Customer Intelligence (CI)

Was ist Customer Intelligence?

Customer Intelligence (CI) gehört zum Customer-Relationship-Management. Der Prozess bezeichnet die systematische Erhebung von Kundendaten aus internen und externen Quellen sowie deren Auswertung und Aufbereitung. Die Kundenintelligenz dient dazu, die Motivation sowie das Verhalten der Kundschaft besser zu verstehen.
Daraus lässt sich ableiten, wie die Kundenbindung, -zufriedenheit und der Umsatz bei gleichzeitigem Sinken der Kundenfluktuation wachsen können. Die Verfahren der Customer Intelligence beinhalten häufig intensives Data Mining sowie andere Analyseprozesse und Datenbanken der Big-Data-Methoden.

Customer Intelligence: interne und externe Quellen

Customer Intelligence basiert auf einer umfassenden Datengrundlage. Diese Informationen können entweder aus unternehmensinternen Quellen stammen oder extern gewonnen werden – durch die Interaktion mit Kunden oder von Drittanbietern. Sie unterteilen sich weiterhin in strukturierte und unstrukturierte Daten. Erstere sind beispielsweise Kundenadressen, zu zweiteren gehören E-Mail-Kommunikation oder Telefongespräche.

Interne Daten der CI

Interne Daten für eine CI können beispielsweise aus Kundendatenbanken, dem Kundencenter oder der firmeneigenen Website stammen – sie stehen immer nur innerhalb des eigenen Unternehmens zur Verfügung. Zu den internen Datenquellen zählen zudem folgende:

• CRM-Applikationen: Hierin sind Kundenstammdaten vermerkt (Adressen, Namen, Alter etc.).
• Webanalyseanwendungen: Diese tracken und messen das Kundenverhalten auf der Website.
• Kampagnenmanagementsysteme: Wie reagieren Kunden beispielsweise auf Online-Kampagnen? Wird eine höhere Conversion erzielt?
• Marketing-Automation-Systeme: Diese liefern Daten aus automatisiert ausgeführten Marketingmaßnahmen.
• Mitarbeitererfahrungen: Sie stammen z. B. aus Telefonaten oder aus der E-Mail-Kommunikation.
• Social-Media-Kennzahlen (Social Analytics): Klickzahlen, Kommentare etc. können ausgewertet werden.

Externe Daten des CI

Externe Daten der Customer Intelligence beziehen sich auf Informationen, die nicht direkt aus dem Unternehmen stammen, sondern beispielsweise über Drittanbieter verfügbar sind. Als Quelle eignen sich soziale Netzwerke, Sprachanalysesysteme oder Wettbewerbs- und Marktstudien. Beispiele für daraus gewonnene Daten sind:

• Verhaltensbasierte Daten: z. B. Umfrageergebnisse, Kommentare auf Social-Media-Plattformen
• Personenbezogene Daten: z. B. Bildungsniveau, Familienstand, Beruf, Alter, Geschlecht
• Geografische Daten: z. B. Altersstruktur in bestimmten Gegenden
  Aus diesen CI-relevanten Daten lassen sich Metriken wie das Besucherverhalten oder das Kaufmuster der Kundschaft ableiten.

Datenqualität und rechtlicher Rahmen der Kundenintelligenz

Bevor die gesammelten internen und externen Daten zusammengeführt und ausgewertet werden, muss sichergestellt sein, dass die Daten stimmig und qualitativ hochwertig sind. Die Customer Intelligence auf unzureichenden oder falschen Informationen aufzubauen, kann zu Umsatzeinbrüchen und anderen negativen Auswirkungen führen, z. B. auf rechtlicher Ebene. Daher gilt es, die Genauigkeit sowie die Validität der Daten und Quellen stets zu hinterfragen und zu prüfen.
Bei der Erhebung von Daten müssen zudem rechtliche Bestimmungen eingehalten werden. Vor allem die Richtlinien der DS-GVO (Datenschutz-Grundverordnung) bzw. des BDSG (Bundesdatenschutzgesetz) sind hierbei zu beachten.

Customer Intelligence: Prozesse zum Erfassen und Analysieren der Daten

Zunächst gilt es zu bestimmen, welche Datenquellen für die Customer Intelligence herangezogen werden sollen. Ein wichtiges Entscheidungskriterium ist dabei die Zugänglichkeit der jeweiligen Informationen – wie lohnend oder einfach ist es, aus einer bestimmten Quelle Daten zu extrahieren? Sind die Kosten oder der Aufwand zu hoch, sollten andere Ausgangspunkte herangezogen werden.

Customer Data Intelligence: Methoden zur Datenerfassung

Da es sich bei Customer Intelligence oft um sehr große Mengen an Daten handelt, ist die Datensammlung manuell kaum zu bewerkstelligen. Deshalb werden bereits bei der Extraktion von Informationen Big-Data-Methoden angewendet. Dabei kommen Systeme ins Spiel, die durch Schnittstellen automatisiert Daten sammeln, austauschen und an das passende Tool liefern. Vor allem Echtzeit-Schnittstellen sind hierfür von Vorteil, da diese jederzeit die aktuellsten Daten übertragen. Fallen Systeme aus oder entstehen Engpässe, können diese schnell identifiziert werden.

Customer-Intelligence-Daten zusammentragen und analysieren

Wird jede Datenquelle für sich ausgewertet, kann dadurch keine umfassende Kundenintelligenz entstehen. Je mehr relevante Daten in die CI-Analyse einfließen, desto aussagekräftiger sind die Ergebnisse. Mit sogenannten Business-Intelligence-Systemen können daher Datenquellen aus diversen Schnittstellen ausgewertet, zusammengeführt und visualisiert werden. Muster, Trends sowie Anomalien lassen sich somit leichter erkennen.
Kundenintelligenz nutzt dazu Methoden der Big Data Analytics.
Die als Big Data bezeichneten nicht transaktionalen, unstrukturierten oder semi-strukturierten Daten werden dabei von Algorithmen und moderner Software analysiert – z. B. Klickströme auf Websites, Log-, Maschinen- oder Standortdaten.
Mithilfe dieser automatisierten Auswertung der Daten ist es möglich, die verschiedenen Touchpoints der Kunden über alle Kanäle hinweg genau zu identifizieren – und somit die gesamte Customer Journey der Kunden abzubilden.

Vorteile der Customer Intelligence

Customer Intelligence eröffnet einem Unternehmen einen 360-Grad-Blick auf seine Kundschaft sowie einzelne Zielgruppen. Wenn alle Bedürfnisse, Erwartungen, Wünsche und Verhaltensweisen des Kunden bekannt sind, können Marketingmaßnahmen gezielter eingesetzt werden:

• Werbekampagnen zielen auf die richtige Zielgruppe ab.
• Dank gezielter Ansprache lässt sich der Streuverlust reduzieren.
• Durch Auswertung saisonaler Kundenaktivitäten kann die Produktion besser gesteuert werden. Lieferengpässe sowie Ladenhüter lassen sich vermeiden.
• Bestellprozess von Rohstoffen, Materialien sowie weiteren Produktionsgrundlagen wird effizienter, pünktlicher und kostenoptimiert.
• Produktpalette kann aufgrund von Kundenwünschen gezielt angepasst werden. Die Entwicklung neuer Produkte wird vorangetrieben.
• Kundenservice kann besser arbeiten, da Kundenprobleme und -bedürfnisse frühzeitig identifiziert und angegangen werden können.

Customer Intelligence effektiv gestalten

Customer Intelligence sollte als kontinuierlicher Prozess im Unternehmen eingeführt werden. Eine Momentaufnahme reicht nicht aus. Vielmehr muss CI ein fester Bestandteil der Marketingmaßnahmen eines Unternehmens werden, um nachhaltige Resultate zu erzielen.
Es erweist sich zudem als sinnvoll, weitere Marketingmethoden mit der Customer Intelligence zu verbinden. Predictive Analytics gibt beispielsweise vorab Hinweise darauf, wie Kundenbedürfnisse und -erwartungen sich zukünftig ändern könnten. Mithilfe der durch CI gesammelten Daten können so proaktiv Maßnahmen umgesetzt werden.