Evolution des CRM durch Big DataPotenziale im Kundenbeziehungsmanagement
Lesedauer: 7 Minuten
|
Im Customer Relationship Management (CRM) von Unternehmen finden durch die Möglichkeiten der Auswertungen von Big Data weitreichende Veränderungen statt. Die Daten und digitalen Spuren, die ein Kunde heute im Alltag produziert, werden zunehmend von den Unternehmen analysiert und genutzt. Die Integration und Auswertung dieser großen Datenmengen im Kundenbeziehungsmanagement eröffnet für Unternehmen eine Vielzahl an Potenzialen. Die Anzahl digitaler Daten, die ein Kunde heute im Internet, zum Beispiel beim Online Shopping, der Nutzung mobiler Geräte oder dem damit häufig einhergehenden Cloud Computing hinterlässt, wächst stetig. Für Unternehmen ist dieses Wachstum von besonderem Interesse, da viele dieser kundenrelevanten Daten außerhalb der eigenen Unternehmensgrenzen entstehen und somit bis dato nicht ausreichend erfasst und in die Kundenprozesse integriert werden (Bild 1).
Der Aspekt der stetig wachsenden Datenmengen sowie deren Vielfalt (strukturierte und unstrukturierte Daten), einhergehend mit den IT-Lösungen und Systemen, die Unternehmen dabei helfen, diese Informationsflut zu bewältigen, wird heute als Big Data bezeichnet [1]. Der Einsatz von Big Data-Lösungen birgt in allen Bereichen des CRM großes Potenzial, zieht aber für die Unternehmen auch Herausforderungen mit sich. Charakteristisch für Big Data sind weiterhin die Geschwindigkeit, z.B. die Erreichbarkeit der Kunden in Echtzeit, sowie eine hohe Aussagekraft der Datenqualität, die aufgrund der gegebenen Datenvielfalt nur in aufbereiteter Form zur Entscheidungsfindung beitragen kann [1, 2].
Evolution des CRM
Im klassischen Sinne wurde CRM bisher in kommunikatives, operatives und analytisches CRM aufgeteilt [4]. Diese Aufteilung ist weiterhin gültig, jedoch haben sich die Inhalte der einzelnen Bereiche teilweise deutlich verändert.
Kommunikatives CRM
Das kommunikative CRM bezeichnet die direkte Schnittstelle zum Kunden, wie etwa Kundenkontaktpunkte. Während früher die geringe Anzahl an Kommunikationskanälen vornehmlich von den Unternehmen definiert wurden, erhöht sich durch neue Informations- und Kommunikationstechnologien heute die Anzahl der möglichen Kanäle – und diese werden durch die Kunden vorgegeben. Kunden tauschen sich außerhalb der definierten Unternehmenskanäle über Produkte und Anbieter aus und schaffen dadurch neue Kontaktpunkte [4, 5]. Diese können sowohl digital als auch physisch sein und koordiniert oder unkoordiniert über den gesamten Kundenlebenszyklus hin stattfinden (Bild 2).
Für Unternehmen stellen in diesem Zusammenhang besonders die unkoordinierten digitalen Kontaktpunkte ein großes Problem dar, da die Kontrolle dieser Kontaktpunkte und Daten unmöglich ist [7].
Operatives CRM
Das operative CRM umfasst alle Bereiche, die direkt im Kontakt mit dem Kunden stehen (Front Office) – Marketing, Vertrieb und Service. Zentrale Aufgabe der Anwendungen in diesen Bereichen ist die Unterstützung der dazu korrespondierenden CRM-Prozesse. Wichtig ist, dass sowohl alle Kundenkontaktpunkte als auch alle Kommunikationskanäle in die Prozessunterstützung eingebunden werden. Somit umfasst das operative CRM die gesamte Steuerung sowie Unterstützung und Synchronisation aller Kundenkontaktpunkte. Wer mithilfe von neuen CRM-Anwendungen die Bedürfnisse seiner Kunden verstanden hat, kann letztendlich den Kundenwert erhöhen und das Kundenverhalten beeinflussen [4].
Mobile Lösungen, deren Bedeutung auch zukünftig weiter steigen wird, dienen mittlerweile als probater Konsolidator, der die verschiedenen Kanäle für das CRM nutzbar machen kann [8]. Durch den Einsatz mobiler Endgeräte werden unterschiedlichste Arten von statischen und dynamischen digitalen Daten konsolidiert: Interaktionsdaten (z. B. Kommunikationsprotokolle), beschreibende Daten (z. B. Kommentare), Meinungsdaten (z. B. Bedürfnisse oder Präferenzen) und Verhaltensdaten (z. B. Zahlungshistorie) können gesammelt und gespeichert werden. Mobile Lösungen bieten somit die Möglichkeit, zu jeder Zeit und an jedem Ort neue Kontaktpunkte mit den Kunden zu erschaffen. Die Unternehmen können so die Nutzungsphase der Kunden besser verstehen und daraus resultierend bspw. Kundengruppen bilden, Kundenwertanalysen detaillieren oder regionale Unterschiede identifizieren.
Analytisches CRM
Das analytische CRM zeichnet Kundenkontakte und -reaktionen auf und analysiert diese mit Hilfe von diversen Methoden und Algorithmen [5]. Mit Business-Intelligence-Lösungen oder Ansätzen des Data Mining werden die gesammelten Daten ausgewertet und angereichert, um zentrale Aspekte zu extrahieren. Durch Transformation, Harmonisierung sowie Fusionierung und Analyse ermöglicht Big Data zukünftig die zielgerichtete Auswertung, Visualisierung und nutzergerechte Bereitstellung der Datenmengen im CRM [5].
Ziel ist es weiterhin, Zusammenhänge, Bedeutungen und Muster in relevanten Kundendaten zu erkennen und die Prozesse von Vertriebsprognosen durch genauere Vorhersagemodelle zu beschleunigen [2]. Neue Datenquellen können dabei helfen, das Wissen über den Kunden zu erweitern und ein besseres Kundenverständnis ermöglichen.
Die beschriebenen Entwicklungen zeigen, dass sich das CRM in einer entscheidenden Phase der Weiterentwicklung befindet. Die Evolution des Kundenbeziehungsmanagements streckt sich insgesamt über drei Phasen: von einer früheren Automatisierungsphase über die heutige Social-Phase bis hin zu einer zukünftigen Vernetzten Phase.
In der Automatisierungsphase waren Daten lediglich lokal und statisch vorhanden und ausschließlich die Daten zugänglich, die der Kunde bewusst freigegeben hat. In der heutigen Social-Phase hingegen produziert der Kunde unbewusst dynamische Daten. Es findet bereits ein weit höherer Technologieeinsatz statt als in der Automatisierungsphase. Reaktives Monitoring sowie proaktive Kundenansprache nach Statistiken werden durchgeführt und Meinungsführer im Social Web werden regsam genutzt.
In der Vernetzten Phase, werden die Daten gebündelt, verknüpft und dynamisch sein, was nur durch den kooperativen Austausch der Daten zwischen Kunden und Hersteller realisierbar ist. Solch ein Übergang ist evolutionär und geschieht dann, wenn die Grundannahmen eines Systems zum Beispiel durch organisatorische Lernprozesse sukzessiv verändert werden und sie beginnen einer anderen Operationslogik zu folgen [9]. Die Evolution des CRM hat also in allen Bereichen zur Folge, dass sich durch den Einsatz weiterer neuer Technologien zukünftig eine Kooperation zwischen Kunden und Anbieter einstellen und sich ein Gleichgewicht zwischen beiden Parteien einpendeln wird. Durch Big-Data-Analysen und einen kooperativ verbundenen, sozial vernetzten Kunden ist ein Echtzeit-Monitoring sowie ein proaktives After-Sales-Verhalten möglich. Diese Entwicklungen werden dazu führen, dass kundenindividuelle Angebote erarbeitet und erstellt werden können und Unternehmen mit geeigneten Informationssystemen viele einzelne, kundenindividuelle Ökosysteme steuern müssen [10].
Potenziale beim Einsatz von Big Data im CRM
Der digitale Fußabdruck (engl. digital footprint) wird definiert als Datenspur, welche jeder Mensch durch die beabsichtigte und unbeabsichtigte Nutzung digitaler Medien hinterlässt. Dies geschieht hauptsächlich durch den Einsatz des Internets, aber auch durch jegliche andere Daten produzierende Anlässe wie dem Gebrauch von Kundenkarten, Kreditkarten, Mobiltelefone oder anderen technischen Geräten [11, 12]. Um das Konzept von Big Data im Kundenbeziehungsmanagement nutzbar zu machen, müssen die klassischen CRM-Daten mit den Nutzerdaten des digital footprint angereichert werden. Dazu werden die Daten unterschiedlicher Quellen in das CRM-System integriert und mithilfe von Big-Data-Analysen, wie zum Beispiel der Leader-/Follower-Analyse oder Verbrauchsprognosen ausgewertet werden. Unternehmen sind dadurch in der Lage mithilfe von erhöhter Kundenkenntnis, vereinfachter Entscheidungsbasis und neuen Geschäftsmodellen eine disruptive Veränderung ihrer täglichen Arbeit zu vollziehen [2].
Eine erhöhte Kundenkenntnis kann durch den Einsatz von Big Data erreicht werden, da es Unternehmen fortan möglich ist, Kundensegmente mit größerer Granularität zu beobachten und somit sowohl Produkt- als auch Serviceangebote besser auf den tatsächlichen Bedarf hin ausgerichtet werden können. Die große Herausforderung in diesem Punkt stellt das eigentliche Verständnis und die korrekte Auslegung der Kundenbedürfnisse dar. Die Analyse und problemadäquate Interpretation komplexer Datensätze verbessert die Qualität und die Geschwindigkeit der unternehmerischen Entscheidungen. Diese können dadurch oftmals in Echtzeit getroffen werden. Der Einsatz von Big Data ermöglicht nicht nur bereits bestehende Angebote zu verbessern, sondern auch völlig neue Geschäftsmodelle zu entwickeln. Weiterhin schwierig bleibt jedoch die tatsächliche Beeinflussung des Kundenverhaltens. Die zentrale Herausforderung für die Unternehmen wird nach wie vor darin bestehen, die zusätzlichen Informationen durch die Integration von Big Data in das CRM in einen gesteigerten Kundenwert zu überführen.
Ausblick und Handlungsempfehlungen
Um die Integration und Auswertung großer Datenmengen im CRM erfolgreich durchzuführen, bedarf es zunächst eines Gestaltungsmodells, das den digital footprint im Business-to-Business-, aber auch im Business-to-Customer-Bereich erläutert. Darauf aufbauend bedarf es eines Konzeptes, wie der digital footprint in das existierende Kundenbeziehungsmanagement von Unternehmen so integriert werden kann, dass Mehrwerte entstehen. Um dies zu erreichen, muss eine Methodik entwickelt werden, die relevante Kundenkontaktpunkte identifiziert und das (Social-)CRM darauf ausrichtet.
In der Praxis sind dafür einfache IT-Lösungen, die direkt durch die Unternehmen im CRM eingesetzt werden können, notwendig. Weiterhin sollten Datenanalysten im analytischen CRM eng mit den operativen Mitarbeitern in Marketing, Vertrieb und Service zusammenarbeiten, um die verbesserte Kundenkenntnis bestmöglich zu nutzen. Kennzahlensysteme können dabei helfen, den Erfolg der Integration von Big Data im Kundenbeziehungsmanagement messbar zu machen.
Literatur
[1] Horvath, S.: Aktueller Begriff. Big Data. http://www.bundestag.de/dokumente/analysen/2013/Big_Data.pdf (Stand: 25.02.2014).[2] BITKOM 2012: Big Data im Praxiseinsatz – Szenarien, Beispiele, Effekte. Hrsg.: BITKOM Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e.V., Berlin, 2012.
[3] Connolly, S.: 7 Key Drivers for the Big Data Market. http://hortonworks.com/blog/7-key-drivers-for-the-big-data-market/ (Stand: 25.02.2014).
[4] Hippner, H. H.; Hubrich, B.; Wilde, K. D.: Grundlagen des CRM. Strategie, Geschäftsprozesse und IT-Untersützung. Wiesbaden, 2011.
[5] Wimmer, F.; Göb, J.: Customer Intelligence: Marktforschung und Kundenanalyse als Informationsgrundlagen im CRM. In: Grundlagen des CRM. Konzepte und Gestaltung. Hrsg.: Wilde, K. D. Ingolstadt, 2006.
[6] Magnone, G.: Why Digital Touchpoints are the Key to Your Content Strategy. http://www.garymagnone.com/blog/content-marketing-digital-touchpoints/ (Stand: 25.02.2014).
[7] Schroeck, M.; Shockly, R.; Smart, J.; Romero-Morales, D.; Tufano, P.: Analytics: Big Data in der Praxis. Wie innovative Unternehmen ihre Datenbestände effektiv nutzen. Hrsg.: IBM Institute for Business Value, 2012.
[8] Siegers, J.; Fabry, C.; Gudergan, G.: Fakten und Trends im Service – KVD-Service-Studie. Hrsg.: Schuh, G.; Gudergan, G.; Schröder, M.; Stich, V. Aachen, 2013.
[9] Müller-Stewens, G.; Lechner, C.: Strategisches Management. Wie strategische Initiativen zum Wandel führen. Stuttgart, 2005.
[10] Garrett, G.: The Connected Consumer is King. http://www.connectedworldmag.com/10_2_magazinearticle.aspx?id=MAZ0120531125831410 (Stand: 25.02.2014).
[11] Grimm, R.: Spuren im Netz. In: Datenschutz und Datensicherheit 02/2012, S. 88-91.
[12] Weaver, S. D.; Gaheagan, M.: Constructing, Visualizing, and Analyzing a Digital Footprint. In: American Geographical Society, 97 (2007) 3, Geosurveillance, 2007, S. 324-350.
Das könnte Sie auch interessieren
