KYC Clustering im Fokus - Whitepaper Einsatz von AI zur Gruppierung von Kunden - MAKING THINGS RUN - targens GmbH
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
M AK I N G T H I N G S R U N KYC Clustering im Fokus Whitepaper Einsatz von AI zur Gruppierung von Kunden targens.de
Zusammenfassung
Das Clustering segmentiert z.B. Kunden oder Produkte basierend nach ihrer Ähnlichkeit. Ein Cluster, eine Gruppe, umfasst dabei Beob-
achtungen welche sich möglichst ähnlich sind. Auch neue Kunden können mit Hilfe des Clusterings zu bestehende Cluster einsortiert
werden. Dies kann beispielsweise zur Analyse von Neukunden hilfreich sein.
Neben der Segmentierung von Kunden ist das Clustering auch eine beliebte Methodik zur Ausreißer-Analyse. Kunden, welche verglichen
zu einer Vergleichsgruppe sehr unterschiedlich sind, werden als Ausreißer definiert. Gerade im Risikomanagement ist es von Interesse
Ausreißer gesondert zu betrachten. Ein weiteres Einsatzgebiet ist das Customer-Relationship-Management. Zielgruppenspezifische Kun-
denansprachen können durch das Clustering erzielt werden. Vorteile sind niedrigere Streuverluste, höhere Response-Quoten und eine
höhere Customer Experience.
1 Einführung
TA R G E N S
Immer größere Datenmengen mit unterschiedlichen Stufen an Komplexität stellen Unternehmen
vor neue Herausforderungen. In diesem Zusammenhang wird auch von Big Data gesprochen. Diese
Die riesigen Datenmengen bieten jedoch auch Chancen, welche zu nutzen sind. Den Einsatz dieser Technologie
kennt man aus Kriminalfilmen, wo das Profiling zur Identifizierung des Täters eingesetzt wird. Es sind
Datenmengen aber zahlreiche andere Einsatzgebiete denkbar.
bieten viele
Chancen Der Einsatz von Data-Analytics-Methoden wie dem Clustering ermöglichen z.B. zielgruppenspezifi-
sche Analysen und Ansprachen. Cross- und Up-Selling wird durch die zielgerichtete Ansprache der
Kunden viel einfacher und erfolgreicher. Der Vorteil sind niedrigere Streuverluste, höhere Response-
Quoten, eine höhere Customer Experience und damit verbunden mehr Absatz.
Auch im Risikomanagement ermöglicht Clustering enorme Kosteneinsparpotenziale. Das Risiko wird
durch ein besseres Kundenverständnis minimiert und die Risikomanagementprozesse effizienter und
effektiver gestaltet.
In den folgenden Kapiteln wird die Funktionsweise des Clusterings und potentielle Einsatzgebiete
erläutert. Ziel ist es einen Überblick zur Methodik und erste Anregungen zum Einsatz von künstlicher
Intelligenz (KI) im Unternehmen zu geben.
02
2 Funktionsweise
Clustering, ein KI-basiertes Verfahren, ermöglicht eine Segmentierung von beispielsweisen Kunden
nach definierten Kriterien wie Alter, Geschlecht, Einkommen oder auch Verhalten. Die Klassifikation
findet dabei nach der Ähnlichkeit der Kunden zueinander statt. Kunden innerhalb eines Clusters, ei-
ner Gruppe, sind sich dabei möglichst ähnlich und zwischen den Clustern möglichst unterschiedlich.
Die Anzahl der Einflussgrößen (Variablen) kann dabei beliebig gewählt werden. So ist es denkbar ein
Clustering nach Alter und Einkommen durchzuführen, um Gruppen mit ähnlichen Einkommen und
Alter zu erhalten.
Grafik 1 zeigt ein Clustering basierend auf dem Transaktionsverhalten der Kunden. Kunden mit
ähnlichem Transaktionsverhalten werden über das Clustering automatisch gemeinsamen Clustern
zugeordnet.
TA R G E N S
Clusterzuordnung der Kunden
Dynamisches
Clustering der
Kunden auf-
grund der
Ähnlichkeit CLUSTERING
Kunden der Bank mit unterschiedlichem Zuteilung der Kunden zu vier Clustern
Transaktionsverhalten
= Niedrige Transaktionsaktivität = Mittlere Transaktionsaktivität
= Hohe Transaktionsaktivität = Sehr hohe Transaktionsaktivität
Grafik 1 Clustering Übersicht
03
Neben der Wahl der Einflussgrößen kann je nach Clustering-Algorithmus auch die Anzahl der Cluster
konfiguriert werden. Wie viele Cluster man am Ende erhält, hängt von den Daten ab. Als Daumenre-
gel gilt: je mehr Beobachtungen vorliegen, desto häufiger ist eine granulare Unterteilung sinnvoller.
Cluster mit nur wenigen Beobachtungen sollten dabei vermieden werden.
Das folgende Beispiel zeigt die Einteilung der Kunden in geeignete Cluster.
Transaktionsvolumen: Summe aller Transaktionen pro Kunde und Jahr
Transaktionswert: Anzahl der Transaktionen pro Kunde und Jahr
Einteilung der Kunden ohne Clustering Einteilung der Kunden nach dem Clustering
Transaktionsvolumen
Transaktionsvolumen
TA R G E N S
Wir teilen
Kunden nach
ihrem tatsäch- Transaktionswert Transaktionswert
lichen Verhalten
ein Mittlere Aktivität
Niedrige Aktivität
Hohe Aktivität
Clusterzentrum
Grafik 2 Clustering Beispiel
Die Kunden werden im vorliegenden Beispiel in drei Cluster eingeteilt: niedrige, mittlere und hohe
Transaktionsaktivität. Grün markiert sind die Clusterzentren (hier: Mittelwert von Transaktionsvolu-
men und Transaktionswert). Die Cluster und ihre Zentren stellen das Ergebnis des Clusterings dar.
Jeder Kunde befindet sich in dem Cluster zu dessen Clusterzentrum er den geringsten Abstand auf-
weist. Hierdurch besteht auch die Möglichkeit auch Neukunden zu bestehenden Clustern zuzuteilen.
Er gelangt in das Cluster zu welchem er den geringsten Abstand aufweist, also am ähnlichsten zu
den darin enthaltenen Kunden ist.
Das Clustering kann auch zur Ausreißer-Analyse verwendet werden. Kunden, die verglichen mit den
restlichen Daten ein abweichendes Transaktionsverhalten aufweisen, werden als Ausreißer identifi-
ziert und können in einem separaten Dokument ausgewiesen werden.
04
3 Einsatzmöglichkeiten
Im Folgenden werden zwei Einsatzmöglichkeiten für das Clustering aufgezeigt. Es sind noch weitere
Einsatzmöglichkeiten für das Clustering denkbar. Beispielsweise für Sozialanalysen, Wahlgruppen-
analysen oder auch zur Gruppierung von Produkten anstatt von Kunden.
3.1 Customer Relation Management
Marketingmaßnahmen und Kundenansprachen sind oft sehr allgemein gehalten. Prospekte, Wer-
bemails oder –anzeigen sind für den interessierenden Kunden nicht passend. Die Folge sind hohe
Streuverluste, eine geringe Response-Quote, eine niedrige Customer Experience und damit verbun-
den verspielte Verkaufspotentiale. Individuelle Kundenansprachen bringen hier einen Wettbewerbs-
vorteil, es gilt „Know your customer“ (KYC).
Mit Hilfe des Clusterings können zielgruppenspezifische Profile erstellt werden. Dies ermöglicht
individuelle Analysen und Maßnahmen, die getroffen werden. Cross- und Up-Selling wird durch die
zielgerichtete Ansprache der Kunden viel einfacher und erfolgreicher. Der Vorteil sind niedrigere
Streuverluste, höhere Response-Quoten, eine höhere Customer Experience und damit verbunden
mehr Absatz.
3.2 Risk Management
TA R G E N S
Gerade in der Finanzbranche sind Risikoanalysen unabdingbar, z.B. zur Kreditvergabe eine Analyse
des Zahlungsausfallrisikos oder zur Geldwäschebekämpfung. KYC ist daher auch hier essentiell um
Risiken zu minimieren.
Clustering
Clustering ermöglicht hier individuelle Risikoprofile der Kunden anzulegen. Basierend auf diesen
eignet sich für
können Analysen stattfinden. Die Qualität der Kundenprofile kann verbessert werden und die Sicher-
etliche Einsatz- heit für das Unternehmen erhöht werden. Das Risiko wird durch ein besseres Kundenverständnis
möglichkeiten minimiert und die Risikomanagementprozesse effizienter und effektiver gestaltet. Dies ermöglicht
enorme Kosteneinsparpotenziale.
05
Die Produkte der SMARAGD Compliance Suite von targens stehen für Com-
pliance-Lösungen auf allerhöchstem Niveau. Wer heute und morgen mit den
komplexen und vielschichtigen Anforderungen auf dem Feld der Compliance
souverän umgehen will, trifft mit SMARAGD die richtige Entscheidung. Auf die
Compliance-Kompetenz in Beratungs- und Implementierungsprojekten in Ver- Digital Finance führender Anbieter von
bindung mit der marktführenden Software SMARAGD vertrauen 1.600 Unterneh- Beratung, Software und Produktlösungen.
men aus allen Branchen in mehr als 50 Ländern. Auf der Grundlage von sachverständiger
Beratung, leistungsstarker Produkte und
der Beherrschung disruptiver Technologien
unterstützt das Unternehmen seine Kunden
bei der Unternehmenssteuerung, ihren
Handelsaktivitäten, beim Schützen ihrer
Geschäftsprozesse und bei der Beschleuni-
gung des Vertriebserfolgs.
I H R A N S P R E C H PA R T N E R
für fachliche Fragen:
Das unerlaubte Kopieren sowie die
unbefugte Weitergabe dieses Dokuments
Ines Röder
und der darin enthaltenen Informationen Data Scientist
sind ohne eine schriftliche Zustimmung
der targens GmbH nicht gestattet. Fon: +49 711.222 992-516
Mobil: +49 160 951 592 90
Fax: +49 711.222 992-999
©targens 2021 Ines.Roeder@targens.de
Sie können auch lesen
