Anmeldung Newsletter

Die sechs Phasen des kundenzentrierten Marketings

Posted by Dennis Proppe on 24.07.2019 10:28:05

Die sechs Phasen des kundenzentrierten Marketings

Kundenzentrierung ist das aktuelle Mantra des Bestandskundenmarketings. Dieses Ziel zu erreichen erfordert massive Anstrengungen für Unternehmen, insbesondere im B2C-Bereich und im B2B-many-Bereich. Dort sind meist hunderttausende bis viele Millionen Kunden vorhanden, mit denen ertragsoptimal individuell kommuniziert werden soll. Dies lässt sich nicht mit manuellen Prozessen erledigen. Die meisten Unternehmen setzen hier auf Marketing-Automation-Tools, die dann mit sehr, sehr vielen komplexen Regeln gesteuert werden. Diese Regeln werden üblicherweise manuell erstellt, oft als Konsequenz von manuellen BI-Analysen.

Auf Dauer funktioniert dies nur bedingt: Ein normales Handelsunternehmen hat hunderte von Touchpoints mit seinen Kunden, auf vielen Kanälen in den unterschiedlichsten Situationen. Hinzu kommt eine sehr starke Konkurrenz durch Plattformen wie Amazon, Zalando oder Otto, die über massive Daten verfügen und somit sehr individuell auf die Kunden in ihren spezifischen Situationen eingehen können. In einem solchen Umfeld sind einmal erstellte, starre Regeln wie "Wenn der Kunde seinen Warenkorb nicht abschliesst, warte 12 Stunden und sende dann ein Retargeting mit einem 10€-Gutschein" nicht mehr ausreichend, um im Wettbewerb zu bestehen.

In diesem Moment tritt dann oft die "Wunderwaffe AI" auf die Bühne. Getrieben durch Anbieter, aber auch durch eigenes "Glauben wollen", werden die der AI zugrunde liegenden Machine-Learning-Techniken dann oft als Heilsbringer gesehen, der eine schnelle und erfolgreiche Transformation zur vollautomatisierten Kundenzentrierung garantiert.

In der vom Autor seit über 10 Jahren erlebten Realität wird in diesem Moment tatsächlich eher ein langwieriger und aufwändiger Transformationsprozess ausgelöst, der ein hohes Scheiterrisiko birgt, aber auch einen positiv disruptiven Einfluss auf das durchführende Unternehmen haben kann. Im folgenden beschreiben wir die typischen sechs Phasen eines solchen Prozesses und ihre Kerneigenschaften. Der Autor hat ca. 100 solcher Transformationen begleitet und schöpft daher hierfür aus reichhaltiger praktischer (teilweise schmerzhafter) Erfahrung.

Phase 1: Der Aha-Moment

Diese Phase kennzeichnet die erste Berührung mit künstlicher Intelligenz und Machine-Learning-Methoden im Bereich des Bestandskundenmarketings. Firmen in dieser Phase sind oft überwältigt von den Möglichkeiten und Aufwänden des modernen Bestandskundenmarketings. In dieser Phase werden Kampagnen oft von Hand zusammengestellt und viele manuelle Analysen gemacht. Es herrscht das Gefühl vor, dass man nicht alles im Griff hat und sehr weit von einem stimmigen, individuellen Marketing-Programm entfernt ist. In dieser Situation ist das Auftauchen von möglichen Lösungen, die aus automatischen Analysen selbständig individuelle Entscheidungsregeln erstellen oft der Aha-Moment, in dem die Unternehmensführung die Einführung von AI als eine mögliche Lösung für das Komplexitätsproblem erkennt.

Phase 2: Fear of missing out

Diese Phase wird oft getrieben durch einen gefühlten Druck von außen von Marktbegleitern, Lösungsanbietern, Medien und Ratgebern. Sehr oft wird künstliche Intelligenz als die Lösung vieler Probleme im operativen Bestandskundenmarketing angepriesen. Ebenso wird die Adoption durch andere Unternehmen hier als sehr weit vorangeschritten wahrgenommen. Im Endeffekt entsteht auf der Geschäftsführungsebene ein starkes Gefühl von Zeitdruck sowie der Eindruck von künstlicher Intelligenz als eine Wunderwaffe. Daher entsteht ein großer Zug zur Einführung von AI.

Phase 3: Grundberührung

Dies hat zur Folge, dass erste Anstrengungen oft ohne klare Strategie unternommen werden. Dies ist die große Stunde der Proof-of-Concepts. Diese setzen typische, allgemeine Machine-Learning-Usecases um, bei denen die Implementierung einfach und schnell geht. Leider gibt es in dieser Phase oft keine tatsächliche Auseinandersetzung mit den tatsächlichen Geschäftszielen und dem Hebel, den die eingesetzte Methode auf dieses Ziel hat. Das Ergebnis sind stark überzogene Erwartungen, die dann nach der ersten Projektphase enttäuscht werden. Dieses harte Aufschlagen auf dem Boden der Realität hat dann einen firmeninternen AI-Winter zur Folge, so dass viele Firmen auf dieser Stufe genervt und desillusioniert aussteigen.

Phase 4: Licht am Ende des Tunnels

Unternehmen, die trotz erster negativer Erfahrungen weitermachen, kommen irgendwann an den Punkt, dass sie das erste Mal sehen können, wie ein wirklich kundenzentriertes Marketing massiven ROI erzielen kann. Oft ist es das erste Feedback aus kleineren Testkampagnen. Dieses Gefühl stellt sich oft erst nach 9-12 Monaten nach dem Start des Projektes ein, wenn die gröbsten Datenthemen gelöst sind und durch viel interne Kommunikation und Auseinandersetzung mit dem Thema eine echte Strategie entstanden ist und es ein Framework gibt, an dem man Erfolge belastbar messen kann. In dieser Phase liegen zwar noch keine belastbaren ROI-Ergebnisse vor, aber Unternehmen, die soweit kommen, geben in der Regel nicht mehr auf.

Phase 5: Das erste richtig, richtig gute Ergebnis

Irgendwann passiert es: Nach einigen Testkampagnen mit verschiedensten Use cases gibt es eine Aktion, ein Machine-Learning-Modell, welches heraussticht. Dies kann die effizientere Behandlung von Kunden sein, die inaktiv zu werden drohen, oder das treffsichere Aufspüren von Erstkäufern, die ein hohes zukünftiges Potential besitzen. Die Ergebnisse sind verblüffend, teilweise fast schon unglaubwürdig gut. In diesem Moment erkennt die ganze Organisation das Potential der gesamten Initiative und ein sehr, sehr starker Pull von verschiedenen Seiten setzt ein. Nun möchte jeder von dieser neuen Möglichkeit profitieren. Im schlechten Fall versucht man dann, sofort allen Anfragen gerecht zu werden. Daraus resultieren Fehler, die wiederum zu schlechten Ergebnisse führen können. Diese Phase birgt also noch einmal das Risiko eines Rückschlags.

Phase 6: Automatisiert und dauerhaft richtig gute Ergebnisse erzeugen

Im besten Fall schreitet das Unternehmen jetzt also wieder planvoll, geduldig und mit einer klaren Strategie voran. Es werden nach und nach die Use Cases ausgerollt, die beherrscht werden, und Experimente werden von laufenden Optimierungen getrennt. Mit dem klaren Fokus auf automatisierte Prozesse werden nach und nach einzelne Bausteine des Kundenlebenszyklus automatisch optimiert. In der finalen Ausbaustufe kann so ein System viele kleine alltägliche Entscheidungen für Kundenkommunikation und Incentive-Steuerung pro Tag treffen und mit jeder Entscheidung einen inkrementellen ROI erzeugen. Durch die schiere Masse der Entscheidungen, die durch die Automatisierung möglich sind, summieren sich diese Optimierungen massiv auf.

Nun mag man als Leser denken: "Dies ist ja alles schön und gut, aber was können wir daraus lernen?"

Generell hat man als Unternehmen die Chance, durch das Erkennen von positiven und negativen Mustern in Prozessen Dinge vorweg zu nehmen und damit proaktiv zu entschärfen. Insgesamt sollte man auf dem Weg zur Kundenzentrierung vor allem versuchen, die Höhe der Ausschläge zu verringern. Anstatt stets im Projektteam zwischen Himmelhochjauchzend und zu Tode betrübt zu pendeln, sollte von Phase 1 an ein rigoroses Erwartungshaltungsmanagement gemacht werden. Allen Beteiligten sollte klar sein, dass es positive und negative Phasen geben wird. Ebenso sollte klar sein, dass ein solches Unterfangen viel Zeit, Geld und interne Ressourcen brauchen wird. Die Transformation zu einem tatsächlich kundengetriebenen Unternehmen ist keine spontane Revolution, sondern eine langfristig geplante und mit kühlem Kopf durchgeführte Evolution.

Um diesen langen Atem entwickeln zu können, ist es von Anfang an sehr wichtig, alle Effekte sauber zu messen und immer wieder den Status quo sauber gegen die neuen Ideen und Verfahren zu testen. Nur so können auf dem Weg Schritt für Schritt Entscheidungen automatisiert werden. Die besten Erfolge erzielen hier Organisationen, die konstant testen und konsequent Kontrollgruppen einsetzen und immer wieder den Status quo hinterfragen.

Alleiniger Treiber der Agenda sollte das Unternehmen selbst sein: Gerade in der zweiten Phase darf man sich nicht von Anbietern oder dem Herdentrieb leiten lassen. Die Umwälzung zur Kundenzentrierung ist kein Sprint, sondern ein Langstreckenlauf, so dass nicht immer der gewinnt, der am Anfang am schnellsten losläuft, sondern der, der am Ende auch tatsächlich ankommt.

Wenn Sie sich zu diesem Thema mehr informieren möchten, besuchen Sie unsere Konferenz "Touchpoints.ai" am 26.09.2019 in Hamburg. Ca. 100 CLV-Profis, Bestandskundenmanager und datengetriebene Kundenwertoptimierer treffen sich dort zum Erfahrungsaustausch mit Vorträgen von Bonprix, Klingel, Magazine zum Globus und vielen weiteren Experten im Bestandskundenmanagement.

https://info.gpredictive.de/touchpoints.ai

Ich freue mich über Anmerkungen, Kommentare, Fragen oder Vorschläge zu diesem Thema unter dp@gpredictive.de

Topics: Machine Learning, Predictive Analytics, Marketing, Data Science, Touchpoints, Predictive Model

SOMETHING TO SAY?