Beitrag • 5 Min. Lesezeit
Richtige Kundenanalyse: 3 erfolgversprechende Ansätze
Von Jesse Martin, Content marketing associate
Zuletzt aktualisiert: 14. Januar 2021
Analysen des Kundenverhaltens beziehen sich auf Daten aus den verschiedenen Kontaktpunkten von Kundenbeziehungen. Die Customer Journey ist heute komplizierter denn je. Der Versuch, die Customer Journey zu gestalten, kann sich wie eine zusammenhanglose Schnitzeljagd anfühlen. Das muss natürlich nicht so sein. Mit einer modernen Strategie zur Kundenanalyse können Sie den Überblick über die Big Data behalten, die Ihre Support-Strategie, Produkt-Roadmap, Marketingkampagnen und Vertriebsbemühungen bestimmen.
Hier sind 3 Arten von relevanten Verhaltensanalysen, auf die Sie achten sollten, und warum sie für Ihr Unternehmen wichtig sind.
Analyse der Customer Experience
Die Analyse der Customer Experience kann zur Umsatzsteigerung genutzt werden. Die Analyse der Customer Experience ist eine Form der deskriptiven Analyse, bei der gefragt wird, „was während der Customer Journey passiert ist“. Diese können als die standardmäßige Version der Kundenanalyse angesehen werden: Sie fassen Rohdaten zu leicht verständlichen und erklärbaren Informationen zusammen.
Aus den Supportdaten können wichtige Leistungsindikatoren wie Kundenzufriedenheit (Customer Satisfaction; CSAT), Zeit bis zur ersten Antwort (First Response Time; FRT) und Gesamtzeit bis zur Lösung (Total Time to Resolution; TTR) extrahiert und angezeigt werden, um bestehende Workflows zu verbessern. CSAT kann Support-Agents bei der Leistungsmessung helfen und gleichzeitig den Mitarbeitern im gesamten Unternehmen, vom Produkt über das Marketing bis hin zum Vertrieb, zeigen, wo sie auf Verbesserungen hinarbeiten können.
Support-Leiter, die Daten verwalten, müssen unterscheiden, wann Echtzeit- und Verlaufsanalysen verwendet werden sollen. Die Verwendung von im gesamten Unternehmen gemeinsam genutzten, präskriptiven Dashboards kann die Sichtbarkeit von Daten verbessern. Kundenservice-Manager erzielen den größten Nutzen aus beschreibenden Analysen der Customer Experience, indem sie Trends erkennen, wie etwa einen leichten Anstieg der Tickets im Bereich von Produkteinführungen oder während des Weihnachtsgeschäfts. Diese Erkenntnisse können Strategien für die Wiederkehr dieser Ereignisse verbessern. Die Daten können ebenfalls aufzeigen, wie ein Supportunternehmen funktioniert, was zu einer Optimierung hin zum idealen Kundensupport oder zur idealen Abteilungsbudgetierung führt.
Analysen der Customer Journey
Wie bereits erwähnt, hat Ihre Customer Journey nur an Komplexität zugenommen. Die Betrachtung der Customer Journey aus der Vogelperspektive ist für eine bessere Customer Experience entscheidend. Dies bedeutet, dass Sie den Einkaufsverlauf und die Produktnutzung Ihrer Kunden kennen müssen und Einblick in Dinge wie abgebrochene Warenkörbe und Retouren benötigen. Dazu gehören Gespräche mit dem Support, geöffnete ausgehende E-Mails und CSAT-Bewertungen. Ebenso die Sichtbarkeit von relevanten Kommentaren, die auf Social-Media-Seiten hinterlassen wurden. Wenn all diese Informationen Ihrem Unternehmen zur Verfügung stehen – und das sollte auch so sein – können Sie unglaubliche Erkenntnisse gewinnen, um Ihre Roadmap anzupassen und Ihren Umsatz zu steigern.
Wenn Sie all diese Daten mit den Daten all Ihrer Kunden zusammenführen, werden klare Muster zum Vorschein kommen. Die Analyse der Customer Journey kann prädiktiv sein und Algorithmen speisen, die Erkenntnisse zu den Erwartungen an die Zukunft liefern. Dies wird allgemein als „Prognose“ bezeichnet. Prädiktive Analysen sind im Finanzwesen und Marketing äußerst beliebt und werden dort auch weithin angewendet.
Prädiktive Analysen der Customer Journey können Managern helfen zu verstehen, welche Muster derzeit erfolgversprechend sind, damit ihre Bemühungen nachgeahmt, wiederholt und optimiert werden können. Diese Art von Kundendaten kann auch Informationslücken füllen, die bei der Analyse der Customer Experience, die größtenteils aus Supportdaten gewonnen werden, möglicherweise übersehen werden.
Analyse der Kundenbindung
Laut Zendesk-Report zur Customer Experience sind 74 % der Kunden einer bestimmten Marke oder einem bestimmten Unternehmen gegenüber loyal. Kundenloyalität wirkt sich auf die Kundenbindung aus. Es besteht ein klarer Zusammenhang zwischen Loyalität, Kundenbindung und geringem Kundenaufwand. Der Kundenaufwand, manchmal als Customer Effort Score berechnet, gibt detailliert an, wie viel Aufwand ein Kunde in Support-Szenarien betreibt. Die Logik ist hier einfach: Hoher Kundenaufwand kommt einer miserablen Customer Experience gleich. Schlechte Erfahrungen verringern die Kundenbindung und erhöhen die Abwanderungsrate. Abwanderung ist nicht gut.
Analysen, die sich auf die Kundenbindung auswirken und darüber informieren, helfen Ihrem Unternehmen, neben dem Gesamtprodukt und dem Support auch die Kampagnen zu verbessern. Laut Beraterin Alexandra Levit können präskriptive Kundenbindungsanalysen Up-Selling und Cross-Selling an Bestandskunden erleichtern – und es ist viel einfacher und rentabler, Kunden zu binden, als neue zu gewinnen.
Levit schreibt, dass neben dem Customer Effort Score zu den weiteren nützlichen Kundenbindungskennzahlen die Customer Churn Rate (CCR) gehört, bei der die Anzahl der verlorenen Kunden durch die ursprüngliche Anzahl der Kunden geteilt wird. Der Customer Lifetime Value (CLV) prognostiziert den Wert des Kunden im Verhältnis zu anderen Metriken. Die Loyal Customer Rate (LCR) lässt darauf schließen, welche Kunden wahrscheinlich bleiben und Ihre Marke oder Ihr Produkt an andere weiterempfehlen werden.
Warum ist das Kundenverhalten wichtig für Unternehmen?
Es ist möglicherweise abschreckend, die Rohdaten Ihrer Verhaltensanalysen genauer zu betrachten, da sie inkohärent und unberechenbar erscheinen. Möglicherweise spiegeln sie nicht Ihre Produktroadmap, Ihre bestehende Support-Strategie oder Ihre Verkaufszyklen wider.
Tatsache ist allerdings, dass diese Daten entscheidend für Wachstum und Umsatz sind. Marken kämpfen vehement damit, sich selbst in einer innovativen, wettbewerbsintensiven Welt von den Mitbewerbern abzuheben. Mit der richtigen Daten- und Analysestrategie und dem richtigen Ansatz für das Kundenbeziehungsmanagement lassen sich Rohdaten leicht verstehen und gemeinsam nutzen.
Susan Lahey schreibt, dass diese Daten „einen Kontext für einzelne Geschichten, Aktivitäts- oder Verhaltensströme schaffen, die Beziehungen aufzeigen und die Auswirkungen dieser Beziehungen offenbaren“. Letzten Endes geht es doch nur um Beziehungen, nicht wahr?
