Business Case: Kundensegmentierung

CRM: Kundensegmentierung mittels Clusteranalyse

Die Möglichkeit die Kundensegmente abteilungsübergreifend zu nutzen ist für uns von großer Bedeutung und stellt einen klaren Mehrwert dar. Neben dem Customer Relation Management setzen wir die Kundensegmentierung erfolgreich auch für die gezielte Aussteuerung von Werbemitteln sowie individuelle Landingpages ein. Dr. Sebastian Siebert, Geschäftsführer Fashionette

Task

Nicht alle Kund*innen eines Unternehmens sind gleich. Sie haben unterschiedliche Bedürfnisse, finanzielle Hintergründe und Kaufverhalten. Es ist somit wenig sinnvoll, alle Kund*innen über einen Kamm zu scheren. Doch das Gegenteil, die individuelle Ansprache einzelner Kund*innen, ist zeit- und kostenintensiv. Der goldene Mittelweg besteht darin, Kund*innen zu Gruppen bzw. Segmente zusammenzufassen, die zielgerichtet und dadurch erfolgsversprechender adressiert werden können. Solche Gruppen können beispielsweise "Schnäppchenjäger*innen", "Trendjäger*innen" oder "Technikfreaks" sein. Um diese Gruppen zu definieren, stehen Unternehmen vor der Aufgabe, möglichst gleichartige Segmente innerhalb einer üblicherweise breiten Basis von Kund*innen zu identifizieren. Im konkreten Business Case stand die Fashionette GmbH, ein auf den Verkauf von Designertaschen spezialisierter Online-Shop, vor genau dieser Herausforderung. Ziel war es, zu ermitteln, welche theoretisch möglichen Segmente tatsächlich existieren, um diese einer spezifischen und somit betriebswirtschaftlich optimalen Behandlung zugänglich zu machen.

Data

Die Basis jeder Kundensegmentierung bilden Daten, die das Kaufverhalten der Kund*innen widerspiegeln. Dazu gehören die Daten eines jeden Einkaufs, wie Art und Anzahl der bestellten Artikel, retounierte Artikel, Datum und Zeit der Bestellung, etc. Um zu beurteilen, welche dieser Informationen für die Segmentierung relevant sein könnten, wurde von Fashionette vor Beginn der eigentlichen Segmentierung diskutiert, anhand welcher Daten unterschiedliche Gruppen von Kund*innen charakterisiert werden könnten. Diese Vorgehensweise stellt sicher, dass alle potenziell relevanten Informationen berücksichtigt werden. Zusätzlich wurden weitere wichtige Informationen identifiziert, mit denen die vorhandenen Daten zum Kaufverhalten angereichert werden sollten, z.B. die Urbanität des Wohnortes der Kund*innen.

Analytics

Das datengetriebene Ermitteln der tatsächlich vorhandenen Kundensegmente erfolgt mit Hilfe einer Clusteranalyse. Im Rahmen dieses Verfahrens wird zunächst auf Basis der relevanten Daten die statistische Ähnlichkeit der Kund*innen untereinander ermittelt. Im zweiten Schritt werden die Kund*innen dann so zu Segmenten zusammengefasst, dass sich die Kund*innen innerhalb eines Segments möglichst ähnlich sind, während sich die Segmente untereinander möglichst stark unterscheiden. Im Fall von Fashionette wurden auf diese Weise acht Segmente von Kund*innen ermittelt, die jeweils 5% bis 20% der Kund*innen enthielten. Ganz wesentlich für Akzeptanz und Verwendung der Segmente in den zu optimierenden Geschäftsprozessen ist die inhaltliche Interpretierbarkeit. Hierzu fand ein gemeinsamer Workshop von Fashionette und INWT statt, in dem die Segmente auf Basis ihrer statistischen Charakteristika inhaltlich interpretiert und in sogenannte Personas überführt wurden.

Solution

Die erfolgreiche Kundensegmentierung ist die wesentliche Grundlage für das differenzierte Customer-Relationship-Management von Fashionette. Kund*innen können jetzt bedarfsgerecht und gezielt angesprochen werden, mit dem Ziel, die Zufriedenheit  von Kund*innen zu steigern und gleichzeitig das betriebswirtschaftliche Ergebnis zu optimieren. Fashionette ist nun in der Lage, gezielte, optimierte Maßnahmen zu ergreifen. So steht z.B.

• dem Versand eines Newsletters zum richtigen Zeitpunkt mit dem richtigen Inhalt an die richtigen Kund*innen oder
• einer gezielten, inhaltlich auf die Segmente der Kund*innen abstimmten Gutscheinaktion, um Erstkäufer*innen in Bestandskund*innen zu überführen

nichts mehr im Wege. Neue Kund*innen werden auf Basis ihrer Charakteristika automatisch durch den im BI System implementierten Segmentierungsalgorithmus zu einem der definierten Segmente hinzugefügt.