Predicitive AnalyticsPredicitive Analytics kann das Kundenverhalten jederzeit und überall vorhersagen. Diese These vertritt Paul Gaynor, Partner bei der Unternehmensberatung PwC. Gaynor zieht einen bildhaften Vergleich: statt das Kundenverhalten wie bisher im Rückspiegel zu betrachten, könnten Anbieter nun durch ein Teleskop nach vorne sehen. Unsere Schwesterpublikation cio.com hat sich unter Anwendern und Consultants umgehört und sieben Ratschläge für ein besseres Kundenerlebnis herauskristallisiert: Alles zu Predictive Analytics auf CIO.de

1. Hyperpersonalisiertes Marketing: Für Bindu Thota, Vice President Technology beim Online-Händler für Kleidung und Accessoires Zulily, gehören zu einer punktgenauen Kundenansprache folgende Faktoren: die richtige Botschaft zur richtigen Zeit auf dem richtigen Kanal. Der Kunde will die für ihn passenden Produktkategorien, die richtige Auswahl, das passende Preisniveau, passende Lieferzeiten und Weiteres präsentiert bekommen. Datengetriebene Technologíe ermöglicht Zulily, den Kunden jeden Tag eine personalisierte Kollektion aus tausenden von Produkten zusammenzustellen, sagt Thota.

2. Virtuelle Concierges: Verbraucher seien es mittlerweile gewohnt, ein sofortiges und medienbruchfreies Kundenerlebnis geboten zu bekommen, sagt Ravi Narayanan, Global Head of Insights and Analytics bei der Beraterfirma Nisum. Diese Anspruchshaltung erstrecke sich eigentlich auf alles. Vorbildhaft setzen das nach den Worten von Narayanan Spotify und Netflix um: die Streamingdienste passen ihre Vorschläge immer genau an die Inhalte an, die der Benutzer gerade konsumiert, wie ein virtueller Betreuer, der daneben sitzt.

Nicht nur die Menge, auch Schwierigkeitsgrad der Beschwerden voraussagen

3. Vorhersage von Kundenbedürfnissen: Lance Gruner, Executive Vice President Customer Experience bei Mastercard, will mittels Predictive Analytics nicht nur die Menge an Kundenbeschwerden voraussagen können, sondern auch deren Schwierigkeitsgrad. Ziel ist, jede Beschwerde so schnell wie möglich zu lösen.

Die Bemühungen von AT&T gehen noch darüber hinaus. Das Unternehmen hat nach eigenen Worten ein Customer Experience Machine LearningMachine Learning System implementiert, das Petabytes an Daten analysiert. AT&T will den gesamten Lifecycle des KundenkontaktsKundenkontakts analysieren und vom System rechtzeitig informiert werden, falls die Sympathiewerte bei Kunden sinken und sich ein Verbraucher vom Befürworter zum Ablehner der Marke entwickelt. Alles zu CRM auf CIO.de Alles zu Machine Learning auf CIO.de

4. Abwanderung vermeiden: Händler haben ausgerechnet, dass es billiger ist, Kunden zu halten, als neue zu akquirieren. Sie müssen also verhindern, dass Kunden abwandern. Laut Seongjoon Koo, Chief Data Officer bei der Marketing-Beratung J.D. Power, kann Predictive Analytics Kunden identifizieren, die auf dem Absprung sind. In diesen Fällen verspricht übrigens die einfache Methode, den Kunden einen Preisnachlass oder Ratenzahlung anzubieten, oft Erfolg, so Koo weiter.

Daten aus Filialen, Logistik und Kundenverhalten kombinieren

5. Ressourcen-Management: PwC-Manager Paul Gaynor unterstützt Unternehmen dabei, Daten aus den Filialen, der Logistik und dem Kundenverhalten miteinander zu kombinieren, um die Ressourcen möglichst effizient zu nutzen. Dennis Amorosano, Senior Vice President bei Canon Information und Imaging Solutions, arbeitet mit Remote Monitoring, Predictive Analytics und Predictive Maintenance, um Echtzeit-Diagnosen zu stellen und Schwachpunkte im Equipment schon im Vorfeld aufzuspüren.

6. Support für den Innendienst: Intern erhält der Kundendienst Rückmeldungen per Telefon und Mail, über Social Media, von den Kollegen aus dem Eskalationsteam und aus weiteren Kanälen. Diese Informationen sind ohne Predictive Analytics kaum zu bewältigen. Mastercard-Manager Gruner bezeichnet Predictive Analytics daher als "Schlüssel-Werkzeug".

7. Lieferungen optimieren: Noch heute oder spätestens morgen soll die Ware da sein - das erwarten immer mehr Verbraucher. Händler und ihre Partner aus Logistik und Zustellung müssen gemeinsam für zuverlässige und schnelle Lieferungen sorgen. Predictive Analytics hilft, Faktoren wie Schäden an der Flotte, optimierte Transport-Routen, Liefermenge und Weiteres einzubeziehen.