Real-time CRM. Die Konzepte des Echtzeit-Managements (Teil 2 von 4)

Wir wissen, dass integrierte Systeme und die Versorgung von CRM-Prozessen mit aktuellsten Kundeninformationen den Unternehmen potenzielle Wettbewerbsvorteile ermöglichen (vgl. erster Blog-Beitrag). Je relevanter diese Daten über die eigenen Kunden sind und je schneller diese in vernünftiger Qualität zur Verfügung stehen, desto besser kann ein Unternehmen auf die Bedürfnisse seiner Kunden eingehen. Im Rahmen der Diskussion über vernetze Systeme haben wir ebenfalls festgestellt, dass sich der traditionelle CRM-Ansatz immer mehr zu einem vollumfassenden xRM-Ansatz weiter entwickelt und klassische CRM-Systeme immer mehr zu Enterprise-Portalen heranwachsen. Solche Portale können Kunden in vielen Schritten ihres Problemlösungsprozesses unterstützen und diese noch enger ans Unternehmen binden. Aber wie geschieht dies in der Praxis? Welche Konzepte sollten beachtet werden, um CRM-Prozesse in Echtzeit abbilden zu können? Diesen und weiteren Fragen gehe ich in den nächsten Abschnitten auf den Grund und zeige mit einer Erweiterung des bekannten Closed-Loop-Marketing Prozesses auf, was nötig ist, um das Handeln in Echtzeit zu ermöglichen. Zuerst soll aber eine Definition des Begriffs Echtzeit Klarheit über die weitere Verwendung schaffen.

In Echtzeit handeln – Oder wann ist der richtige Zeitpunkt?

Seit ich mich mit dem Thema Real-time CRM auseinandersetze, stelle ich immer wieder fest, dass der Begriff Real-time aufgrund der damit suggerierten Eigenschaft „verzögerungsfrei“ oder „ohne Zeitverbraucht“ im Rahmen von Informationssystemen oftmals falsch interpretiert wird. Angelehnt an Definitionen aus der Literatur, bedeutet Echtzeit, dass ein System die Fähigkeit besitzt, auf ein Ereignis innerhalb eines definierten Zeitraums mit einer bestimmten Zuverlässigkeit zu reagieren. Der Begriff sagt demzufolge nichts über die Geschwindigkeit oder Verarbeitungsleistung aus.

Ein verständlicherer Begriff, der weniger Interpretationsspielraum liefert, ist „Right-time“. Also die Fähigkeit „zur richtigen Zeit“ zu handeln. Dieser berücksichtigt, dass Geschäftsprozesse und Situationen aus betriebswirtschaftlicher und technischer Sicht, verschiedene Zeitspannen für die Datenerfassung und –verarbeitung beanspruchen. Betrachten wir dies aus dem Blickwinkel eines Data Warehouse Systems, dann ist schnell klar, dass solche komplexen Systeme aufgrund ihrer Vernetztheit immer eine gewisse Zeit benötigen, um Daten zu erfassen, zu verarbeiten und an andere Systeme weiterzugeben. Auch aus der Perspektive von Geschäftsvorgängen ist das Bedürfnis nach einer wirklichen Echtzeit-Unterstützung nur für die wenigsten Abläufe wirklich vorhanden. Löst ein Kunde beispielsweise eine Produktbestellung im Internet aus, sollte ihm idealerweise innert Sekunden eine Bestätigung zugestellt werden. Das Beantworten einer Helpdesk-Anfrage durch den Kundenservice oder das Durchführen von Bonitätsprüfungen können hingegen Reaktionszeiten im Bereich von Minuten in Anspruch nehmen.

Als erstes Fazit halte ich somit fest, dass bei der Echtzeit-Verarbeitung und Bereitstellung von Daten, die alleinige Reduzierung des Zeitraums einer Entscheidungsfindung nicht im Vordergrund steht. Viel wichtiger ist, sich zu überlegen, welche Inhalte für welche Geschäftsprozesse zu welchem Zeitpunkt aufbereitet und für den Kunden zur Verfügung gestellt werden müssen, um ihm einen Mehrwert zu bieten. Der Einfachheit halber, verwende ich in den folgenden Erläuterungen die Begriffe Echtzeit, Real-time und Right-time synonym. Im nächsten Abschnitt zeige ich nun auf, welche Herausforderungen in der Praxis vorhanden sind, CRM-Prozesse in Echtzeit abzubilden.

CRM-Prozesse in Echtzeit – Eine Herausforderung

Grundsätzliches Ziel eines Unternehmens, das nach dem Konzept des CRM agiert, ist die wissensbasierte Betreuung langfristiger und profitabler Kundenbeziehungen sowie die systematische Überführung von Kunden in den Verkaufsprozess. Dies geschieht im Idealfall durch konsequent am Kunden ausgerichtete Geschäftsprozesse. Diese Prozesse unterliegen aber oft kurzfristigen Veränderungen des Kundenverhaltens und des Umfelds, in dem sich eine Unternehmung bewegt. Mit dieser dynamischen Umwelt umzugehen stellt insbesondere das Kampagnenmanagement, also die Analyse, das Planen, Ausführen und Steuern von Marketingkampagnen vor enorm grosse Herausforderungen. Denn beim Kampagnenmanagement stehen zwei Punkte im Vordergrund. Einerseits die Integration bestehender und neuer kundenbezogenen Informationen zu einer kompletten Kundensicht und andererseits die einheitliche und widerspruchsfreie Kommunikation des Unternehmens gegenüber dem Kunden.

Für die individuelle Ansprache werden in der Regel Zielgruppen und Wahrscheinlichkeits-Prognosen für Aktionen, auf Basis von bereits durchgeführten oder ähnlichen Kampagnen aus der Vergangenheit herbeigezogen. Solche Reaktionsprognosen berücksichtigen die Umweltgegebenheiten sowie die gegenwärtige Kundensituation und das aktuelle Kundenverhalten im Moment der Kampagnendurchführung jedoch zu wenig gut, um dem Kunden einen echten Mehrwert bieten zu können. Ich bin der Meinung, dass die Selektion von solchen Kontakten, basierend auf vergangenheitsbasierten Daten, die potenziell wichtigsten Empfänger für Kommunikations-Massnahmen zu wenig gut abdeckt. In der Folge resultieren womöglich sehr ineffektive Ansprachen, die für den Kunden nicht relevant sind.

Es gibt einen einfachen Grund für solche Probleme. Solche falschen und ineffektiven Ansprachen treten auf, weil operative und analytische CRM-Prozesse getrennt voneinander durchgeführt werden. Da die Datensynchronisation zwischen diesen Bereichen teilweise durch manuelles Eingreifen und nur in groben Zeitraten erfolgt, können aktuelle operative Kundendaten erst sehr spät für die Aktualisierung eines Entscheidungssystems zur Verfügung gestellt werden. An ein schnelles und intelligentes Lernen zwischen den Kampagnen und gleichzeitiges Verbessern künftiger Massnahmen ist im Zuge dessen nicht zu denken.
Damit solche Probleme im Kampagnenmanagement möglichst vermieden, das aktuelle Kundenverhalten im Entscheidungsprozess dennoch berücksichtigt werden kann und die Kunden schneller und mit relevanteren Daten angesprochen werden können, müssen die Systeme bzw. Komponenten des Kampagnenmanagements in der Lage sein, kontinuierlich und in Echtzeit voneinander zu lernen. Damit dies gewährleistet werden kann, müssen operative und analytische Prozesse miteinander abgestimmt und integriert sein. Dies kann heute mit Hilfe von Technologien, die eine kontinuierliche Adaption in Echtzeit erlauben, erreicht werden. Serviceorientierte Portallösungen und CRM-Systeme sind heute auf solche Situationen vorbereitet. Sie erlauben die laufende Erfassung von sich verändernden Kundendaten und die nahtlose Weitergabe in analytische CRM-Prozesse. Diese können ohne nennenswerten Zeitverzug für die Verbesserung von Analyse- oder Prognosemodelle weiterverwendet werden. Dadurch ergeben sich auch innerhalb von Entscheidungssystemen enorme Potenziale zur Verringerung der Durchlaufzeiten.

Wollen wir doch mal schauen, wie das Kampagnenmanagement idealerweise ausschaut, um effektive und effiziente Kundenansprachen gewährleisten zu können.

Intelligenz und Echtzeit im Kampagnenmanagement

Nachfolgende Abbildung zeigt, wie eine mögliche Erweiterung des bekannten Closed-Loop-Marketing Prozesses mit einer intelligenten xRM-Ebene aussehen könnte. Diese ermöglich die Integration und Verknüpfung bestehender Systeme und das daraus folgende kontinuierliche Lernen aus verschiedenen Einflüssen (Umwelt, Kundenverhalten) und somit das bessere und schnellere Reagieren auf eintretende Ereignisse.

Intelligent Campaign Management

Der erweiterte Closed-Loop-Marketing Prozess führt zu einem intelligenten Kampagnenmanagement.

Während der ersten Phase dieses Prozesses treten Kunden über einen bestimmten Kanal mit dem Unternehmen in Kontakt (z. B. Surfen im Onlineshop). Bereits während dieses Ereignisses werden erste Daten generiert (Klickverhalten, Suche). Bestehende Kunden werden mit Hilfe eines Kundenprofils identifiziert. Gleichzeitig werden Transaktions-, Produkt,- und bereits bestehende Kundendaten aus einem integrierten xRM-Portal extrahiert und zusammen mit den neuen Daten aufbereitet. Dieses Wissen wird im nächsten Schritt mit Hilfe eines Entscheidungssystems (z. B. ein Kampagnenmanagement-System) für die weitere Planung verarbeitet. Dabei kommen hinterlegte Prognosemodelle, Geschäftsregeln und Selektionsmechanismen zum Zug, mit Hilfe derer beispielsweise entschieden wird, welche Zielgruppen mit welchen Angeboten (z. B. Produktempfehlungen, Mailings) versorgt werden sollen. Anschliessend folgt die Durchführungsphase der Kampagnenaktionen. In dieser Interaktionsphase werden die beobachteten Kundenreaktionen mit Hilfe von operativen Messinstrumenten identifiziert. Auf Basis dieser Reaktionen wird der Erfolg der Ansprache, hinsichtlich Effektivität und Effizienz ermittelt und dem Entscheidungssystem mit seinen Prognosemodellen und Geschäftsregeln automatisiert zurückgespielt. Mit Hilfe solcher Messergebnisse können künftige Kampagnen optimiert und bestehende Prognosemodelle (z. B. für die Optimierung von Kaufwahrscheinlichkeiten), entsprechend dem aktuell beobachteten Kundenverhalten verbessert werden.

Die Interaktionsphase ermöglicht eine grosse Vielzahl von Möglichkeiten, Informationen über die Qualität und den Nutzen des vorhandenen Leistungsangebots, sowie Hinweise auf mögliche Verbesserungen zukünftiger Angebote zu gewinnen. Die Erfassung und Analyse der Interaktionen (Kundenanfragen, Käufe, Kaufabbrüche, Downloads, Einlösen von Coupons, Klickverhalten usw.) geben einem Unternehmen Aufschluss über mögliche Probleme bei der Nutzung oder liefern Hinweise auf allfällige Produkt- oder Angebotsmängel und sind daher für die wissensbasierte Pflege von langfristigen und rentablen Kundenbeziehung, aber auch für das Verbessern von Produkt- und Inhaltsdaten, unerlässlich.

Als weiteres Fazit können wir festhalten, dass die zeitliche und fachliche Trennung zwischen operativen und analytischen Prozessen mit der Möglichkeit der Automatisierung und Integration aufgehoben wird. Dies ermöglicht intelligente und relevante Reaktionen auf das aktuelle Kundenverhalten und Umweltveränderungen in Echtzeit.

Schlussfazit

Ich bin mir sicher, dass sich intelligente Portale in der Zukunft für die automatisierte Pflege und Weiterentwicklung von Kundenbeziehungen weiter etablieren werden. Die vorgeschlagene Erweiterung des etablierten Closed-Loop-Marketing Prozesses ist ein Versuch aufzuzeigen, wie die einzelnen Bestandteile von Echtzeit-Systemen im Gesamtkontext von CRM-Prozessen zusammenhängen. Die Zweckmässigkeit dieser Darstellung wird sich zeigen und ist deshalb auch kritisch zu hinterfragen, denn in der Umsetzung eignet sich dieser Ansatz nicht für alle Unternehmen gleich gut.

Zusammenfassend kann gesagt werden, dass integrierte und intelligente Systeme, die sich unterbrechungsfrei und möglichst ohne menschliches zutun „verstehen“, die Grundlage bilden, um das Handeln in Echtzeit überhaupt zu ermöglichen. Dies in der Praxis umzusetzen ist nicht ganz einfach und Bedarf deshalb einer sauberen Planung und Konzeption. Auch um überhaupt zu definieren, für welche Geschäftsprozesse eine Echtzeit-Unterstützung überhaupt Sinn macht.

Die wichtigsten Bausteine in einem Echtzeit-Konzept sind deshalb sicherlich die Themen der Intelligenz, Adaption sowie Integration. Aber auch das Konzept der Automation ist Voraussetzung zur Erreichung solcher einheitlicher Systeme sind, die neben effektiveren Ansprachen auch Ziele der Effizienzsteigerung durch zeitsparende Automatisierung von Teilen des Kampagnenmanagements ermöglichen.

Im dritten Teil dieser Blog-Serie lege ich den Fokus nun etwas weg von Konzepten und zeige einige Praxisbeispiele, welche die erwähnten Konzepte bereits erfolgreich umsetzen.

Dieser Post ist Teil einer Serie: Teil 1 | Teil 2 | Teil 3 | Teil 4

Hinterlasse eine Antwort

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *

*

*

Du kannst folgende HTML-Tags benutzen: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>