B2B Marketing Days 2023 Was Sie von Ihren Kunden über Ihre Leads lernen können

Anbieter zum Thema

Apteco GmbH

Vogel Corporate Solutions GmbH

Liferay GmbH

HRtbeat GmbH

Mit Customer Analytics Kundenbedürfnisse entschlüsseln! Erfahren Sie, wie Datenanalysen Ihr Marketing revolutionieren. Schaffen Sie personalisierte Erlebnisse, stärken Sie die Kundenbindung und generieren Sie damit wiederum durch die Informationen Ihrer Leads hochwertige Leads.

„Der Köder muss dem Fisch schmecken, nicht dem Angler“. Klingt simpel, die Krux liegt für viele Unternehmen aber im Detail. Übertragen auf Kundenmanagement und Leadgenerierung stellt man schnell fest, dass es entscheidend ist, die Fische, in unserem Fall die bestehenden Kunden, genau zu kennen und deren Bedürfnisse zu verstehen, um nicht den falschen Köder zu werfen oder gar die falschen Fische zu fangen. Aus diesem Grund spielen Daten und Analytics eine so große Rolle wie nie zuvor.

Mithilfe von Customer Analytics erreicht ein Unternehmen aber nicht nur ein besseres Kundenverständnis, sondern ist auch in der Lage, die Kundenbindung durch hochpersonalisierte Erlebnisse auf Basis von Erkenntnissen aus den Daten zu steigern. Zusätzlich lassen sich aus den Kundendaten Firmen- und Segmentierungsmerkmale ableiten, die zur Identifizierung von erfolgsversprechenden Leads genutzt werden können. Dies erhöht den ROI für Leadgenerierungskampagnen und führt zu mehr Umsatz für das Unternehmen.

Welche Daten sind für Customer Analytics relevant?

An erster Stelle stehen alle Kunden- und Firmeninformationen, die ein Unternehmen selbst gesammelt hat, sogenannte First Party Daten. Ein gutes Beispiel ist die CRM Datenbank, die im besten Fall neben den klassischen Firmendaten, auch die Kontakthistorie sowie Transaktions- oder Verhaltensdaten enthält. Zusätzlich können beispielsweise auch Engagementdaten aus dem Newsletter Tool genutzt werden.

In der Vergangenheit waren auch Third Party Daten, also Informationen, die von Informationsdienstleistern oder Brokern wie Facebook oder Google stammen, eine gute Möglichkeit die Reichweite zu erhöhen.

Mit der Verschärfung von Datenschutzgesetzen haben First Party Daten aber zunehmend an Bedeutung gewonnen, da Unternehmen mit diesen nicht auf Third Party Cookies angewiesen sind.

Im nächsten Schritt werden die eigenen Kundendaten mit dem Gesamtpotenzial auf dem Markt abgeglichen. Dadurch lässt sich auf einen Blick erkennen, wer die eigenen Kunden sind, wie sie sich im Gesamtmarkt verteilen und welche gemeinsamen Firmen- und Segmentierungsmerkmale sie haben. Dies war in der Vergangenheit eine kostenintensive Aufgabe, die meist nur von großen Konzernen durchgeführt wurde. Mittlerweile hat sich diese Vorgehensweise aber auch für Mittelständler etabliert. Weiterführend können so die eigenen Daten auch um zusätzliche Informationen angereichert und für Analysezwecke genutzt werden.

So gelingt Leadgenerierung mit relevantem Content

Aufmerksamkeit, Vertrauen und Leads mit Data Storytelling

Customer Analytics Methoden im Überblick

Im Folgenden erfahren Sie, welche Methoden es zur Kundenanalyse gibt, die Unternehmen, unabhängig davon, ob die Daten zuvor mit dem Gesamtmarkt gematcht oder durch zusätzliche Informationen angereichert wurden, dabei helfen, ein besseres Kundenverständnis zu entwickeln.

1. Kundensegmentierung

Bei dieser Methode werden Kundengruppen, die ähnliche Merkmale aufweisen, zusammengefasst.

Die Segmente werden dabei auf Basis von verschiedenen Kriterien definiert:

• Soziodemografisch: zum Beispiel nach Branche, Anzahl der Mitarbeiter oder Jahresumsatz

• Geografisch: zum Beispiel nach Postleitzahlengebiet oder Region

• Psychografisch: zum Beispiel nach Marktauftritt oder Unternehmenskultur

• Verhaltensbasiert: zum Beispiel nach Aktualität, Häufigkeit und Wert der Käufe (RFM-Analyse, siehe nächster Abschnitt)

• Bevorzugter Kanal: zum Beispiel nach E-Mail oder Direct Mail

• Erteiltes Einverständnis: zum Beispiel nach Newsletter Opt-in

• Kontext: zum Beispiel nach Tageszeit, Wetter oder Gerät/Ort im Moment der Kommunikation

Ein gutes Beispiel für erfolgreiche Kundensegmentierung liefert Nisbets, der führende international tätige Anbieter von Gastronomieausstattung aus Großbritannien. Nisbets ist es gelungen, durch das Verständnis der einzelnen Zielgruppensegmente sowohl Kosten als auch Arbeitszeit einzusparen. Dabei segmentierte das B2B Unternehmen nicht nur auf Basis des aktuellen Umsatzes, sondern bezog auch das Potenzial in die Analyse mit ein.

2. RFM-Analyse

Bei der zuvor bereits erwähnten RFM-Analyse (Recency, Frequency, Monetary) wird der Fokus der Segmentierung auf die Transaktionsdaten der Kunden gelegt.

Das Verfahren kann Kunden nach den folgenden Kernfragen einteilen:

• Wann wurde der letzte Kauf getätigt? (Recency)

• Wie oft wurde insgesamt gekauft? (Frequency)

• Wie viel Umsatz wurde generiert? (Monetary)

Für jeden dieser Parameter kann ein individueller Score vergeben und aus der Kombination der drei Werte dann ein Gesamtscore pro Kunde errechnet werden. Eine andere Möglichkeit ist, die Top N Prozent der Kunden zu selektieren und die Schnittmengen in einem Venn-Diagramm oder Cube darzustellen. Durch diese Analysemethoden lassen sich besonders profitable Kundensegmente schnell bestimmen.

Weiterführend können aus diesem Modell Segmentbewegungen verfolgt werden, indem untersucht wird, ob sich die Scores einzelner Kunden über die Zeit verändern und welcher der drei Parameter dafür ausschlaggebend ist.

3. Customer Lifetime Value

Der Customer Lifetime Value, auch Kundenlebenszeitwert, stellt den Wert eines Kunden im Verlauf der gesamten Beziehung zu einem Unternehmen dar und bildet somit den Deckungsbeitrag des jeweiligen Kunden. Dieser Wert setzt sich aus dem aktuellen und dem potenziellen Wert eines Kunden zusammen und wird mithilfe einer bestimmten Formel berechnet. Unternehmen pflegen lediglich die Daten ein und nutzen das Ergebnis für entsprechende Kundenbindungsmaßnahmen.

4. Profiling

Ein Profil repräsentiert in der Regel ein Segment von Kunden, die sich durch bestimmte gemeinsame Merkmale auszeichnen. Dabei wird eine Analysemenge, wie beispielsweise die Top-Kunden eines Unternehmens, mit einer Grundgesamtheit, zum Beispiel der Gesamtkundenbasis, verglichen. Für das Modell werden unabhängige Variablen bestimmt. Das Profil zeigt welche dieser Variablen für die Analysemenge über- oder unterrepräsentiert sind. Unternehmen lernen so signifikante Merkmale der einzelnen Segmente kennen und verstehen.

Rückblick Lead Management Summit 2023

Marketing und Sales rücken beim Lead Management Summit 2023 näher zusammen

Wie werden daraus erfolgsversprechende Leads identifiziert?

Nun gilt es, die durch Customer Analytics gewonnenen Erkenntnisse gewinnbringend in gezielte Aktionen umzusetzen. Einerseits können die durch die Analyse definierten Zielgruppensegmente entsprechend ihrer Bedürfnisse und Interessen passgenau durch Marketingkampagnen angesprochen werden und sich daraus ergebende Cross- und Upselling Potenziale genutzt werden. Andererseits können insbesondere auf Basis des Profilings gänzlich neue Potenziale identifiziert werden. Im oben genannten Fall kann das erstellte Profil der Top-Kunden auf das Gesamtmarktpotenzial angewendet und sogenannte Look-a-Likes identifiziert werden. Das heißt es werden nur diejenigen Leads, die den Top-Kunden in ihren Merkmalen ähneln, ausgewählt und mittels auf diese Zielgruppe zugeschnittener Angebote oder Marketingbotschaften kontaktiert.

Durch das hohe Maß an möglicher Personalisierung an die richtige Zielgruppe werden die Verkaufschancen deutlich erhöht. Bessere Leads, höherer ROI und gesteigerter Umsatz sind damit das Ergebnis.

Mehr zum Thema

Vortrag auf den B2B Marketing Days 2023

Bei den marconomy B2B Marketing Days 2023 vom 10. bis 11. Oktober 2023 hat Martin Clark mehr über das Thema verraten.
Im Nachbericht haben wir alle relevanten Erkenntnisse zusammengefasst.

SAVE THE DATE: Die nächsten marconomy B2B Marketing Days 2023 finden vom 8. bis 9. Oktober 2024 live in Würzburg statt.

Jetzt mit dabei sein!

*Martin Clark ist Geschäftsführer von Apteco GmbH.

(ID:49670868)