Big Data Analytics und Kundendaten: Miteinander verknüpfen und profitieren

Laut einer aktuellen  Big Data Executive Survey ist die Fähigkeit, tiefere Einblicke in Ihre Geschäfte und Kunden zu gewinnen, ein führender Faktor, um in Big Data zu investieren. Solche Ergebnisse stehen in Einklang mit den Herausforderungen, mit denen sich unser Beratungsteam für Big Data befasst. Wir bieten einen Überblick über die Verknüpfung von Big Data Analytics und Kundendaten - einen Prozess der Erfassung und Auswertung von Kundendaten mittels Methoden der Big-Data-Analyse, der darauf abzielt, das Verhalten und die Präferenzen von Kunden kennenzulernen sowie Predictive Analytics zu verwenden, um wichtige Geschäftsentscheidungen zu treffen.

Analyse von Kundendaten bringt Erkenntnisse

Im Folgenden bieten wir eine Liste von möglichen Erkenntnissen, die durch die Big-Data-Analyse von Kundendaten ermöglicht werden. Die Liste ist jedoch nicht abschließend und kann mit branchenspezifischen Beispielen erweitert werden.

5 Haupttypen von Kundendaten im Big-Data-Umfeld

Wir unterscheiden folgende Arten von Kundendaten:

1. Transaktionsdaten
2. Daten über die Nutzung eines Produktes / einer Dienstleistung
3. Daten über Online-Verhalten
4. Daten aus den von Kunden geschriebenen Texten
5. Daten über Aktivitäten in sozialen Netzwerken 

Hier betrachten wir diese Typen von Big Data aus der Perspektive von sowohl B2C als auch B2B, um herauszufinden, wie Unternehmen in verschiedenen Branchen sie optimal nutzen können.

1. Transaktionsdaten

Es ist einfach durch den Einzelhandel zu erklären, was die Transaktionsdaten darstellen, wobei jeder Einkauf das Verständnis eines Unternehmens für die „Reisen“ seiner Kunden (Customers’ Journeys) vertieft. Dieses Wissen trägt dazu bei, den Kunden relevante Produktangebote zu bieten, zielgerichtete Marketing-Kampagnen durchzuführen, die Kundentreue aufzubauen und die Kundenbindung zu maximieren. Big-Data-Initiative von Walmart kann es verdeutlichen.

Um Einkaufserllebnisse von über 260 Millionen Kunden pro Woche zu verbessern, anzupassen und zu optimieren, wertet Walmart täglich Milliarden von Datensätzen aus. In dem Video erklärt das Unternehmen, dass es die Datenanalyse in jeden Prozess integriert und Tausende von Variablen erstellt hat, um den Umsatz für bestehende und neue Geschäfte vorherzusagen und die Bedürfnisse ihrer Kunden vorauszusehen.

2. Daten über die Nutzung eines Produktes/einer Dienstleistung

Lassen wir uns jetzt einen Blick auf die Telekommunikation werfen, wo jeder Anruf und jede SMS zu einem Kundenprofil hinzugefügt werden. Telekommunikationsunternehmen können sogar die Persönlichkeit eines Benutzers verstehen, indem sie analysieren, wie viele Anrufe er oder sie pro Tag macht und wie lange sie dauern.

Verizon Wireless analysiert beispielsweise die von mehr als 25 Millionen Nutzern generierten Daten mit dem Ziel, die Kundenzufriedenheit zu verbessern, Kundenabwanderung zu verhindern und die Nachfrage der Kunden zu prognostizieren. Neben dem Verständnis für das Kundenverhalten gibt es einen weiteren Vorteil: die Monetarisierung von Daten. Verizon Wireless anonymisiert die Daten ihrer Nutzer und verkauft sie an Marketingagenturen, die diese Daten dringend für eine fokussierte Werbung benötigen.

Die Automobilhersteller können Informationen über den Standort, Fahrgewohnheiten, tatsächlich gefahrene Kilometer usw. sammeln, um ihr Produktangebot und die Kundenerfahrung zu verbessern. Zum Beispiel strebt General Motors an, eine 360-Grad-Kundensicht zu erreichen. Mit diesen Informationen kann das Unternehmen den Umsatz prognostizieren, die Standorte für die Händler sinnvoll auswählen und die Marketingbudgets effizient nutzen.

3. Daten über das Online-Verhalten

Im B2B-Bereich kann ein Unternehmen jede Bewegung analysieren, die seine Website-Besucher (potenzielle Kunden) machen: woher sie kommen, welche Seiten sie öffnen, wie hoch das Engagement der Besucher ist usw. Beim Vorliegen von diesen Daten kann ein Unternehmen relevante Inhalte erstellen, um die Conversion Rate zu erhöhen.

In B2C wenden E-Commerce-Webseiten dieselbe Logik an, um das Kundenverhalten zu verfolgen, Kundenpräferenzen zu erkennen und Produktempfehlungen mithilfe von Predictive Analytics zu geben. Sie können die Reaktion von Kunden bei einer Marketing-Kampagne auswerten, um zukünftige Aktivitäten genauer zu planen.

4. Daten aus den von Kunden geschriebenen Texten

Mit sozialen Medien und zahlreichen Möglichkeiten, einen persönlichen Eindruck von einem Produkt oder einer Dienstleistung im Internet zu hinterlassen, können Unternehmen diese Inhalte untersuchen, um wertvolle Einblicke zu gewinnen. Die Textanalyse gibt den Unternehmen eine Ahnung davon, was ihre Kunden über ihre Marke, ihr Produkt oder ihre Dienstleistung denken, indem sie Trends identifizieren, eine positive oder negative emotionale Färbung jedes Textdetails erkennen, Beschwerden und zu lösende Probleme aufzudecken.

In B2C kann die Analyse von Callcenter-Daten helfen, das Problem zu identifizieren, den Service zu verbessern, die Möglichkeiten zur Bereitstellung eines neuen Produkt oder einer neuen Dienstleistung zu erkennen usw. Im B2B-Bereich kann die Textanalyse die Datenbank der Kunden erweitern, indem Informationen über potenzielle Kunden von Unternehmenswebseiten, Profilen in sozialen Netzwerken und Nachrichten gesammelt werden.

5. Daten über Aktivitäten in sozialen Netzwerken

Einige Konsumenten sind in sozialen Netzwerken aktiv und können bestimmte Einblicke in ihre Persönlichkeit oder eine aktuelle Lebenssituation geben. Zum Beispiel hat sich ein Kunde verheiratet und jetzt könnte er/sie sich für einen Bankkredit interessieren, um ein größeres Haus zu kaufen.

Im B2B-Bereich sind soziale Medien eine wertvolle Datenquelle für die Kundensegmentierung. Größe, geografische Lage, Produkt- oder Leistungsportfolio eines Unternehmens kann man im LinkedIn-Profil finden. Außerdem können die neuesten Beiträge des Unternehmens eine Vorstellung von den Prioritäten und Bedürfnissen des Unternehmens geben.

Fazit

Die Analyse von Kundendaten mittels Big-Data-Methoden ist ein leistungsstarkes Tool, das Unternehmen sowohl im B2C- als auch im B2B-Bereich von Nutzen sein kann. Es gibt fünf Haupttypen von Kundendaten, die getrennt oder zusammen verwendet werden können, um wertvolle Erkenntnisse zu gewinnen. Diese Erkenntnisse sind branchenspezifisch und hängen stark von den Zielen ab, die ein Unternehmen erreichen will (die Kundentreue zu erhöhen, die Kundenfluktuation zu reduzieren, den Umsatz zu steigern, die Konversionsrate zu erhöhen usw.).