Success Stories
Erstellung von Konfigurationsvorschlägen für Neufahrzeuge mittels Data-Mining-Applikation
Der Kunde
Unser Kunde, ein weltweit agierender deutscher Automobilhersteller, beschäftigt nahezu 130.000 Mitarbeiter und zählt zu den größten Wirtschaftsunternehmen Deutschlands. Das traditionsreiche Unternehmen, das auf eine mehr als 100-jährige Historie zurückblickt, zählt zu den Premiummarken seiner Branche.Die Herausforderung
In der Automobilindustrie werden Neuwagen normalerweise von Kunden individuell konfiguriert und nur für den jeweiligen Kunden produziert. Allerdings gibt es auch viele Märkte, in denen Kunden sehr weit vom Automobilhersteller entfernt sind. Bei diesen Kunden würde es zu viel Zeit in Anspruch nehmen, wenn ein Fahrzeug erst nach Kunden-Konfiguration produziert wird. Aus diesem Grund werden hierfür vorkonfigurierte Fahrzeuge eingeplant und produziert. Um einen optimalen Abverkauf zu ermöglichen, sollen diese Fahrzeuge möglichst nah an den Wünschen der potenziellen Kunden ausgerichtet werden.Die Lösung
Im Zuge dieser Optimierung unterstützt thaltegos einen Automobilhersteller mit Hilfe einer Data-Mining-Applikation. Um bei Konfigurationsvorschlägen von Fahrzeugen die Wünsche der zukünftigen Kunden möglichst gut zu berücksichtigen, wird eine Analyse der historischen Bestelldaten vorgenommen. Hierbei wird einerseits ermittelt, welche Ausstattungsmerkmale in welcher Häufigkeit von welchen Kundengruppen bestellt werden. Darüber hinaus wird andererseits berücksichtigt, welche Korrelationen sich zwischen den einzelnen Ausstellungsmerkmalen ergeben. Hierzu wird eine Data-Mining-Applikation verwendet, die mit Hilfe einer Faktorenanalyse die Vielzahl an Ausstattungsmerkmalen zu einigen übergreifenden Faktoren zusammenfasst. Beispielsweise ergibt sich hieraus ein Faktor, der sportliche Ausstattungsmerkmale beinhaltet und ein weiterer Faktor für komfortorientierte Ausstattungen. Hierauf basierend werden ähnliche Bestellungen zusammengefasst und statistisch signifikante Konfigurationen für die einzelnen Kunden-Cluster ermittelt. Dies ermöglicht die Erstellung von Konfigurationsvorschlägen, nach denen die Bestellung von Neufahrzeugen im Sales-Prozess verbessert wird.Der Nutzen
Die Nutzung der Konfigurationsvorschläge ermöglicht es, Fahrzeuge nachweislich stärker auf Kundenwünsche auszurichten und Vorkonfigurationen vorzunehmen, die zu einem schnelleren Abverkauf führen. Darüber hinaus können die Informationen, die aus der Bestelldaten-Analyse gewonnen werden, auch für weitere Optimierungszwecke genutzt werden. Hierzu zählt die Planung von Sonderausstattungen sowie eine vorausschauende Belegung von Produktionsstätten. Überdies ermöglichen die Ergebnisse einer Ableitung von Markttrends sowie die Messung der Auswirkungen von Kampagnen bzw. Aktivitäten im Produktmanagement.Segmentspezifische Kundenansprache durch Anreicherung der Kundendatenbank mit externen Informationen
Der Kunde
Unser Kunde, ein führender automobiler Finanzdienstleister, ist in mehr als 50 Ländern vertreten. Das Unternehmen, das auf eine beinahe 50-jährige Geschichte zurückblickt, beschäftigt mehr als 1.200 Mitarbeiter und bietet eine Vielzahl von Finanzdienstleistungen an.Die Herausforderung
Unternehmen sind heute einem starken Druck ausgesetzt, Werbebudgets effizient einzusetzen. Dabei sind Marketingmaßnahmen im optimalen Fall so zu gestalten, dass möglichst viele (potenzielle) Kunden mit möglichst geringem Mitteleinsatz erreicht werden.Die Lösung
Mit Hilfe der Kombination von Daten aus der Unternehmens-Kundendatenbank mit Milieu Daten unterstützt thaltegos dabei, mit größtmöglicher Wahrscheinlichkeit die richtige Zielgruppe am richtigen Ort anzusprechen. Die Kunden eines bestimmten Produktes – beispielweise des Fahrzeugmodells A – weisen häufig große Ähnlichkeiten z.B. hinsichtlich Alter, Lebensstil oder Familienstand auf. Deshalb ist es für Unternehmen durchaus sinnvoll, Milieu Daten (wie SIGMA Milieus® und DELTA-Milieus®) im Kontext einer Kundensegmentierung und darauf basierenden Kommunikation zusätzlich zu berücksichtigen. Werden die vorhandenen Kundendaten mit diesen Informationen angereichert, können einerseits die aktuellen Kunden je nach Produkt- und Markenaffinität in Segmente eingeteilt werden. Andererseits können hieraus auch Kundenprofile abgeleitet und Rückschlüsse für potenzielle Kunden gezogen werden. Beispielsweise kann erschlossen werden, welche Eigenschaften (Alter, Einkommensklasse, etc.) ein typischer Kunde des Fahrzeugmodells A hat. Somit ist es möglich ein Scoringmodell abzuleiten, mit Hilfe dessen potenzielle Kunden den Segmenten zugeteilt werden können, auch wenn nur wenige oder qualitativ nicht ausreichende Informationen vorliegen.Der Nutzen
Dies ermöglicht Unternehmen ihre Vertriebs- und Kommunikationsaktivitäten kundenspezifischer zu gestalten. Potenzielle Kunden eines bestimmten Produktes können präziser identifiziert und mit gezielten Marketingmaßnahmen angesprochen werden. Das auf einer produkt- und markenaffinitätsbezogenen Segmentierung basierende kundenspezifische Scoring erleichtert es, potenzielle Kunden gezielter zu kontaktieren. Folglich ist es Unternehmen möglich, von bestehenden Kunden zu lernen und die Kundenansprache segmentspezifisch zu gestalten. Für unseren Kunden führte dies zu einer nachhaltigen Effizienzsteigerung bei der Kundenkommunikation und bei den Vertriebsaktivitäten. Die Conversion-Rate konnte gegenüber einer Vergleichskampagne um mehr als 100 % gesteigert werden. Zusätzlich können diese Informationen auch für eine kundengerechte Produktgestaltung genutzt werden.Prognose von Serviceintervallen im After Sales-Geschäft zur Optimierung der kundenindividuellen Ansprache
Der Kunde
Unser Kunde, ein weltweit agierender deutscher Automobilhersteller, beschäftigt nahezu 130.000 Mitarbeiter und zählt zu den größten Wirtschaftsunternehmen Deutschlands. Das traditionsreiche Unternehmen, das auf eine mehr als 100-jährige Historie zurückblickt, zählt zu den Premiummarken seiner Branche.Die Herausforderung
Das After Sales Geschäft ist auch in der Automobilindustrie von großer Bedeutung. Neben dem Verkauf von Neuwagen macht das Service-, Teile- und Wartungsgeschäft einen bedeutenden Anteil am Gewinn aus. Bei steigendem Wettbewerb und abnehmender Kundenloyalität ist es daher umso wichtiger, Kunden zu binden und das richtige Angebot zur richtigen Zeit zu offerierenDie Lösung
thaltegos unterstützte den Kunden dabei, die Serviceintervalle seiner Kunden zu prognostizieren und somit eine zielgerichtete Ansprache zu ermöglichen. Für die Prognose der nächsten Serviceevents im After Sales Geschäft ist es von besonderer Bedeutung, die relevanten Kundensegmente sowie die Einflussfaktoren auf die Serviceintervalle zu definieren. Beispielsweise können sich die Intervalle eines Ölfilterwechsels je nach Fahrzeugalter und -modell deutlich unterscheiden. Um diese Faktoren in die Prognose einbeziehen zu können, wurden die Daten der Servicehistorie als Ausgangspunkt für die Prognose verwendet. Basierend auf diesen Daten wurde die sogenannte „Interpurchase Time (IPR)“ – die Zeit zwischen zwei aufeinanderfolgenden Serviceevents – ermittelt sowie diejenigen Faktoren extrahiert, die Einfluss auf die IPT nehmen. Somit war es möglich, den Einfluss der einzelnen Faktoren zu ermitteln und ein Regressionsmodell für die Prognose der Serviceintervalle abzuleiten.Der Nutzen
Mit Hilfe dieses Modells können die zukünftigen Serviceevents genauer prognostiziert werden als dies bislang möglich war. Im Vergleich zur einfachen Sequenzfortschreibung übertrifft das Regressionsmodell den Anteil der korrekt geschätzten Serviceintervalle um 20 %. Somit kann beispielsweise der nächste Ölfilterwechsel eines Fahrzeugs genauer prognostiziert und der Kunde rechtzeitig angesprochen werden. Die Prognose der Serviceintervalle ermöglicht es unserem Kunden gezielte Marketingmaßnahmen im After Sales Geschäft durchzuführen. Je nach Servicebedarf und Servicezeitpunkt kann dem Kunden individuell das richtige Angebot zur richtigen Zeit unterbreitet werden. Auch können abwanderungsgefährdete Kundensegmente identifiziert und entsprechende Maßnahmen zur Kundenrückgewinnung eingeleitet werden. Hierdurch ist es einerseits möglich, die Händler- und Werkstattkapazitäten besser zu planen, andererseits kann insbesondere die Kundenloyalität und -profitabilität positiv beeinflusst werden.Implementierung eines BI Tools zur Messung der Digital Performance
