Menu

Zielsetzung

Die vier wichtigsten Anwendungen von Data-Mining-Methoden sind Response Optimization, Cross Selling, Customer Retention und Bonitätsscoring:

Response Optimization

Ziel von Response Optimization ist das Erreichen einer optimalen Kundenantwort auf eine bestimmte Werbemaßnahme, d.h. eine optimale Auswahl von Kunden, an die ein bestimmtes Werbemittel gerichtet wird. Mit Hilfe von Data-Mining-Tools lässt sich das frühere Kaufverhalten von Kunden, z.B. vor einem Jahr nach Erhalt eines Versandhauskataloges, auswerten. Anhand dieser Auswertung prognostiziert man das Kaufverhalten für die nächste Katalogwelle, und schickt damit gezielt Kataloge an die Kunden mit der höchsten Kauferwartung.

Dieses Verfahren setzt voraus, dass die Kunden bereits in früherer Zeit Käufe getätigt haben. Hat man nur wenige Daten über einen Kunden, so sind Data-Mining-Verfahren im Allgemeinen wenig hilfreich. Eine separate Behandlung dieser Kundengruppe ist ratsam. Für die Gewinnung von Neukunden sind Data-Mining-Verfahren in der Regel sogar unbrauchbar, selbst wenn man die Kundendaten z.B. mit mikrogeografischen Daten anreichert. Eine ausreichende Datenbasis ist immer Grundvoraussetzung für ein erfolgreiches Data Mining. Das heißt auch, dass die Historie eines Kunden ausreichend weit in die Vergangenheit zurückverfolgbar sein muss.

Cross Selling

Möchte man ein neues Produkt an einen Kunden herantragen, das er bisher noch nicht genutzt hat, so muss aus seinem sonstigen Konsumverhalten auf seine Haltung gegenüber dem neuen Produkt zurückgeschlossen werden. Dies soll am Beispiel der Verwendung von Kreditkarten im Zahlungsverkehr deutlich gemacht werden. Erreicht werden soll eine gezielte Werbung für die Nutzung von Kreditkarten bei den Kunden einer Bank.

Grundlage sind sämtliche Bankdaten, inklusive aller Kontobewegungen aus der Vergangenheit, Sparbücher, Aktiendepots usw., mit Ausnahme der direkten Informationen, ob ein Bankkunde Kreditkarten nutzt oder nicht. Durch eine Data-Mining-Analyse ermittelt man dann die Korrelationen zwischen diesen Informationen und der tatsächlichen Nutzung von Kreditkarten. Das ermittelte Kundenprofil kann direkt für die Auswahl von Bankkunden verwendet werden, bei denen eine gezielte Werbung für die Nutzung von Kreditkarten aussichtsreich ist.

Customer Retention

Eines der wichtigsten Marketingziele ist die Bindung von Kunden. Mithilfe von Data-Mining-Techniken kann ermittelt werden, welche Kunden besonders absprunggefährdet sind und welche nicht. Damit lassen sich Marketingmaßnahmen zur Rettung von Kundenverhältnissen wesentlich gezielter einsetzen als bisher ohne Data Mining möglich. Verdeutlicht werden soll dies am Beispiel der Kundenbindung bei Banken.

Grundlage sind wieder sämtliche Bankdaten der Kunden im historischen Verlauf. Zielsetzung ist das frühzeitige Erkennen des Absprunges eines Kunden, d.h. man betrachtet vergangene Fälle von Kundenverlust, jedoch mit ausreichendem zeitlichen Abstand von etwa 3 Monaten zwischen den verwendeten Bankdaten und dem wirklichen Absprung. Sobald ein geeignetes Modell gefunden wurde, können die gewonnenen Erkenntnisse auf das laufende Bankgeschäft übertragen und absprunggefährdete Kunden rechtzeitig erkannt werden.

Bonitätsscoring

Wichtiges Ziel bei der Auftragsabwicklung sowohl im Consumer- als auch im Business-Bereich ist die Prüfung der Kreditwürdigkeit von Kunden. Data Mining Verfahren schließen hier Informationslücken oder ergänzen bestehende Bonitätsinformationen zu Ihren Kunden. Neuroconsult hat umfassende Erfahrung in der Erstellung von Bonitätsscoring-Systemen größter Dimension. Unsere Verfahren arbeiten in Echtzeit und lassen sich somit in beliebige Arbeitsumgebungen integrieren wie z.B. in SAP R/3. Eine typische Implementierung in SAP R/3 dauert nur wenige Tage und ist anschliessend vollkommen reibungslos in das Gesamtsystem integriert.

weiter zur Vorbereitung...

dr jorg imhoff neuroconsult neuroscore heidelberg datamining data mining analysen analyse analyses analysis customer relationship management analytical analytisches crm database direct direkt marketing direktmarketing big data analytics deep learning kundenbindung storno stornoreduktion stornoprophylaxe up cross selling response optimierung optimisation optimization bonität bonitätsprüfung bonitätsscoring credit rating scoring score betrug betrugserkennung fraud detection prognose prognosen forecast prediction prognosis customer segmentation profiles segmentierung kundensegmentierung kundenprofil kundenprofile etl extract transform load extracting transforming loading virtuelles virtual data warehouse dwh data mart virtuelle datenintegration virtual data integration eii enterprise information integration bi business intelligence eai enterprise application integration olap online analytical processing operative operatives reporting ad hoc analysen analyses versicherungen krankenkassen versandhandel health insurance mail order companies spenden spendenmarketing spendenorganisationen non-profit organisationen organisations organizations banken banks retail banking b2c b2b artificial neural networks ann künstliche neuronale netze knn testanalysen schnittstelle interface schnittstellenanpassung integration datenbank datenbankintegration sql xml server electronic publishing cd-rom cdrom katalog catalogue unicef misereor springer ssi schäfer shop lenscare atelier goldner schnitt ags ateliergs quelle spezialversender tristyle holding gwv fachverlage bertelsmann directgroup buchclub donauland österreich allianz cyberport dbu johanniter lands end misco post austria pro idee proidee sued süd west ubs ulla popken künstliche intelligenz artificial intelligence machine learning maschinelles lernen ai ki