Bachelor + Master Publishing
810 Bachelorarbeiten, 531 Masterarbeiten, 10.101 Diplomarbeiten

Analytisches Customer Relationship Management

Unter besonderer Berücksichtigung des Kundenlebenszeitwertes

Analytisches Customer Relationship Management
Über dieses Buch
  • Art: Diplomarbeit
  • Autor: Balint Tolnay-Knefely
  • Abgabedatum: Oktober 2002
  • Umfang: 102 Seiten
  • Dateigröße: 734,7 KB
  • Note: 1,3
  • Institution / Hochschule: Beuth Hochschule für Technik Berlin Deutschland
  • ISBN (eBook): 978-3-8324-8224-4
  • ISBN (Paperback) :
    978-3-8324-8224-4 P
  • ISBN (CD) :978-3-8324-8224-4 CD
  • Sprache: Deutsch
  • Prämierung:
  • Arbeit zitieren: Tolnay-Knefely, Balint Oktober 2002: Analytisches Customer Relationship Management, Hamburg: Diplomica Verlag
  • Schlagworte: Kundenbindungsmanagement, Business Intelligence, Betriebswirtschaftslehre, Wirtschaftsinformatik, Siemens

Diplomarbeit von Balint Tolnay-Knefely

Problemstellung:

„Ich gehe davon aus, dass Unternehmen ihre Dienstleistungen zunehmend nach dem unterschiedlichen Rang der Kunden, der sich aus der Dauer der Kundenzugehörigkeit zum Unternehmen ergibt, variieren werden.” Das Zitat KOTLERS [2002] beschreibt eine Entwicklung, die eher eine Evolution denn eine Revolution darstellt.

Anfang der 80er Jahre bereits fanden PETERS und WATERMAN auf der Suche nach Spitzenleistungen bei Unternehmen in der „Nähe zum Kunden“ einen wesentlichen unternehmerischen Erfolgsfaktor.

Die Schlagworte „Kundenzufriedenheit“, „Kundenbindung“ und „Kundenunterscheidung“ und deren Messbarkeit beherrschen seit dieser Zeit die Diskussion im Marketing und Vertrieb. Die Diskussion fußt auf der nach der Massenproduktion und dem Massenmarketing wieder gewonnenen Erkenntnis, dass es am „(...) Ende immer der Kunde [ist], der durch eine Kaufentscheidung über den Erfolg oder Misserfolg eines Unternehmens am Markt entscheidet.“ Die zunehmende Verbreitung von „Customer Relationship Management- Systemen“ – Systeme, die verschiedenste Aspekte der Beziehung zwischen einem Unternehmen und seinem Kunden erfassen – hat dieser Erkenntnis Rechnung getragen und Unternehmen eine Dokumentation und qualitative Verbesserung der Kundenbeziehung ermöglicht.

Das Evolutionäre an der von KOTLER formulierten Entwicklung ist die Entwicklung zum „analytischen Customer Relationship Management“. Hinter diesem Begriff verbirgt sich im wesentlichen die Nutzung der durch das Customer Relationship Management gewonnenen Informationen zu Optimierung von (kundenbezogenen) Unternehmensprozessen. Die Anwendungsmöglichkeiten für analytisches CRM sind vielfältig und sie besitzt bereits eine – wenn auch junge - Historie.

Die Ursprünge der systematischen datenbankgestützten Kundenbewertung sind in der Versandbranche zu finden, die seit Jahrzehnten die Daten ihrer Kunden systematisch ablegt und analysiert. Zum Beispiel hat die Quelle AG inzwischen in ihrer Kundendatenbank 30 Mio. Adressen und Kaufhistorien gespeichert. Im Konsumgüter-Bereich (sog. B2C) ist der Trend zu riesigen Datenbeständen für Analysezwecke bereits seit längerem zu erkennen, z.B. auch Wal-Mart.

Auch eine steigende Anzahl von Unternehmen im Bereich organisationeller Kunden (sog. B2B) werden durch Customer Data Warehouses, die im Rahmen von Customer Relationship Management (CRM) eingeführt werden, in die Lage versetzt, in Kundendaten zentral zu sammeln und zu analysieren. Wie stark dabei der CRM-Ansatz mit Kundenwertanalysen verwoben ist, wird immer wieder in der Literatur betont.

Vor dem Hintergrund der wachsenden Bedeutung von Kundenwertanalysen und der Stellung des Kunden als zentrale Erfolgsquelle erscheint es sinnvoll, Kundenwertanalysen aus wissenschaftlicher Perspektive zu betrachten.

Es soll daher der zentralen Frage nachgegangen werden, welche Voraussetzungen und Möglichkeiten analytisches CRM unter besonderer Berücksichtigung des Kundenlebenszeitwertes bietet, um die Wettbewerbsfähigkeit von Unternehmen zu steigern. Dabei werden Kundenbewertungen als Methodenproblem (Wie lässt sich der Kundenlebenszeitwert modellieren und messen?) und als Managementproblem (Wie lassen sich die ermittelten Kundenwerte nutzen?) beschrieben. Die Fragestellungen zur Erreichung dieser Arbeit sind somit:

- Wie gestaltet sich der theoretische Bezugsrahmen für analytisches Customer Relationship Management?

- Wie gestaltet sich ein Modell zur ganzheitlichen Sicht auf den Kunden (Methodenproblem)?

- Auf der Grundlage von Kundenlebenszeitwertanalysen – Wie können Kundenbeziehungen für ein Unternehmen diagnostiziert, priorisiert und gesteuert werden (Managementproblem)?

- Welche Charakteristiken müssen Unternehmen technisch aufweisen, um eine Kundenlebenszeitwertberechung oder andere Kundenanalysen durchführen zu können?

- Wie lässt sich feststellen, wie weit ein Unternehmen auf dem Weg zur kundenwertorientierten Ausrichtung vorangeschritten ist?

- Kann der Kundenlebenszeitwert in Unternehmen im Bereich des B2B gemessen werden?

Inhaltsverzeichnis:

Inhaltsverzeichnis I
Abkürzungsverzeichnis III
Abbildungsverzeichnis IV
1. Einführung in die Problemstellung 1
1.1 Problemstellung und Ziel der Arbeit 1
1.2 Aufbau der Arbeit 5
1.3 Begriffsbestimmungen 6
1.3.1 Der Begriff des organisationellen Kunden 6
1.3.2 Der Begriff des Wertes in der Betriebswirtschaftslehre 9
1.3.3 Der Begriff des Kundenwertes zur Kundenlebenszeitwertberechnung 11
2. Die Bedeutung von analytischem CRM für das CRM 12
2.1 CRM im Allgemeinen 12
2.1.1 Dauer der Kundenbeziehung als Einflussgröße des Kundenwertes 14
2.1.2 Kundenzufriedenheit als Einflussgröße des Kundenwertes 15
2.1.3 Unternehmensziele mit CRM 15
2.2 Die drei Bereiche des CRM 18
2.2.1 Operatives CRM 18
2.2.2 Kollaboratives CRM 18
2.2.3 Analytisches CRM 18
2.3 Aspekte des analytischen CRM 21
2.3.1 Die Relevanz von Kundenwertanalysen für analytisches CRM 21
2.3.2 Klassifizierung von Kundenwertanalysen 23
2.4 Zusammenfassung 25
3. Die Methode des Kundenlebenszeitwertes im analytischen CRM 26
3.1 Der Kundenlebenszeitwert als Kennzahl 26
3.1.1 Definition des Kundenlebenszeitwertes 26
3.1.2 Inputgrößen des Kundenlebenszeitwertes 28
3.1.3 Die Berechnung des Kundenlebenszeitwertes 36
3.1.4 Diskussion des Kundenlebenszeitwertes 38
3.2 Kundenlebenszeitwert-Management 40
3.2.1 Grundlagen des Kundenlebenszeitwert-Managements 40
3.2.2 Die Lebensphase des Kundeninteressentenmanagements 44
3.2.3 Die Lebensphase des Kundenbindungsmanagements 46
3.2.4 Die Lebensphase des Kundenrückgewinnungsmanagements 55
3.3 Zusammenfassung 58
4. Die technischen Rahmenbedingungen für ein analytisches CRM in Unternehmen 59
4.1 Business Intelligence 59
4.2 Das Konzept des Data Warehouse 61
4.3 On-Line Analytical Processing für Echtzeitanalysen 63
4.4 Data Mining zur intelligenten Datenanalyse 66
4.5 Zusammenfassung 67
5. Der Stand des Einsatzes von Kundenlebenszeitwert-Management am praktischen Beispiel 68
5.1 Einordnung der Initiative in ein Gesamtkonzept zur Einführung des CLV-M 68
5.2 Experteninterviews zur CRM-Reife der Siemens Business Services 71
5.3 Die CRM-Reife der Siemens Business Services 73
5.3.1 Kanäle 73
5.3.2 Analysen 74
5.3.3 IT Architektur 75
5.3.4 Organisationelle Architektur 76
5.3.5 Fazit 77
5.3.6 Anforderungen an das CLV-M bei der Siemens Business Services 78
5.4 Zusammenfassung 80
6. Ausblick 81
Anhang VI
Literaturverzeichnis XIII

Automatisiert erstellter Textauszug:

In Abb. 16 wird der Zusammenhang der einzelnen Schlüsselbegriffe dieses Kapitels wie Data Warehouse, OLAP, Data Mining und Business Intelligence deutlich. Die On-Line Analytical Processing (OLAP)-Data Warehouse wird von der OnLine Transactional Processing (OLTP)-Customer Database mit Daten gespeist. Die Notwendigkeit zur strikten Trennung der zwei Datenbanken wird in Kap. 4.3 verdeutlicht. Eventuell sind für Analysen aus dem OLAP-Data Warehouse auch Daten aus anderen Systemen als der OLTP-Customer Database notwendig, weswegen ein Anschluss von anderen Systemen (wie Enterprise Resource Planning(ERP)-Systeme) durchgeführt werden kann. Sind die Kundeninformationen im analytischen CRM-System vollständig, können intelligente Algorithmen auffällige Unregelmäßigkeiten auch bei riesigen Datenmengen aufspüren (dazu Kap. 4.4 Data Mining zur intelligenten Datenanalyse) und somit zur aussagekräftigen Analyse beitragen. Im Folgenden soll zuerst allgemein auf Kundendatenbanken eingegangen werden. [...]

Nach der Betrachtung des Kundenlebenszeitwertes und dem Ansatz des Customer-Lifetime-Value-Management stellt sich die Frage, wie die beschriebenen Analysen in Unternehmen technisch umgesetzt werden können, welche technischen Rahmenbedingen also analytischem CRM vorangehen. Denn eine Ausrichtung eines Unternehmens auf den Kundenlebenszeitwert (wie in Kap. 3.2 aufgezeigt) stellt hohe Ansprüche an die der Erschließung und Nutzung der Daten zu Grunde liegende IT. Der Schlüsselbegriff für die Erschließung und Nutzung von Daten in Unternehmen heißt Business Intelligence (BI). BI „(...) umfasst informationstechnische Methoden und Modelle, die das Auswerten von unternehmensweit verfügbaren sowie extern zugeführten Daten unterstützen“ [Schulze, 2002, S. 246]. Eine BI-Lösung ist ein Überbegriff, welches - eine Lösung für die Extraktion, Bereinigung und Speicherung von unternehmensweiten Daten in Data Warehouses für analytische Zwecke und - eine Lösung für die Analyse und Präsentation von aus den Daten generierten Informationen bietet. [...]

Die Kundenlebenszeitwertberechnung betrachtet den Kunden ganzheitlich (periodenübergreifend und nach monetären sowie nicht-monetären Kriterien), wohingegen z B. Scoringmodelle sich auf nur eine Periode beziehen. Damit setzt es sich von allen anderen betrachteten Kundenanalysen ab. Monetäre Einflussgrößen des Kundenlebenszeitwertes werden neben der Betrachtung von Vergangenheits- und Gegenwartswerten auch für zukünftige Perioden betrachtet. (Primärer Kundenlebenszeitwert) Die nicht-monetären Einflussgrößen des Kundenlebenszeitwertes sind das Informations-, Referenz- und das Cross Selling-Potential der betrachteten Kundenbeziehung. (Sekundärer Kundenlebenszeitwert) Der Kundenwert als Kennzahl ist definitionsgemäß eine Reduzierung des Kundenlebenszeitwertes auf die gegenwärtige Periode. Kundenlebenszeitwert-Management (CLV-M) ist ein Ansatz zur Ausrichtung der Unternehmensaktivitäten im Marketing und Sales auf die Optimierung des Kundenportfolios. Dabei werden in den Lebensphasen der Kundenbeziehung Kundenanalysen zur optimalen Gestaltung der Kundenbeziehungen zu Hilfe genommen. [...]

Arbeit zitieren:
Tolnay-Knefely, Balint Oktober 2002: Analytisches Customer Relationship Management, Hamburg: Diplomica Verlag

Schlagworte:
Kundenbindungsmanagement, Business Intelligence, Betriebswirtschaftslehre, Wirtschaftsinformatik, Siemens

Entdecken Sie mehr zum Thema

diplom.de
Bachelor + Master Publishing

Hermannstal 119 k
22119 Hamburg

Fon: +49 (0) 40 655992-0
Fax: +49 (0) 40 655992-22

Service-Telefon

Rufen Sie uns an:
+49 (0) 40 655992-0

Mo-Fr
09.00-16.00 Uhr

diplom.de in den Medien

Folgen Sie uns bei Twitter & werden Sie diplom.de-Fan bei Facebook!
Schreibtipps unserer Lektoren, Neuigkeiten aus dem Verlagsalltag und das Expertenwissen unserer Autoren als Tweet & Post!
Wir freuen uns auf Sie!

diplom.de BACHELOR + MASTER PUBLISHING

Bachelorarbeiten, Masterarbeiten, Diplomarbeiten, Magisterarbeiten, Dissertationen und andere Abschlussarbeiten aus allen Fachbereichen und Hochschulen können Sie bei uns als eBook sofort per Download beziehen oder sich auf CD oder als Buch zusenden lassen. Seit mehr als 15 Jahren ist diplom.de der seriöse, professionelle und erfolgreiche Partner für die Veröffentlichung wissenschaftlicher Abschlussarbeiten.

© Diplomica Verlag GmbH 1996-2011, AG Hamburg HRB 80293 - GF Björn Bedey, USt-IdNr.: DE214910002 - Verkehrsnummer: 12285 - Impressum
Index der Arbeiten - Index der Autoren