Data Special
Wie ein Energieversorger nicht-loyale Kunden überzeugt
15.12.2014 - Wie kann ein Energieversorger Daten optimal fürs Marketing nutzen? Mit Ordnung im CRM-System, Analyse bereits vorhandener Kundendaten und Anreicherung des Bestands durch externe Daten. Wie das genau funktioniert, und wie das Unternehmen letztendlich von der Analyse profitiert, zeigt ein Fallbeispiel des Marketingdienstleisters panadress.
Jahresverbrauch, Zahlungsmoral, Beschwerdehäufigkeit - Unternehmen sammeln im Laufe der Zeit unzählige Daten von ihren Kunden. Der Begriff vom Datenschatz, auf dem man da sitzt, ist zwar überstrapaziert. Nichtsdestotrotz trifft er zu. Und oftmals ist dieser Schatz ein riesiger chaotischer Berg, in dem es schwierig ist, das Richtige zu finden, und noch schwieriger, daraus einen effektiven Nutzen zu ziehen. Wie das funktionieren kann, zeigt der Case eines Energieanbieters, für den der Direkt- und Geomarketing-Dienstleister panadress seinen Customer-Intelligence-Ansatz realisiert hat. Durch Ordnung im CRM-System, Analyse der Bestandsdaten des Unternehmens und Anreicherung der vorhandenen mit externen Daten konnte der Marketing-ROI verbessert werden.
Wie ist die Ausgangssituation?
Ziel des Energieversorgers war es, Kunden zu binden, neue Kunden zu gewinnen und die Kundenentwicklung voranzutreiben. Dafür war es zunächst wichtig, die insgesamt 179.235 Kunden in Gruppen zu segmentieren. Grundlage gezielter Maßnahmen zur Kundenbindung war, herauszufinden, wer die werthaltigen Kunden und wer die nicht-loyalen Kunden sind. Anschließend stand die Frage, wie genau man diese Kunden binden kann, an. Der letzte Schritt bestand aus einer Einordnung, wie und auch vor allem über welche Kanäle man die Maßnahmen an welche Zielgruppe am besten kommuniziert. "Im Endeffekt wurde die Frage gestellt, wie man mit dem Kundendatenbestand werthaltiger agieren kann. Um den ROI von Marketingmaßnahmen zu verbessern, müssen zunächst grundlegende Fragen beantwortet werden", sagt Karl-Heinz Mühlbauer, Geschäftsführer von panadress über die Situation vor der Analyse.
Welche Kundengruppen gibt es?
In einem ersten Schritt wurden die Bestandsdaten der Kundenkartei des Unternehmens analysiert, also Kundenstamm-, Beschwerde-, Bonitäts- und Kontaktdaten, Mahnungen sowie Deckungsbeiträge. Diese Daten wurden mit dem jeweiligen Produkt oder den Produkten abgeglichen, die der Kunde bezieht. Im Fall des Energieversorgers sind das Gas, Wasser, Strom, Fernwärme und Nahverkehr.
Das funktioniert mit Data Mining. Data Mining meint das Schürfen in einem Berg nach dem eigentlichen Nutzen hinter den ganzen Informationen, dem vielbeschworenen Datenschatz also. Der Schatz ist das Muster, sind die Regelmäßigkeiten, die durch Analyse gewonnen werden können. Der Vorgang ist eine Systematik des analytischen CRM. Dadurch ließen sich sieben Kundengruppen des Energieversorgers segmentieren: der Vielverbraucher, der Kritische, der Geringverbraucher, der Tarifwechsler, der Schlechtzahler, die graue Masse und der Heizstromnutzer. Nicht nur die Typologie der Kunden wurde untersucht, also wie hoch die Anzahl der Vielverbraucher oder Tarifwechsler unter ihnen ist, sondern auch, wie viel jedes einzelne Cluster, also jeder Kundentyp, im Jahr verbraucht. Das Ergebnis zeigte, dass 13 Prozent der Kunden für 28 Prozent des Energieumsatzes verantwortlich sind.
Anreicherung mit externen mikrogeografischen Daten
Um noch besser zu wissen, wer hinter den Kunden steckt, wurden die Bestandsdaten mit externen 3rd Party Daten von pan-adress angereichert. "Bei den Daten handelt es sich um mikrogeografische Daten aus der panadress-Database, die anonymisiert sind und Kundengruppen sowie Konsumenten mit vielfältigen Attributen beschreiben", erklärt Mühlbauer. So kann man beispielsweise über das Cluster der Vielverbraucher neben dem Verbrauch, der Bonität, der Spartennutzung (Gas, Wasser, Strom) und den bevorzugten Tarifen sagen, dass sie eine hohe Kaufkraft und eine große Affinität zu Printmedien haben. Es handelt sich dabei zudem eher um Paare über 60, die in Ein- oder Zweifamilienhäusern in guter Lage mit Garten leben, umweltfreundlich und wertkonservativ sind. "Das ist erst mal eine rein deskriptive Anreicherung und beinhaltet noch keine Analyse. Wir wollten wissen, was man noch über diese Kundengruppe aussagen kann, was sie beschreibt."
Auf dieser Grundlage wurde in einem nächsten Schritt der Customer Value ermittelt und zu Analysezwecken allen Kunden eine Werthaltigkeitskennziffer zugeordnet. Faktoren für die Vergabe der Ziffer sind beispielsweise Stromverbrauch, Jahreseinzug, Vertragsbindungsdauer und Bonitätspunkte. Ergebnis der Analyse war, dass das Unternehmen 65.108 Kunden mit hoher Wertigkeit (Ziffer 7 bis 9, siehe Grafik 1) in seinem Bestand von 179.235 Gesamtkunden hat. Das entspricht 36 Prozent.
Vorträge zum Thema:
Anzeige
HighText Verlag
Mischenrieder Weg 18
82234 Weßling
Tel.: +49 (0) 89-57 83 87-0
Fax: +49 (0) 89-57 83 87-99
E-Mail: info@onetoone.de
Web: www.hightext.de
Besuchen Sie auch:
