 Mon.
Liefermenge Internet letzte 12 Mon.
Lieferpos. Kommweg mit Kontakt l. 12 Mon.
Nachfragepos. telefonisch l. 18 Mon., Versandart gesamt
Kundenstatus (N,R,K,I,U)
E-Mail-Adresse vorhanden
Anzahl Clicks l. 9 Monate
Anzahl Logins l. 12 Monate
47
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
5.1 E-Mail-Kampagnen
Trennkraft des Internet-Affinitäts-Scores
Anteil Marktplatz-Besteller an Bestellern gesamt
0,00
10,00
20,00
30,00
40,00
50,00
60,00
70,00
80,00
90,00
100,00
0 10 20 30 40 50 60 70 80 90 100
Kumulierter Anteil
Ant
eil i
n %
1234567891011121314Durchschnitt
48K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
0
10
20
30
40
<= 20 J. 21 - 30 J. 31 - 40 J. 41 - 50 J. 51 -60 J. 61 - 70 J. > 70 J.
Altersklasse
Ante
il in
Pro
zent
stark affin weniger affin nicht affin
5.1 E-Mail-Kampagnen
Internet-Affinität nach Alter
49
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
Geburtstag
• Betreff:
n Herzlichen Glückwunsch zum Geburtstag!
n Antwortadresse:
• Angezeigter Absendername:
n QUELLE Geburtstagspost
• Zielgruppe:
• Alle Geburtstagskinder mit E-Mail und Permission
• Auflage:
• ca. 7000 täglich
5.1 E-Mail-Kampagnen
50K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
rAftersale
• Betreff:
• Waren Sie zufrieden?
• Antwortadresse:
• Angezeigter Absendername:
n QUELLE Service
• Zielgruppe:
• Besteller der letzten 30 Tage
• Auflage:
• ca. 3000 täglich
• Selektion:
• Lieferzeitpunkt in den letzten 14 Tagen
• Bei mehreren Bestellungen im Zeitraum, jüngste
• Bestellung Bei mehreren Artikeln über 25 Euro,
• teuerster Artikel, keine Erotikartikel
• E-Mail-Adresse auch ohne Permission
• Eigene Möbel-Version
• mind. 30 Tage Nicht-Erhalt dieser Kampagne
• Besonderheit:
• 2 Versionen (1 Version mit 5 unterschiedlichen
Kundenindividuell
51
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
NachfassSpezialkatalog
• Betreff:
n Spezialkatalog-spezifisch
n Antwortadresse:
• Angezeigter Absendername:
n QUELLE News
• Zielgruppen :
• Erhalter Spezialkatalog plus über nächstbeste unter Cut-Off,Besteller Sonderangebote raus
52K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
Kulanz
Betreff:QUELLE hat ein Überraschungsgeschenk für Sie!Antwortadresse: [email protected] Absendername: QUELLE ServiceZielgruppen - 7 Versionen:Reklamationsgründe: Beschädigt, Lieferzeitprobleme, Material, Nachsendung, Passform, Artikelverwechslung, UnbekanntAuflage:ca. 20.000 monatlichAdressselektion:
nach Retourenverhalten und Nachsendequote (über 40%, bes. bei
Mode); Empfänger der letzen 6 Monaten werden raus gehalten,
2 Versionen: EB, SB 01/04 und Profis
53
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
5.1 E-Mail-Kampagnen
Herausforderungen an E-Mail-Kampagnen-Reports
Neue Dimensionen
Mailing-Varianten
Kundengruppe (Internet-Bezug)
Komplexere Teststrukturen, dynamische Anpassung des Contents
Gewinnungsweg der E-Mail-Adresse
Neue Kennzahlen
Anzahl Bounces, Bounce-Rate
Öffner; Öffnungs-Rate
Click-Rate
Click-Through-Rate
Conversion-Rate
Da E-Mail-Aktionen eine kürzere Laufzeit, die Kampagnen dynamischer aufgebaut, und die Reaktionszeit kürzer ist, werden erhöhte Anforderungen an die schnelle Verfügbarkeit von Informationen, die leichte Lesbarkeit bis zur automatisierten Entscheidungsunterstützung gestellt
Übersicht
1 Einleitung
2 Ergebnisse der Gruppenarbeit
„Entwicklung einer Scorekarte“
3 Kampagnen-Managment
3.1 Scoring-Modell
3.2 Kampagnen-Umsetzung
3.3 Cut-Off-Strategie
4 Kundenentwicklung und Kundenwert
5 Multi-Channel-Kampagnen-Managment
5.1 E-Mail-Kampagnen
5.2 Forderungsmanagement
5.3 Telefon-Kampagnen
5.4 Echte Multi-Channel-Kampagnen
6 Gruppenarbeit
7 Diverses
55
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
Dataware
house
Adressen
Analyse Prognose
Content-Management
Regelwerke
Kampagnen-DurchführungReporting
RückläuferAdress-Ermittlung
Kunde
Kundenbuchhaltung
5.2 Forderungsmanagement
Die Komponenten des Forderungsmanagement-Prozesses
56K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
Daten
Bewegungen (Rechnungen, Retouren, Zahlungen, Gutschriften)
Salden, (Über-)Fälligkeitsstruktur,
Mahnungen, Stundungen
Methoden
Behavior-Scoring / Bestands-Scoring
Segmentierung nach Risiko-Gruppen
Zielvariable: mittelfristiges Zahlungsverhalten
Pre-collection Scoring
spezifischer Mahnscore, Grundgesamt Mahn-Kandidaten
Zielvariable: kurzfristige Zahlung/Reaktion auf Mahnung
Entscheidungs-Parameter
verkürzter Mahnrhythmus (Anzahl Aktionen)
Tonalität Mahntexte
zeitliche Verschiebung des Mahnrhythmus
5.2 Forderungsmanagement
Optimierung der Mahnsteuerung
57
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
21 T 35 T 14 T
Mahnung 2 Mahnung 3 Inkasso
höherer Schwellwert Mahngebühr 5 €
14 T 21 T 21 T 21 T 14 T
Zahlungs- Mahnung 1 Mahnung 2 Mahnung 3 Inkasso
erinnerung Mahngebühr 5 € Mahngebühr 5 € Mahngebühr 10 €
21 T 21 T
Mahnung 2 Inkasso
Mahngebühr 5 €
nie
drig
es
Ris
iko
hohes
Ris
iko
Rechnung
Precollection-Score
5.2 ForderungsmanagementDifferenzierung der Mahn-Strategie durch Pre-collection-Score
58K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
r
14 T 21 T 21 T 21 T 14 T
Zahlungs- Mahnung 1 Mahnung 2 Mahnung 3 Inkasso
erinnerung Mahngebühr 5 € Mahngebühr 5 € Mahngebühr 10 €
Überfällig 4 xxÜberfällig 3 xÜberfällig 2 x .Überfällig 1 x . .Fälligkeit x . . .
x Teilzahlung.
Rechnung
in Mahnstufe 1 zurück ?
5.2 Forderungsmanagement
Workflow-Prozess-Steuerungoptimale Wiedervorlage/Einsatzpunkt bei Teilzahlung
59
Kat
holis
che
Uni
vers
ität E
ichs
tätt-
Ingo
lsta
dtLe
hrst
uhl f
ür A
BW
L un
d W
irtsc
hafts
info
rmat
ikD
r. M
icha
el S
emm
ler
Datawarehouse
Abbildung aller Prozesse
Wirkungsbezogene Auswertungsmöglichkeiten
Anreicherung durch Bonitäts-Auskünfte
Content
Layout, Text, zielgruppengerecht
Brieftexte
Eskalation
Decision Engine
Flexible Regelwerke
Champion-Challenger-Tests
Methoden
Data-Mining-Analysen zur zielgerechten Kundensegmentierung
5.2 Forderungsmanagement
Erfolgsfaktoren für optimales Forderungsmanagement
Übersicht
1 Einleitung
2 Ergebnisse der Gruppenarbeit
„Entwicklung einer Scorekarte“
3 Kampagnen-Managment
3.1 Scoring-Modell
3.2 Kampagnen-Umsetzung
3.3 Cut-Off-Strategie
4 Kundenentwicklung und Kundenwert
5 Multi-Channel-Kampagnen-Managment
5.1 E-Mail-Kampagnen
5.2 Forderungsmanagement
5.3 Telefon-Kampagnen
5.4 Echte Multi-Channel-Kampagnen
6 Gruppenarbeit
7 Diverses
Übersicht
1 Einleitung
2 Ergebnisse der Gruppenarbeit
„Entwicklung einer Scorekarte“
3 Kampagnen-Managment
3.1 Scoring-Modell
3.2 Kampagnen-Umsetzung
3.3 Cut-Off-Strategie
4 Kundenentwicklung und Kundenwert
5 Multi-Channel-Kampagnen-Managment
5.1 E-Mail-Kampagnen
5.2 Forderungsmanagement
5.3 Telefon-Kampagnen
5.4 Echte Multi-Channel-Kampagnen
6 Gruppenarbeit
7 Diverses
62K
atho
lisch
e U
nive
rsitä
t Eic
hstä
tt-In
gols
tadt
Lehr
stuh
l für
AB
WL
und
Wirt
scha
ftsin
form
atik
Dr.
Mic
hael
Sem
mle
rKontaktdaten:
Dr. Michael SemmlerGeschäftsführer
Producta Daten-Service GmbH
Hugo-Junkers-Straße 3
60386 Frankfurt am Main
Tel.: +49 (0)69 – 420 91 100
Mobil: +49 (0)175 – 723 08 24
E-Mail: [email protected]