Von Outbound und Inbound zu Unbound: CRM trifft Web 2.0

Jedes Mal wenn Unternehmen merken, dass sich ihr Markt von einem Verkäufer- in einen Käufermarkt wandelt, entdecken sie – nolens volens – den Kunden. Auf einmal wird die Kommunikation mit dem Kunden entscheidend, wenn es um den vertrieblichen Erfolg geht.

Outbound – welcher Kunde passt zu welcher Kampagne?
Am Anfang ist eine solche Kommunikation mit dem Kunden eine Einbahnstraße. Sie wird als „Outbound“ verstanden. Das Unternehmen spricht den Kunden an: Ein Kampagnenmanagement automatisiert und standardisiert diese unidirektionale Kommunikation mit dem Kunden. Mittels Analytik (Statistik, Data-Mining) wird ein Kampagnenmanagement optimiert. Die Voraussetzung dazu ist allerdings, ein Kundenwissen zu haben, also weitgehend integrierte Kundendaten.

Hat man diese Hürde genommen, dann lassen sich per Segmentierung der Kundenbasis diejenigen Kunden ermitteln, die die höchste Affinität zur Promotion der jeweiligen Kampagne haben. Bei Outbound-Prozessen geht es um die Frage, welcher Kunde in welche Kampagne passt. Wenn es nur um eine Kampagne geht, ist die Lösung noch recht einfach. Im traditionellen Direktmarketing wird ein Scoring der Kunden genutzt: Ein Abstimmen zwischen „Produktprognose“ und „Kundenaffinität“ genügt, um Kampagnen zu optimieren. Die Kunden mit der besten Affinität zur Botschaft der Kampagne werden selektiert. Die traditionelle Outbound-Kampagne arbeitet zwar nach dem Closed-Loop-Prinzip, aber die Grundannahme, dass während des Ablaufs der Kampagne keine Störungen eintreten dürfen, ist im realen Leben keineswegs immer zu gewährleisten. Outbound ist eben nur die erste und einfachste Stufe der Kundenkommunikation. Sie ist nicht nur unidirektional, sondern läuft in der Regel auch nur über einen Kanal zum Kunden ab, vermeidet also alle Interferenzen, die man im Multikanal-Management von Kundenkommunikation kennt.

So hat eine allein auf Outbound gestützte Kundenkommunikation ihre natürlichen Grenzen.

  • Die Kampagne verläuft statisch. Ein Lernen während der Kampagne findet nicht statt.
  • Das Scoring bleibt während der Kampagne unverändert. Man nimmt als Voraussetzung an, dass Markt- und Kundensituation am Anfang und am Ende der Kampagne identisch sind.
  • Störfaktoren während der Kampagne werden ausgeblendet und ignoriert. Das kann zu Verzerrungen führen.
  • Die Kampagnenkontrolle setzt erst am Ende der Kampagne ein und fließt nur in Folgekampagnen ein.

Doch die Problematik von Outbound-Kampagnen ist damit noch nicht vollständig gelöst, denn eine Kampagne steht ja nicht allein im Raum. Jeder Verantwortliche für Produkte will seine Kampagne. Wie vermeidet man, dass ein Kunde zu viele Offerten bekommt, also zugeschüttet wird? Hier gibt es eine gut bekannte Lösung: Ausschlussregeln. Wenn eine Offerte gemacht wurde, dann wird der Kunde für weitere Offerten für eine gewisse Zeit gesperrt. Was aber, wenn gerade dann die für einen gesperrten Kunden optimale Kampagne läuft? Tatsächlich gibt es zwei Probleme mit Ausschlussregeln: erstens die Frage der Aktualität der Regel – wie schnell kann man die Regeln pflegen – und zweitens die Frage der Automatisierung der Pflege, also der Skalierbarkeit des Verfahrens.

Damit kommen wir zur Kernfrage beim Managen der Outbound-Kampagne: Wie wähle ich die richtige Kampagne für den richtigen Kunden im richtigen Augenblick? Wie kann ich die Auswahl über viele und mehrstufige Kampagnen optimieren? Traditionell wurden Kampagnen nach der Regel „Wer zuerst kommt, mahlt zuerst“ im Rahmen der Marketingprogramme ausgeführt. Damit lässt man Geld auf dem Tisch liegen!

Ein erster Ansatz in Richtung einer Lösung waren Optimierungsverfahren. In der realen Welt von Multichannel und Multikampagnen gilt es zu wissen, welche der geplanten Kampagnen den höchsten Return pro Kunde hat. Das ist der richtige Kunde für die richtige Kampagne. Diese Kunden werden der Kampagne zugeordnet.

Inbound – welche Kampagne passt zu welchem Kunden?

Ein reines Outbound-Vorgehen in der Kundenkommunikation hat noch mehr Schwachstellen, denn es basiert auf einer rein unternehmensinternen Sicht auf die Prozesse. Ein Produkt soll in den Markt gebracht werden. Das ist ein interner Vorgang, in der Kampagne ist der Kunde nur die Zielgröße. Ob man mit der Kampagne die Agenda des Kunden trifft, wurde nicht gefragt. Ob das überhaupt die richtige Kampagne für den Kunden ist, wurde erst gar nicht gefragt. Bei Outbound greift Marketing durch geplante Aktivitäten (z.B. Anzeigenwerbung, Kampagnen, Vertreterbesuch) in den Lebenszyklus des Kunden ein. Wir haben gesehen, wie man Outbound optimieren kann, wie man den richtigen Kunden für Kampagnen finden kann. Das wirkliche Leben ist aber komplexer. Im Lebenszyklus des Kunden treten Ereignisse ein, die den Kunden dazu bringen, mit dem Unternehmen zu interagieren (z.B. Geburt eines Kindes, Hauskauf, Einrichten einer neuen Zweigstelle, Investitionsentscheidung). In jedem Fall hat der Kunde eine hohe Kaufbereitschaft. Das unterscheidet die Inbound- von der Outbound-Situation. Der Vorteil für Marketing liegt auf der Hand: Die schwierige Aufgabe, sich beim Kunden mit seiner Botschaft Gehör zu verschaffen, fällt so weitgehend weg. Man kann das Anliegen des Kunden mit den eigenen Produkt- und Dienstleistungsangeboten verknüpfen. Das gelingt umso leichter, wenn man den Kunden kennt. Dazu sind integrierte Kundendaten, Kundensegmentierung und integrierte Kundenkommunikations- und Vertriebschannels die Voraussetzung.

Zum Zeitpunkt, wenn der Kunde an das Unternehmen herantritt, müssen alle aktuellen Daten über den Kunden zur Verfügung stehen: ob er ein guter, wertvoller Kunde ist, was er zuletzt gekauft hat, ob er pünktlich bezahlt hat etc. Der Kunde erhält dann einen Service, der seinem Status angepasst ist, und Angebote, auf die er eigentlich schon immer gewartet hat. Mehr und mehr Callcenter und Webshops arbeiten mit solchen Inbound-Prozessen.

Beispiel:
Im Inbound-Callcenter wird der anrufende Kunde in Echtzeit anhand seines Kundenwertes an entsprechend qualifizierte Mitarbeiter weitergeleitet: Die besten Mitarbeiter stehen so den besten Kunden zur Verfügung – auch eine gute Möglichkeit, Karrierepfade im Callcenter zu schaffen.

Was also im Inbound entscheidend ist, ist die Verfügbarkeit von Information über den Kunden in Echtzeit. Echtzeit im Business heißt nichts anderes, als Informationsbereitstellung mit Informationsbedarf zu synchronisieren, oder anders gesagt, die richtige Information zum richtigen Zeitpunkt am richtigen Ort zum richtigen Zweck verfügbar zu haben.

Inbound-Kampagnen treffen den Kunden im richtigen Augenblick. Sie werden geplant und modelliert wie klassische Kampagnen, aber dann werden sie „schlafen“gelegt und agieren ereignisorientiert: Sie warten, bis der richtige Kunde kommt, und werden dann aktiv. Sie passen in die Agenda des Kunden, denn der Kunde kommt ja mit einer bestimmten Absicht zum Unternehmen. Die Inbound-Kampagne bietet so dem Kunden das richtige Produkt zum richtigen Zeitpunkt. Man fährt die richtige Kampagne für den Kunden. Das steigert die Responseraten und den Umsatz. Und das vermeidet die Überlastung von Kanälen, denn Inbound-Kampagnen erzeugen keinen zusätzlichen Verkehr.

Beispiel:
Inbound lässt sich in allen CRM-Prozessen einsetzen, beispielsweise im Beschwerdemanagement. Beschwerde-Kunden bietet man ein Goody an, zu denen sie eine Affinität haben. Das unterstützt die Mitarbeiter bei der Beschwerdebearbeitung und stellt den Kunden schnell wieder zufrieden.

Inbound-Prozesse setzen voraus, dass die gesamte Information über den Kunden und sein Verhalten im Augenblick des Ereignisses zur Verfügung steht, um auf Basis dieses Wissens die richtige Entscheidung zu treffen: Passt die Kampagne auf den Kunden? Jetzt ist Echtzeit auch kritische Zeit. Da bei Inbound-Prozessen der Abstand zwischen dem Eintreten des Ereignisses (Kunde ruft im Callcenter an oder klickt auf der Webseite) und der Reaktion auf das Ereignis klein ist (im Bereich von höchstens wenigen Sekunden), ist man zur Automation der Reaktion gezwungen.

Erste solche „Reaktionsautomaten“ im Inbound-Einsatz waren die Vorschlagsmaschinen auf manchen Webseiten. Die „Intelligence“ von Vorschlagsmaschinen basiert auf prädiktiven Modellen, die Assoziationsregeln nutzen, die aus dem Kaufverhalten von Kunden allerdings ohne Bezug auf den einzelnen Kunden abgeleitet werden.

Beispiel:
Wenn Produkt X in einem Warenkorb liegt, so wird über eine Assoziationsanalyse ermittelt, mit welcher Wahrscheinlichkeit Produkte Y1 bis Yn im gleichen Warenkorb liegen. Das Produkt Yx, das die höchste Wahrscheinlichkeit besitzt, wird dann dem Kunden vorgeschlagen, der Produkt X in seinem Warenkorb hat.

Assoziationsanalysen werden mit entsprechenden Data-Mining-Werkzeugen durchgeführt. Data-Mining ist ein analytischer Prozess, der auf historischen Kaufdaten abläuft und als Ergebnis das prädiktive Modell erzeugt. Wenn das Ereignis „Kunde legt Produkt X in den Warenkorb“ eintritt, wird diese Interaktion durch Anwendung des prädiktiven Modells mit dem Wissen über den historischen Mix von Warenkörben angereichert. In „Echtzeit“ wird die Regel angewendet und transparent für den Kunden wird ein Kaufvorschlag erzeugt.

Ein solches prädiktives Modell kann weiter ausgebaut und intelligent gemacht werden, vor allem unter der Berücksichtigung weiterer Merkmale des Produktes und des Kunden.

Beispiel:
Typische Verfeinerungen dieses prädiktiven Modells wären:

  • Ist Produkt Yx überhaupt noch lieferbar?
  • Gibt es ein Produkt Yy mit fast gleich hoher Assoziation wie Yx, das einen höheren Deckungsbeitrag hat?
  • Hat der Kunde bereits in der Vergangenheit Produkt Yx gekauft?
  • Gelten die ermittelten Assoziationsregeln in gleicher Weise für alle Kunden bzw. gibt es Kundensegmente, in denen andere Assoziationsregeln gelten?
  • Will der Kunde überhaupt so angesprochen werden?

Stand der heutigen Technologie zur Implementierung von Inbound-Prozessen im Multichannel sind Regelmaschinen. Regeln steuern die Kommunikation mit dem Kunden im Inbound. Entscheidungen werden automatisiert getroffen. Die Modellierung der Regeln geschieht entweder per Top-down-Ansatz à la Expertensystem (Fachexpertise wird in Regeln abgelegt) oder per Bottom-up-Ansatz, bei dem auf Basis von Kunden-Analytik prädiktive Modelle generiert werden, beispielsweise ein Kunden-Verhaltensmodell, das in einer auf Data-Mining basierenden Kunden-Verhaltensmodellierung erstellt wird. Eine Modellierung der Regeln, die den Top-down- mit dem Bottom-up-Ansatz kombiniert, ist hier die Spitze der Entwicklung. Dabei wird zunächst das prädiktive Modell per Kundenverhaltens-Modellierung generiert und dann dem Experten zur Weiterentwicklung zur Verfügung gestellt. Regelmaschinen erlauben so intelligente Interaktionen mit Kunden in Echtzeit.

Jetzt bleibt aber eine Frage noch offen: Sind die Regeln im Augenblick der Interaktion mit dem Kunden noch gültig? Wann muss ich die prädiktiven Modelle neu modellieren? Wie bei der Optimierung von Outbound-Prozessen stellt sich auch bei Inbound-Prozessen die Frage nach der Dynamik. Wie kann ich sicher sein, das mein per Regeln modelliertes Modell über den Kunden zum Zeitpunkt der Kundeninteraktion gültig ist? Die Frage der Echtzeit bedeutet also nicht nur die Frage der richtigen Information, sondern auch die Frage des richtigen Modells.

Unbound – den Kunden und sein soziales Netz adressieren

Heute, im Zeitalter von Web 2.0, ist eine bidirektionale Kundenansprache in vielen Fällen nicht mehr ausreichend. Das Web-2.0-Grundprinzip – „der Konsument wird Produzent und der Produzent wird Konsument“ – erfordert eine multidirektionale Kundenkommunikation, „Unbound“ eben. Das gilt ganz besonders für den B2C-Markt und hier in erster Linie für Marken und Produkte, die einen Einfluss auf die Lebensqualität haben (beispielsweise Automobil, Lebensmittel, Mode, Pharma, Reisen, Unterhaltungselektronik und Ähnliches). Mit dem Web 2.0 schwindet der Einfluss der Unternehmen, ihr Branding nach eigenem Belieben zu gestalten. Die Web-2.0-Werkzeuge wie Blogs, Foren, Chats und Suchmaschinen verschieben die Macht in Richtung Konsument. Der Long-Tail-Effekt erlaubt nicht nur den Unternehmen, Nischen weltweit profitabel zu adressieren, sondern er gibt auch den Verbrauchern die Möglichkeit, sich über eben alles zu informieren (beispielsweise Preise zu vergleichen), Unbound eben. Web 2.0 muss so zu einem festen Bestandteil von CRM werden. Prognosen gehen davon aus, dass 2010 rund 80 Prozent aller Haushalte in Deutschland einen schnellen Internetanschluss haben werden.

Web 2.0 bedeutet für die Kundenkommunikation Chancen und Risiken. Die sozialen Netze im Internet geben Zugang zu Kundendaten mit nie gekannter Präzision. Millionen von potenziellen Kunden bilden die sozialen Netze von Xing, StudiVZ, Facebook und anderen. Das Interessante ist, dass all die Mitglieder auf ihren persönlichen Seiten in der Regel alles über sich preisgeben: von klassischen Parametern wie Wohnort und Alter über Hobbys und Vorlieben bis hin zu politischen Neigungen und sexueller Ausrichtung. Die Mitglieder sind sich heute gar nicht im Klaren darüber, dass jeder mit heute verfügbaren Technologien (Web Crawler und semantische Webintegration) diese Daten in großem Stil vollautomatisch einsammeln kann.

Die Generation der „Digital Natives“ – also die Jungen bis ca 35 Jahren, die mit dem Internet aufgewachsen sind – betreibt regelrechten digitalen Exhibitionismus. Besonders kritisch dabei ist, dass einmal eingegebene persönliche Daten meist gar nicht mehr gelöscht werden können, denn der Betreiber eines sozialen Netzes betrachtet diese als sein Eigentum, mit dem er im Endeffekt in Zukunft auch mal Geld verdienen will. Wenn hier der Gesetzgeber versuchen will, einen Riegel vorzuschieben, steht der Server plötzlich auf den Kaiman-Inseln außerhalb des gesetzlichen Zugriffs aus Europa! Mitglieder sozialer Netze sollten sich diese Risiken bewusst machen, während Anbieter analytischer Software zum automatisierten Erfassen dieser Daten und zur Auswertung der Kommunikationsstrukturen in sozialen Netzen Hochkonjunktur haben werden. Unternehmen, die als erste diesen Datenschatz auswerten und in chirurgisch gezielter Kundenkommunikation umsetzen können, werden entscheidende Wettbewerbsvorteile erreichen.

Unbound bedeutet, das Umsetzen des Wissens über den Kunden, sein Agieren und seine sozialen Netze in allen Kanälen kontinuierlich umzusetzen, um die Kundenprofitabilität kontinuierlich zu steigern.

Beispiel:
Stellen Sie sich vor, Sie surfen im Internet und kommen dabei auf eine Nachrichtenseite. Sie lesen einen Artikel über ein Ereignis, das in einer bestimmten Stadt stattfindet. In diesem Augenblick geht ein Fenster auf, ein Reiseveranstalter bietet Ihnen eine Städtereise in diese Stadt, ein Wiki geht auf und bietet Ihnen alles Wissenswerte über diese Stadt und die Webseite der Stadt bietet sich zu weiteren Auskünften an.

Stellen Sie sich vor, Sie suchen etwas im Internet. Dann gehen Sie heute zu einer Suchmaschine wie Google. In Zukunft geht das einfacher. Die Suchmaschine Ihrer Wahl überwacht Ihre Bewegungen beim Surfen. Aus dem Kontext Ihres Surfens leitet die Suchmaschine selbständig die Fragen ab, die Sie haben, und gibt Ihnen die Antworten, bevor sie gefragt haben.

Die Beispiele spielen nicht in ferner Zukunft: Das ist heute machbar, das ist Unbound. Textanalytik macht es möglich, eine neue Klasse von Analytik, die linguistische Verfahren mit Suchmaschinen, Text-Mining, Data-Mining und Algorithmen des maschinellen Lernens verbindet. Textanalytik ist sowohl Technologie als auch Prozess zur Wissensentdeckung in unstrukturierten Daten. Ziel von Textanalytik ist es, in einem ersten Schritt Entitäten (beispielsweise Namen, Daten, Orte, Bedingungen) und ihre Attribute sowie die Beziehungen, Konzepte und Stimmungen zwischen Entitäten trennscharf zu identifizieren. In einem zweiten Schritt lassen sich auf diesen Strukturen Klassifikationen aufbauen und visualisieren. Ein Beispiel hierzu ist die Identifikation von Meinungsmachern in sozialen Netzen.

Textanalytik ist die Erweiterung von Business Intelligence (BI) und Data-Mining und bringt Analytik ins Content Management.

Neben der Chance, Zielgruppen mit chirurgischer Präzision zu bearbeiten, birgt das Web 2.0 unkontrollierbare Risiken dadurch, dass in zig Tausenden von Blogs und Foren schlicht und einfach alles über Produkte und Unternehmen gesagt wird – inklusive echter Lügen. Expertenforen können schnell und nachhaltig Werbesprüche und Ansprüche entzaubern. Preisvergleiche schaffen blitzschnell den Überblick. Competitive Intelligence macht den Schritt von strategischer Mitbewerbsbeobachtung zu operativer Beobachtung von neuen Mitbewerbsprodukten sogar, bevor die auf den Markt kommen. So wusste Nokia durch Beiträge auf bestimmten Foren schon über Schwachstellen des Apple iPhones gut Bescheid, bevor dieses überhaupt auf dem Markt war. Im Hintergrund wirkt hier natürlich wieder Textanalytik.

Textanalytik ist auch erfolgreich, wenn es um das Identifizieren und Abgrenzen von kritischen Kunden, die sehr hilfreich beim Beseitigen von Produktschwachstellen sein können, von notorischen Nörglern und Besserwissern geht.

Beispiel:
BMW arbeitet aktiv mit Blogs. Man hat die Erfahrung gemacht, dass Kunden in den Blogs zum Teil so positive Meldungen verbreiten, wie man sie als BMW selbst nie in Werbesprüchen verwenden sollte (Achtung: Das Gegenbeispiel ist Sony, die versuchten, Blogs zu manipulieren. Als das bekannt wurde, war der Schaden groß. Für die Käufer der M-Modelle hat man die BMW M Power World geschaffen, ein soziales Netz, bei dem es rund um das sportliche Fahren geht. Hier werden die Kunden auch eingeladen, sich mit BMW-Entwicklern und -Designern auszutauschen. Der Kunde wird zum Produktentwickler – Web 2.0 pur!

BMW hat so eine Web-2.0-Vorwärts-Strategie: Die Möglichkeiten des Web 2.0 sind Teil der CRM-Strategie. Die Alternative ist eine passive Strategie des Beobachtens ausgewählter Blogs und Foren per Textanalytik, um kritische Situationen und Stimmungsänderungen möglichst rechtzeitig mitzubekommen. Das funktioniert zwar, aber die Maßnahmen, die man im Falle des Falles ergreifen kann, sind beschränkt. Blogeinträge lassen sich nicht löschen, denn sollte man es wirklich schaffen, einen Blogeintrag per Gerichtsbeschluss zu löschen, dann taucht der garantiert nicht nur an einer anderen Stelle wieder auf. Das Prinzip „semper aliquid haeret“ ist im Web 2.0 unerbittlich.

Was kann man tun? Eine gute Antwort auf diese Herausforderungen ist die Renaissance von Qualität, Zuverlässigkeit und Service. Schon Amazon-Gründer Jeff Bezos sagte: „Baue gute Produkte, biete guten Service – und die Leute werden dich lieben.“

Autor: Dr. Wolfgang Martin

Dr. Wolfgang Martin ist ein europäischer Experte und Analyst auf den Gebieten • Business Intelligence, Analytik, Big Data • Information Management, Information Governance • CRM (Customer Relationship Management) • Cloud Computing (PaaS, SaaS) Sein Spezialgebiet sind die Wechselwirkungen technologischer Innovation auf das Business und damit auf die Organisation, die Unternehmenskultur, die Businessarchitekturen und die Geschäftsprozesse. Er ist Mitglied im BBBT (Boulder BI Brain Trust) (www.BBBT.us), iBonD Partner(www.ibond.net), Research Advisor am Institut für Business Intelligence der Steinbeis Hochschule Berlin (www.i-bi.de) und Mitglied des CRM Expertenrates (http://www.crm-expert-site.de/expertenrat/main_expertenrat.cfm?site=rat). Vor der Gründung des Wolfgang MARTIN Teams in 2001 war Dr. Martin über fünf Jahre bei der META Group, zuletzt als Senior Vice President International Application Delivery Strategies.

E-Mail: wolfgang.martin@wolfgang-martin-team.net

Internet: http://www.wolfgang-martin-team.net