L'entreprise marocaine et le CRM1 : Une étude empirique des ...
04.02.2003Analytisches CRM1 Analytical Customer Relationship Management (aCRM) Referenten: Christian...
-
Upload
frieda-weisenfeld -
Category
Documents
-
view
106 -
download
0
Transcript of 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??