Kundenklassifizierung: Mehr Fokus durch KI im Sales
Kein Unternehmen kann es sich heute leisten, jeden Kunden gleich zu behandeln oder zu bedienen. Doch wie ermittelt man die wertvollsten Kunden? Die Antwort auf diese Frage klingt zuerst einfach: Durch eine entsprechende Kundenklassifizierung. Doch bei der Umsetzung fehlt es den meisten Unternehmen an konkreten praktischen Ansätzen und Erfahrung.
Ein gutes Beispiel hierfür ist die ABC-Klassifizierung. Auch wenn die Kriterien für eine ABC-Kundenklassifizierung sehr unterschiedlich sind, nutzen die meisten Unternehmen diese Methode in der Praxis. Es handelt sich dabei um eine einfache eindimensionale Klassifizierung. Sie besitzt nur wenig Aussagekraft und wird ohne künstliche Intelligenz umgesetzt.
Um aber eine gute datenbasierte und KI-gestützte Kundenklassifizierung aufzusetzen, bedarf es mehr als nur einer Dimension. In unseren CRM- und Analytics-Projekten empfehlen wir unseren Kunden daher eine mindestens 3-dimensionale Klassifizierung aufzubauen. Denn nicht jeder Kunde mit viel Umsatz ist gleichzeitig ein profitabler Kunde. Allerdings hat auch nicht jeder profitable Kunde gleich viel Potenzial für mehr Umsatz. Betrachtet man seine Kunden aus Sicht des Umsatzes, schiebt man den Kunden mit dem höchsten Umsatz sehr schnell in die A-Schublade. Nimmt man Profitabilität und Potenzial hinzu, kann es schnell passieren, dass derselbe Kunde in der untersten Schublade landet.
Für eine datenbasierte KI-gesteuerte dreidimensionale Kundenklassifizierung im B2B-Umfeld empfehlen wir daher im ersten Schritt folgende drei Dimensionen zu betrachten: Umsatz, Profitabilität und Potenzial.
Umsatz
Die meisten Unternehmen sind heute schon in der Lage, ihre Kunden nach dem Umsatz zu clustern. Dabei basiert die Einteilung in A, B und C auf Basis der historischen Umsatzdaten. Die vollständigen Umsatzdaten sind aber nicht zwingend in der entsprechenden CRM-Lösung vorhanden. Auf Grund dessen werden die Umsatzinformationen entweder aus dem BI- oder aus dem ERP-System in das CRM-System übermittelt. Es ist vollkommen ausreichend, wenn im CRM-System die Umsätze aus den letzten 12 oder 24 Monaten zur Verfügung stehen. Einzelbelege oder detaillierte Umsatzzahlen sind nicht erforderlich – aggregierte Zahlen reichen aus.
Die entsprechende Berechnung oder Aggregation auf den einzelnen Kunden erfolgt im ERP oder BI. In einem wöchentlichen Zyklus werden die Umsatzzahlen als EUR-Werte je Kunde an das CRM-System übermittelt. Hier werden anschließend die Umsatzgrenzen bzw. -ranges für die drei Klassen A, B und C definiert. Außerdem werden alle Kunden anhand ihrer tatsächlichen Umsätze der jeweiligen Klasse zugeordnet. Somit wäre die erste Dimension der Klassifizierung vorhanden.
Profitabilität
Neben dem Umsatz ist die Profitabilität eine wichtige Kerngröße, um Kunden klassifizieren zu können. Die Berechnung der Profitabilitätswerte erfolgt ebenfalls nicht direkt im CRM-System, sondern im ERP- oder BI-System. Als Grundlage empfehlen wir die kundenspezifische Deckungsbeitrag-Rechnung zu verwenden. Die DB-Werte werden als Prozentsatz ebenfalls wöchentlich an das CRM-System übermittelt und in Bezug auf den jeweiligen Kunden hinterlegt. Den 4 definierten Profitabilitätsklassen entsprechend, werden nun die einzelnen Prozentangaben zugeordnet. Somit entsteht mit der Profitabilitätsklasse neben der Umsatzkategorie eine zweite Dimension der Kundenklassifizierung.
Potenzial
Die ersten beiden Dimensionen basieren auf historischen Datensätzen und somit auf Werten aus der Vergangenheit. Das Kundenpotenzial dagegen ist eine Art Prognose für das Zukunftsgeschäft. Des Öfteren habe ich bisher in zahlreichen Projekten erlebt, dass Vertriebsorganisationen mit geschätzten Potenzialwerten je Kunde arbeiten. Die meisten machen dabei den gleichen Fehler: Das Potenzial eines Kunden wird durch den Account-Verantwortlichen aus dem Vertrieb subjektiv geschätzt und in das CRM-System eingetragen. Diese subjektive Einschätzung seitens des Vertriebs führt oft zu einer realitätsfremden Kundenklassifizierung. Daher ist unser Ansatz eine datenbasierte und KI-gestützte Berechnung des Kundenpotenzials.
Um die entsprechenden Daten zur Berechnung des Potenzials zu erhalten, müssen in erster Linie sinnvolle Kriterien definiert werden. Zu solchen Kriterien gehören: die Branche des Kunden, Unternehmensgröße gesamt, Anzahl der Mitarbeitenden im bestimmten Bereich, Standorte, und so weiter. Die zuständigen Vertriebsmitarbeitenden im Kundenstamm pflegen die Daten in das CRM-System ein und aktualisieren diese permanent. Entsprechende KI-Algorithmen berechnen auf Basis dieser und weiterer Kundeninformationen das realistische Potenzial in Euro bezogen auf die nächsten 12 bzw. 24 Monate. Die Klassifizierung erfolgt nun anhand drei einfacher Areale, die als dritte Dimension genutzt werden können.
Die nachfolgende Abbildung zeigt die beschriebene dreidimensionale Kundenklassifizierung mit entsprechenden Kategorien je Dimension.
Quelle: Vision11
Alle Kunden lassen sich mit einer solchen dreidimensionalen Kundenklassifizierung sinnvoll bewerten. Beispielsweise bedeutet die Klassifizierung A2c, dass es sich um einen Kunden mit
- hohem Umsatz
- mittlerem Potenzial und
- einer schlechten Profitabilität handelt.
KI-basierte Methode
Für diese komplexe Klassifizierung wird der k-Means-Algorithmus verwendet. Dabei handelt es sich um ein effizientes mathematisches Rechenverfahren. Dieses eignet sich für die Gruppierung von ähnlichen Objekten mit einer vorher bekannten Anzahl von Gruppen. Der k-Means-Algorithmus gehört zu den „unsupervised Maschine Learning“ Verfahren, also dem unüberwachten Lernen. Er wird auf Daten oder Objekte in einem n-dimensionalen Raum angewendet. Die folgenden Schritte werden hierzu entsprechend durchlaufen:
Quelle: Vision11
Für die Berechnung des Potenzials werden die drei Zentren „niedrig“, „mittel“, „hoch“ definiert. Die Wahl der Kriterien erfolgt aufgrund der Erfahrung der Vertriebsmitarbeitenden oder auf Basis des Algorithmus. Durch das Durchlaufen der Iterationen erkennt das System eigenständig die Zusammenhänge und dadurch die entsprechende Zuordnung zu den jeweiligen Clustern. Der Vorteil dabei liegt im eigenständigen Erkennen der Quereinflüsse und Kombinationen. Doch auch bislang unbekannte Faktoren lassen sich erkennen und effektiv nutzen.
Damit sich die Performance und das Scoring der Modelle verbessern kann, erfolgt ein kontinuierliches Update des trainierten Modells. Die Zyklen des entsprechenden Intervalls sind abhängig von der Anzahl der gesammelten neuen Datensätze. So lässt sich zum Beispiel nach erfolgreicher Generierung von 200 neuen Daten das Modell neu trainieren und somit das Scoring verbessern. Der k-Means-Algorithmus kann in allen CRM-Systemen umgesetzt bzw. integriert werden und automatisiert durch entsprechende Datenstrecken trainiert werden. („Continuous Learning“)
Ausblick
Dieses Kundenklassifizierungs-Modell lässt sich um beliebige Dimensionen erweitern. Jede Dimension entspricht einer fest definierten Position oder Reihenfolge im Klassifizierungs-Code. Auf diese Art und Weise wurde in einem Kundenprojekt eine 10-dimensionale Klassifizierung abgebildet, d.h. für jeden Kunden wird wöchentlich ein 10-stelliger Klassifizierungscode ermittelt. Eine solche 10-dimensionale Klassifizierung kann das Endziel oder die letzte Ausbaustufe sein. Neben den bereits vorgestellten Dimensionen entscheiden sich unsere Kunden oftmals für Loyalität, Zahlungsmoral oder Zufriedenheit als weitere Stufen der Klassifizierung.
Viele dieser Dimensionen sind nicht nur für Sales relevant, sondern spielen auch im Marketing eine große Rolle. Beispielsweise um die Kommunikation mit dem Kunden zu optimieren, eine genauere Segmentierung und Zielgruppenbildung zu ermöglichen oder um die Customer Journey individuell zu gestalten. Durch die Verwendung dieser Werte im Service lassen sich das optimale Routing der einzelnen Tickets oder Anrufe im Customer Service zu realisieren. Im Commerce-Bereich werden dadurch die individuellen Preise oder Rabatte berechnet oder gewisse Produktvorschläge ausgesteuert. Letztlich können unzählige CRM Use Cases auf Basis dieser granularen, datenbasierten und KI-gestützten Kundenklassifizierung konzipiert und realisiert werden.
Sie wollen mehr erfahren?
Gerne stehe ich Ihnen für ein weiterführendes Gespräch zur Verfügung:
Sergej Plovs
M +49 151 46124767
Weitere Posts
- 01 Oktober | Daniel Erlwein | CX Services |
Webformulare: Fluch oder Segen?
- 19 September | Daniel Erlwein | CX Services |
Lead Management: Aus der Praxis für die Praxis
Kein Unternehmen kann es sich heute leisten, jeden Kunden gleich zu behandeln oder zu bedienen. Doch wie ermittelt man die wertvollsten Kunden? Die Antwort auf diese Frage klingt zuerst einfach: Durch eine entsprechende Kundenklassifizierung. Doch bei der Umsetzung fehlt es den meisten Unternehmen an konkreten praktischen Ansätzen und Erfahrung.