Bestandskunden: Potenzial mit Advanced Analytics heben

Daten sind das neue Gold. Die optimierte Nutzung ihres bestehenden Daten-Universums ist für viele Unternehmen und Finanzdienstleister eine Antwort auf den immer schärfer werdenden Wettbewerb. Doch vor der Entwicklung automatisierter Modelle verlief etwa die Identifizierung von „schlafenden“ Bestandskunden mit viel Potenzial und hoher Abschlusswahrscheinlichkeit allein über die zeitintensive, manuelle Filterung der Kundenprofile.

Mit Advanced Analytics lassen sich Daten automatisiert filtern und dazu Modelle aus der Kombination der verfügbaren Daten entwickeln, zum Beispiel den Bestandskundendaten eines Auftraggebers und Informationen aus deren Umfeld. Je nach Auftrag sind die Informationsquellen das Internet, verwendete Endgeräte oder vorhandene Umgebungsdaten. Die Ergebnisse zeigen eine deutliche Verbesserung in der Trennschärfe.

Bestandskunden: „Perlen” herauszufiltern

Ein Beispiel aus der Praxis verdeutlicht den Zusammenhang: Das Firmenkundenportfolio einer Bank enthielt viele Unternehmen, die seit mindestens zwei Jahren keine Leistungen mehr in Anspruch genommen hatten. Das Ziel war, unter diesen „schlafenden“ Bestandskunden die sogenannten „Perlen” herauszufiltern, die bei Kontakt rasch, erfolgreich und kosteneffizient reaktiviert werden können. Dazu erstellte die von Crifbürgel entwickelte Lösung eine qualifizierte Zielliste mit Kontakten, die der Vertrieb dann gezielt ansprechen kann. Doch zunächst mussten drei zentrale Fragen beantwortet werden: Was kennzeichnet die sogenannten „Perlen“? Wo sind sie zu finden? Und wann lohnt sich die Kontaktaufnahme der Bank bei einem „schlafenden“ Kunden?

Bestandskunden: Was kennzeichnet echte „Perlen“?

Wichtigster Faktor für eine erfolgreiche (Re-)Aktivierung ist zunächst das Kaufpotenzial. Es lässt sich leichter einschätzen mit Blick auf die Eckdaten eines Unternehmens: der Bedarf, etwa für Finanzierungslösungen, variiert entsprechend Branche, Kapitalausstattung, Alter und Größe eines Unternehmens. Nur: In der Datenbank der auftraggebenden Bank fanden sich vielfach veraltete oder lückenhafte Informationen zu dessen Bestandskunden. So fehlten beispielweise Firmendaten zur Größe, wie etwa Umsatz oder Mitarbeiterzahl des Unternehmens. Eine intelligente Anreicherung mit Informationen aus der Crifbürgel-Datenbank ergänzte die Profile gezielt um aktuelle und umfassende Informationen. Von insgesamt 130.000 Datensätzen wurden 73 Prozent um Zusatzinformationen ergänzt.

Um daraus nun die Unternehmen zu finden, die für die Ansprache für Cross- und Upselling in Frage kommen, wurden die angereicherten Daten des Bestandskundenportfolios mit Advanced-Analytics-Modellen optimiert: Zuerst wurden Kunden über eine Potenzialabschätzung in Cluster eingeteilt. Drei Bedingungen wurden festgelegt, die ein „Perlen”-Profil erfüllen muss: hohe Kaufwahrscheinlichkeit, eine günstige Wettbewerbssituation und ein geringes Ausfallsrisiko. Denn: Nur, weil ein „schlafender“ Kunde ein mögliches Potenzial aufweist, heißt das noch nicht, dass er tatsächlich Interesse hat und auch kauft.

Valide Prognosen zur Antwortneigung

Zur Identifizierung der Profile, die den gesuchten Kriterien entsprechen, wurde daher ein Propensity-to-Buy-Modell entwickelt. Diese Technik verwendet binäre logistische Regression, um Vorhersagen für die Kundenansprache zu erstellen. Ihre Ergebnisse geben an, welche Kontakte am ehesten reagieren. Aufbau und Anwendung eines solchen Vorhersage-Tools erfolgt durch zwei Maßnahmen:

Zunächst wird eine Modelldatei erstellt, die das Ziel der Kampagne beschreibt. Wer beispielsweise ein Modell erstellen möchte, das vorhersagt, wer wahrscheinlich auf ein Mailing reagiert, muss mit einem Datensatz beginnen, der bereits Informationen dazu enthält, wer geantwortet hat und wer nicht. Dies kann etwa das Ergebnis eines Testversands an eine kleine Gruppe oder Informationen über Reaktionen auf eine ähnliche Kampagne in der Vergangenheit sein. Dieses Modell wird dann auf ein neues Daten-Set angewendet, um eine Prognose zu deren Antwortneigung zu erhalten.

Quelle: CrifbürgelQuelle: Crifbürgel

Bestandskunden: Potenziale heben in drei Schritten

Im ersten Schritt wird die Kaufbereitschaft anhand von Kaufpotenzial und Bedarf evaluiert. Im zweiten Schritt werden Umweltfaktoren berücksichtigt, die einen positiven – oder auch negativen – Einfluss auf die Kaufbereitschaft haben könnten. In vorliegenden Fall konzentrierte man sich auf die Wettbewerbssituation der Firmen und bestimmte mittels Geotargeting die Dichte der Konkurrenz in ihrer näheren Umgebung. Dazu wurde bewertet, im Vergleich zum Durchschnitt über alle Gebiete im Bundesgebiet, wie hoch der Anteil der Branche im jeweiligen Postleitzahlen-Bereich ist. Lag dieser Wert bei unter 50 Prozent, lohnt sich die Ansprache eines Unternehmens.

Im dritten Schritt kommt nochmals die Expertise und die Datentiefe von Crifbürgel zum Tragen: Als Experte für Bonitätsprüfung und Kreditrisikomanagement kann der Informationsdienstleister eine kompetente Einschätzung zur Ausfallwahrscheinlichkeit des jeweiligen Firmenkunden geben. Diese Information sind auf Knopfdruck verfügbar und deshalb einfach in das Vorhersagemodell der Bank einzuspeisen.

Die verbleibenden Profile, etwa 16 Prozent des ursprünglichen Portfolios, sind die gesuchten „Perlen” – also „schlafende“ Kunden, bei denen es sich lohnt, Kontakt aufzunehmen. Die Ergebnisse liegen der Bank als priorisierte Liste vor. So kann der Vertrieb nun, gemäß seinen Kapazitäten, alle oder nur ausgewählte Kunden ganz gezielt ansprechen, um ihnen verschiedene Bank-Produkte anzubieten.

Mit Advanced Analytics große Datenmengen filtern

Mit Advanced Analytics konnten nicht nur fehlende Datensätze intelligent ergänzt werden – die Technologie erlaubt eine zielgerichtete Filterung großer Datenmengen. Der Auftraggeber erhält dadurch Ergebnisse mit einem hohen Grad an Spezifizität. Der Streuverlust sinkt und die Wahrscheinlichkeit eines erfolgreichen Geschäftsabschlusses bei Kontaktaufnahme steigt – im konkreten Fall um das Vierfache.

Über den Autor: Christian Bock ist Geschäftsführer der Crif Bürgel GmbH mit Hauptsitz in München. Crif Bürgel ist einer der führenden Informationsdienstleister für Firmen und Privatpersonen in Deutschland. Das Unternehmen bietet Lösungen für die Identifikation, Bonitätsprüfung und Betrugsprävention, Kreditrisiko- und Adressmanagement sowie für die Digitalisierung und Predictive Analytics.

Lesen Sie auch: Kundenkommunikation: E-Mails oder Social Media – was Kunden bevorzugen