Kundenvorteile

  • Optimierung der Conversion Rate,der Customer Journey und der Planungsprozesse
  • Bildung von Produkt-Clustern und Assoziationen zwischen den Labels
  • Steigerung des Deckungsbeitrags
  • Gezielte Kundenansprache

Über vier Millionen Kunden aus aller Welt pilgern jährlich in eine Kleinstadt am Fuß der Schwäbischen Alb. Dort sitzt eins der erfolgreichsten Fashion-Outlets in Europa. Die Kunden können auch online, nach der einmaligen Anmeldung, bequem von zu Hause aus einkaufen und dabei von den Schnäppchenpreisen profitieren. Um die Kundenansprache über diesen Webshop zu optimieren und die Bestellraten zu verbessern, wurde ein Projekt zur Nutzung von statistischen Methoden und Analysen gestartet. Die Mission: Das Schaffen von Marken-Clustern und die gezielte Kundenansprache mit Hilfe von Data Mining.

Potentiale identifizieren. Persönlicher informieren.

Die Zielvorgabe: Eine Steigerung des Deckungsbeitrags mit Hilfe von Kunden-Newsletter und weitere Maßnahmen der Kundenkommunikation – erreicht durch eine personalisierte Ansprache. Zum Zeitpunkt der Beauftragung sah z.B. ein Newsletter des Webshops für alle Kunden gleich aus. Mit Hilfe statistischer Methoden und Modelle wurde auf Basis von IBM SPSS eine Analyse durchgeführt, um damit sinnvolle Marken-Cluster zu bilden. Im SPSS Modeler wurden dafür verschiedene Verfahren der Clusterbildung explorativ untersucht, die Ergebnisse verglichen und anschließend die passende Methode auf Basis des Two-Step Algorithmus ausgewählt.

Auf Basis der Marken-Cluster können nun die Produkte verschiedener Labels besser zugeordnet und Kunden entsprechend ihres bisherigen Kaufverhaltens angeboten werden. Mit den Erkenntnissen aus dem Prototyp können nun auch Cross-Selling-Potentiale identifiziert werden, die u.a. beim individualisierten Content der Newsletter zum Tragen kommen. Konkret werden dazu die Marken in sinnvolle Cluster unterteilt, die vergleichbare Käuferschichten ansprechen. Damit können Kunden, die ein bestimmtes Kaufverhalten zeigen, gezielt zu Angeboten aus anderen Marken des Clusters oder ähnlichen Produkten anderer Cluster informiert werden.

A Work in Progress…

Darüber hinaus lassen sich (Bestands-)Kunden mittels Clusteranalyse in Gruppen einteilen, die bestimmte Konsumcharakteristika aufweisen. Dieses Wissen wird ebenfalls auf Neukunden angewendet. Das bedeutet es wird prognostiziert, welche Produkte bzw. Marken diese entsprechend ihrer Attribute (Alter, Geschlecht etc.) voraussichtlich kaufen. Im nächsten Schritt soll Axians nun weitere Analyseoptionen zur Einschätzung von Erstkäufen, alternativen Markenbewertungen oder zur vorausschauenden Planung
in Angriff nehmen.

IBM-Software-Team

Sie haben Fragen – unsere IBM Experten antworten

Erhalten Sie direkt Antwort von unseren IBM Software Experten Sina Wolf, Marc Vester, Petra Törteli und Zorica Rubic.

    Ich habe die Datenschutzhinweise gelesen und willige in die Nutzung der angegebenen persönlichen Daten ein. Diese Einwilligung kann ich jederzeit schriftlich per Brief oder per E-Mail an info@axians.de mit Wirkung für die Zukunft widerrufen.
  • Dieses Feld dient zur Validierung und sollte nicht verändert werden.