data-science

Umsatzsteigerung im Up- und Cross-Selling mit Data Mining

Wie Bestandsdaten zu passgenauen Empfehlungen und höherem Umsatz führen.

tisson & company use case

Problemstellung

Kunden die für sie passenden und nutzbringenden Produkte oder Services anbieten zu können, ist essentieller Bestandteil eines jeden vertriebsorientierten Unternehmens und Mittelpunkt einer erfolgreichen Beratungsleistung. Kunden wünschen ein auf Sie angepasstes, individuelles und vor allem nutzbringendes Angebot. Unpassende Produkte oder Angebote zur falschen Zeit können dagegen schnell einen unseriösen und unpersönlichen Eindruck erwecken und das Kundenvertrauen in den Anbieter stören.

 

Beispiel:

Ein Kunde welcher sich für einen günstigeren Stromvertrag interessiert wird wahrscheinlich stutzen, wenn ein Anbieter Ihm dazu eine Hausratsversicherung anbieten würde. Umgekehrt, könnte sich der Kunde allerdings interessiert zeigen, wenn ihm zum Stromvertrag auch ein günstigerer Gasvertrag oder eine Handreichung zum Energiesparen im Alltag angeboten werden würde. Womöglich würde sich der Kunde dann auch gleich für einen höherwertigen Kombivertrag, zu günstigeren Konditionen im Vergleich zum Einzelabschluss, entscheiden.

 

Doch wie kann ich herausfinden und wissen, welche Angebote für einen Kunden in Frage kommen oder welche Leistungs- oder Produktkombinationen in Frage kommen könnten?

 

Mit Data Mining ist es möglich diese Informationen und Zusammenhänge sichtbar und in Form von Empfehlungssystemen nutzbar zu machen. Und das mit unternehmensinternen Datenbeständen.

tisson & company use case

Schema wie mit Data Mining Assoziationsmuster aus Bestandsdaten extrahiert werden können.

Lösungsansatz

Um solche Zusammenhänge sichtbar zu machen, gibt es im Data Mining verschiedene Verfahren und Wege. Eines der bekanntesten Verfahren ist die sogenannte Assoziationsanalyse, welche auch häufig als Warenkorbanalyse bezeichnet wird.

 

Als Ausgangspunkt bzw. Grundlage dienen Bestandsdaten, in welchen Kunden und deren jeweiligen Produkt- oder Vertragshistorien abgebildet sind. Wichtig dabei ist, dass die unterschiedlichen Vertragsabschlüsse oder Produkte eindeutig einem (anonymen) Nutzer zugeordnet werden können. Falls beispielsweise ein Unternehmen unterschiedliche Vertrags- oder Produktabteilungen hat, mit jeweils eigener und geschlossener Datenhaltung, dann müssten diese zuerst aggregiert werden. Nur so kann man feststellen wie viele unterschiedliche Produkte, bereichsübergreifend, einem Kunden zugewiesen werden können.

 

Auf diesen (aggregierten) Bestandsdaten können nun Verfahren der Assoziationsmuster- und Sequenzmustererkennung angewendet werden. Bei diesen Verfahren wird, verienfacht gesagt, versucht, Wahrscheinlichkeiten für Schnittmengen und Konstellationen von einzelnen Produkten zu errechnen. Diese Wahrscheinlichkeiten werden im Anschluss in Form von "Wenn..., dann..."- Regeln extrahiert:

 

Beispiel 1:
"Wenn ein Nutzer einen Stromvertrag abgeschlossen hat, dann schließt er mit 90% Wahrscheinlichkeit auch einen Gasvertrag ab"

 

Beispiel 2:
"Wenn ein Kunde zuerst eine Hausratsversicherung abgeschlossen hat und danach in einem Zeitraum von 3 Monaten eine Gebäudeversicherung, dann wird er mit 70% Wahrscheinlichkeit in den nächsten 2 Wochen auch eine Elementarschadenpolice abschließen"

 

Dieser Prozess wird als Regelinduktion bezeichnet und ermöglicht die direkte Wissensextraktion auf Basis von Data Mining.

tisson & company use case

Ergebnis

Durch die während des Data Mining extrahierten Regeln, lassen sich im Anschluss ganz konkrete Handlungsempfehlungen und Maßnahmen ableiten. Diese könnte in Form von selbstlernenden Empfehlungssystemen auch vollkommen automatisiert ablaufen und zu folgenden Ergebnissen führen:

 

  • Steigerung des Umsatzes durch gezielte Empfehlung von ähnlichen Produkten
  • Stärkung der Kundenbindung durch Zielgruppenspezifische Produktempfehlungen
  • Automatisierte Kundenbenachrichtigung und Empfehlung von Produkten zu dynamischen Zeitpunkten
  • Reduzierung der Kosten für Marketing- und Vertriebsmaßnahmen
  • Ermittlung von optimalen Zeitpunkten oder Bedinungen für ein Produkt-Upgrade oder einer Produktempfehlung

Kontakt aufnehmen

Sie wünschen mehr Informationen oder haben eine Frage? Schreiben Sie uns:

Datenschutzerklärung
captcha