Analyse sozialer Bindungen: Über Netzwerkdaten zu mehr Kundenwissen

Durch Webcommunitys wie Facebook oder Xing sind (virtuelle) soziale Netzwerke in aller Munde. Die Methoden zur Analyse der Netzwerkdaten, die seit den 1950er-Jahren entwickelt worden waren, werden immer ausgereifter. Wie können sich Unternehmen diese Entwicklungen zunutze machen, auch wenn sie keine großen Internetcommunitys unterhalten?

Unternehmen betrachten ihre Kunden heute zumeist als Individuen, sei es im Privat- oder im Firmenkundengeschäft. Der einzelne Kunde wird isoliert gesehen, während seine Interaktionen und seine Kommunikation mit anderen Kunden weder im Marketing noch in der Kundenbetreuung oder im Risikomanagement berücksichtigt werden.

In den Kundenbeständen größerer Unternehmen sind jedoch Netzwerke vorhanden. Kunden kennen sich, sind verwandt oder befreundet und kommunizieren miteinander. Sie sprechen auch über die Erfahrungen, die sie als Kunden mit dem Unternehmen machen, über Werbung, die sie erhalten, über neue Produkte und Angebote. Firmenkunden können wirtschaftlich verbunden sein, z.B. über Konzernverflechtungen und Beteiligungen, aber auch durch Geschäftsbeziehungen. Diese Netzwerke gilt es zu identifizieren und zu nutzen. Die identifizierten Strukturen können beispielsweise genutzt werden, um das Potenzial einzelner Kunden als Multiplikatoren für das Marketing zu nutzen.

Multiplikatoren und Kundenwertsteuerung
Multiplikatoren sind Personen, die aufgrund ihres großen Netzwerks oder ihres Einflusses auf Bekannte und Freunde geeignet sind, Informationen und Angebote zu verbreiten. Weitere Anwendungen von Netzwerken ergeben sich im Risikomanagement – Microcredits sind ein Beispiel dafür, wie Netzwerke zur Risikoreduzierung genutzt werden – sowie bei der Kundenwertsteuerung. Es gibt viele Möglichkeiten, Verbindungen zwischen Kunden festzustellen. Im Privatkundenbestand einer Bank etwa kann man Netzwerke identifizieren, indem man Gemeinschaftskonten, Bevollmächtigungen und Freistellungsauftragspartner betrachtet.

Bei Telekommunikationsunternehmen können Telefon- und SMS-Verbindungsdaten genutzt werden. Über Namens- und Adressanalysen werden Familienverbünde und Hausgemeinschaften identifiziert. Kundenempfehlungsprogramme liefern gute Hinweise auf persönliche Bekanntschaften.

Die Kenntnis sozialer Beziehungen gibt Unternehmen die Möglichkeit, mehr über ihre Kunden zu erfahren. Neben den klassischen im Data Warehouse gespeicherten Kundenmerkmalen wie Demografie oder Kauf- und Beziehungshistorie ergibt die Analyse dieser Netzwerke eine neue Art von Kundenwissen.

Wissen für das Risikomanagement
Dieses zusätzliche Wissen kann in Marketing und CRM wichtige, bisher noch nicht bekannte Informationen liefern und so u.a. die Ressourcenallokation verbessern. Im Risikomanagement und bei der Betrugsbekämpfung wird die Berücksichtigung von Beziehungsdaten im Privat- sowie auch im Firmenkundengeschäft bald unumgänglich sein.

Für die Ermittlung sozialer Beziehungen gibt es zahlreiche Datenquellen. Ein generell einsetzbares Verfahren ist die Dublettenprüfung auf Personen-, Haushalts- und Hausebene.

Weitere Datenquellen sind je nach Branche mehr oder weniger zahlreich vorhanden, erfordern aber umfangreichere und komplexere Analysen bis hin zu Data Mining oder Text Mining.

Visualisierung von Netzwerken

Die grafische Darstellung von Netzwerken kann ein gutes Hilfsmittel sein, um seine Struktur zu verstehen. Das menschliche Auge ist daran gewöhnt, Muster zu erkennen und grafische Zusammenhänge zu erfassen. Allerdings sind ihm auch enge Grenzen gesetzt: Ab einer gewissen Größe wird jede Netzwerk-Darstellung so unübersichtlich, dass damit kein Erkenntnisgewinn mehr möglich ist.

Auch sehr dichte Netzwerke, bei denen fast alle Punkte durch Linien verbunden sind, eignen sich nicht für die Visualisierung. Auch gilt es, bei der Darstellung bestimmte Regeln einzuhalten: Das menschliche Auge lässt sich auch leicht täuschen, wie jeder weiß, der schon einmal mit einem optischen Trick hereingelegt wurde.

Leistungsfähige Tools
Die Entwicklung leistungsfähiger Tools für die Analyse sozialer Netzwerke schreitet schnell voran. Der Data-Mining-Spezialist KXEN stellte im letzten Jahr das Modul KSN für die Generierung von Netzwerk-Kennzahlen vor. Der weltweit führende Anbieter für Datenanalyse-Software SAS Institute stellte bei der letztjährigen Konferenz „SAS Forum Deutschland 2009“ eine SNA-Komponente vor, die im Rahmen des SAS Fraud Framework verfügbar sein wird. Weitere Lösungen für Marketing und CRM sind für die nächsten Monate angekündigt.

Ausgehend von Web-2.0-Anwendungen und der Telekommunikationswirtschaft hat sich eine neue Analyserichtung entwickelt, der sich moderne Unternehmen unterschiedlichster Branchen in Zukunft nicht verschließen dürfen.

Trotz einiger Schwierigkeiten bei der Umsetzung des Konzepts – beispielsweise müssen Datenschutzaspekte im Einzelfall intensiv geprüft werden – wird sich die Nutzung vorhandener Kunden-Netzwerke in vielen Fällen auszahlen.

In diesem White Paper (siehe Anhang) wird beschrieben, auf welche Weise die Analyse von Netzwerken für das Unternehmen Nutzen stiften kann. Es wird aufgezeigt, welche Arten von Beziehungen zwischen Kunden es geben kann und aus welchen Datenquellen diese ermittelt werden können. Nach der Beschreibung eines möglichen Datenmodells zur Speicherung von Netzwerken anhand eines einfachen Beispiels werden dann noch verschiedene Analysemethoden und Visualisierungstechniken beleuchtet.

Autor: Peter Gerngross

Peter Gerngross ist Experte für Data Mining, Business Intelligence und Analytisches CRM beim Analysten- und Beraterhaus mayato. Er beschäftigt sich seit langem mit der qualitativen Optimierung und der Veredelung von Kundendaten sowie deren vertrieblicher Nutzung.