Wie Unternehmen das Kundenerlebnis und die Kundenbindung verbessern

Will ein Unternehmen das Thema Customer Centricity priorisieren, spielt das persönliche Kundenfeedback eine wesentliche Rolle. Denn nur wer aktiv auf die Bedürfnisse seiner Kunden eingeht, kann sich nachhaltig erfolgreich am Markt positionieren.

Was wollen Kunden wirklich? Algorithmen und Cloud-Technologie wissen es

Das Sammeln von Kundendaten allein schafft noch keinen Mehrwert für Unternehmen. Nötig ist ein iterativer Kreislauf des Kundenerlebnisses – vom Kundenverständnis bis zur personalisierten Kundensteuerung. So sammeln Unternehmen immer mehr Informationen und schärfen das Bild ihrer Kunden. Prädiktive Modelle, Algorithmen oder Machine Learning unterstützen die Auswertung der gesammelten Informationen. Durch die steigende Rechenleistung moderner Systeme wie der SAP Cloud können Daten automatisiert aufbereitet sowie Korrelationen und Muster schneller erkannt werden.

Wichtig ist auch die Visualisierung der Ergebnisse. Data Scientists können sie verständlich darstellen und damit Marketing- und Sales-Abteilungen unterstützen. Zuvor sollten klare Key Performance Indikatoren (KPIs) definiert werden. Kennzahlen wie der Customer Lifetime Value (CLV), der Customer Satisfaction Score (CSAT) oder der Net Promoter Score (NPS) lassen sich übergeordnet über alle Kunden und pro Kunde berechnen. Auf Basis dieser Berechnungen lassen sich Trends ableiten, die wiederum die Strategien der Unternehmen beeinflussen. 

Hoher Customer Lifetime Value, niedrige Zufriedenheit: Was tun?

Kennzahlen wie der CLV ermöglichen es zudem, passgenau auf jeden einzelnen Kunden einzugehen. So können zum Beispiel Kunden mit einem hohen Customer Lifetime Value und einer aktuellen Unzufriedenheit bei Service-Anfragen automatisiert bevorzugt berücksichtigt werden. Auch ein Preisnachlass auf den nächsten Einkauf kann bei diesen Kunden wirtschaftlich sinnvoll sein. Er fängt Opportunitätskosten ab, die entstehen würden, wenn sich die wertvollen Kunden von der Marke abwenden und zukünftig keinen Umsatz generieren würden.

Kunden werden also nicht mehr in vordefinierte Persona gezwängt, sondern exakt analysiert und individuell behandelt. Die Reaktion der Kunden, die mit ihrem Kundenerlebnis zufrieden oder auch nicht zufrieden sind und ihre Begeisterung bzw. ihren Unmut über eine Umfrage oder über Social Media kundtun, wird in Echtzeit bewertet und quantifiziert. Mithilfe von CRM-Technologien wird das Omni-Channel-Verhalten der Kunden aufgenommen und ausgewertet. Anschließend lassen sich automatisch Maßnahmen anstoßen, um diesen Empfindungen entgegenzuwirken oder um sie zu bekräftigen.

Ein Beispiel: Angenommen, alle Kunden erhalten einen Preisnachlass von 30 Prozent auf ihre nächste Bestellung, so kann das zwar kurzfristig den Absatz steigern, sich aber gleichzeitig negativ in der Gewinn- und Verlustrechnung (GuV) widerspiegeln. Besser ist es, genau diejenigen Kunden für einen Preisnachlass auszuwählen, die eigentlich nicht mehr bei der Marke kaufen wollten. Denn so spart das Unternehmen die Werbungskosten für Neukunden, verhindert schlechte Mundpropaganda und intensiviert die Kundenbindung. Außerdem wurde nicht unnötig Geld in Kunden investiert, die sich ohnehin loyal verhalten hätten.

Die Verknüpfung unterschiedlicher Daten hilft bei Entscheidungen

Letztendlich trägt der Einsatz von Customer Analytics dazu bei, bessere Entscheidungen entlang des Lebenszyklus der Kunden treffen zu können. Die Reichweite und die Genauigkeit der datengetriebenen Entscheidungsunterstützung lassen sich noch optimieren, wenn unterschiedliche Datenquellen verknüpft werden wie zum Beispiel ERP- und CRM-Systeme, externe Einflüsse, das unmittelbare Kundenverhalten in Echtzeit sowie Zufriedenheitskennzahlen der Kunden. Künstliche Intelligenz kann Muster und Zusammenhänge in den Daten identifizieren, die dem menschlichen Auge verborgen bleiben. Mit diesen Erkenntnissen lassen sich neue Kundensegmente bilden, an die sich bestimmte Produkte oder Serviceleistungen besser verkaufen lassen bzw. die spezifisches Dienstleistungsverhalten erwarten, um sich der Marke gegenüber loyaler zu verhalten.

Mit der SAP Analytics Cloud lassen sich nicht nur Kundendaten aus dem ERP-System (z. B. Anzahl der Service-Mitarbeiter an einem spezifischen Tag, Liefer-/Wartezeiten, Preislisten) sondern auch Zufriedenheitswerte (z. B. NPS, CSAT, Social Sentiment) importieren und in Zusammenhang bringen. Eine Live-Anbindung an die Systeme und die automatisierte Auswertung und Visualisierung der Korrelationen unterstützt Entscheidungen in unterschiedlichen Fachbereichen schnell und passgenau. Frühes Antizipieren des zukünftigen Kundenverhaltens ist die Basis, um Kundenbindung zu stärken und Wachstum zu fördern.