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 des Unternehmens
- 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
- Das CRM als Konzept zur Förderung und Intensivierung langfristiger Kundenbeziehungen
- Die Bedeutung von Kundendaten für die Entscheidungsfindung im CRM
- Die Anwendung multivariater Analysemethoden im Data Warehouse und Data Mining
- Die Funktionsweise ausgewählter multivariater Analysemethoden wie Clusteranalyse, Faktorenanalyse und Regressionsanalyse
- Die Grenzen und Herausforderungen der multivariaten Analysemethoden im CRM
- Einführung: Das Kapitel beleuchtet die aktuelle Problemstellung, die dem CRM zugrunde liegt, beschreibt den Aufbau der Arbeit und erläutert das Ziel der Diplomarbeit. Es wird hervorgehoben, dass der Wandel im Markt und im Kundenverhalten die Notwendigkeit zur Fokussierung auf Kundenbeziehungen verstärkt.
- Grundlagen des CRM: Dieser Abschnitt definiert wichtige Begriffe wie „Kunde“, „Beziehung“ und „Management“. Er beleuchtet den Customer Lifecycle und beschreibt die wichtigsten Managementaufgaben im CRM, wie z.B. das Interessentenmanagement, das Kundenbindungsmanagement und das Rückgewinnungsmanagement. Außerdem wird die Wirkungskette des CRM dargestellt, welche die Beziehung zwischen kundenorientierter Reorganisation und ökonomischem Erfolg aufzeigt.
- CRM – Systeme: Das Kapitel erläutert das CRM-System als ein Teilsystem des betrieblichen Informationssystems, welches sich aus dem operativen, dem kommunikativen und dem analytischen CRM zusammensetzt. Der Schwerpunkt liegt dabei auf dem analytischen CRM und der Bedeutung des Data Warehouse als Datenquelle.
- Ausgewählte multivariate Analyseverfahren des CRM: Das Kapitel klassifiziert multivariate Analyseverfahren und konzentriert sich anschließend auf die Beschreibung der Cluster-, Faktoren- und Regressionsanalyse. Es werden die einzelnen Schritte der jeweiligen Methoden erläutert, die Vorteile und Nachteile aufgezeigt und auf die Grenzen der Verfahren hingewiesen.
Zielsetzung und Themenschwerpunkte
Die Diplomarbeit befasst sich mit der Anwendung multivariater Analysemethoden im Customer Relationship Management (CRM). Sie untersucht, wie diese Methoden dazu beitragen können, Kundendaten zu analysieren und zu interpretieren, um so die Gestaltung und Verbesserung von Kundenbeziehungen zu unterstützen.
Zusammenfassung der Kapitel
Schlüsselwörter
Die Diplomarbeit beschäftigt sich mit den Themen Customer Relationship Management (CRM), Customer Lifecycle, Kundenbindungsmanagement, Data Warehouse, Data Mining, multivariate Analyseverfahren, Clusteranalyse, Faktorenanalyse, Regressionsanalyse, Objektivität, Missing Values.
Häufig gestellte Fragen
Was ist die Aufgabe des analytischen CRM?
Das analytische CRM nutzt Datenquellen wie das Data Warehouse, um Kundendaten mittels statistischer Verfahren zu analysieren und wertvolle Erkenntnisse für die Kundenbindungsstrategie zu gewinnen.
Wie hilft die Clusteranalyse im Kundenmanagement?
Die Clusteranalyse dient der Markt- und Kundensegmentierung, indem sie Kunden mit ähnlichen Merkmalen in Gruppen zusammenfasst, um eine quasi-individuelle Bearbeitung auf Massenmärkten zu ermöglichen.
Was versteht man unter dem "hybriden Konsumenten"?
Ein hybrider Konsument zeigt ein unberechenbares, multidimensionales Verhalten – er kauft beispielsweise sowohl billiges Fast Food als auch teure Bio-Produkte, was klassische Analysen erschwert.
Welche Rolle spielt die Faktorenanalyse im CRM?
Die Faktorenanalyse wird als Verfahren der Datenreduktion eingesetzt, um eine Vielzahl von Variablen auf wenige, grundlegende Einflussfaktoren zu verdichten.
Was untersucht die Regressionsanalyse im Kontext von Kundendaten?
Sie ist ein Verfahren zur Abhängigkeitsmessung, mit dem untersucht werden kann, wie stark bestimmte Faktoren (z.B. Servicequalität) die Kundenzufriedenheit oder Kundenloyalität beeinflussen.
Welche Grenzen haben multivariate Analyseverfahren?
Methodische Grenzen ergeben sich oft durch fehlende Werte (Missing Values) oder die mangelnde Objektivität bei der Interpretation der statistischen Ergebnisse.
- Citation du texte
- Dipl.-Kauffr. Univ. Melanie Winkler (Auteur), 2007, Multivariate Analysemethoden im Customer Relationship Management, Munich, GRIN Verlag, https://www.grin.com/document/76581
