In einer Zeit, in der der Begriff der „Globalisierung“ bereits Inhalt des ganz alltäglichen Sprachgebrauchs geworden ist, hat der Kunde aus Sicht der Unternehmen einen neuen und „wertvollen“ Charakter gewonnen. Im Zuge der Globalisierung fallen Handelsbarrieren weg, Transport und Kommunikation werden billiger und noch vielmehr, Informationen sind frei verfügbar. Es ist also nicht nur die Zahl der Anbieter, die sich drastisch verändert hat, sondern ein neuer, erweiterter und sehr komplexer Markt hat sich eröffnet, der dem Konsumenten komfortable Informations- und Vergleichsmöglichkeiten bietet. Auch das World Wide Web trägt dazu bei, den Konsumenten weltweit zu vernetzen und einen transparenten Markt zu schaffen. Mit der Globalisierung geht außerdem eine Wettbewerbsverdichtung einher, die „dazu führt, dass kleinere Unternehmen sich vergrößern bzw. zusammenschließen müssen, um ihren Kunden in Umfang und Qualität weiterhin attraktive Leistungen bieten zu können.“ Diese Prozesse betrachtend, wird die Notwendigkeit immer größer, sich nicht mehr auf die Neukundengewinnung zu konzentrieren, sondern vielmehr zu versuchen, das Ertragspotenzial bestehender Kunden in Form guter Kundenbeziehungen auszuschöpfen. An dieser Stelle findet das Customer Relationship Management (CRM), auch Kundenbeziehungsmanagement genannt, seine Anwendung, welches die Förderung und Intensivierung langfristiger und ökonomisch attraktiver Kundenbeziehungen zum Inhalt hat. Es ist aber nicht nur der Markt, der Änderungen ausgesetzt ist. Auch der Konsument und der eigene Kunde zelebrieren einen Wandel, der sie aus der Sicht der Unternehmen immer unberechenbarer erscheinen lässt. So geht ein und derselbe Konsument bzw. Kunde in seiner Mittagspause in der Fast Food Kette von nebenan essen, um nach der Arbeit beim Biobauern seine Kartoffeln für das Abendessen auszugraben. Der außerdem nicht weiß, ob er am nächsten Morgen für die Arbeit seine ausgewaschene Jeans oder aber den Nadelstreifenanzug anziehen soll. Der Konsument von heute ist als eine Art multidimensionaler Trendsetter, ein sog. hybrider Konsument, zu verstehen, auf den es sich einzustellen gilt, um ihn als Kunde generieren und halten zu können. Es entsteht damit eine quasi-individuelle Kundenbearbeitung auf Massenmärkten, die ohne entsprechende Informations- und Analysesysteme nicht funktionieren kann. Inwieweit dabei die Verfahren der multivariaten Statistik erfolgreich beitragen können, sei noch zu klären.
Nachdem einleitend die Problemstellung, der Aufbau und das Ziel der Arbeit erläutert werden, beschäftigt sich das erste Kapitel des Hauptteils mit den Grundlagen des CRM. Dabei werden in einem ersten Schritt verwandte Begriffe zum CRM abgrenzt, damit anschließend die Definition relevanter Begriffe, nämlich „Kunde“, „Beziehung“ und „Management“, stattfinden kann. Nach den begrifflichen Grundlagen wird der Customer-Lifecycle (CLC) eingeführt, anhand dessen Phasen die einzelnen Managementaufgaben eines Unternehmens zu untersuchen sind. An dieser Stelle sind vor allem das Interessentenmanagement, das Kundenbindungsmanagement i.w.S. und das Kundenrückgewinnungs-management zu nennen. Im Folgenden wird ausführlich auf die Wirkungskette des CRM eingegangen, die mit der Konzeption der Kundenbeziehungsstrategie beginnt, mit der kundenorientierte Reorganisation des Unternehmens fortfährt, um in einer nächsten Phase das Verhalten und die Einstellung des Kunden so zu verändern, um letztendlich das Ziel des ökonomischen Erfolgs zu verwirklichen. Im folgenden Kapitel steht das CRM-System im Mittelpunkt der Betrachtung. Dieses setzt sich aus dem operativen, dem kommunikativen und dem analytischen CRM zusammen. Der Schwerpunkt wird dabei auf das analytische CRM gesetzt, innerhalb dessen das Data Warehouse als Informationsquelle dient, welches selbst auf die Kundenanalyse und Marktforschung zurückgreift. Der Datenanalysezyklus beschreibt schließlich, auf welche Art und Weise die gewonnen Daten analysiert werden können. Daten- und hypothesengetriebene Analyseverfahren wechseln sich dabei beliebig ab. In einem weiteren Kapitel werden nun einige ausgewählte multivariate Analyseverfahren vorgestellt. Nachdem einleitend die multivariaten Analyseverfahren klassifiziert werden, wird im Folgenden die Clusteranalyse als markt- und kundensegmentierendes Instrument und die Faktorenanalyse als Verfahren der Datenreduktion näher betrachtet. Anschließend rückt die Regressionsanalyse, als Verfahren der Abhängigkeitsmessung, in den Mittelpunkt der Betrachtung. Das Kapitel wird abgerundet durch Aspekte, die den multivariaten Analyseverfahren methodische, aber auch inhaltliche Grenzen setzen. Abschließend wird dann innerhalb eines Resumees Fazit gezogen.
Inhaltsverzeichnis
A Einführung
1 Problemstellung
2 Aufbau der Arbeit
3 Ziel der Arbeit
B Multivariate Analyseverfahren im CRM
1 Grundlagen des CRM
1.1 Abgrenzung des CRM von verwandten Begriffen
1.2 Definitionen
1.2.1 Kunde
1.2.2 Beziehung
1.2.3 Management
1.3 Customer Lifecycle
1.4 Managementaufgaben des CRM
1.4.1 Interessentenmanagement
1.4.2 Kundenbindungsmanagement i.w.S.
1.4.2.1 Neukundenmanagement
1.4.2.2 Kundenbindungsmanagement i.e.S.
1.4.2.3 Beschwerdemanagement
1.4.2.4 Abwanderungspräventionsmanagement
1.4.3 Rückgewinnungsmanagement
1.5 Wirkungskette des CRM
1.5.1 Formulierung einer Kundenbeziehungsstrategie
1.5.2 Kundenorientierte Reorganisation
1.5.3 Veränderung der Kundeneinstellung/-verhalten
1.5.3.1 Kundenzufriedenheit
1.5.3.2 Kundenloyalität
1.5.3.3 Kundenbindung
1.5.4 Ökonomischer Erfolg
2 CRM – Systeme
2.1 Operatives CRM
2.2 Analytisches CRM
2.2.1 Data Warehouse als Datenquelle des CRM
2.2.1.1 Kundenanalyse
2.2.1.2 Marktforschung
2.2.2 Datenanalysezyklus des CRM
2.2.2.1 Data Mining
2.2.2.2 Hypothesenverifikation
3 Ausgewählte multivariate Analyseverfahren des CRM
3.1 Klassifizierung multivariater Analyseverfahren
3.2 Markt- & Kundensegmentierung anhand der Clusteranalyse
3.2.1 Bestimmung von Ähnlichkeiten
3.2.2 Auswahl des Fusionierungsalgorithmus
3.2.3 Bestimmung der Clusteranzahl
3.3 Faktorenanalyse
3.3.1 Errechnung der Korrelationsmatrix
3.3.2 Rechnerische Grundlagen zur Extraktion der Faktoren
3.3.3 Bestimmung der Kommunalitäten
3.3.4 Zahl der Faktoren
3.3.5 Interpretation der Faktoren
3.3.6 Bestimmung der Faktorwerte
3.4 Regressionsanalyse
3.4.1 Modellformulierung
3.4.2 Schätzung der Regressionsfunktion
3.4.3 Prüfung der Regressionsfunktion
3.4.4 Prüfung der Regressionskoeffizienten
3.4.5 Prüfung der Modellprämisse
3.5 Grenzen der multivariaten Analyseverfahren
3.5.1 Objektivität der Analyseverfahren
3.5.2 Missing Values
C Resumee
Zielsetzung & Themen
Die vorliegende Arbeit untersucht den Einsatz multivariater Analysemethoden im Rahmen des Customer Relationship Managements (CRM). Das primäre Ziel ist es, den Mehrwert von Kundendaten durch statistische Analyseverfahren aufzuzeigen, um langfristige und profitable Kundenbeziehungen zu gestalten und wettbewerbsfähig zu bleiben.
- Grundlagen des CRM und des Kundenlebenszyklus
- Strukturierung von Kundenbeziehungen und deren ökonomische Relevanz
- Methodik des CRM-Systems und analytische Datenverarbeitung
- Anwendung der Cluster-, Faktoren- und Regressionsanalyse in der Marketingpraxis
- Kritische Würdigung der statistischen Analyseverfahren
Auszug aus dem Buch
1 Problemstellung
In einer Zeit, in der der Begriff der „Globalisierung“ bereits Inhalt des ganz alltäglichen Sprachgebrauchs geworden ist, hat der Kunde aus Sicht der Unternehmen einen neuen und „wertvollen“ Charakter gewonnen. Im Zuge der Globalisierung fallen Handelsbarrieren weg, Transport und Kommunikation werden billiger und noch vielmehr, Informationen sind frei verfügbar. Es ist also nicht nur die Zahl der Anbieter, die sich drastisch verändert hat, sondern ein neuer, erweiterter und sehr komplexer Markt hat sich eröffnet, der dem Konsumenten komfortable Informations- und Vergleichsmöglichkeiten bietet.
Auch das World Wide Web trägt dazu bei, den Konsumenten weltweit zu vernetzen und einen transparenten Markt zu schaffen. Mit der Globalisierung geht außerdem eine Wettbewerbsverdichtung einher, die „dazu führt, dass kleinere Unternehmen sich vergrößern bzw. zusammenschließen müssen, um ihren Kunden in Umfang und Qualität weiterhin attraktive Leistungen bieten zu können.“ Diese Prozesse betrachtend, wird die Notwendigkeit immer größer, sich nicht mehr auf die Neukundengewinnung zu konzentrieren, sondern vielmehr zu versuchen, das Ertragspotenzial bestehender Kunden in Form guter Kundenbeziehungen auszuschöpfen. An dieser Stelle findet das Customer Relationship Management (CRM), auch Kundenbeziehungsmanagement genannt, seine Anwendung, welches die Förderung und Intensivierung langfristiger und ökonomisch attraktiver Kundenbeziehungen zum Inhalt hat. Es ist aber nicht nur der Markt, der Änderungen ausgesetzt ist. Auch der Konsument und der eigene Kunde zelebrieren einen Wandel, der sie aus der Sicht der Unternehmen immer unberechenbarer erscheinen lässt.
Zusammenfassung der Kapitel
1 Grundlagen des CRM: Dieses Kapitel erläutert die terminologische Abgrenzung von CRM zu verwandten Begriffen und führt den Kundenlebenszyklus sowie zentrale Managementaufgaben wie Kundenbindung und Rückgewinnung ein.
2 CRM – Systeme: Hier wird das CRM als betriebliches Informationssystem beschrieben, wobei der Fokus insbesondere auf dem analytischen CRM, dem Data Warehouse und dem Datenanalysezyklus liegt.
3 Ausgewählte multivariate Analyseverfahren des CRM: Dieses Kapitel behandelt die methodischen Grundlagen der Clusteranalyse, Faktorenanalyse und Regressionsanalyse und diskutiert deren Grenzen sowie die Problematik von fehlenden Werten.
Schlüsselwörter
CRM, Kundenbeziehungsmanagement, Customer Lifecycle, Kundenwert, Multivariate Statistik, Clusteranalyse, Faktorenanalyse, Regressionsanalyse, Data Mining, Datenanalysezyklus, Kundenbindung, Kundenzufriedenheit, Kundenloyalität, Marketing, Marktsegmentierung.
Häufig gestellte Fragen
Worum geht es in dieser Diplomarbeit grundlegend?
Die Arbeit befasst sich mit der Anwendung multivariater statistischer Analysemethoden, um die Effektivität des Customer Relationship Managements (CRM) zu steigern.
Welches sind die zentralen Themenfelder der Arbeit?
Die Schwerpunkte liegen auf den Grundlagen des CRM, der Systemarchitektur für analytisches CRM und der praktischen Anwendung statistischer Verfahren wie Cluster-, Faktoren- und Regressionsanalyse.
Was ist das primäre Ziel oder die Forschungsfrage?
Ziel ist es aufzuzeigen, wie Unternehmen mittels Kundendaten und spezifischer Analysemethoden einen Wettbewerbsvorteil erzielen und die Kundenbeziehungen wertorientiert steuern können.
Welche wissenschaftlichen Methoden werden verwendet?
Die Autorin nutzt eine theoretische Aufarbeitung und methodische Beschreibung multivariater statistischer Verfahren, ergänzt durch Fallbeispiele zur Segmentierung und Regressionsmodellierung.
Was wird im Hauptteil der Arbeit behandelt?
Im Hauptteil werden zunächst CRM-Grundlagen und -Systeme (Analytisches vs. Operatives CRM) definiert, gefolgt von der detaillierten Beschreibung der statistischen Analyseverfahren und deren Einsatzmöglichkeiten.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den prägenden Begriffen zählen CRM, Customer Lifecycle, Data Mining, Clusteranalyse, Faktorenanalyse und Regressionsanalyse.
Wie unterscheidet sich die Clusteranalyse von der Faktorenanalyse?
Die Clusteranalyse dient der Gruppierung von Objekten (z.B. Kunden) zur Marktsegmentierung, während die Faktorenanalyse Variablen komprimiert, um latente Einflussfaktoren aufzudecken.
Warum ist das Problem der "Missing Values" im CRM relevant?
Fehlende Daten können die Analyseergebnisse verzerren; die Arbeit diskutiert daher, wie Anwender mit solchen unvollständigen Datensätzen methodisch korrekt umgehen sollten.
- Quote paper
- Dipl.-Kauffr. Univ. Melanie Winkler (Author), 2007, Multivariate Analysemethoden im Customer Relationship Management, Munich, GRIN Verlag, https://www.grin.com/document/76581
