Datengetriebene Vertriebsoptimierung X.0 - Ansätze zur Optimierung der Vertriebsaktivitäten mit Hilfe von Data-Analytics Düsseldorf, im November ...
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Datengetriebene Vertriebsoptimierung X.0 Ansätze zur Optimierung der Vertriebsaktivitäten mit Hilfe von Data-Analytics Düsseldorf, im November 2021
Motivation Marktbedingungen von Kreditinstituten wandeln sich aktuell rasant Quantitative Sicht auf Kreditinstitute in Deutschland -46% 2x Anzahl der Verdopplung 2000 Bankfilialen in Provisions- - Deutschland 2019 aufwand 2004 - 2020 Anzahl der Beschäftigten Anteil Bargeld am Bezahlen im Kreditgewerbe (nach Umsatz) Deutschland 2009 - 2019 -15 % -45 % Deutschland 2008 - 2020 -32 % Anzahl Kreditinstitute 2003 - 2020 -16 % Entwicklung Zinsüber- schuss 2010 - 2019 Zinsergebnisse weiter unter Druck – Provisionserträge oft nicht ausreichend wachsend – Kostenentwicklung meist +/- „flat“ gestellt – Strukturkosten weiter im Fokus – Profitabilität des Geschäftsmodells weiter „instabil“ Vertriebsoptimierung X.0 2
Motivation Neue Chancen aktiv ergreifen und mutig neuen Rahmenbedingungen begegnen Trends & Themen Verschärfte Rahmenbedingungen Verändertes Kundenverhalten Niedrigzinsniveau Online-Affinität Covid-19 Mobile First „Fokussierung“ „Kundenzentrierung“ Wettbewerb Vertrieb Customer Centricity Verbraucherschutz/ Regulatorik Preissensitivität … neu denken … Data Analytics Digitalisierung (F2E) Process Mining Omnikanal/ Front-End Automatisierung Plattformisierung Individualisierung “Datenzentrierung “ “State-of-the-art“ Wertschöpfung … … Aktive Datennutzung Neue technische Möglichkeiten Banken und Sparkassen müssen auf veränderte Rahmenbedingungen reagieren – neue technische Möglichkeiten und Methoden der Datennutzung schaffen viele neue Chancen im Vertrieb, die es gilt zu ergreifen Vertriebsoptimierung X.0 3
Motivation Vertriebsoptimierung X.0 – Konsequente Datennutzung für mehr Vertriebserfolg Inhalte 1 2 3 4 Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen Welche aktuellen Anwendungsfälle haben wir Use Cases gemeinsam mit Banken und Sparkassen entwickelt? + Wie helfen datengestützte Verfahren bei der Data-Analytics-Tools Lösungsfindung und der laufenden Optimierung? Entlang des Vertriebsprozesses zeigen wir an Hand echter Use Cases aus unserem Beratungsalltag bei Finanzdienstleistern, welche Möglichkeiten zur Steigerung des Vertriebserfolgs Data-Analytics-Tools bieten Vertriebsoptimierung X.0 4
Data Analytics erhöht die Schlagkraft im Vertrieb „Die Anzahl an Kunden und Produkten, mit denen sich im Retail-Banking Geld verdienen lässt, sinkt. Vertriebsressourcen werden auf der anderen Seite immer noch sehr breit auf die Masse an Kunden verteilt – der Erfolg in Form von Produktabschlüssen ist dann häufig gering. Data Analytics bietet die Chance dies zu ändern. Kunden mit Potenzial lassen sich treffgenauer identifizieren. Passende Ansprachemomente werden vorhersehbar und Präferenzen der Kunden deutlicher erkennbar. Ein effizienterer und ertragssteigender Einsatz der Vertriebsressourcen wird so Realität.“ Dr. Claus Christian Breuer Associate Partner Vertriebsoptimierung X.0 5
Motivation Anwendungsfälle entlang des Vertriebsprozesses ausgewählt und vertieft Exemplarische Handlungsfelder 1 2 3 4 Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen Wie hoch ist das Welche Momente eignen Wie allokiere ich meine Wie überzeuge ich den Potenzial meiner Kunden sich für die Ansprache zu Ressourcen im Vertrieb Kunden vom Mehrwert und der Nichtkunden? welchen Themen? bestmöglich? und binde ihn an mich? Datenschatz der Kunden Interne und externe Kanalnutzungsdaten und Jede Datenspur des mit externen Daten Daten nutzen, um Umfeldanalysen für eine Kunden erlaubt es uns kombinieren und erken- frühzeitig zu erkennen, am Kundenbedarf orien- die Kundeninteraktion nen welche Kunden- ob und wie ein Thema tierte Vertriebsstruktur realtime anzupassen und beziehung sich lohnt adressiert wird nutzen zu optimieren Datennutzung wird in einem umkämpften Markt darüber entscheiden, wer so nah am Kunden bzw. Nichtkunden ist, dass es ihm auch gelingt das Geschäft abzuschließen – das Rennen läuft schon, es gilt keine Zeit zu verlieren Vertriebsoptimierung X.0 6
Anwendungsfälle Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 1 Potenzial: Daten nutzen um Vertriebsaktivitäten zu priorisieren Segmentierung Methodik für Bestimmung von Potenzialen und zur Priorisierung von Vertriebsaktivitäten Wie hoch ist die monatliche Sparfähigkeit des Kunden ? Priorisierung Ableitbare Cross-Selling-Ansätze Über welche Einnahmequellen Vertriebsaktivitäten verfügt der Kunde? Für welchen Ansprachekanal Kunden- ist der Kunde zugänglich? Ableitung konkreter Vorschlag verhalten ... für ein Produkt/Dienstleistung Empfehlung über Kanal der Wahl aus Erwartete Ausgangslage Kundensicht (online, outbound, …) Potenzialscore Produkt- Ansprache/ nutzung Kampagne Direkte Überleitung zum Online- Interne Video/Hotline-Produktabschluss Daten Spar- Einnahme- Produkt- fähigkeit quellen nutzung Erwartete Abschluss- … Kanal- Lebens- Ansprache- präferenz phase anlässe wahrscheinl. Externe Kampagnen- Erfolgsquoten Präsenz in Web/Medien ... Daten Affinitäten Berechnung von Potenzialscores durch Erstellung von Profilen auf Basis interner und externer Daten/ Informationen. Dieser kann für Segmentierung sowie zur Priorisierung der Vertriebsaktivitäten genutzt werden Vertriebsoptimierung X.0 7
Anwendungsfälle Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 1 Potenzial: Laufendes Score-Wert-Berechnungsverfahren konzipiert und umgesetzt Kurzbeschreibung Anwendungsfall Privatbank mit Nachholbedarf bei Erträgen je Kunde und dem Ziel Wunsch profitablere Neukunden zu gewinnen Aufbau einer automatisierten DSGVO beachten und Einwilligung Datennutzung steigern Potenzial-Score Ermittlung Restriktionen Sensibilität hinsichtlich Nutzung externer Daten beachten Erhebung relevanter Zeitreihen interner Daten Vorgehen & Ergänzung um externe soziodemographische Daten Lösungen Identifikation Wirkungszusammenhänge mit Cluster-Analyse Etablierung laufender Routinen zur Score-Berechnung Steigerung der Bestandskundendurchdringung nachhaltig ge- Fazit glückt – Rentabilität Neukunden früher als bisher erreichbar Ziel war es, eine Methodik und Systematik zu etablieren, die es erlaubt bei Bestandskunden ungenutztes Potenzial zu identifizieren und bei der Gewinnung von Neukunden zielgerichtet und effizient zu agieren Vertriebsoptimierung X.0 8
Data-Analytics-Tools Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 1 Analytics-Verfahren ermöglichen es, Affinitäts- und Potenzialscores abzuleiten Beispiel zur Ermittlung und Methodik P r i n z i p d a rste l l u n g Kundendaten (intern) Vorhersage aktuelle Affinitäts- Historische Kundendaten und Potenzialscores Input Produkt: Produkt:Privatkredit Produkt:Versicherung Kreditkarte Modell-Training Produkt: Depot Das Bild kann nicht angezeigt werden. Machine Learning Algorithmen Das Bild kann nicht angezeigt werden. Aktuelle Kundendaten Das Bild kann nicht angezeigt werden. Produkt: Produkt:Privatkredit Produkt:Versicherung Das Bild kann nicht angezeigt werden. Kreditkarte Produkt: Depot Input aktuelle Vorhersage Soziodemograph. Daten (extern) Erhebung u. Verknüpfung Daten Analyse- und … … Prognoseverfahren Affinitäts- und Potenzialscores Durch Verknüpfung interner Kunden- Mittels „Machine Learning“ wird ein Die mit „Machine Learning“ in histor- Die Vorhersage zukünftigen Kunden- daten (z.B. aus Abschlüssen, Transak- selbständig lernendes System aufge- ischen Daten gefundenen Muster verhaltens ist die Grundlage zur tionen etc.) mit externen (sozio- baut, das Zusammenhänge und werden zusammen mit aktuellen Ableitung von Produkt- und Themen- demographischen) Daten werden Muster in historischen Kundendaten- Kundendaten zur Vorhersage zukünf- affinitätsscores sowie von Potenzial- zusätzliche Informationen gewonnen sätzen erkennen kann tigen Kundenverhaltens genutzt scores auf Kundenebene Vertriebsoptimierung X.0 9
Anwendungsfälle Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 2 Ansprache: Entwicklung eines automatisierten Kampagnenmanagements Wirkungskreislauf Kampagne heute Next step: Kampagne morgen Automatisiert über Kunden Kunden- Segmentierungs- auswahl kriterien Bildung von Sub- gruppen auf Basis Manueller Prozess von Affinitätsscores Kanal- durch Experten- auswahl entscheidung Kanal Content Manuelle Auswahl Content- von Content je Kaskadenförmige, Zuordnung von auswahl Kunde und Kanal kundenspezifische Content je Sub- Ansprache gruppe Geringer Grad an Automatisierung; Hoher Grad an Automatisierung; gefußt auf Erfahrungswissen der Mitarbeiter auf Basis von selbstlernenden Algorithmen Im Kampagnenmanagement liegt hohes Potenzial für die Anwendung von datengetriebenen, automatisierten Modellen und damit verbunden auch einer höheren Wahrscheinlichkeit für eine kundenspezifische Ansprache Vertriebsoptimierung X.0 10
Anwendungsfälle Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 2 Ansprache: Generierung von Leads und passende Ausspielung erhöhen Erfolg Kurzbeschreibung Anwendungsfall Systematische und Data-Analytics-Gestützte Ansprache von Ziel gewerblichen Kunden und Neukunden Lead-Generierung im Kosten/Aufwand für externe Datennutzung „gedeckelt“ gewerblichen Vertrieb Restriktionen Minimaler „Pflegeaufwand“ aufgrund fehlender Ressourcen Aufbau Datenmodell aus internen und externen Quellen Vorgehen & Implementierung Text-Analysen und Datenarchitekturen Lösungen Design eines Dashboards für Anzeige Ansprache-Anlässe Plausibilitätschecks/Verprobung mit Vertriebsmitarbeitern Terminquote in der Ansprache deutlich erhöht und Fazit gleichzeitig auch höhere Abschlussquoten je Termin Ziel war es, bisher manuelle Vertriebstätigkeiten, wie die Suche nach Anspracheanlässen bei Kunden zu automatisieren und zu systematisieren – Akzeptanz im Vertrieb über Begründung warum Ansprache erfolgen soll Vertriebsoptimierung X.0 11
Data-Analytics-Tools Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 2 Ansprache: Ansprachethemen aus Markt-/Brancheninformationen ableiten Vertiefung am Beispiel Branche Automobilzulieferer Branche Relevante KPIs Entwicklung KPI Handlungs-/Vertriebsansatz Euribor Sinkend Risikosignal 01 Automobilindustrie Liquiditätslinien US-Dollar Steigend Überbrückungskredit ... Absicherungsangebote Call-to-action Uneinheitlich … 01.4 Automobilzulieferer News/Meldungen ... Gesetz zur Senkung der Abluftwerte von Industrieanlagen nach DIN 4568 hat gestern den Bundesrat passiert; das Inkrafttreten wird für den 1. Januar 2021 Investitionsfinanzierung erwartet 02 Maschinenbau Modernisierung Stadtrat von Nördlingen hat Verkauf des 8 ha großen Grundstücks an Firma Förderkredit Ansprachethemen Mustermann GmbH zugestimmt; der Automobilzulieferer plant die Errichtung ... eines Logistikzentrums Absicherungsangebote Kapitalanlage KfW plant Programm zur Förderung von Bildverarbeitungstechnologien; es soll aus zinsverbilligten Krediten sowie Zuschüssen für F&E-Vorhaben … ... bestehen; Förderungsberechtigt sind Mittelständler bis EUR 0,75 Mio. Umsatz Festlegung relevanter KPIs und Handlungsansätze je Branche/Kunde – Realtime Erzeugung von Signalen – Generieren von Vertriebsanlässen etc. Auf Grundlage von Branchencharakteristika KPI und Handlungsansätze definieren, die Handlungsbedarfe beim Kunden auslösen. H&C-Analytics-Engine überwacht die KPI und erzeugt Leads Vertriebsoptimierung X.0 12
Anwendungsfälle Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 3 Vertriebsstruktur: Stationäre Präsenz wertschöpfend und effizient organisieren Spannungsfeld für Banken Wertschöpfung durch lokale Präsenz Kosten durch lokale Präsenz Kunden wünschen Ansprechpartner vor Ort Zukunft der „Leerzeiten“ mit hohen Personalkosten Filiale vor Ort Präsenz beeinflusst Wahrnehmung „Marke“ Rückgang Bedeutung Barzahlungen Mitarbeiter wollen Austausch mit Kollegen Personenbedienter Service wenig effizient Gezieltes Angebot wertschöpfender Wie/wo lohnt sich Kosten der lokalen Präsenz sollen nicht die Tätigkeiten – kein „Gießkannen-Prinzip“ Investition in Filiale? Investitionen in Online begrenzen Rahmenbedingungen erlauben es – insbesondere aufgrund erforderlicher Investitionen in digitales Angebot – nicht mehr ein „pauschales“ Angebot vor Ort bereitzuhalten ohne den Kundennutzen/–bedarf zu hinterfragen Vertriebsoptimierung X.0 13
Anwendungsfälle Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 3 Vertriebsstruktur: Filialstandorte nach Kundenbedarf und Potenzial optimieren Kurzbeschreibung Anwendungsfall Kreditinstitut mit neuer Vertriebsstruktur und neuen Rollen Ziel im Vertrieb möchte leistungsstarkes Standortnetz Filialnetz-Optimierung bei Reduzierung der Filialmitarbeiter bis 2025 um rund 40% Sparkasse mit Stadt-/Land- Restriktionen Geschäftsgebiet Kein kompletter Rückzug aus der Fläche Symbolisches Bild Erhebung Kundenfrequenz und Kundenbedarf Erarbeitung eines einheitlichen Leistungsversprechens Vorgehen & Herleitung Mindestausstattung Mitarbeiter je Standort Lösungen Definition maximale Wegstrecken für Kunden (Stadt/Land) Optimierung des Standortnetzes über Algorithmus Filialmodell für die Zukunft geschaffen – 30 leistungsstarke, Fazit vertriebsorientierte Standorte mit hoher Qualität für Kunden Ziel war es, ein Filialnetz zu schaffen, das dem Kundenbedarf nach einer qualitativ hochwertigen Präsenz vor Ort entspricht – Vermeidung „Rumpfstandorte“ mit eingeschränktem Angebot oder reduzierten Öffnungszeiten Vertriebsoptimierung X.0 14
Anwendungsfälle Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 3 Vertriebsstruktur: Standortverteilung optimieren und mit Marktwissen adjustieren Vorgehensskizze Data-Analytics-Optimierung Zielbild Expertenwissen von mit Nebenbedingungen Filialnetz Vertriebsführungskräften Algorithmus findet die optimale Lösung des Algorithmus mit Anzahl und Verteilung der Vertriebsführungskräften Filialen auf das Geschäftsgebiet validiert u. geprüft hinsichtlich: unter Einhaltung der Nebenbedingungen: Regionale Besonderheiten Distanz zw. Wohnort Kunde und Vertriebliche Potenzialaspekte nächster Filiale kleiner x km Wettbewerbssituation Kundenpotenzial der Filiale aus- Räumliche Situation reichend groß für rentables und Angepasstes Zielbild erarbeiten kundenfreundliches Angebot Stärke des gewählten Vorgehens ist die Kombination aus einer objektiven, datenbasierten Lösung, die punktuell durch Expertenmeinung bezüglich regionaler Aspekte – die sich nicht über Daten abbilden lassen – ergänzt wird Vertriebsoptimierung X.0 15
Data-Analytics-Tools Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 3 Vertriebsstruktur: Nicht alleine die aktuelle Situation einer Filiale ist entscheidend Der „Wert“ einer Filiale setzt sich aus mehreren Faktoren zusammen Ex terne Daten zum Umfeld-Potenzial Geschäftsgebiet Scores Wie hängen Distanz zur Filiale, Anzahl von Filialen Altersklassen Verkehrsfrequenz Wettbewerber etc. mit Kosten zusammen? Einkommensklassen Geo Sinus Milieus Wie hängt das erwartete Wachstum vom sozioökonomischem Umfeld ab? Wettbewerbssituation … … Kundenqualität Interne Daten zum Welche Kundenmerkmale stehen im Geschäftsgebiet Zusammenhang mit hohem Ertrag? Kunden Segment Alter Welche Kundenmerkmale stehen im Wohnort Familienstand Zusammenhang mit hohen Kosten? -daten: berufliche Stellung … … Wichtiger Input-Faktor im Rahmen der Kosteneffizienz Filialnetzoptimierung Wie viele und welche Kontakte sind nötig, Ermöglicht Maximierung von Ertragspoten- Filial- Adresse Typ um Erträge zu erzielen? zialen i.R.d. Optimierung daten: Öffnungszeit Ist- und Soll-MAK Wie viele u. welche Services (GAA-Felder) Ermöglicht Bewertung von Filialen unter GAA/GAE … stehen mit Erträgen in Zusammenhang? Berücksichtigung künftiger Entwicklungen … Der Scoring-Ansatz ermöglicht die Berücksichtigung der zukünftigen Werte von Filialen in der Filialnetzo ptimierung – die genaue Gestaltung erfolgt in enger Abstimmung mit dem Kunden Vertriebsoptimierung X.0 16
Data-Analytics-Tools Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 3 Vertriebsstruktur: Die Optimierung erfolgt durch mathematische Algorithmen Modell zur Filialnetzoptimierung Beispiel Finden eines optimalen Filialnetzes, in dem Optimierung jede Filiale die kritische MAK Größe nicht Ziel unterschreitet, während eine angemessene H&C nutzt zur Optimierung von Filialnetzen verschiedene Algorithmen, unter anderem Abdeckung des Geschäftsgebietes gegeben ist. die Bayes Optimierung: Entfernung Wohnort von X % der Kunden je Die zu minimierende Funktion , welche die Optimierungskriterien abbildet, wird als Filiale nicht größer als Y km „zufällig“ betrachtet und durch eine A-Priori-Wahrscheinlichkeitsfunktion abgebildet Durch Evaluation von an „geschickt“ gewählten Stützstellen kann das Wissen über Maximale Anzahl Kunden je Betreuer Stück für Stück erweitert werden Das Minimum der Funktion wird so nach und nach immer weiter angenähert Kriterien Minimale Anzahl Betreuer an einem Standort (damit Filiale „funktioniert“) Minimierung Anzahl an Kunden, die von Schließung betroffen sind Maximierung Filialscore-Werte (Ertragspotenzial) … … Liste zu schließender Filialen Ergebnis Neue Zuteilung Kundenverbünde zu Filialen Bildquelle: Feurer M., Hutter F. (2019) Hyperparameter Optimization. In: Hutter F., Kotthoff L., Vanschoren J. (eds) Automated Machine Learning Vertriebsoptimierung X.0 17
Data-Analytics-Tools Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 3 Vertriebsstruktur: Unterschiedliche Lösungsalternativen sind kurzfristig verfügbar Vergleich Lösungsalternativen Ausgangslage Parameter-Setting 1 40 (-41) Max. Distanz Kd. nächste GS (km) 5,3 (+1,3) Alternative 1 Stadt: 10,0 Land: 35,0 2.000 (+500) Mindest-MAK je Geschäftsstelle km 22 km (+0,5) MAK: 3,0 … Bedeutung Potentialscore (%) P.-Score: 65 Sachkosten: Kundenwanderung: ... -3,5 (Mio. EUR) 50.000 Parameter-Setting 2 15(-66) Max. Distanz Kd. nächste GS (km) 6,7 (+2,7) Alternative 2 Stadt: 15,0 Land: 50,0 2.500 (+1.000) # Geschäftsstellen (GS): 81 Mindest-MAK je Geschäftsstelle km 30 km (+1,5) Ø MAK je Geschäftsstelle: 4,0 MAK: 5,0 … Bedeutung Potentialscore (%) Ø Kd. je Geschäftsstelle: 1.500 P.-Score: 65 Sachkosten: Kundenwanderung: km Ø Distanz Kd. nächste GS: 15 ... -5,5 (Mio. EUR) 75.000 … … … Durch Parametervariation können agil verschiedene Lösungsalternativen entwickelt und die resultierenden Ergebnisse verglichen und fachlich bewertet werden Vertriebsoptimierung X.0 18
Mit Data Analytics kommen wir zu objektiven, datengetriebenen Lösungen „Wir erleben oft, dass unsere Kunden in den Projekten bereits ein ‚Gefühl‘ haben, wie sie ihren Vertrieb optimieren können. Mithilfe von Data Analytics können wir Führungskräfte dabei unterstützen, ihre Entscheidungen auch auf mathematisch optimierte Vorschläge zu stützen. Das letzte Wort verbleibt immer bei menschlichen Experten: Unsere Analytics Lösungen können sowohl auf geänderte Rahmenbedingungen reagieren als auch bereits feststehende Entschlüsse zu einzelnen Filialen berücksichtigen.“ Prof. Dr. Dietlind Zühlke Principal Data Science 19
Anwendungsfälle Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 4 Abschlüsse: „Next best action“ über Daten ermitteln und Vertriebserfolg steigern Automatisch-individuelle Auswahl einer Kundeninteraktion Business Benefits: Höhere Kundenzufriedenheit durch individuellere Anzeige und relevantere Interaktionen Abgleich Ähnlichkeit zu anderen Auswahl unter Berücksichtigung von Historie und Kunden und ihrer Situation Erfolgen gemäß Erfolgswahrscheinlichkeit je Aktion Vorgehensweise: Erfassung von Inhalten und Infor- mationen, die für das Kundense- gment, die Käuferpersönlichkeit web und die Phase des Verkaufspro- zesses relevant sind web Vorhersage des Erfolgs von Inter- web aktionen im Kontext des Kunden und seiner Situation Abschlussquoten können erhöht werden, wenn die Anzeige und Erklärung von Angeboten personalisiert und auf den Kundenbedarf zugeschnitten werden – Daten ermöglichen vorausschauende Interaktion mit Kunden Vertriebsoptimierung X.0 20
Anwendungsfälle Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 4 Abschlüsse: After-Sales-Prozess erhöht Kundenzufriedenheit und Durchdringung Kurzbeschreibung Anwendungsfall Begleitung des Kunden während und nach dem Produkt- Ziel abschluss zur Intensivierung der Nutzung und Bindung Entwicklung dynamisches DSGVO beachten und Einwilligung Datennutzung steigern Kunden-Onboarding Restriktionen „Nervschutz“ einbauen und Ansprache je Kunde dosieren Erhebung Kundenbedarf beim Einsatz des Produktes Vorgehen & Prozessanalysen zur Identifikation Hürden Produkteinsatz Lösungen Implementierung NBA-Methodik zur Themenidentifikation Kundendatenbasierte automatisierte Kanal-Ausspielung Nutzungsquoten bei angrenzenden Services und Leistungen Fazit gesteigert und Kundenzufriedenheit und –bindung erhöht Ziel war es, die Kunden in der Phase des Produktabschlusses und beim Einsatz des Produktes zu begleiten und bedarfsabhängig Hinweise zu Leistungen und weiteren für den Kunden hilfreichen Produkten zu geben Vertriebsoptimierung X.0 21
Data-Analytics-Tools Potenzial identifizieren Ansprache managen Vertriebsstruktur optimieren Abschlüsse erhöhen 4 Abschlüsse: „Next best action“ für Kundensegmente mittels Machine Learning Beispiel zur Ermittlung und Methodik Kundensegment … 1 Kundensegment 2 Training Prognosemodell für Vorhersage Erfolgswerte für verschiedene Aktionen mittels 2 Kundensegment 1 mittels historischer Daten 3 Prognosemodell und Ableitung „Next best action“mittels für Kunde X Segmentierung: Kundensegment 1 Training Prognosemodell für Vorhersage Erfolgswerte für verschiedene Aktionen Identifikation 2 Kundensegment 1 mittels 3 Kundengruppen Training Prognosemodell für historischer Daten Prognosemodell Vorhersage und Ableitung Erfolgswerte „Next best für verschiedene action“mittels Aktionen für Kunde X 2 Kundensegment 1 mittels historischer Daten 3 Prognosemodell und Ableitung „Next best action“ für Kunde X mit ähnlichem Verhalten Via Machine Learning können auf Kundenebene Erfolgswerte für verschiedene Anspracheaktionen vorhergesagt und damit die beste nächste Kundenaktion identifiziert werden Vertriebsoptimierung X.0 22
Vorgehensmodell Analytics-Vorgehen: Agiles Vorgehen von der Idee bis zur Lösung Agile Schleifen für die Entwicklung von Data-Analytics-Tools Entwicklung Entwicklung/Berechnung Lösung Abstimmung und Weiterentwicklung Planung Implementierung Definition Ziele und Etablierung Software- Festlegen Rahmen- gestützte Lösung in Business Daten- bedingungen Verständnis Verständnis IT-Infrastruktur Daten- Vorbereitung Empfehlung Daten Modellierung Evaluation A g i l i tä t i s t d e r S c h l ü s s e l i n d e r e r fo l g re i c h e n U m s e t z u n g vo n d a te n g e t r i e b e n e n Ve r fa h re n – vo n d e r Kre a t i v p h a s e ü b e r d a s Z i e l b i l d b i s z u r U m s e t z u n g Vertriebsoptimierung X.0 23
Vorgehensmodell Gemeinsame Workshops schaffen die Grundlage für Optimierungsprojekte Die Schwerpunktsetzung der einzelnen Workshops erfolgt nach dem Bedarf des Kunden Set-up Workshop Workshop Konsolidierung Strategische Ersten Prototypen Bestandsaufnahme Eckpfeiler gemeinsam inkl. Dateninventur definieren verproben Mini-Business Case Priorisierung der Themen über kurze Potenzialanalyse Workshop Workshop Finalisierung und Feinanpassung des ggfs. Übergabe in Modells und laufenden Betrieb Customizing E i n b i n d u n g a l l e r Pro j e k t b e te i l i gte r i n a l l e n P h a s e n d u rc h B e te i l i g u n g a n Wo r k s h o ps s i c h e rg e s te l l t – U n te rs t ü t z u n g d u rc h fa c h l i c h e u n d te c h n i s c h e E x p e r te n vo n H o r n & C o m p a ny Vertriebsoptimierung X.0 24
Expertise Horn & Company hat spezifischen USP für die Realisierung von DA-Potenzialen Ideale Kombination aus bankfachlicher und Data-Analytics-Kompetenz F i n a n c i a l S e r v i c e s Branchenkompetenz Fachkompetenz Banken und Versicherungen Data Analytics Management Berater und Businessexperten mit tiefem Verständnis der Geschäftsmodelle Data Scientists, Big Data Architekten und Scrum Master zur agilen Umsetzung analytischer Services H&C bringt beide Perspektiven in das Projekt ein: Die „bankfachliche“ Perspektive i.S.v. „Was ist wichtig und stiftet Nutzen?“ und die Data-Analytics-Perspektive i.S.v. „Was ist möglich?“ bzw. „Wie machen wir es?“ Vertriebsoptimierung X.0 25
Wir begleiten Sie auf dem Weg zur datengetriebenen Vertriebsoptimierung Autorenteam und Ansprechpartner Dr. Alexander Dr. Claus Christian Prof. Dr. Dietlind Dr. Fabian Bethke-Jaenicke Breuer Zühlke Nick Geschäftsführender Partner Associate Partner Principal Data Science Manager Data Science alexander.bethke-jaenicke@ claus-christian.breuer@ dietlind.zühlke@ fabian.nick@ horn-company.de horn-company.de horn-company.de horn-company.de Mobil: +49 162 2726 001 Mobil: +49 162 2726 014 Mobil: +49 162 2726 065 Mobil: +49 162 2726 074 Vertriebsoptimierung X.0 26
Internationale Top-Management-Beratung DÜSSELDORF | BERLIN | FRANKFURT | HAMBURG | KÖLN | MÜNCHEN | NEW YORK | SINGAPUR | WIEN
Sie können auch lesen
