Business Intelligence und Predictive Analytics

Business Intelligence oder auch BI ist ein von Technologie gestützter Prozess zur Analyse von Daten und zur Darstellung verwertbarer Informationen. BI kann dem Unternehmen dabei helfen, fundierte Geschäftsentscheidungen zu treffen. Die Erkenntnisse der Business Intelligence-Tools lassen sich verwenden, um strategische Geschäftsentscheidungen zu treffen, die die Produktivität verbessern, den Umsatz steigern und das Wachstum beschleunigen können. Auf diese Weise können beispielsweise wertvolle Wettbewerbsvorteile gewonnen werden. Vielmehr werden auch Geschäftsprobleme ersichtlich, die in Zukunft angegangen werden müssen.

Predictive Analytics ist in der Business Intelligence zu einer notwendigen Weiterentwicklung von Erkenntnissen und Entscheidungsmöglichkeiten geworden. Bisher konzentrierte sich der Großteil der Business Intelligence auf deskriptive Analysen und die Visualisierung von Daten. Predictive Analytics setzt an dieser Stelle an und fragt, was künftig passieren könnte , und ist damit in der Lage, genau die Informationen zu liefern, die Führungskräften, Managern und anderen beteiligten Personen im Unternehmen bei ihren in die Zukunft gerichteten Geschäftsentscheidungen helfen.

Business Forecasting

Business Forecasting bezeichnet Prozesse und Analysen, um aus Daten Vorhersagen zu treffen.

Das Business Forecasting hat sich zu einem Prozess entwickelt, der eine Vielzahl von unterschiedlichen Datenquellen, vorausschauenden kausalen Modellen und fortschrittlichen Algorithmen zusammenbringt. Es werden verschiedene Prognosemethoden und analytische Modelle, insbesondere AI-Algorithmen verwendet, um Daten zu analysieren, Unternehmensrisiken und -chancen zu bewerten und Vorhersagen zu treffen. Diese Verfahren beziehen hierbei nicht nur unternehmensinterne Daten wie die Umsatzhistorie mit ein, sondern vielmehr auch verschiedene externe Variablen, um die Vorhersagen zu verbessern.

AI-Methoden im Forecasting

Die Verfahren der Künstlichen Intelligenz ermöglichen es, große Datenmengen automatisiert zu verarbeiten und lernende Prognosesystem zu generieren.Diese Systeme können „trainiert“ werden und Muster erkennen, die anschließend basierend auf Feedbackschleifen verbessert , d.h. werden dem System  neue Daten präsentiert, werden die Prognosen selbstständig angepasst.

Eine ausgereifte Business Intelligence nutzt also Techniken der Predictive Analytics, um fortschrittliche Business Forecasts zu erstellen. Diese sind wesentliche Grundlage für Geschäfts- und Planungsprozesse, und können mehr und verbesserte Informationen bereitstellen. 

Dastani Consulting gilt als Predictive Analytics Pionier. Das Team der Dastani Consulting GmbH blickt auf mehr als zwei Jahrzehnte Erfahrung zurück und ermöglicht es so, individuell zugeschnittene Lösungen für jeden Kunden zu implementieren. Die intelligenten Predictive Analytics-Prognosen sind in der Lage, das gesamte Verhaltensmuster von Kunden in einem festgelegten Zeithorizont zu antizipieren, um daraus optimale Geschäftsempfehlungen – speziell für Marketing und Vertrieb – abzuleiten.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag Business Intelligence erschien zuerst auf Dastani Consulting.

Pro Minute stellen Internetuser auf der ganzen welt knapp fünf Millionen Anfragen bei Google, versenden über 18 Millionen Textnachrichten und schicken 188 Millionen E-Mails. Diese Beispiele bilden jedoch nur ein Bruchteil der immensen Datenmenge ab, die die Menschen an einem ganzen Tag produzieren. Sage und schreibe ca. 2,5 Trillionen Bytes täglich.
Die Digitalisierung zieht zunehmend immer mehr in den Alltag ein. Sie verändert die Art und Weise wie Menschen miteinander kommunizieren und sich informieren. So hat ein Kunde ständig Zugang auf eine Vielzahl von Informationen. So genügen mittlerweile wenige Klicks, um relevante Fakten über Produkte oder Dienstleistung zu recherchieren. Kunden wissen nicht nur über einen Anbieter Bescheid, sie wissen auch was die Konkurrenz anbietet.

Kundenbedürfnisse verstehen mit einer 360 Grad-Sicht
Angesichts dessen ist es für Unternehmen wichtiger denn je, eine einzigartige Customer Experience für den Kunden zu kreieren. Vom ersten Kontaktmoment bis zum gesamten Kundendasein hinweg. Um die Kundenbedürfnisse zu verstehen, bedarf es einer 360 Grad-Sicht auf den Kunden. Dazu werden Informationen über alle Kontaktmomente zwischen dem B2B-Kunden und dem Unternehmen benötigt. Für Unternehmen sind hierbei vor allem Daten von Interesse, die die Konsumenten im Kundendasein produzieren. Sei es die IP-Adresse, Google-Suchanfragen, Klicks auf den Websites, Aktivitäten in Social-Media oder Newsletteranmeldungen. Im Gegenzug erwarten aber auch die Kunden, dass Unternehmen ihre Bedürfnisse bestmöglich erfüllen und digitale Tools einsetzen, um die gesammelten Daten auszuwerten. Dies bildet die Grundlage einer erfolgreichen Customer Intelligence.

Was ist eigentlich Customer Intelligence?
Der Begriff Customer Intelligence (CI) beschreibt ein Verfahren zum Sammeln und Analysieren von Kundendaten. Das Ziel der Customer Intelligence sind engere Kundenbindungen und ein besseres Verständnis des Kundenverhaltens, um so einen höheren geschäftlichen Erfolg zu generieren. So werden Vorhersagen des künftigen Kundenverhaltens basierend auf den gewonnenen Erkenntnissen möglich. Mithilfe von Customer Intelligence lassen sich auch relevante Wettbewerbsvorteile erzielen, daher hat es in Unternehmen einen relevanten Stellenwert. Customer Intelligence lässt sich einsetzen, um Kosten in relevanten Bereichen einzusparen oder auch um die Kundenzufriedenheit zu steigern, was sich letztendlich in höheren Umsätzen niederschlägt.

Daten und Datenquelle für die Customer Intelligence
Unternehmen können generell für den CI-Prozess jedes System, welches Daten von Kunden und Interessenten erfasst, als interne oder externe Datenquelle nutzen. Zu den internen Datenquellen gehören unter anderem die Datenbank, die die Kundeninformationen beinhaltet (zB. Adressinformationen, Bestellungen, etc.), aber auch CRM-Anwendungen (umfassen die Kundenstammdaten) und Webanalyse-Tools, die das Besucherverhalten auf Online-Kanälen bewerten. Aus externen Datenquellen dagegen lassen sich Informationen wie Demografiedaten, Aktivitäten in sozialen Netzwerken oder standortbasierte Daten extrahieren.

Customer Intelligence: Ein kontinuierlicher Prozess
In diesem Kontext gilt Customer Intelligence als ein kontinuierlicher Prozess, bei dem es gilt, Daten fortlaufend zu erheben, zu verarbeiten und zu nutzen. Dabei geht es aber darum, nicht alle Daten auszuwerten, sondern gezielt die Daten zu analysieren, die für ein optimales Kundenerlebnis notwendig sind. Dieses optimierten Material an Daten lässt sich anschließend nach verschiedenen Gesichtspunkten analysieren. Je nach Richtung der Analyse können aus den gesammelten Daten unterschiedliche Erkenntnisse für unterschiedliche Geschäftsbereiche gewonnen werden.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin, Instagram) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag Customer Intelligence: Auf Datenspur des Kunden erschien zuerst auf Dastani Consulting.

Der Beitrag Predictive Analytics vs. Künstliche Intelligenz (KI) erschien zuerst auf Dastani Consulting.

Digitale Kanäle sind einerseits entscheidend für ein positives Kundenerlebnis (Customer Experience) und andererseits für den Geschäftserfolg von Unternehmen. Zur Neugestaltung und Optimierung der Customer Experience gibt es folgende Maßnahmen, um die Bedürfnisse von Kunden zielgenau zu erfüllen und ihnen ein bestmögliches Service- und Einkaufserlebnis zu ermöglichen:

1. Zwang zur Digitalisierung aufgrund des veränderten Kundenverhaltens:

Die Pandemie hat die Lebenswelt gravierend verändert. Der stationäre Handel hat sich in Richtung des Online-Handels verschoben. Als Konsequenz sind für Unternehmen digitalisierte Angebote unverzichtbar geworden, sodass sie die Ausrichtung auf ihre Kunden vornehmen können. Um ein bedarfsgerechtes und intuitives Kundenerlebnis über alle Kanäle zu schaffen, hat diese „neue Normalität“ die kundenzentrierte Unternehmenstransformation erheblich beschleunigt. Der Aufbau digitaler Kanäle ist nicht nur bequem für jeden Kunden, sondern auch notwendig.

2. Personalisierung als Bedingung

Durch die erweiterte Kundenbasis sind Unternehmen verpflichtet, ihre Customer-Experience-Strategie zu optimieren, um einerseits für Kunden als auch für das Unternehmen selbst relevante Mehrwerte zu generieren. Ein nahtloses und personalisiertes Kundenerlebnis entlang der gesamten Customer Journey ist daher von hoher Bedeutung. Ein Kunde muss Produkte und Dienstleistungen angeboten bekommen, die er benötigt. Dieser Prozess erfolgt dynamisch, abhängig von sich ständig ändernden Parametern. Dafür ist eine umfassende Analyse von Daten unverzichtbar.

3. Datenbasierte und automatisierte Interaktionen

Führende Unternehmen aus allen Branchen sammeln und analysieren Daten, um relevante Einblicke in das Kundenverhalten über alle Touchpoints hinweg zu bekommen. Hat das Unternehmen ein vollständiges Bild über das Verhalten der Kunden entwickelt, so können die Daten genutzt werden, um individuelle Bedürfnisse gezielt anzusprechen. Hier kommt die Automatisierung ins Spiel. Die Automatisierung kann die Effizienz gezielt steigern und die Abläufe optimieren. Auch die Nutzung von Künstlicher Intelligenz wird verstärkt, um vor allem in frühen Interaktionsphasen Kundenanliegen zu erkennen, diese zu beantworten und Nachfolgeprozesse anzustoßen.

4. Moderne Technologien sorgen für ein positives Kundenerlebnis

Für den wirtschaftlichen Unternehmenserfolg ist die Optimierung der Customer Journey durch die intelligente Nutzung von Daten und Automatisierung ausschlaggebend für die Bereitstellung eines positiven Kundenerlebnisses. Dazu ist die Umsetzung einer Digital First-Strategie notwendig, die sichere Cloud-optimierte Lösungen, Künstliche Intelligenz, Automatisierung, offene APIs, Analytics sowie Datenmanagement beinhaltet.

Die Gestaltung der Customer Experience wird für Unternehmen ein wichtiges Thema der nächsten Monate sein. Die Unternehmen, die die Optimierung ihrer Customer Experience und Customer Journey im Blick haben und alles in ihrer Macht stehende tun, um die Kundeninteraktion zu verbessern, werden auf einem sehr guten Weg im New Normal sein. Denn aus dem „Übergangsnormal“ der Lockdownzeiten und den in dieser Zeit gelernten Kundenerfahrungen mit vielen neuen digitalen Ansätzen wird es künftig kein Zurück mehr geben.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin, Instagram) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag Optimierung der Customer Experience erschien zuerst auf Dastani Consulting.

Krise fördert die Nutzung von KI
Es steht fest, dass die Coronakrise weiterhin die Nutzung von KI fördern wird. Klassische Vertriebssituationen – wie man sie aus persönlichen Besuchen zwischen Kunde und Verkäufer kennt – werden auch 2021 nicht möglich sein. Dies wiederum bedeutet, dass der digitale Vertrieb die klassische Situation nicht nur zeitweise ersetzt, sondern sich zunehmend etabliert und die Art vollkommen verändern wird, wie Unternehmen untereinander ihre Produkte und Dienstleistungen vertreiben. Wenn Unternehmen auf den KI-gestützten Vertrieb setzen, so ergeben sich relevante Geschwindigkeitsvorteile und letztlich sogar neue Umsatzquellen. Doch Unternehmen müssen den Umgang mit KI erst erlernen und das braucht eine Menge an Zeit und Erfahrung, um die neue Technologie in die etablierten Arbeitsstrukturen zu verankern.

Digital Selling
Zunehmend wird von dem B2B-Vertrieb erwartet, dass er den Kunden bei seinen komplexen Kaufentscheidungsprozessen unterstützt. An dieser Stelle liefert die KI einen Mehrwert, indem sie die richtigen Produkte oder den richtigen Service, den optimalen Preis und passende Konfigurationsoptionen liefert. Als Grundlage dazu dienen historische Transaktionen und maschinell gelernte Erfahrungen über den jeweiligen Kunden. Da die KI in Echtzeit-Analysen durchführen kann, ist sie in der Lage, Gespräche und Interaktionen auszuwerten.

Aufgrund der hohen Anzahl an Vertriebskanälen und Produktoptionen sind die Salesteams kaum noch dazu fähig, rationale Bewertungen durchzuführen. Daher ist die KI entscheidend, um den Kunden ein optimales Kauferlebnis zu garantieren und den Customer Lifecycle zu optimieren. Wichtig ist aber, dass die Technologie ein hohes Maß an Transparenz im Entscheidungsprozess liefert.

KI braucht den Menschen
Zwar hilft die KI dem Menschen, doch sie benötigt auch die menschliche Unterstützung. Die KI setzt auf Daten, die durch den Menschen bereitgestellt werden und verlangt Feedback darüber, ob die Daten sinnvoll genutzt werden. Vor allem in aktuellen Zeiten von Corona, wo die Datengrundlage nicht vorhanden ist, ist der menschliche Einfluss auf die KI daher nicht wegzudenken. Nur durch eine Expertenbeurteilung können aus der KI-Analyse sinnvolle Handlungsstränge gestaltet werden. Der Mensch und seine Intuition sowie qualifizierte Mitarbeiter werden durch die KI nicht überflüssig, sondern in Pandemiezeiten wird die Urteilskraft für das Jahr 2021 wichtiger denn je zuvor.

Daten werden immer wertvoller
Außerdem werden die Daten 2021 noch wertvoller. Sind die Zielgruppen für Unternehmen unbekannt und liegen nicht ausreichend Informationen über beispielsweise wichtige Ansprechpartner oder Endverbraucher vor, so können auch keine attraktiven Marketingaktivitäten gestartet werden. Eine gute Datengrundlage bedeutet wiederum eine gute KI-Lösung.

Entwicklung einer Digitalstrategie
Weiterhin wird sich aus der Geschäftsstrategie eine Digitalstrategie entwickeln. KI-Lösungen helfen dabei, den Bedarf der jeweiligen Kunden punktgenau zu prognostizieren. So können Unternehmen über die Einführung neuer Produkte und Marken zu idealen Zeitpunkten nachdenken, den optimalen Preis dafür analysieren und die Erkenntnisse mit ihrer Geschäftsstrategie abgleichen.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin, Instagram) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag 2021: Trends für den B2B-Vertrieb erschien zuerst auf Dastani Consulting.

Nach dem äußerst turbulenten Jahr 2020 stellt sich für viele B2B-Unternehmen die Frage, wie Marketing und Verkauf künftig zusammenarbeiten können, um ihre (alte) Stärke wieder zurückzugewinnen? Aus diesem Anlass standen vor allem Besonderheiten von B2B-Unternehmen und deren Konsequenzen im Hinblick auf Marketing und Vertrieb an der Tagesordnung.

Anhand von zahlreichen Use Cases, die in diesem Beitrag in groben Zügen geschildert werden, hat unser CEO beim Intensivseminars an der Universität St. Gallen verdeutlicht, wie Predictive Analytics-Verfahren erfolgreich im Marketing und Vertrieb eingesetzt werden können.

An der Schnittstelle zur Marketing- und Vertriebspraxis scheitern die meisten Projekte. Eine Herausforderung ist daher die Akzeptanz von Predictive Analytics im Unternehmen und die Einbindung sowie Schulungsmaßnahmen aller Akteure, die Einbindung in die Systeme mit einer transparenten und anwenderfreundlichen Gestaltung und die Akzeptanz der Lernkurve – denn jede neue Technologie benötigt eine gewisse Zeit und Erfahrung.

Neukundengewinnung
Im ersten Use Case wurde die Anwendung von Target Group Predict anhand eines Unternehmens in der Automobilindustrie vorgestellt. Die problematische Ausgangssituation war, dass es keine strukturierte Neukundengewinnung gab und das Leasing nicht aktiv beworben wurde. Mithilfe des Affinitätsprognosemodells wurden geeignete Zielgruppen bestimmt und durch den Einsatz eines speziell zugeschnittenen Leadsystems konnten qualitativ hochwertige Leads für den Handel identifiziert werden. Dies wiederum schlug sich in einer hohen Zufriedenheit der Vertriebsmitarbeiter nieder.

Potenzialausschöpfung
In einem weiteren Use Case eines Unternehmens im Werkzeughandel fand die Neukundengewinnung nicht systematisch statt, da sich der Vertrieb auf die umsatzstarken und aktiven Kunden fokussiert hat. Das Problem lag darin, dass die tatsächlichen Marktpotenziale von Kunden nicht bekannt waren und die Potenziale nicht ausgeschöpft werden konnten – in einem Massengeschäft mit intensivem Wettbewerb.

Obendrein fand auch die Share of Wallet-Analyse Anwendung, indem sie das Umsatzpotenzial des inaktiven Bestandskundenstamms des Unternehmens prognostizierte. Durch die weitere Anwendung von Next Best Offer und der Customer Value Prediction konnte zugleich vorhergesagt werden, welche Produkte für welchen Kunden beim nächsten Einkauf interessant sein könnten. Durch den zusätzlichen Einsatz der von Dastani Consulting entwickelten Sales- und der AIMS-App waren die Vertriebsmitarbeiter in der Lage, stets Zugriff auf die Neu- und Reaktivierungsadressen im Umkreis zu haben und individuelle Next Best Offer-Empfehlungen bei der Kundenansprache einzusetzen. Somit konnte die wertvolle Vertriebszeit effektiver genutzt werden, weil potenzielle Kunden im Umkreis nach ihrem Umsatzpotenzial in der App sortiert wurden. In Folge konnte der Umsatz mit dem inaktiven Kundenstamm gesteigert werden und macht inzwischen ca. 5% des Gesamtumsatzes aus.

Effektive Marktbearbeitung
Anhand eines weiteren Beispiels aus der Intralogistikbranche wurde verdeutlicht, dass das betrachtete Unternehmen durch den aufkommenden Verdrängungswettbewerb für die folgenden Herausforderungen nicht optimal aufgestellt war. Predictive Analytics-Prognosen dienten auch hier als Input für die Leadgenerierung. Umsatz- und Kauferwartungen wurden für einzelne Produkte und Produktgruppen prognostiziert (Customer Value Prediction) und affine Adressen für das Telemarketing herausgearbeitet (Target Group Predict). Als Ergebnis zeigte sich, dass sich die Leadumwandlungsquote auf 16% entwickelte und 15 Mio. Euro mehr Umsatz lediglich aus der Neukundengewinnung erzielt werden konnten.

Chancen im Vertrieb und Marketing
Dr. Parsis Dastani hat in seinem spannenden Vortrag beim Intensivseminar aufgezeigt, wie Künstliche Intelligenz (KI) dazu in der Lage ist, die Vertriebskosten zu optimieren. Die Anwendung von Predictive Analytics-Verfahren bringt neue Chancen für Vertrieb und Marketing mit sich, die vor allem spätestens jetzt – nach allen Turbulenzen im Jahr 2020 – genutzt werden sollten, um im B2B-Wettbewerb zu bestehen und an (alter) Stärke dazu zu gewinnen.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin, Instagram) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag B2B Marketing und Verkauf in St. Gallen erschien zuerst auf Dastani Consulting.

Von erfolglosen Abschlüssen bis hin zu unzähligen Abweisungen
Durch das Tagesgeschäft mit den Bestandskunden verschwimmt oft der Fokus auf die Neukunden. Doch gerade die Neukunden spielen beim Erreichen der Unternehmensziele eine wichtige Rolle. Unvorteilhaft kommt hinzu, dass kein anderer Prozess im Sales so viel Frustration mit sich bringt wie die Neukundenakquisition: Seien es erfolglose Abschlusswahrscheinlichkeiten, enorm hohe Vertriebskapazitäten oder unzählige Kundenabweisungen.

Definition konkreter Neukundenziele
Aus diesem Grund ist es wichtig, konkrete Neukundenziele mit passenden Strategien festzulegen. Die Definition der Neukundenanzahl ist empfehlenswert, da diese meist über weitere Umsatzpotenziale verfügen. Dieses Potenzial kann nach und nach ausgeschöpft werden. Schließlich möchten sich die Kunden meist erst von den Produkten und der Leistungsfähigkeit des Anbieters überzeugen, ehe sie weitere Aufträge aufgeben.

Produktiver im Vertrieb mit Predictive Analytics
Im Anschluss dient Predictive Analytics im B2B dazu, passende Zielkunden zu definieren (Target Group Predict), um die aktive Verkaufszeit des Vertriebs besser zu nutzen und die Abschlusswahrscheinlichkeit enorm zu erhöhen. Jedoch wird der Einsatz von KI-basierten Prognosemodellen im B2B-Sales oftmals als skeptisch angesehen. Viele Mitarbeiter fühlen sich unwohl, weil ihnen eine Maschine Vorgaben macht. Doch andererseits verbergen sich dahinter erhebliche Umsatzchancen, die realisiert werden müssen.

Es gibt auch noch weitere Vorteile, die Predictive Analytics-Anwendungen mit sich bringen. Die Definition von Preispunkten, Kundenwertermittlung (Customer Value Prediction) oder das Stoppen der Kundenfluktuation sind weitere Beispiele. Dahinter stehen intelligente Algorithmen, die eine Menge an Daten analysieren und sich nicht vom Bauchgefühl – wie der Mensch – leiten lassen. Künstliche Intelligenz ist deutlich schneller in der Lage Muster und Zusammenhänge in diesen Daten zu erkennen und zu vergleichen, um anschließend Handlungsempfehlungen abzuleiten.

Gegen den Wettbewerb durchsetzen
Ferner bleibt die Kundenbindung eine große Herausforderung für den Vertrieb. Es existiert eine hohe Anzahl an Wettbewerbern im Markt, die ähnliche oder gar dieselben Produkte und Dienstleistungen anbieten. Offenbar ist es schwer, gegenüber neuen Kunden eine eigenständige Position einzunehmen und greifbare Vorteile anzubieten.

Vor diesem Hintergrund stellt Social Selling eine wichtige Komponente zur Neukundenakquisition dar. Durch die Interaktion in den sozialen Medien ist es möglich, den Beziehungsaufbau und Einkaufsprozess positiv zu verstärken. Vor allem soziale Netzwerke wie Xing oder LinkedIn bieten eine sehr gute Gelegenheit für den persönlichen Kontaktaufbau an, um die Kundenbeziehung zu unterstreichen.

Entry-Produkt definieren
Oftmals ist es nicht verkehrt, noch einen Plan B für den B2B-Kunden parat zu haben. So kann dem Kunden ohne viel Aufwand ein überschaubares Produkt oder eine einfache Dienstleistung angeboten werden. Beispielsweise kann ein Hersteller von Druckgeräten dem Kunden beim Erstkontakt Kopierpapier anbieten. So entsteht schon vor dem Hauptprodukt ein gemeinsamer Abschluss, der für die weitere Bearbeitungsstrategie des Kunden hilfreich sein kann.

Fazit
Gleichbedeutend, ob 20 Tausend €, 20 Millionen € oder 20% mehr vom Umsatz im Vergleich zum Vorjahr im Jahr 2020 erreicht werden sollen, Neukunden müssen explizit in die Vertriebsziele integriert werden. Diese Ziele müssen wiederum in Aktivitäten übersetzt werden, um anschließend Zielkunden mithilfe von Predictive Analytics zu definieren. Weiterhin bleibt die Kundenbindung eine große Herausforderung für den Vertrieb, da die Konkurrenz im Markt nicht schläft. Aus diesem Grund empfiehlt sich der Besitz eines überschaubaren Plan B’s für den Kunden.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin, Instagram) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag „20 Millionen mehr Euro im Jahr 2020“ erschien zuerst auf Dastani Consulting.

Predictive Analytics ist zu einer wichtigen Schlüsselvoraussetzung geworden, um aus Daten wichtige Informationen bezüglich der Kundenbedürfnisse und Handlungsmaßnahmen abzuleiten.

Der Einsatz der Predictive Analytics findet unter anderem in Online-Shops und Streaming-Diensten statt. Intelligente Empfehlungs-Algorithmen stellen dem Kunden bzw. Nutzer individuell zugeschnittene Produkte oder Dienstleistungen in den Vordergrund.

Mit Predictive Analytics auf dem richtigen Weg
Ein weiterer Trend ist die Anwendung der Predictive Analytics im Projektmanagement. Hier kann die Methodik dazu dienen, die Projekte in einem vorgegebenen Umfang-, Zeit- und Budgetrahmen zu halten. Aber auch die ständige Einsicht, ob das Projekt auf dem richtigen Weg ist, um die zuvor festgelegten Ziele zu erreichen, kann ein wichtiges Argument für den Einsatz im Projektmanagement sein.

Hohes Potenzial für Big Data
Jedoch fehlt es oftmals an der Bereitschaft, große Datenmengen zur Entscheidungsunterstützung heranzuziehen. Doch im Projektmanagement gibt es ein hohes Potenzial für solche Big Data-Analysen, da die Menge an projektbezogenen Daten rasant steigt. Auch Cloud-Speicher sind immer leichter und verfügbar. Teils kostenfreie Lösungen schaffen ideale Voraussetzungen für Einsatzszenarien.

Dateninput für neue Erkenntnisse
Als Inputdaten für den Einsatz der Predictive Analytics im Projektmanagement dienen grundsätzlich alle Datenquellen. Mit Hilfe des Text Mining können sogar Daten verwendet werden, die in unstrukturierter Form vorliegen. Der Anteil der unstrukturierten Daten wie zB. E-Mails, Log-Files, Bilder etc., ist weit größer als der der strukturierten Daten. Natural Language Processing kann diese Daten kategorisierbar machen, indem es sie auf die wichtigsten Kerninformationen reduziert. Auch die Analyse der Stimmung, sowie Informationen aus externen Quellen wie den sozialen Medien, können integriert werden.

 Basierend auf den erkannten Mustern und Abhängigkeiten dieser Daten können neue Erkenntnisse im Projektmanagement gewonnen werden, sodass die Prozesse effektiver und effizienter gestaltet, sowie wichtige Handlungsempfehlungen abgeleitet werden können.

Machine Learning als Planungsunterstützung
Mit Hilfe von Machine Learning und der darauf aufbauenden Predictive Analytics können Unternehmen viele Vorteile generieren. Die Projektmanager erhalten eine wertvolle Planungsunterstützung und treffen Entscheidungen anhand quantifizierbarer Daten, denn das Bauchgefühl hat in Predictive Analytics-Projekten nichts mehr zu suchen.

Mit präventivem Handeln zum Erfolg
Projektmanager können durch den Einsatz von Predictive Analytics präventiv statt schadensbegrenzend agieren. Mögliche Probleme können verhindert werden, indem Fehlentwicklungen frühzeitig erkannt werden. Auf diese Weise werden Planungserfolg und Qualität positiv beeinflusst. Dazu verbessern sich die Echtzeit-Algorithmen mit jedem weiteren Projektfortschritt automatisch.

Auf Basis der in Echtzeit gewonnenen Informationen, kann jederzeit eingesehen werden, was im Projekt gerade passiert und warum, um darüber hinaus zu antizipieren, wie sich das Projekt künftig entwickeln wird. Damit dies erfolgreich gelingt, müssen die Manager bereit sein, die Menge an Daten zur Entscheidungsfindung auch tatsächlich zu verwenden.

Sollten Sie weiterführende Fragen haben, schauen Sie doch auf unseren Social Media Kanälen vorbei (Xing, Linkedin, Instagram) oder rufen Sie uns an +49 (0)641 984 46 – 0.

Der Beitrag Predictive Analytics im Projektmanagement erschien zuerst auf Dastani Consulting.

Um den Besucher einer Website zu aktivieren, muss die eingespielte Onlinewerbung für ihn individuell relevant sein. Welches Angebot ihn gerade am meisten interessiert, lässt sich mit AI (Artificial Intelligence)-Technologien vorhersagen.

Nur etwa zehn Prozent der Besucher eines Onlineshops kaufen tatsächlich etwas. Der Gedanke liegt daher nahe, die Abbrecher und Interessenten an anderer Stelle an die angeschauten Produkte zu erinnern, das sogenannte Retargeting. Je mehr Zeit allerdings vergeht, desto unwahrscheinlicher wird es, dass der Besucher das Produkt überhaupt noch kaufen will. Hinzu kommt, dass das Werbebudget so überwiegend dazu eingesetzt wird, Neukunden zu gewinnen. Rund 80 Prozent des Umsatzes machen Unternehmen jedoch mit Bestandskunden.

Artificial Intelligence erkennt Präferenzen

Statt ausgerechnet diejenigen Kunden immer wieder mit ein und demselben Produkt zu behelligen, gegen dessen Kauf sie sich entschieden haben, lässt sich mit AI (Artificial Intelligence) herausfinden, wofür der Kunde sich wirklich interessiert. Ihm werden nicht länger die immer gleichen Artikel präsentiert (Retargeting), sondern Inhalte gezeigt, die er mit hoher Wahrscheinlichkeit kaufen will (Behaviour based Targeting). Aufgrund seines Such- und Klickverhaltens erkennt das System mittels Machine Learnings die Präferenzen einzelner Besucher immer besser.

Hat der Kunde sich beispielsweise im vergangenen Monat einen Rasenmäher gekauft, liegt die Vermutung nahe, dass er sich diesen zwischenzeitlich woanders besorgt hat. Kein Grund, ihn aufzugeben: Der Shopbetreiber bietet über Banner auf verschiedenen Webseiten passend zum Gartenjahr Rechen, Vertikutierer, Rasensamen zum Nachsähen und Dünger an. Um die Angebote mit der individuell höchsten Kaufwahrscheinlichkeit zu ermitteln, werten AI-Algorithmen das Verhalten des einzelnen Kunden aus und beziehen es auf das gesamte Kauf- und Suchverhalten im Shop.

Machine Learning schärft Kundenbild

Dr. Parsis Dastani, Geschäftsführer der Unternehmensberatung Dastani Consulting, erläutert das Verfahren: „Über Machine Learning, einen Teilbereich von Artificial Intelligence, gewinnen Unternehmen ein immer differenzierteres Bild eines einzelnen Users. Außerdem deckt unsere Next Best Offer Software Zusammenhänge zwischen verschiedenen Produktgruppen auf, die sich Verkäufer oder Marketer kaum logisch erschließen können.“

Neben einem erfolgversprechenden Retargeting erlaubt das Behavior based Targeting, den Umsatz mit Bestandskunden durch Crossselling zu steigern. Dazu ein Beispiel aus dem Versandhandel: Zu Herrenschuhen werden häufig typische Heimwerkerartikel bestellt. Das liegt am Käufertyp („Wenn ‚Mann‘ schon mal shoppen geht…“). Doch um zu wissen, was der einzelne Kunde zusätzlich brauchen könnte, bedarf es einer individuellen Prognose.

Überall, wo ein bestimmter Kunde im Web auftaucht und identifiziert wird, wird er mit den Angeboten angesprochen, für die er sich am meisten interessiert oder die aktuell am brauchbarsten für ihn sind. Relevante Angebote verbessern nicht nur das Image und erhöhen die Kundenbindung. Sie minimieren auch Streuverluste und reduzieren so die Cost per Click und – wichtiger noch – die Cost per Order.

Der Beitrag Mit Onlinewerbung Besucher (wieder)treffen erschien zuerst auf Dastani Consulting.

Die Webseiten potenzieller Kunden sind schon längst im Visier von Marketing und Vertrieb. Allein: Die Analyse setzt häufig zu spät an oder basiert auf subjektiven Maßstäben. Alternativ dazu hat Dastani Consulting ein Machine Learning Tool entwickelt, mit dem Unternehmen anhand ihrer Webseiten bewertet werden. Voraussetzung dafür ist eine Analyse der Bestandskunden mittels AI (Artificial Intelligence).

Eine von Dastani Consulting entwickelte AI-Technologie ermöglicht über eine Analyse von Unternehmenswebseiten ein genaues Scoring, vollkommen unabhängig von Zielgruppendefinitionen oder Keywords, die im akquirierenden Unternehmen entwickelt wurden. Dabei benötigt die Machine Learning Software weder Interaktions- noch Transaktionsdaten, sondern lediglich Adresse oder URL der bisherigen Kunden.

Neukunden finden mit Artificial Intelligence

Die Artificial-Intelligence-Technologie liest die Websites dieser Kunden aus und spürt Zusammenhänge und Muster auf. In die Prognosemodelle fließen mehrere Millionen Datensätze aus Auskunfteien sowie eine Milliarde Wörter aus über zwanzig Millionen Webseiten ein. Machine-Learning-Algorithmen verarbeiten diese Informationsflut und lernen, welche Charakteristika die Zielgruppe exakt beschreiben. Dabei unterscheidet die AI-Analytik zwischen relevanten branchen- sowie geschäftsfeldtypischen und unwichtigen Wörtern. Welche Wörter Indikatoren für eine hohe Affinität sind, wird individuell für jedes Produkt aus den Webseiten des Kundenbestands herausgefiltert.

Anhand der auf diese Weise ermittelten Muster wird im Anschluss der gesamte Datenbestand durchsucht. Den Grad der Übereinstimmung einer Website mit dem gesuchten Modell bewertet die Software mit einem Punktesystem. So spricht der Vertrieb die Unternehmen mit einer hohen Produktaffinität gezielt an. Parsis Dastani, Inhaber von Dastani Consulting: „Wir haben die Lösung so angelegt, dass sie die Websites von Bestandskunden genauso behandelt wie alle anderen Webseiten auch: als Grundlage für eine Wahrscheinlichkeitsprognose. Die so erkannten Muster bieten eine unbestechliche Basis für die Analyse des gesamten Datenbestandes.“ Das Marketing und der Vertrieb von Unternehmen aus dem Automobilsektor, der Logistik und dem Rohstoffhandel setzen die Artificial-Intelligence-Technologie bereits erfolgreich in der Akquise ein.

Der Beitrag Mit Artificial Intelligence Neukunden effizient bestimmen erschien zuerst auf Dastani Consulting.