Neukundengewinnung im B2B Zielgruppenanalyse: Predictive Analytics im Vertrieb

Nicht nur mit eigenen Websites, sondern auch in Branchenportalen und Anbieterverzeichnissen sind Unternehmen im Web präsent. Diese Informationen lassen sich nutzen, um Neukunden im B2B-Geschäft zu gewinnen.

Anbieter zum Thema

Vogel Corporate Solutions GmbH

Liferay GmbH

HRtbeat GmbH

Die Digitalisierung der Sales-Organisation halten viele Vertriebsverantwortlichen in B2B-Unternehmen für erfolgsentscheidend. In einer aktuellen Roland-Berger-Studie äußern sich rund 60 Prozent der Befragten entsprechend. Dabei können sich B2B-Unternehmen nicht nur mit Onlineshops und Vertriebsmitarbeitern, die mit Mobile Devices ausgestattet sind, von ihrer besten Seite zeigen. Vielmehr weisen ihnen die Daten im Netz auch den direkten Weg zu neuen Kunden.

Mit Algorithmen potenzielle Kunden aufspüren

Allerdings überfordern die Daten – allein schon wegen ihrer schieren Menge – den menschlichen Verstand. So ist es beispielsweise nicht damit getan, nach Signalwörtern Ausschau zu halten. Denn wenn wir beginnen, Neukunden im Netz zu suchen, wissen wir noch nicht, auf welche Wörter es wirklich ankommt. Außerdem bringt es wenig, einzelne Wörter aufzuspüren. Vielmehr gilt es, semantische Netze zu analysieren und in diesem Rahmen die Signalwörter zu bewerten. Algorithmen helfen Unternehmen, nicht in allzu naheliegende Interpretationsfallen zu tappen. Nehmen wir etwa an, in einem ersten Schritt wurden drei besonders interessante Schlüsselwörter identifiziert. Nun lassen sich Unternehmenswebsites mit einem, zwei oder sogar allen drei Schlüsselwörtern finden. Allerdings wäre es nicht sinnvoll, bei den Unternehmen, auf deren Websites alle drei Wörter vorkommen, eine höhere Kaufwahrscheinlichkeit vorauszusetzen als bei den beiden anderen Gruppen.

Selbstlernende Software zur Zielgruppenidentifikation

Doch wie funktionieren Text-Mining-Algorithmen eigentlich genau? Anhand der Adressen oder URLs der bisherigen Kunden analysieren sie die Unternehmenswebseiten des Kundenstamms und spüren Zusammenhänge sowie Muster auf. In die Prognosemodelle fließen mehrere Millionen Datensätze aus Auskunfteien sowie eine Milliarde Wörter aus über zwanzig Millionen Webseiten ein. Ein assoziatives Predictive-Analytics-Modell verarbeitet diese Informationsflut und lernt, welche Charakteristika die Zielgruppe von anderen, weniger interessanten Unternehmen unterscheidet. Zudem können individuell für jedes angebotene Produkt die Wörter herausgefiltert werden, die eine besonders hohe Affinität nahelegen. So weist dieser Targeting-Ansatz nicht nur potenzielle Neukunden automatisiert aus, sondern gibt auch Aufschluss darüber, mit welchem Produkt das Unternehmen am besten angesprochen werden sollte.

Dr. Parsis Dastani ist Inhaber der Dastani Consulting, einer Unternehmensberatung im Bereich Predictive Analytics.

Auftragswahrscheinlichkeiten optimieren die Vertriebseffizienz

Anhand der auf diese Weise ermittelten Muster wird im Anschluss der gesamte Datenbestand zu in Deutschland ansässigen Unternehmen bewertet. Dabei behandelt der Algorithmus die Websites von Bestandskunden genauso wie alle anderen Webseiten auch: Als Grundlage für eine Wahrscheinlichkeitsprognose. Den Grad der Übereinstimmung einer Website mit dem gesuchten Modell bewertet die Software über ein Punktesystem. Ein genaues Scoring bietet eine vollkommen neutrale Basis für die Analyse des gesamten Datenbestands, unabhängig von den Zielgruppendefinitionen oder Keywords des Unternehmens. Das mag nicht jedem in Vertrieb und Marketing schmecken, aber über das Punktesystem lässt sich der Vertrieb sehr präzise steuern – und das rechnet sich.

(ID:43810155)