Empfehlungen sind der Schlüssel

Fachabteilungen sind an konkreten Empfehlungen und Entscheidungen und nicht an komplexen Tabellen und Diagrammen interessiert. Das ist die Lektion, die die meisten Data Scientists nach ein paar echten Industrieprojekten lernen. Sehr oft trainieren Data Scientists Modelle, erstellen Vorhersagen, entwerfen ausgefallene Visualisierungen und erhalten am Ende eine Frage: "Wie soll ich das nun in meiner täglichen Arbeit nutzen?"

Auch in der Kunden-/Marketing-Analyse wenden die meisten Softwareprodukte verschiedene fortschrittliche Algorithmen an und erstellen Dashboards, die leider nur von Analytikern mit wissenschaftlichem Hintergrund genutzt werden können.

Unser Ansatz ist anders: Die Kunden erhalten konkrete Handlungsempfehlungen. Diese Empfehlungen vereinfachen ihre tägliche Arbeit, verbessern den Entscheidungsprozess und sparen Zeit. Der Prozess der Berechnung dieser Empfehlungen ist komplex und beinhaltet Data Mining, maschinelles Lernen und Statistik. Aber lassen Sie es unsere Aufgabe sein, Geschäftsanwender sollten sich nicht um die Algorithmen kümmern. Am Ende sind die Ergebnisse eindeutig, verständlich und nutzbar.

Lassen Sie uns ein paar Beispiele aus unserem Kundensegmentierungsdienst CusaaS zeigen. Im Hintergrund berechnen mehr als 30 Algorithmen die KPIs (inkl. prädiktiver) pro Kunde wie Lifecycle-Segment, durchschnittlicher Bestellwert (AOV), RFM-Segment, ABC-Gruppe, Customer Lifetime Value (CLV) und andere. Das Ergebnis enthält jedenfalls auch Empfehlungen, die von den Mitarbeitern der Marketing- und Vertriebsabteilungen weiter genutzt werden können.

The customer lifecycle

Diese Empfehlungen sind verständlich und anpassbar, z.B.:

  • Wenn ein Kunde inaktiv ist, die Ränge AOV und CLV hoch sind, die Lebensdauer lang und die Ruhezeit kurz ist, dann lautet die Empfehlung "WAKEUP".

  • Wenn ein Kunde aktiv ist, zur ABC-Gruppe "A" gehört, die AOV- und CLV-Werte hoch sind, die Lebensdauer lang ist und die Ruhezeit 0 beträgt, dann lautet die Empfehlung "UP-SELL".

Also, liebe Geschäftsleute, haben Sie keine Angst vor Data Science, es wird Ihr Leben einfacher machen. Und, liebe Data Scientists, vergessen Sie nicht das Endziel, auch wenn die Algorithmen noch so cool und interessant sind.

Recommended

19 OKT
base image
Methodik der Datenanalyse Es gibt viele bekannte Methoden zur Lösung von Analyseproblemen, doch warum funktionieren sie oft nicht?
26 Sep
base image
Aufbau von Kundenloyalität Loyale Kunden können den konstanten Cashflow und die Rentabilität des Unternehmens für die kommenden Jahre sicherstellen.
14 Sep
base image
RFM-Analyse – Kundensegmentierung nach Loyalität Die RFM-Analyse ist eine einfache und zugleich effiziente Methode mit der Sie die Reaktion eines Käufers vorhersagen.