Der wahre Nutzen von Kundenkarten

 

Nicht „nur“ Loyalität

Kundenkartenprogramme oder Kundenclubs wurden in der Vergangenheit vor allem deshalb herausgegeben, um die Loyaltität des Kunden zu steigern. Der Kunde erhält bestimmte monetäre und nicht-monetäre Anreize, um weiterhin und möglichst noch mehr als in der Vergangenheit, beim herausgebenden (Handels)unternehmen einzukaufen.

Um dieses Ziel zu erreichen nutzen Unternehmen die Informationen über den Kunden wie z.B. Alter, Geschlecht oder auch Wohnort um maßgeschneiderte Angebote über die diversen Kommunikationskanäle zu platzieren.

So weit, so bekannt. Sehr wahrscheinlich gehen Sie ebenso vor.

Und dennoch, Kundenkarten und damit verbundene Rabatte, IT-Systeme etc kosten eine Menge Geld. Auch tragen Sie häufig nicht wirklich zur Loyalität bei sondern der Konsument nutzt lediglich Mitnahme-Effekte.

Warum es sie immer noch gibt? Weil der Ausstieg riskant ist, schließlich würde man mit einer Beendigung des Kundenclubs den Bestandskunden etwas wegnehmen. Teilweise gehen Unternehmen einen Mittelweg und verschlechtern die Konditionen für Kundenkarteninhaber schrittweise, was den besonders loyalen Kunden natürlich dennoch auffällt. Also ist auch das keine gute Lösung.

Wenn man Kundenkartenprogramme trotz häufig mangelnder Wirkung nun nicht beenden kann, wie kann man Kundenkarten gewinnbringender einsetzen?

Indem man den „Schatz“ an Informationen und Daten, welche in einem Kundenclub generiert werden, endlich nutzbar macht!

 

Der wahre Nutzen sind Erkenntnisse über Ihre Kunden

In den Kundenkarten-Daten und den damit verbundenen Informationen wie Einkäufen, Kaufverhalten, Beratungsterminen, Retouren etc liegen unschätzbar wertvolle Informationen verborgen! Diese Erkenntnisse nicht zu nutzen ist fahrlässig, denn nicht zuletzt haben Unternehmen wie Amazon diesen Insights einen großen Teil ihres Erfolgs zu verdanken.

In diesem Feld ist ein Wettbewerbsvorteil noch relativ einfach zu erreichen, denn die wenigsten Unternehmen beschäftigen sich hinreichend mit diesen Daten. Schon die Frage „wieviele regelmäßig kaufende Kunden haben wir aktuell, und wie hat sich das zum Vorjahr entwickelt?“ können die meisten nicht beantworten.

Abgesehen von diesen Basis Erkenntnissen, die jedes Unternehmen standardmäßig und permanent zur Hand haben sollte, können Sie aus den Kundenkartendaten und dem darin enthaltenen Kaufverhhalten für fast jeden Unternehmensbereich Erkenntnisse ermitteln.

Sie könnten zB Fragen wie diese beantworten:

• Welche Unterschiede gibt es zwischen den Filialen beim Cross-Selling von schwarzen Schuhen und Business Socken?
• Welche Gruppe meiner Kunden ist besonders aktionsaffin, und kauft diese Gruppe dann nur Aktionen oder gleichzeitig auch regulär bepreiste Ware?
• Verlieren wir eher die wertvollen Kunden oder eher die, welche sowieso nur selten / wenig bei uns kaufen?
• Was macht wertvolle Kunden vs weniger wertvolle Kunden aus, kaufen diese andere Warengruppen, kaufen pro Besuch mehr, kaufen wenig in Aktion?

Die Auswertungen, um diese Erkenntnisse zu erhalten, sind im Prinzip schon seit Jahrzehnten möglich. Der Unterschied ist, dass in den letzten Jahren eine Reihe an Analyseinstrumenten auf den Markt gekommen sind welche die Auswertung von großen Datenmengen und die Erkennung von Mustern in diesen Daten deutlich vereinfachen.

 

Anwendungsmöglichkeiten

Die Erkenntnisse, welche Sie aus Ihren Kundendaten ziehen können, lassen sich grob in folgende Kategorien einteilen:

Transparenz:

Sie erhalten auf oberster Ebene Erkenntnisse zu ihren Kunden und deren Kaufverhalten.

• Was zeichnet ihre Kunden aus?
• Wieviele wirklich wertvolle Kunden haben Sie?
• Wieviele Kunden in welchem Kaufverhalten-Segment haben Sie?
• Wie entwickeln sich die einzelnen Segmente?
• Was zeichnet gewonnene und verlorene Kunden besonders aus?
• Wie viele verlorene Kunden haben wir?
• Welche Warengruppen werden am häufigsten gekauft?
• Wieviele wirklich wertvolle Kunden haben Sie?
• Welche Unterschied zwischen Filialen sind zu erkennen?
• Welche Kunden sind besonders aktions-getrieben?

Spezifische Fragen:

Fragestellungen, welche schon sehr ins Detail gehen:

• Wie ist das Cross-Selling von zwei Kategorien, gibt es einzelne Kundentypen wo dieses steigerbar ist?
• Gibt es Zeitpunkte, an welchen wir ganz besonders viele neue Kunden gewinnen oder verlieren konnten?
• Wie ist Verlauf der Kundenfrequenz am Tag bzw während der Woche, wann kommen die „wertvollsten“ Kunden?
• Wie unterschiedlich reagieren die Kunden auf Marketingmaßbnahmen, zb Mailings?

Prognosen:

Prognosen bauen auf der Basisanalyse Ihrer Daten auf und liefern über die reine Transparenz hinaus konkrete Handlungsempfehlungen. Hier kommt dann auch die künstliche Intelligenz zum Einsatz.

• Was wird der Kunde als nächstes Kaufen? Relevant vor allem für den Webshop
• Welche Kunden sind besonders abwanderungsgefährdet um warum? Relevant für Sonderangebote, VIP Einladungen o.ä.
• Verfeinerung der Absatzprognosen, basierend auf historischen Daten und das Wissen um das Kaufverhalten ihrer Kunden

 

Wo und wie können Sie beginnen?

In aller Munde ist derzeit die „künstliche Intelligenz“, welche völlig neue Erkenntnisse in bislang ungekannter Tiefe und vor allem hoch-genaue Prognosen liefern soll. Die Data Science Instrumente dafür sind vorhanden, vergleichsweise leicht einsetzbar und liefern bereits jetzt sehr gute Ergebnisse.

Im ersten Schritt empfehle ich jedoch, mit einigen Grundanalysen zu starten, um einen tieferen Einblick zu erhalten. Damit erhalten Sie eine höhere Transparenz und erstellen gleichzeitig eine gute Basis für danach folgende Prognosen. Diese Grundanalyse beinhalten typischerweise Auswertungen zur Struktur ihrer Kunden und erkennt die großen Muster im Kaufverhalten.

Auch wenn es mittlerweile einfacher geworden ist, große Datenmenge zu verarbeiten und Erkenntnisse daraus abzuleiten, so darf man diese Analysen nicht auf die leichte Schulter nehmen. Denn es lauern zahlreiche Fallen bei der Auswahl der Daten und Bewertung der Ergebnisse. Typische Fallen sind die Datenqualität (Korrektheit und Vollständigkeit) und mißverständliche Bezeichnung von Feldern in ihren Datenbanken.

Bei der Interpretation von Daten achten Sie vor allem auf eine nachvollziehbare Visualisierung und berücksichtigen Sie vor allem auch, dass nicht alle Analysen, die man machen kann, auch sinnvoll sind. Besser weniger aber dafür praxisbezogene und gut interpretierbare Auswertungen!

Durch dieses Vorgehen werden Sie bald mit überschaubaren Aufwendungen erste spannende Erkenntnisse ziehen können und damit beginnen, den „Datenschatz“ für sich nutzbar zu machen.