3. Unsere Philosophie …
ist die Umsetzung des Wissens um den Kunden
in ein erfolgreiches Marketing.
Wir bieten intelligentes Marketing,
nachvollziehbare Analysen
und zielorientiertes Consulting.
Folie 3
4. MarAnCon
• innovativer Dienstleister für Database-Marketing und
analytisches Customer-Relationship-Management
• Gegründet
• Firmensitz ist Bonn
• 8 Mitarbeiter
• ein motiviertes Team von praxiserfahrenen Statistikern,
Mathematikern und Anwendern
Folie 4
12. Motivation für den Kundenwert
Ein Quotient aus Erstumsatz zu
Die Gewinnungskosten der
Gewinnungskosten stellt nur
Kunden können den Ertrag
eine eingeschränkte Sicht auf
aus dem Erstumsatz
den echten Wert des Kunden
übersteigen.
dar.
Mit Hilfe einer Auf Basis dieser Bewertungen
gewinnungswegbezogenen
Kohortenbetrachtung lassen sich
können die strategischen
die langfristigen Ertragseffekte Marketing Entscheidungen
messen und bewerten. sicherer getroffen werden.
Folie 12
13. Benötigte Daten
Marketing-
Kosten für
Folgeperoden
DB’s
Kosten der • Newsletter/ (modellhaf
Gewinnung Umsätze je Emails t oder je
s-wege Kunde • Kataloge Kunden-
Artikel/
über die (Einzeln/
• Mailings / Sortiment Wert
zeitlichen verdichtet)
Promotions, sgruppe,..
Perioden
etc. .)
Folie 13
14. Generisches Beispiel
• Alle Kunden erwirtschaften nach der dritten Periode 11,86 Euro
• Kunden des Gewinnungsweg A erwirtschaften nach der dritten Periode
mehr – 12.73 Euro je Kunde als Kunden des Gewinnungsweg B mit
9,62 Euro, obwohl die Gewinnung der Kunden teurer war.
Folie 14
18. Grundüberlegung
1. Zufriedene Kunden empfehlen gerne Produkte und
Dienstleistungen weiter.
Adäquate Prämien für den Werber (und den
Geworbenen) können den Empfehlungsprozess
unterstützen.
2. Ein erfolgreiches Empfehlungsmarketing bietet messbare
Vorteile.
§ Geworbene Kunden bleiben länger treu und
erzeugen einen höheren Deckungsbeitrag
als über andere Wege gewonnen
Neukunden.
§ Auch die Werber weisen eine längere
Haltbarkeit auf als Nichtwerber.
19. Entwicklung des Score-Modells
1. Alle Geschäftspartner mit einer Werbung werden als
Zielgröße (Werber) definiert.
2. Die Einflussgrößen (Merkmale) der als Werber
klassifizierten Geschäftspartner werden auf den
Zeitpunkt der ersten Werbung bezogen.
3. Auf Basis von 80% aller Geschäftspartner wird das
Score-Modell entwickelt.
4. Anhand der restlichen 20% wird die Prognosegüte
des Modells getestet/validiert
Folie 19
21. … oder das Alter der Kunden …
Bei Kunden im Alter zwischen 30 und 60 Jahren ist der Anteil an Werbern
am größten. Sehr junge und sehr alte Kunden werben weniger. Bei fast
der Hälfte der Werber ist das Alter unbekannt. Diese Kundengruppe weist
ein durchschnittliches Werbeverhalten auf.
Folie 21
22. … oder die Angabe der Telefonummer …
Ist eine Telefonnummer der Kunden bekannt, werben sie etwas
häufiger als Kunden, bei denen keine Nummer bekannt ist. Sehr viel
öfter wird geworben, wenn sogar zwei Telefonnummern bekannt sind.
Allerdings ist dies nur bei wenigen Kunden der Fall.
Folie 22
23. … alle signifikanten Merkmale zusammen ergeben
somit den Score …
Fragestellung:
Welche Merkmale der Kunden haben einen signifikanten Einfluss
auf die Zielgröße Werber?
Kundenstammdaten: Demografie/Geografie: KWK-Daten:
Organisationstyp Bundesland Geworbener
Geschäftspartner-Status PLZ-Dichte Anzahl Geworbener (YYY)
Anrede RBBR-Typ Anzahl Geworbener (XXX)
Titel Einwohnerzahl KWK Erstvertrag
Alter Kaufkraftindex Eigenwerbung Erstvertrag
Postfach bekannt Anzahl Eigenwerbung
PLZ bekannt
Telefonnummer bekannt
Mobilnummer bekannt Vertragsdaten: Kontakthistorie:
Faxnummer bekannt Anzahl Verträge aktuell Anzahl Kontakte insgesamt
URL bekannt Anzahl XXX-Verträge Anzahl Kontakte Outbound
Email-Provider Kunde seit Anzahl Kontakte Inbound
Bankengruppe Gesamtumsatz Anzahl Kontakte Mahnung
Umzug Medium Erstvertrag
Folie 23
24. Ergebnis des Score-Modells
(jeder Balken bildet 5% der Kunden ab)
Lesebeispiel:
Von den 5 %
affinsten Kunden
haben 54 % schon
einen Kunden in der
Vergangenheit
geworben
Folie 24
25. Übertragung des Modells auf den aktuellen
Kundenbestand
Das ermittelte Modell ist eine Formel (Modellgleichung), die auf die
aktuellen Kundendaten übertragen werden kann. Somit wird für
jeden Kunden ein Score-Wert berechnet.
Für die Freund-
schaftswerbungs- Es können unter- Mithilfe einer aus-
ansprache werden vor schiedliche Prä- reichend großen
allem hoch affine mienangebote Kontrollgruppe
Kunden selektiert, es und Kundenan- kann der
wird aber auch ein sprachen mitein Nettoeffekt der
Querschnitt von eher ander verglichen Maßnahme nach-
weniger affinen
Kunden.
werden. gewiesen werden.
29. Reaktion: Umsatz
Anzahl
Kunden
ReakGonsquote
75.000
10,78%
50.000
6,91%
5,70%
5,01%
4,07%
3,80%
25.000
3,30%
2,82%
2,45%
2,11%
0,41%
0
kein
Umsatz
1
-‐
50
EURO
50-‐100
EURO
100-‐150
150-‐200
200-‐300
300-‐400
400-‐500
500-‐750
750-‐1000
>
1000
EURO
EURO
EURO
EURO
EURO
EURO
EURO
EURO
Folie 29
31. Vergleich Scoring mit bisheriger Selektion
Selektionsmenge von 440.000 Adressen
4.000 Adressen Testmenge
90.374 Adressen nach bisherigem
Selektions-Modell (letzte Bestellung)
349. 626 Adressen
Schnittmenge
86.374
Adressen
nach
Score-‐Modell
Folie 31
32. Mathematisches Scoring der inaktiven Kunden
(Reaktiverungsquote)
Es ist möglich die Kunden nach Ihrer Reaktionswahrscheinlichkeit (in diesem Fall
Reaktivierungswahrscheinlichkeit zu scoren und somit zu selektieren
95-‐100%
90-‐95%
85-‐90%
80-‐85%
75-‐80%
70-‐75%
65-‐70%
60-‐65%
55-‐60%
50-‐55%
45-‐50%
40-‐45%
35-‐40%
30-‐35%
25-‐30%
20-‐25%
15-‐20%
10-‐15%
5-‐10%
0-‐5%
32
33. Ergebnistabelle – Basis für die Auflagenplanung
In der Abgleichtabelle werden die relevanten Kundensegmente ausgewählt.
Hohe Abdeckungen und hoher Score werden als Auswahlkriterien verwendet.
Selektions
Menge
Folie 33
34. Gesamtsicht
Ansprache
1
Ansprache
2
• Bei
fast
allen
Ansprachen(bis
auf
Ansprache
5)
wurde
ein
Effizienzgewinn
gemessen.
Ansprache
4
• Der
Umsatz
je
versendetem
Ansprache
3
Medien
ist
auf
ca.
8-‐12
Euro
gesGegen.
• Bei
einem
Deckungsbeitrag
von
15%
ergibt
sich
somit
je
Auflage
ein
DB
von
1,20
bis
1,80
Euro
je
Ansprache.
Ansprache
5
Ansprache
6
Folie 34
35. Score-Modell-Ergebnis I
Es kann ein guter Score erstellt werden, der in den Top-Gruppen (Top 5% der
Kunden) einen mehr als dreimal so hohen Response bringt als im Durchschnitt
und in den schlechteren Gruppen eine sehr geringe Responsequote – ein
Fünftel des Durchschnittsresponse.
Folie 35
36. Score-Modell-Ergebnis II – ROI Betrachtung
Für die Modellierung des ROI wird angenommen, dass 50% der Reagierer durch das
Mailing erzeugt wurden, ein Deckungsbeitrag von 50% auf dem Nettoumsatz vorliegt und
das Mailing 35 Cent kostet.
Es ergibt sich dann ein ROI von 230% für diese Aktion.
Folie 36
38. Mögliches Szenarium
Das eingesparte Geld kann in mehr Aktionen verwendet werden, die an die guten Kunden
verschickt werden.
Wenn von den 1,4 Mio. Adressen die besten Adressen 8-mal im Jahr eingesetzt werden
und die verbleibenden schlechten Adressen 3 mal im Jahr eingesetzt werden, so ergibt
sich – bei gleichen Kosten zu einer 6-maligen Ansprache aller Adressen (es werden 8,4 Mio.
Mailings durchgeführt) – eine theoretische Steigerung des Deckungsbeitrages um 640.000
Euro.
Differenz : 5.567 Kunden
DB: 115 Euro
6 * i m Jahr ~ 58.448 Kunden Summe: 640.000 Euro
Folie 38
39. Kontakt
MarAnCon
Gesellschaft für Marketing, Analysen und Consulting mbH
Königswinterer Str. 418
53227 Bonn
Meinert Jacobsen
T: +49 (0) 228-338300-00
F: +49 (0) 228-338300-99
M: +49 (0) 151-15675483
E: meinert.jacobsen@marancon.de
I: www.marancon.de
Folie 39