Skip to main content
main-content

24.07.2018 | Vertriebssteuerung | Im Fokus | Onlineartikel

Wer sind die nächsten besten Kunden?

Autor:
Eva-Susanne Krah
2:30 Min. Lesedauer

Prognosemodelle über die potenzialträchtigsten Kunden sind essenziell für die datengetriebene Vertriebsarbeit. Wie Unternehmen von Predictive Analytics profitieren. 

Ob Absatzprognosen für ein Produkt in verschiedenen Regionen und Kundenzielgruppen, Modelle für eine dynamische Preisbildung oder Predictive Maintenance für Maschinen und Smart Services – Predictive Analytics kann in vielen Unternehmensbereichen untersttzen. Insbesondere aber Vertriebsteams in der datengetriebenen Vertriebsplanung des B2B-Geschäfts. Denn Aussagen über getätigte Umsätze sind einfach zu erheben. Doch die viel spannendere Frage für den wachstumsorientierten Vertrieb ist: Wie wird ein Kunde morgen kaufen? Wer sind die nächsten besten Kunden? Welche Schlüsse lassen sich für die Zukunft aus seiner Kunden- und Umsatzhistorie ziehen? 

Mit entsprechenden Predictive Analytics Tools kann der Vertrieb etwa auf Basis von so genannten Datenlakes konkrete Absatzszenarien und -wahrscheinlichkeiten für die Zukunft auswerten und planen. Mit Data Mining und unterstützenden Algorithmen lassen sich außerdem Vorhersagen für den Wert von Kundenbeziehungen treffen und Umsatzpotenziale besser ausschöpfen. Predictive Analytics gewinnt daher in den Unternehmen als Planungs- und Analyseinstrument zunehmend an Bedeutung. 

Empfehlung der Redaktion

2018 | OriginalPaper | Buchkapitel

Predictive Analytics

(Strategische Managementansätze)

Unter Predictive Analytics versteht man eine Methode, die es ermöglicht, Muster in Daten mit Hilfe statistischer Verfahren zu identifizieren (z. B. was zeichnet Kunden aus, die ein bestimmtes Produkt gekauft haben?), die dann für zukünftige …

Das zeigen auch Ergebnisse einer Studie "Predictive Analytics 2018" der "Computerwoche" gemeinsam mit Lufthansa Industry Solutions, Datavard, Jedox und Seven Principles. Für die Studie wurden 390 Entscheider aus der DACH-Region zu ihren Plänen und Projekten rund um Predictive Analytics befragt. Obwohl derzeit erst 47 Prozent der Unternehmen die Relevanz dieser Analyse-Anwendungen als "sehr hoch" oder "hoch" einstufen, gehen mit Blick auf die Zukunft 66 Prozent der Unternehmen davon aus, dass sich Predictive Analytics schon binnen der kommenden drei Jahre für sie als "wichtig" oder "sehr wichtig" entwickeln wird. 

KMU haben Nachholbedarf

Während fast jedes fünfte befragte große Unternehmen in den kommenden zwölf Monaten konkrete Analytics-Aktivitäten plant, ist der Durchsetzungsgrad in kleinen und mittelständischen Betrieben bei Predictive Analytics-Modellen im Vergleich noch nicht so hoch. In Firmen mit bis zu 99 Mitarbeitern sind nutzen die Datenanalyse derzeit nur 27 Prozent. 

  • 69 Prozent der Firmen setzen bei der Analyse ihrer Daten auf Microsoft Excel 
  • 65 Prozent nutzen Software für Abfragen und Reporting
  • 53 Prozent setzen auf Datenvisualisierung 
  • 49 Prozent auf Data Mining Tools und 
  • 44 Prozent Business Intelligence-Anwendungen.

Mit Customer Relationship Management (CRM)-Lösungen überblickt der Vertrieb zwar systematisch seine bestehenden und potenziellen Kunden und steuert das Kundenmanagement. "Die Herausforderung ist hier, die richtigen Reports zum richtigen Zeitpunkt zu starten, um ein treffendes Bild des Kunden und seinen präferierten Produkten und Services zu bekommen", schreibt Thomas Leitner, Senior Vice President Global Sales & Marketing bei Prime Research in Mainz, in seinem Sales Excellence-Beitrag "Das Datenangebot im Vertrieb erschließen" (Ausgabe 4 | 2018, Seite 35). Doch während CRM nur die rückblickende Verkaufs- und Kundenentwicklung betrachtet, geht Analytics Software weiter: Sie bildet mithilfe von Algorithmen Wahrscheinlichkeiten über künftige Umsätze und die Kundenentwicklung in bestimmten Segmenten ab. Schließlich können auf der Basis von Predictive Analytics-Software personalisierte, maßgeschneiderte Produkt- und Preiskombinationen für jeden Kunden mithilfe von Künstlicher Intelligenz realisiert werden, führt Springer-Autor Peter Gentsch im Beitrag "Algorithmic Business – auf dem Weg zum selbstfahrenden Unternehmen" aus. In Verbindung mit Prognosemodellen lassen sich auch zielgruppenspezifische Vertriebsmaßnahmen besser steuern.  

Weiterführende Themen

Die Hintergründe zu diesem Inhalt

Das könnte Sie auch interessieren

    Bildnachweise