Analyseinstrumente im Database Marketing Die differenzierte, möglichst auf den Einzelnen zugeschnittene Gestaltung des Marketing- Mix erfordert zweierlei. Erstens Informationen über den einzelnen Kunden zu besitzen und zweitens aus diesen Informationen Wissen und Erkenntnisse über den einzelnen Kunden ableiten zu können. Die Kundenbewertung spielt beim letzteren Prozeß eine herausragende Rolle. Ihre Aufgabe ist es, die Kundendaten derart aufzubereiten und zu analysieren, daß dadurch Marketingaktionen gezielt auf das Potential und die Kundenbedürfnisse des Einzelnen abgestimmt werden können.
Data Mining ................	Prognosemodelle werden zur Vorhersage individuellen Kundenverhaltens eingesetzt. Diese auch als Scoringmodelle bezeichneten Prognoseinstrumente verwenden das in der Datenbank dokumentierte historische Kundenverhalten, um daraus das zukünftige Verhalten des Einzelnen vorherzusagen zu können. Die dazu eingesetzten Instrumente sind vielfältig. Es werden unter anderem statistische Verfahren wie die lineare Regression, logistische Regression, CHAID oder Clusterverfahren eingesetzt. Darüber hinaus kommen auch Werkzeuge der künstlichen Intelligenz wie neuronale Netze, Expertensysteme oder Fuzzy Logik zum Einsatz. Scoringsysteme werden mit den unterschiedlichsten Zielsetzungen entwickelt.
Allokation ................	Kaufwahrscheinlichkeitsscoring wird zur Prognose des Kaufverhaltens eingesetzt. Es nutzt historisches Kundenverhalten, um daraus Schlüsse über die zu erwartende Reaktion auf Angebote, sei es für ein bestimmtes Produkt, ein Sortiment oder einen Produkt- katalog ziehen zu können. Mit Hilfe dieser Kundenscoringmodelle lassen sich Konsumenten nach ihrer Kaufwahrscheinlichkeit bewerten. Diese kundenindividuelle Bewertung wird dann bei der Disposition von Direktmarketingaktionen herangezogen. Aktionen können so an jene Kunden adressiert werden, die sich mit einer bestimmten Wahrscheinlichkeit für das Angebot interessieren. Diese durch Kaufwahrscheinlichkeitscoring unterstützte Allokation von Marketingaktionen hat zum einen den Vorteil, daß Direktwerbeaktionen ausschließlich an vielversprechende Kunden adressiert werden können. Streuverluste und die damit verbundenen Kosten werden vermieden und die Werbeeffizienz dementsprechend gesteigert. Zum anderen bekommen Kunden nur Angebote, wenn sich aus ihren in der Marketing-Datenbank vorhandenen Informationen eine Affinität für das Produkt schließen läßt. Folglich kann davon ausgegangen werden, daß die Aktion beim Kunden auf ein gewisses Interesse stößt. Der Konsument wertet somit die Angebote und Kommunikation des Anbieters als relevant und widmet sich dementsprechend interessiert den Aktionen.
Kunden binden ................	Als Folge eines vermehrt auf Retention, d.h. Wiedergewinnung fokussierten Marketings entstanden gerade in jüngster Zeit Scoringmodelle zur Prognose der individuellen Abwanderungswahrscheinlichkeit. Grundlegende Idee dieser Modelle ist es, die Absicht einer Kündigung frühzeitig erkennen zu können, so daß noch vor der eigentlichen Abwanderung des Kunden gezielte Marketingaktionen zur Bindung des gefährdeten Kunden eingeleitet werden können. Die Wahrscheinlichkeit einer Abwanderung setzt sich im Rahmen dieser Modelle meist aus einer Kombination von gezeigter Treue, Dauer der Geschäftsbedingungen und dem aktuellem Abweichungsgrad vom bisher gezeigten Kaufverhalten zusammen. Bei einem Versandhaus lassen sich bspw. treue Kunden nach Ausbleiben der gewohnten Bestellungen separat und individuell vom Kundenservice bearbeiten. Bei Banken lassen Überweisungen vom Girokonto auf Konten anderer Banken, bspw. Direktbanken, auf einen evtl. geplanten Wechsel schließen. In der Automobilbranche kann das fernblieben von der Serviceinanspruchnahme eines bisher treuen Kunden auf eine gewisse Unzufriedenheit deuten.
prognostizierter DB ................ Frühwarnsystem ................	Die Möglichkeit, den Wert bzw. die Bedeutung jedes einzelnen Kundens für das Unternehmen ermitteln zu können, wird als eines der wesentlichen Vorteile des Database Marketings verstanden. Der zu erwartende Wert eines Kundens nimmt in Zeiten zunehmenden Wettberwerbsdrucks und schwindender Loyalität an Bedeutung zu. Abgebildet werden kann der künftige Wert eines Kundens bspw. durch den Lifetime Value (LTV). Diese Kennzahl stellt den Vermögenswert eines Kundens für das Unternehmen dar. Sie erechnet sich durch Addition aller über die Dauer der Geschäftsbeziehung zu erwartenden Umsätze abzüglich allen den Umsätzen direkt zurechenbaren Kosten*. Alternativ dazu werden die Zahlungsströme bei dem diskontierten Life Time Value abgezinst. (Link/Hilderbrand; Database Marketing und Computer Aided Selling; Vahlen; 1993; S. 55) Mit dem LTV lassen sich langfristige Strategien anvisieren. Die Wirkung und Aussichten von Kundenbindung und Relationshipmarketing, die nicht den Verkauf, sondern den Aufbau langfristiger dialogorientierter Kundenbeziehungen zum Ziel haben, lassen sich ermitteln. Auch bei der Bewertung von Marketingaktionen wird der LTV herangezogen, indem untersucht wird, inwieweit eine Aktion den Vermögenswert des Kunden beeinflußt. Produkte, die zwar einen negativen oder niedrigen Deckungsbeitrag liefern, aber für die Gewinnung und Bindung von Kunden mit hohen LTV unabdingbar sind, lassen sich identifizieren und rechtfertigen. Faßt man alle LTV der Kunden zusammen, kann der zu erwartende Ertrag eines Unternehmens auf Basis jedes einzelnen Kunden prognostiziert werden. Erosionen im Kundenstamm oder ähnliche Effekte lassen sich dadurch frühzeitig erkennen, so daß das LTV-Modell hervorragende Informationen für ein Frühwarnsystem liefern kann.
Segmentierung ................ Marketing-Controlling ................	Oftmals ist die eindimensionale Betrachtung und Bewertung des Kundens für ein differenziertes, am Bedarf orientiertes Marketing nicht ausreichend. Vielmehr sind Modelle gefragt, die unterschiedliche Dimensionen und Attribute eines Kundens zur Segmentierung und somit als Grundlage für die Intensität und Gestaltung des differenzierten Marketing-Mix heranziehen können. In den vergangen Jahren sind aus dieser Notwendigkeit heraus eine Vielzahl im Prinzip ähnlicher Portfoliomodelle entstanden, von denen an dieser Stelle exemplarisch das Value Spectrum-Modell von Ogilvy & Mather Direct dargestellt wird. Dieses Segmentierungsmodell vereint die Attribute Kundenwert und Loyalität in einem Portfolio. Der Kundenwert läßt sich unter anderem durch den Absatz und Umsatz mit dem Kunden, seinen Deckungsbeitrag oder seinem Lifetime Value ausdrücken. Die Loyalität läßt sich bspw. mit dem Umsatzanteil, der Preissensibilität oder der Wechselhaftigkeit des Kundens darstellen. Die Bedeutung der verschiedenen Attribute auf Loyalität und Kundenwert werden ermittelt, gewichtet und anschließend in das Portfolio abgetragen. Aus diesen Modell lassen sich anschließend Basis-Strategien zur Gestaltung von Kundenbeziehungen ableiten. So werden für die treuen Kunden Bindungsprogramme entworfen. Untreue, aber wertvolle Kunden erhalten Aktionen zur Erhöhung der Loyalität. Bei Konsumenten, die weder loyal sind, noch ein hohes Potential aufweisen, ist ein Basisprogramm aus Kosten- / Nutzen-Gesichtspunkten angebracht. Andere Modelle verwenden an Stelle der Loyalität die Wettbewerbsposition beim Kunden und modellieren diese bspw. durch geographische Nähe, Produkt- und Firmenimage oder den Ausstattungsgrad mit eigenen Produkten. Interessante Hinweise geben diese Modelle auch für das Marketing-Controlling, lassen sich doch so Kundenstammveränderungen detailliert aufzeigen und der Nutzen unterschiedlicher Aktionen auch in Hinblick auf den Einfluß auf die Basisstrategien bewerten. © 2000 Parsis Dastani