Sehr gute Kunden sehr gut behandeln Wie Sie erfolgreich eine segmentierte, dynamische Kundenansprache realisieren. Aus dem Inhalt: Was KPIs nicht verraten (CR, AOV etc.) Wie kann ich Inhalte für konkrete Marketingmaßnahmen planen? Lohnt sich der Aufwand für meine Unternehmung?

1. Sehr gute Kunden sehr gut behandeln
Wie Sie erfolgreich eine segmentierte, dynamische
Kundenansprache realisieren

2. Key-Facts
Seit 1999 unabhängiger Lösungsanbieter im Database Dialogmarketing
Begleitet datengetriebene Marketingprozesse v.a. hinsichtlich Vereinfachung
und Automation über alle Kanäle.
Am Standort Karlsruhe internationales Kompetenz-Team vereint.
U.a. folgende Unternehmen setzen unsere Lösungen ein:
2

3. Kurzvorstellung der Referenten
Erik Meierhoff Jörg Bulach
Consultant Consultant
Marketing
Services
3

4. Was KPIs nicht verraten
Quelle: Webanalyticsblog
4

5. Was KPIs nicht verraten
Sales + 29%: Gut oder schlecht fürs Geschäft?
 Was? Aufträge, Produkte, Umsatz
 Wer? Kundenwert, Kundensegment, „Ehda“
 Warum? Incentivierte vs. Vollzahler
 Strategie? AOV vs. CR vs. ROI
5

6. Marketingaktionen planen
Quelle: daffy.wordpress.com
6

7. Marketingaktionen planen
TO-DOs:
 Kunden selektieren
 Sortiment festlegen
 Werbemedium gestalten
 Werbekanal festlegen
 Incentives/Verstärker planen
Probleme:
 Reihenfolge festlegen
 Vielzahl von Kombinationsmöglichkeiten
 Vielzahl von Interdependenzen
7

8. Marketingaktionen planen
Ursache Kunde Wirkung
8

9. Marketingaktionen planen
Wer sind meine guten Kunden?
Segmentierung des Kundenbestands nach …
 Aktivität in Vergangenheit (retrospektiv, Saisonraster, …)
 Umsatz-Cluster (retrospektiv)
 Customer-Value (prospektiv oder retrospektiv)
 Affinitäten hinsichtlich Werbe-Kanal
 Affinitäten hinsichtlich Bestell-Kanal
 Affinitäten hinsichtlich Sortiment
 …
Lernen Sie Ihre Kunden von allen Seiten kennen!
9

10. Marketingaktionen planen
Idee: Kundenmatrix zur Steuerung/Bewertung/Prognose
Webinar 1 – Clustern!!!
10

11. Marketingaktionen planen
Idee: Kundenmatrix zur Steuerung/Bewertung/Prognose
Webinar 1 – Clustern!!!
Dismissed
11

12. Marketingaktionen planen
Stattdessen…
Fangen Sie klein an und werden im Laufe der Zeit größer
Beispiel Aktivitätsraster ergänzt um Webinar 1
Dimension Kauf in Saison Modebewusste
Bezeichnung ( Quart al, M o nat , Halb jahrr, Jahr) Anteil Bezeichnung
Outdoor-
Kinder-Outdoor Herren-Schuhe Outdoor- Wintersport
-1 -2 -3 Einsteiger
Familie
Hui+ X X X 14%
Hui+ 6% 0% 4% 2% 2%
Hui X X 8%
Hui 3% 0% 2% 1% 1%
Hui- X X 7%
Hui- 3% 0% 2% 1% 1%
Aha X 16%
Aha 6% 1% 5% 2% 2%
Naja X X 7% Naja 3% 0% 2% 1% 1%
Hm … X 9% Hm … 4% 0% 3% 1% 1%
Pfui X 16% Pfui 6% 1% 5% 2% 2%
Extra-Pfui 23% Extra-Pfui 9% 1% 7% 3% 3%
Unterraster
Value
Hui+
<100 100-500 501-1000 >1000
Telefon 3% 2%
langfristig Online 1% 6% 10%
Kanal
Print 2% 11% 24%
Social Media 2%
SMS
Stationär 3% 14% 22%
12

13. Marketingaktionen planen
Stattdessen…
Fangen Sie klein an und werden im Laufe der Zeit größer
Beispiel Aktivitätsraster ergänzt um Webinar 1
Dimension Kauf in Saison Modebewusste
Bezeichnung ( Quart al, M o nat , Halb jahrr, Jahr) Anteil Bezeichnung
Outdoor-
Kinder-Outdoor Herren-Schuhe Outdoor- Wintersport
-1 -2 -3 Einsteiger
Familie
Hui+ X X X 14%
Hui+ 6% 0% 4% 2% 2%
Hui X X 8%
Hui 3% 0% 2% 1% 1%
Hui- X X 7%
Hui- 3% 0% 2% 1% 1%
Aha X 16%
Aha 6% 1% 5% 2% 2%
Naja X X 7% Naja 3% 0% 2% 1% 1%
Hm … X 9% Hm … 4% 0% 3% 1% 1%
Pfui X 16% Pfui 6% 1% 5% 2% 2%
Extra-Pfui 23% Extra-Pfui 9% 1% 7% 3% 3%
Unterraster
Value
Hui+
<100 100-500 501-1000 >1000
Telefon 3% 2%
langfristig Online 1% 6% 10%
Kanal
Print 2% 11% 24%
Social Media 2%
SMS
Stationär 3% 14% 22%
13

14. Marketingaktionen planen
Bringen Sie Kunde, Inhalt und
Aktion zusammen …
Spreadsheets = intuitiv und beliebt …
ABER! ... verlieren Sie nicht den Überblick
14

15. Auf der Suche nach der Zahl des Tages
Werbemittel
Kundensegment
Cluster
Sortiment
Sortiment
Sortiment
15

16. Marketingaktionen planen
Bringen Sie Kunde, Inhalt und
Aktion zusammen …
Haben Sie keine Angst vor …
Data-Mining-Tools
16

17. Marketingaktionen planen
Entscheidungsproblematik
Welchen Kunden, welches Werbemittel
mit welchem Incentive, mit welchem
Sortiment über welchen Kanal …
„Decision Tree“ / „Entscheidungsbaum“
Klassifiziert und leitet formale Regel her
17

18. Marketingaktionen planen
„Decision Tree“
 Identifiziert und beschreibt typische Charakteristika
für eine Selektion von Kunden oder Artikeln
 Charakteristika sind in formale Regeln integriert und
lassen sich somit auf andere „Grundgesamtheiten“
übertragen, z.B. Selektion Kampagne
Ursache Kunde Wirkung
18

19. Marketingaktionen planen
„Decision Tree“
 Selektion (Abhängige)
 Käufer aus Werbemedium X
 Käufer aus Sortiment Y
 Käufer über Kanal Z
 …
 aus einer Grundgesamtheit
 Kundenbestand
 Adressaten einer Kampagne
 …
 Beschreibende Merkmale (keine metrischen Daten!)
 Kauf aus Sortiment in Periode 1,2,3,4 (0/1-Kodierung)
 Kauf aus Werbemedium in Periode 1,2,3,4 (0/1-Kodierung)
 Letzte Aktivität
 Aktivität in Periode -1,-2,-3,-4 (0/1-Kodierung)
 Umsatz in Periode-1,-2,-3,-4 (banded, z.b. Quantile)
 …
19

20. Marketingaktionen planen
Ergebnisse eines „Trees“
 Box-Tree
 Visualisierung der Entscheidungsregeln und Klassifikationen
 Gains-Chart
 Visualisierung der Güte eines „Tree-Models“
 Tree-Grid
 Detaillierte Übersicht über die einzelnen Knoten eines Trees,
z.B. Response, Profit, Kosten, Umsatz
20

21. Marketingaktionen planen
Box Tree
Details für jeden Knoten
Node 11 (Gain=3.80, Rank=1)
Focus Node Root Node Dimension Rule
...% ...Count % of... ...Count ...% Mdtot Oberteile Herren 1.0
Analysis 33.09% 317 3.09% 10,274 8.72% Mdtot Waesche 1.0
Non-Analysis 66.91% 641 0.60% 107,589 91.28% Mdtot Accessoires 0.0
Base 100% 958 0.81% 117,863 100%
Gain 3.80 Index 517.88 Z-Score 17.25
21

22. Marketingaktionen planen
Gains-Chart
22

23. Marketingaktionen planen
Tree Grid (Endknoten)
 Absteigend sortiert nach Gain/Index …
 Beste Knoten oben, schlechteste unten
Node_Id Analysis Count Base Count % of Analysis % of Base Analysis % Gain Index Cost Profit Revenue ROI
11 594 1.795 3,19% 0,94% 33,09% 3,80 518 2.513,4 € 12.338,0 € 5,91
7 3.345 10.627 17,98% 5,56% 31,48% 3,61 481 14.878,4 € 68.748,8 € 5,62
17 587 2.037 3,15% 1,07% 28,79% 3,30 423 2.851,9 € 11.812,2 € 5,14
19 693 2.965 3,73% 1,55% 23,39% 2,68 320 4.150,5 € 13.184,0 € 4,18
15 3.572 20.938 19,20% 10,96% 17,06% 1,96 215 29.313,5 € 59.982,6 € 3,05
23 1.222 7.354 6,57% 3,85% 16,62% 1,91 209 10.295,0 € 20.251,2 € 2,97
20 1.439 14.435 7,74% 7,55% 9,97% 1,14 116 20.209,6 € 15.771,2 € 1,78
9 1.407 15.577 7,56% 8,15% 9,04% 1,04 104 21.807,4 € 13.377,0 € 1,61
16 1.177 15.863 6,33% 8,30% 7,42% 0,85 84 22.208,8 € 7.213,0 € 1,32
24 798 11.553 4,29% 6,05% 6,91% 0,79 78 16.174,5 € 3.783,6 € 1,23
13 1.898 30.220 10,20% 15,81% 6,28% 0,72 70 42.308,2 € 5.150,9 € 1,12
21 1.128 23.676 6,06% 12,39% 4,76% 0,55 52 33.146,6 € -4.942,9 € 0,85
22 743 34.063 3,99% 17,82% 2,18% 0,25 23 89.367,7 € -54.558,1 € 0,39
„Unprofitable Knoten für Werbemittel HK“
23

24. Marketingaktionen planen
Kombinieren von Ergebnissen
aus „Decision Tree“
 Selektionen der „Besten“ lassen sich kombinieren
 Decision Tree liefert Bauklötze, die sie nach
Belieben passend zur Aktion zusammensetzen
 Beispiel:
„Ausverkäufer soll größeren Schwerpunkt auf
Damenmode, Herrenmode und Outdoor haben …“
24

25. Marketingaktionen planen
Beispiel: „Tree-Baukasten“
Profitabelste Knoten Ausverkäufer
Profitabelste Knoten Damen-/Herrenmode
Profitabelste Knoten Outdoor Periode X
25

26. Marketingaktionen planen
Beispiel: Optimierte Selektion
„Incentives“ für Schlechtere
 Umsatzseitig gute Ergebnisse, aber zur geringe Aktivquote macht
Werbemittel in der Breite zu schlecht
Node Id Analysis Count Base Count % of Analysis % of Base Analysis % Gain Index Profit
13 1.733 12.284 25,87% 4,49% 16,23% 5,77 669 23.687,9 €
19 806 6.305 10,46% 2,30% 12,79% 4,54 506 9.045,4 €
14 353 5.345 4,58% 1,95% 6,61% 2,35 244 2.928,8 €
20 683 10.614 8,87% 3,88% 6,43% 2,29 238 5.555,0 €
Beste
21 718 13.610 9,32% 4,97% 5,27% 2,32 192 4.856,3 €
3 667 12.979 8,66% 4,74% 5,14% 1,83 187 4.375,7 €
17 186 4.883 2,41% 1,78% 3,81% 1,35 137 713,6 €
11 576 15.360 7,48% 5,61% 3,75% 1,33 135 2.123,2 €
23 769 34.838 9,98% 12,72% 2,21% 0,78 78 -2.901,3 €
22 269 12.860 3,50% 4,70% 2,10% 0,74 74 -1.277,2 € Incentive!
15 135 13.580 1,75% 4,96% 0,99% 0,35 35 -3.498,7 €
24 316 34.392 4,10% 12,56% 0,92% 0,33 32 -9.223,2 €
Unprofitabel
16 232 96.746 3,02% 35,34% 0,24% 0,09 8 -35.364,9 €
ABER! … rechnet sich das auch?
26

27. Lohnt sich der Aufwand?
$$$
Quelle: daffy.wordpress.com
27

28. Erfolgsmessung
Testanlage: „Incentives“
Incentive
A B
repräsentativer Zufallssplit
Incentive vs. No Incentive
Auflage 40.000 20.000
Nachfrage 213.920 € 60.520 €
Nachfrage pro Erhalter 5,3 € 3,0 €
Response 2,8% 1,7%
Lift durch Incentive 2,3 €
Tests kosten Geld, aber … ohne Tappen Sie im Dunkeln!
28

29. Erfolgsmessung
A/B-Testing vs. Conversion
A/B-Testing Conversion-Messung
A B Auflage 200.000
repräsentativer Zufallssplit Öffnungsrate 30%
davon Click-Through 25%
VS
E-Mail vs. No E-Mail davon Conversion 10%
Reagierer 1.500
Nachfrage pro Reagierer 100,0 €
Auflage 150.000 50.000 Nachfrage pro Erhalter 0,8 €
Nachfrage 525.000 € 115.000 €
Nachfrage pro Erhalter 3,5 € 2,3 €
Lift durch E-Mail 1,2 € Nachfrage pro Erhalter 0,8 €
Lieber einmal Geld investieren …
als regelmäßig falsch zu liegen
29

30. Erfolgsmessung
Es geht auch komplizierter …
repräsentativer Zufallssplit
A B C D
kein Print/kein E-
Print + E-Mail vs. nur Print vs. nur E-Mail vs.
Mail
50.000 50.000 50.000 50.000
A vs. B was bringt E-Mail zusätzlich zu Print?
A vs. C was bringt Print zusätzlich zu E-Mail?
B vs. C was bringt mehr E-Mail oder Print?
A vs. D was bringen Print und E-Mail zusammen?
B vs. D was bringt Print?
C vs. D was bringt E-Mail?
Wichtig … hinreichend große Testgruppen … ansonsten
sind Testergebnisse nicht valide, sondern zufällig!
30

31. Erfolgsmessung
Und noch komplizierter …
repräsentativer Zufallssplit
Outdoor-versenders
A B C D E
Beispiel unseres
HK + Nachfaß
HK + Nachfaß +
+Ausverkäufer + vs. vs. HK + Nachfaß vs. HK vs. kein Anstoß
Ausverkäufer
Hartwaren
60.000 60.000 60.000 60.000 60.000
A vs. B was bringt Hartwaren zusätzlich?
A vs. C was bringt Ausverkäufer und Hartwaren zusammen?
B vs. C was bringt Ausverkäufer zusätzlich?
A vs. D was bringen Nachfaß, Ausverkäufer und Hartwaren zusammen?
B vs. D was bringen Nachfaß und Ausverkäufer zusammen?
C vs. D was bringt Nachfaß zusätzlich?
A vs. E was bringen HK, Nachfaß, Ausverkäufer und Hartwaren?
B vs. E was bringen HK, Nachfaß und Ausverkäufer?
C vs. E was bringen HK und Nachfaß?
D vs. E was bringt HK?
Ist also nichts unmöglich, so lange …
die Aussendungsmengen ausreichen
31

32. Was wollt Ihr uns sagen …?
100% erhalten
Standard-Newsletter
oder Hauptkatalog
75% erhalten
verschiedene
Spezialkataloge/
60% erhalten
-E-Mails
„Sales“
32

33. Sehr gute Kunden sehr gut behandeln …
33

34. Nächster Teil: 13.01.2011
Reisende soll man ziehen lassen – oder?
Pro + Contra Kundenabwanderung + Reaktivierung

35. Vielen Dank für Ihre Aufmerksamkeit!
©2010 Key-Work Consulting GmbH
Kriegsstraße 100 · 76133 Karlsruhe
Tel. 0721 78203-0
www.key-work.de
35