|
||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||
Informationsgrundlagen IIInformationsgrundlagen II [als *.doc] Praxisbeispiel Kundenzufriedenheitsanalyse
Data Mining-Verfahren im Kampagnenmanagement AuswertungsformenMonovariate AuswertungenSind Auswertungen, die mit der Deskriptiven Statistik darzustellen sind ((Klassen-)Häufigkeiten, Modus, Median, arithmetisches Mittel, ...). Bivariate AuswertungenBivariate Auswertungen zeigen Zusammenhänge zwischen verschiedenen Merkmalen. Der Einsatz von Kreuztabellen ist hier u. a. gängig. Multivariate AuswertungenUnter multivariate Auswertungen versteht man eine Analyse von Zusammenhängen, die nicht eindimensional darstellbar sind. Gliederung der multivariaten Analysemethoden
Zur Auflösung dieses Baums werden eine Vielzahl von Analysemethoden verwendet, die hier anschließend vorgestellt werden. AnalysemethodenClusteranalyseBei Problemen wie Marktsegmentierung und Erfassung von Zielgruppen wir die Clusteranalyse verwendet, da sie homogene Merkmalsausprägungen zu Objekten zusammenfasst. Dies fasst die Gesamtheit der Werte stark zusammen. FaktorenanalyseZiel ist die maximale Reduktion einer Vielzahl von Werten auf einige signifikante Größen. Anwendung findet diese Methode dort wo viele Eigenschaften mit einem Faktor erklärt werden könnet (Leistung = PS, Hubraum, 0-100/sek, etc. ) KausalanalyseDie Kausalanalyse besteht aus zwei Teilen: 1. Eine theoretische Hypothese wird aufgestellt (komplexe Beziehungen wie Image und Motivation von Kunden) und 2. anhand von tatsächlichem Datenmaterial überprüft, ob diese Theorien standhalten (Einsatz bei Messung der Kundenzufriedenheit und der Kundenbindung). Conjoint-Measurement bzw. AnalyseZiel dieser Analyse ist es den Nutzenbeitrag einer Merkmalsausprägung zum Gesamtnutzen zu ermitteln. Dieses Wissen ist beispielsweise wichtig, wenn Neuprodukte eingeführt werden. Preise und Eigenschaften des Neuprodukts lassen sich daraus berechnen, da sich die Untersuchungssituation der Kaufsituation ähnelt. Die Conjoint-Analyse funktioniert folgendermaßen: 1. Auswahl der relevanten Merkmalsausprägungen 2. Festlegung des Erhebungsdesigns 3. Paarvergleich, d. h. Präsentation der verschiedenen Service-/produktalternativen (inklusive des geplanten Preises) 4. Angabe des Befragten über seine Präferenz 5. Systematische Variation der Merkmale des Service-/Produktangebots und des Preises
Mittels von Rückrechnungen der Entscheidungen der Befragten werden einzelne Merkmale und der Preis herausgearbeitet. Multiple RegressionsanalyseZiel ist die genaue Klärung von Zusammenhängen unterstellter Wirkungen (Abhängigkeiten der Absatzmenge vom Preis, den Werbeausgaben und den Einkommen der Kunden). Praxisbeispiel KundenzufriedenheitsanalyseIn diesem Abschnitt werden nicht die tatsächlichen Zahlen und (Zwischen-)Ergebnisse des Fallbeispiels aufgelistet, sondern vielmehr die Angewandten Methoden vorgestellt. Die verschafft einen Ausblick über das was mit den verschiedenen Analysemethoden zu erreichen ist. Ziel/Wunsch des Unternehmens· Hohe Kundenzufriedenheit · Zielgruppenbezogenen Kundenbearbeitung · Hohe Kenntnis über die Kundenbedürfnisse Erhebung der Daten mittels einer FeedbackschleifeDie Schleife funktioniert folgendermaßen: 1. Fragebogengestaltung 2.
Ergebnisorientierte Datenauswertung 3. Ableitung des Handlungsbedarfs 4.
Maßnahmenüberwachung/-kontrolle 5. usw. Verlauf der KundenzufriedenheitsanalyseFragebogengestalltung· Datenaufnahme geschlossener Fragen und anschließend · Datenaufnahme offener Fragen Datenauswertung· Overallistzufriedenheit · Stärken-/Schwächen-Portfolio · Erklärungsmodell · Kundenzufriedenheitsindex · Exceptional Reporting · Zusatzauswertungen Hinweise auf Handlungsbedarf· Identifikation zusätzlicher Leistungsfelder · Anreizsysteme · Verbesserung bestehender Leistungsfelder · Vermarktungskonzepte Da diese Bausteinkonzept viele Kombinationsmöglichkeiten bietet müssen nicht alle Elemente verwendet werden. Wichtig ist, dass die angewandten Methoden auf die gegebene Situation passen. Vorgehensweise bei der AuswertungenUm einen ersten Überblick über die Zufriedenheitssituation zu erhalten werden oftmals einfache Methoden angewandt (Kreis- und Balkendiagramme, Basisreports) Die weiterführende Analyse bemüht die komplizierteren Methoden. Sie dienen in den meisten Fällen auch dazu eigene Theorien und Marketingvorstellungen zu bestätigen. So wird bei diesem Fall auch zunächst die Kausalanalyse verwendet, um die Einflussfaktoren des Unternehmens auf die Kundenzufriedenheit zu ermitteln (in einer Vielzahl von Fällen DV-technisch unterstützt). Mit dieser Analysemethode bewegt man sich auf ein Schwächen-/Stärken-Portfolio zu. Dies liefert die ersten Ansätze für eine Verbesserung der Kundenzufriedenheit. Die Dimensionen des Portfolios sind die Bedeutung des Merkmals und die Zufriedenheit mit diesem Merkmal. Mittels eines Exceptional Reportings kann man anschließend deutlich machen an welchen Stellen Defizite auftreten und diese einfach kommunizieren. Für den Fall, dass die bisherigen Analysen noch keinen Aufschluss über die vorhandenen homogenen Gruppen gegeben hat, so erledigt dies die Clusteranalyse. Es ergeben sich nach Durchführung Gruppen die aufgrund ihrer Struktur gesondert angesprochen und behandelt werden müssen. Das Marketing passt sich mit seinen Maßnahmen nun an diese Zielgruppen an (One-to-One-Marketing). Data Mining-Verfahren im KampagnenmanagementDie MethodikZiel: Optimierung des Werbemitteleinsatzes für ein
Neuprodukt Theoretisch zusammengefasst ist das Ziel die Optimierung der Zielgruppenselektion und damit die Steigerung des Werbeerfolgs, da Streuverluste verringert/ausgeschlossen werden. Die VorgehensweiseBestimmung von Testvergleichsgruppen (in diesem Fall drei): 1.
Zufallsmenge 2.
Expertenselektion 3.
Scoringselektion Beispiel für ein Scoringmodell
Etwas zur WertschöpfungUm die Auswirkung der getroffenen Maßnahmen zu veranschaulichen kann man ein Diagramm erstellen bei dem der %uale Anteil der Beworbenen dem %ualen Anteil der Abschlüsse gegenübergestellt wird. Hierbei erkennt man, dass die Selektion nach Zufall schlechter abschneidet als die des Experten. Am besten ist die Selektion anhand von Scoringzahlen (im Beispiel 90% Vertragsabschlüsse bei 63% Beworbenen). |