Post on 20-May-2020
transcript
Vorlesung Wirtschaftsinformatik IVElectronic Commerce / Electronic BusinessElectronic Commerce / Electronic BusinessSommersemester 2007
Teil 3: Electronic Business Anwendungen in der Wertschöpfungskettein der Wertschöpfungskette
eCustomereProducts &eServices(Kap. 4)
eContracting(Kap. 7)
eDistribution(Kap. 8)
ePayment(Kap. 9)
eCustomer RelationshipManagement
(Kap. 10)
eProcure-ment
(Kap. 5)
eMarketing(Kap. 6)
Inhalte dieses Kapitels
• eCRM: Von Produktorientierung zu Kundenorientierung• Wie misst man den Wert eines Kunden?Wie misst man den Wert eines Kunden?• Analytisches Kundenbeziehungsmanagement• Operatives KundenbeziehungsmanagementOperatives Kundenbeziehungsmanagement• Nutzung von CRM-Systemen• Controlling des KundenbeziehungsmanagementsControlling des Kundenbeziehungsmanagements
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 2
eCRM: Definitionen
• (Electronic) Customer Relationship Management (CRM):Wirtschafts- und Technikdisziplin, in der Anwendungs-
t i t t d ä tli h G häftsysteme eingesetzt werden, um sämtliche Geschäfts-prozesse in den Bereichen Marketing, Vertrieb und Dienstleistung zu koordinieren, die mit den Interaktionen zwischen dem Unternehmen und den Kunden in Beziehung stehen
[Laudon+ 2006, p.107]
• eCRM-Systeme:Anwendungssysteme, die sämtliche Interaktionen der Firma mit Kunden verfolgen und analysieren um UmsatzFirma mit Kunden verfolgen und analysieren, um Umsatz, Rentabilität, Kundenzufriedenheit und Kundenbindung zu optimieren
[ditt ][ditto]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 3
Entwicklungsstufen des CRM
Integrations-stufen
Kundenorientierung
Customer RelationshipManagement (CRM)
Prozessmanagement
Computer-Aided Selling (CAS)
Qualitätskontrolle
T t l Q lit M t
(CAS)
Zeit1980 1990 2000
Total Quality Management (TQM)
Zeit1980 1990 2000[nach: Meier+ 2005, p. 156]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 4
Qualitätssicherung
• 80-er Jahre: Umsetzung umfassender Qualitätskonzepte in den Unternehmen
• Methoden und Verfahren zur frühen Erkennung / Vermeidung von Mängeln oder Fehlern in Produkten
• Normenreihe ISO 9000: Entwickelt von der International• Normenreihe ISO 9000: Entwickelt von der International Organization for Standardization (ISO) Ende der achtziger Jahre, regelt:
– Verfahren zur Vermeidung von Fehlern– Umfassende Dokumentation der Produktionsprozesse– Kontrollmechanismen für TeilschritteKontrollmechanismen für Teilschritte– Abnahme (Zertifizierung) durch externe Gutachter (Auditoren)
• Wird mittlerweile auch im Dienstleistungsbereich angewendet
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 5
Prozessmanagement
• Seit Anfang der 90-er Jahre: Erweiterung des qualitätsorientierten Ansatzes um Analyse und N t lt G häftNeugestaltung von Geschäftsprozessen
• Schwerpunkt: Optimierung von Vertriebs- und Service-ProzesseProzesse
• Vorrangiges Ziel: Effizienzsteigerung der Verkaufs-organisation sowie verbessere Marktdurchdringung
• Entwicklung / Einführung von Informationssystemen und Datenbanken für den Vertrieb, z.B.
– Sales Force Automation– Sales Force Automation– Computer Aided Selling– Call Center
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 6
Merkmale der Verlagerung von Produkt- zur Kundensicht• Im Zuge der Globalisierung und Liberalisierung der Märkte:
Generelle Abnahme der KundenloyalitätDiff i üb P&D ll i i t ft i ht h i h d• Differenzierung über P&D allein ist oft nicht mehr ausreichend
– bewusste Ausrichtung der Wertschöpfungskette auf den Kunden– Verkauf eines P&D soll Beginn einer langfristigen Kundenbindung
darstellen
Produktorientierung KundenorientierungZielmarkt Kundensegmente Kunden mit hohem KundenwertZielmarkt Kundensegmente Kunden mit hohem Kundenwert
Kanäle Mono-Channel Multi-Channel
Kommunikation Einwegkommunikation Interaktion
Zeithorizont Periodische Kampagnen Lebenszyklus des KundenZeithorizont Periodische Kampagnen Lebenszyklus des Kunden
Informationssysteme Funktionsorientiert Integriert in Customer Datawarehouse
Hauptfokus Marketing- u. Vertriebsaktivitäten Steigerung des Kundenkapitals
Analyse Statistische Transaktionsauswertungen Profile und Verhalten von Kunden
[nach: Meier+ 2005, p. 157]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 7
CRM und Integration
• In der Vergangenheit waren Geschäftsprozesse für Vertrieb, Kundenservice und Marketing in Unternehmen stark abteilungsbezogen
• Austausch von Kundendaten nur in sehr beschränktem A ß ( B k t b D t )Ausmaß (z.B. kontenbezogene Daten)
• Daten oft den Produkten zugeordnet, die der Kunde gekauft hattegekauft hatte
• Keine Möglichkeit der Zusammenführung dieser Daten, damit die Abteilungen ein einheitliches Bild des Kunden da t d e bte u ge e e e t c es d des u degewinnen können
• CRM hat in erster Linie ein Integrationsproblem zu lösen
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 8
CRM-Tools und Integration
• CRM-Werkzeuge versuchen, dieses Problem zu lösen d hdurch:
– Integration kundenbezogener Prozesse
– Konsolidierung von Kundendaten aus verschiedenen Kommunikationskanälen
– Bereitstellen von Analysemethoden
[Quelle: Laudon+ 2006, p.108]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 9
Typische Fragestellungen des CRM(nach [Laudon+ 2006, p.108])
• Welchen Wert hat ein bestimmter Kunde künftig für die Firma?
• Wer sind unsere loyalsten Kunden? • Mit welchen Kunden machen wir die meisten Umsätze?• Was möchten diese umsatzstarkent Kunden kaufen?
Akquisition neuer KundenBesseren Kundenservice und SupportppAngebot auf Präferenzen der Kunden abstimmenBindung umsatzstarker Kundeng
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 10
Kundenservice oder Diskriminierung?
• CRM kann zu einer Diskriminierung von Bürgern in Abhängigkeit von ihrem Einkommen (oder sonstigen Kriterien?) führenKriterien?) führen
• "In the brave new banking world, the "unprofitable" customer will find that bankers don't want you – or your
"money .." ["Big banker is watching you", www.bankrate.com, 1999]
• "… you charge them higher fees because you don't want them – make them know they're not welcome. […]them make them know they re not welcome. […]Unprofitable customers will pay an additional price in terms of service. Each time a customer calls or E-Mails a bank the sales rep need only type his name to view hisbank, the sales rep need only type his name to view his CRM profile. […] You answer the cash cows first, the losers can wait 20 minutes if they call in a question. The losers will just make you drown " [ h M 2002 535]losers will just make you drown. [nach: Merz 2002, p.535]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 11
Kundenwert
• Kundenkapital (auch Kundenstammwert, Customer Equity):
– Wert eines Kunden bzw. des Kundenstamms zur Erreichung der monetären und nicht-monetären Ziele aus Sicht des Unternehmens
• Drei Komponenten des Kundenkapitals [nach Rust + 2000]
– Nutzenkapital (value equity)• begründet durch Nutzenwahrnehmung des Produkts durch den
Kunden– Markenkapital (brand equity)
• Umfasst subjektive Beurteilung der Marken durch den Kunden– Beziehungskapital (relationship equity)
• Beschreibt Erfolg der KundenbindungsprogrammeBeschreibt Erfolg der Kundenbindungsprogramme
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 12
Wie kann man das Kundenkapital berechnen
• Customer Equity - Modell von Blattberg et al.
Kunden-ertrag
Kunden
Kunden-gewinnung
Kunden-bindung
Kunden-lebens-zyklusAdd-on
Selling
Kunden-investitioninvestition
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 13
Customer Equity Modell nach Blattberg et al.
• Berechnung des Kundenwertes über den Kundenlebenszyklus erfordert Berücksichtigung bestehender und zukünftiger Kundeninvestitionen und KundenerträgeDi B h b ü k i hti t di Ph• Diese Berechnung berücksichtigt die Phasen:
– KundengewinnungKundenbindung– Kundenbindung
– "Add-on Selling" (= Cross-Selling & Up-Selling)
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 14
Cross- und Up-Selling [Laudon+ 2005, p. 422]
• Cross-selling: Verkauf zusätzlicher Produkte, wird erzielt, wenn den Kunden ergänzende Produkte angeboten werden
• Up-selling: Verkauf höherwertiger Produkte oder f i h L i t i d i lt dumfangreicherer Leistungen, wird erzielt, wenn neuen oder
bestehenden Kunden höherwertige Produkte oder umfangreichere Leistungen angeboten werdeng g g
• Bündelung (Bundling): Verkauf zusätzlicher Produkte, wobei eine Produktkombination im Bündel verkauft wird und der Verkaufspreis niedriger ist als der Gesamtverkaufspreis der einzelnen Komponenten
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 15
Berechnung des Kundenkapitals
• Hier Betrachtung des Kundenkapitalwertes für in einer Periode akquirierte Neukunden über ein KundensegmentK d k it l t K d ibt i h l S• Kundenkapitalwert pro Kunde ergibt sich als Summe aus
– Akquisitionskapital– Kundenbindungskapital– Zusatzkapital aus Add-On-Selling-Aktivitäten
• Gesamtbetrachtung erfordert Berechnung des Kundenkapitalwertes über alle zukünftige– Berechnung des Kundenkapitalwertes über alle zukünftige Zeitperioden
– Aufsummierung über alle KundensegmenteAbdiskontierung des Kundenbindungs und Zusatzkapitals– Abdiskontierung des Kundenbindungs- und Zusatzkapitals
• Wir verzichten hier auf die detaillierte Betrachtung (s. Folie 22 dieses Kapitels für die allgemeine Formel zur Berechnung des Kundenkapitalwertes)Kundenkapitalwertes)
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 16
Hauptkomponenten des Blattberg-Modells
AkquisitionskapitalAkquisitionskapital
(Ratea ⋅ Margea) – Costa
Kundenkapital pro Kunde∑
Kundenbindungskapital
1 pro Kunde∑1 (1 – Rateb) ⋅ (Margeb – Costb)
Zusatzkapital
Ratez ⋅ ⋅ (Margez – Costz)1
(1 – Rateb)(1 Rateb)
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 17
Berechnung des Akquisitionskapitals pro Kunde
• AkquisitionskapitalGewinnmarge – Akquiseaufwändeng q
• Gewinnmarge pro Segment = ∅ Umsatz des Segments zur Zeit t – "Cost of goods" für Segment
• Bemerkungen– Gewinnmarge muss mit Akquiserate (= Akquisewkt.)
multipliziert werden, da nur Neukunden betrachtet werden (es kann nicht gesamte Zielgruppe gewonnen werden)
– Beim Aufwand wird der gesamte Aufwand einbezogen (nicht g g (mit Akquiserate multipliziert)
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 18
Berechnung des Kundenbindungskapitals pro Neukunde• Berechnet aus:
Erwartete Beziehungsdauer * Gewinn pro Zeitperiode• Beziehungsdauer berechnet sich durch
1/ (1- Kundenbindungsrate)K d bi d t• Kundenbindungsrate:
– Wie viele Kunden des akquirierten Kundenbestandes können in der nächsten Periode gehalten werden (z.B. 70% ≈ 0.7)g ( )
– Annahme im Modell: Diese Rate bleibt über die Zeit konstant• Die Beziehungsdauer wird mit Kundenbezogener
Gewinnmarge multipliziertGewinnmarge multipliziert– Einnahmen in Betrachtungsperiode – "Cost of Goods" (für
Segment)– Auch Aufwendungen zur Kundenbindung werden erfasst
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 19
Berechnung des Zusatzkapitals pro Neukunde
• Berücksichtigt Margen und Aufwände für die Kundenprogramme des Up- und Cross-Selling
• Annahme: Dauer der Wirkung des Add-On-Selling = Kundenbeziehungsdauer
• Zusatzrate Ratez: Größe des Zusatzkapitals ist davon abhängig, wie intensiv das Unternehmen die Instrumente des Up- and Cross-Selling anwendetdes Up- and Cross-Selling anwendet
– 0 ("gar nicht") bis 1 ("für alle Kunden")• Auch hier ist der Gewinn für Add-On-Selling aus derAuch hier ist der Gewinn für Add On Selling aus der
Differenz der Einnahmen und der Aufwände für Add-On-Selling zu berechnen
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 20
Allgemeines Modell nach Blattberg et al.
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 21
Diskussion
• Das vorgestellte Modell beschränkt sich auf quantitative Einflussfaktoren
• Tatsächlich müssen auch qualitative Größen bei der Berechnung des Kundenkapitals berechnet werden
– z.B. Weiterempfehlungen– Potenzial der Meinungsbildung ("Lead customer potential")
Wi k I f ti Bild d K d k it l d• Wie kann Information zur Bildung des Kundenkapitals und Erfassung der qualitativen Einflussgrößen gesammelt werden?
– Customer Datawarehouses als vielversprechender Ansatz– Teil des sog. Analytischen Kundenbeziehungsmanagement
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 22
Analytisches CRM
• I&K-Technologien erleichtern den Weg von der Produkt-hin zur Kundenorientierung
• Analytisches CRM: – Bestehende Kunden mit Hilfe spezifischer Datensammlungen
besser kennen lernenbesser kennen lernen– Potentielle Kunden systematischer erfassen– Frühzeitige Erkennung der wertvollsten Kunden
Gewinnung für längerfristige Kundenbeziehung– Gestaltung differenzierter Produkte und bedarfsspezifischer DL
• Identifikation und Bewertung der "wertvollsten" KundenIdentifikation und Bewertung der wertvollsten Kunden geschieht mit Hilfe einer gut strukturierten, mehrdimensionalen Datenbank ( WI1-Vorlesung)
C t D t h– Customer Datawarehouse
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 23
Customer Datawarehouse
• Spezielle Ausprägung der in der WI1-Vorlesung behandelten Datawarehouse-Technologie
• Mehrdimensional– Kennzahlen wie z.B. Kundenwert, Umsatzzahlen,
Rentabilitätskennzahlen werden nach unterschiedlihchenRentabilitätskennzahlen werden nach unterschiedlihchen Auswertungsdimensionen wie z.B. Kundensegmente, Absatzgebiete, Produktgruppen, Filialstruktur analysiert
• Zeitbezogen• Zeitbezogen– Auswertungen betreffen Vergangenheit, Gegenwart o. Zukunft
• Nicht änderbar– Quelldaten aus der Vergangenheit ("Laden" aus operativen
Systemen), d.h. dürfen nur gelesen, aber nicht geändert werden
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 24
Mehrdimensionale Datenschemata
• In der WI1-Vorlesung haben wir die Grundlagen von Datawarehouse-Architekturen kennen gelernt
• Wir haben die Definition und Anwendung des Online Analytical Processing (OLAP) und die damit verbundenen
h di i l D t d ll (OLAP D t ü f l itmehrdimensionalen Datenmodelle (OLAP-Datenwürfel mit Abbildung in das Star Schema) kennen gelernt
• An dieser Stelle wiederholen wir in Kürze die wesentlichen• An dieser Stelle wiederholen wir in Kürze die wesentlichen Konzepte
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 25
Grobarchitektur eines Customer Datawarehouse
[Quelle: Meier+ 2005, p. 162]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 26
Beispiel eines dreidimensionalen Datenwürfels
A t di i (A h d D t ü f l )
[Quelle: Meier+ 2005, p. 163]
• Auswertungsdimensionen (Achsen des Datenwürfels): Dienstleistung, Region, Zeit
• Entwurf der Dimensionen ist bedeutend, da entlang der AchsenEntwurf der Dimensionen ist bedeutend, da entlang der Achsen Auswertungen und Analysen vorgenommen werden
• Dimensionen i.d.R. hierarchisch (z.B. Monat Quartal Jahr)
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 27
Beispiel: OLAP-Würfel dargestellt mit PowerPlay-Werkzeug der Firma Cognos
[Quelle: Laudon+ 2006, p. 338
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 28
Operationen auf Datenwürfeln
• Customer Datawarehouse muss die folgenden Operationen auf OLAP-Würfeln unterstützen
• Drill Down: Verfeinerung der betrachteten DimensionenDrill Down: Verfeinerung der betrachteten Dimensionen– z.B. Jahr Quartal Monat Woche– z.B. Region Teilregion Filiale
• Roll Up: AggregationRoll Up: Aggregation– inverse Operation zum Drill Down– Festlegen der Aggregationsebenen zum Zeitpunkt d. Festlegung d.
Datenmodells• Slicing
– Auswahl / Analyse einer bestimmten Ausprägung einer Dimension ("Scheibe"), z.B. ein Jahr mit sämtlichen Dienstleistungen/Regionen( ) g g
• Dicing– Ändern der Reihenfolge der Dimensionen, z.B. Kundenwert nach
• Zeit, Region, Dienstleistung, g , g• Dienstleistung, Region, Zeit
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 29
Entwurf eines Datenwürfels
• Gesucht: Datenmodell, das die og. Anforderungen und Operationen unterstützt
• Gebräuchlichstes Schema zur Darstellung mehrdimensionaler Datenmodelle: Star-Schema
• Festlegen von Kennzahlen und Dimensionen• Abgebildet in
– eine Dimensionentabelle pro Dimension• Dimensionen sind herarchisch gegliedert
eine Faktentabelle die die Kennzahlen pro Kombination der– eine Faktentabelle, die die Kennzahlen pro Kombination der Ausprägungen der Dimensionen enthält
• Enthält Werte für unterschiedliche Aggregationsstufen
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 30
Beispiel: Star-Schema für ein Customer Datawarehouse
[Quelle: Meier+ 2005, p. 165]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 31
Data Mining: Definition und Verfahren
• Analyse großer Daten-bestände, um Zusammen-hä M t d R l
Data Mining für CRMhänge, Muster und Regeln zu finden, die als Unterstützung bei der Entscheidungs-findung und der Vorhersage künftigen Verhaltens dienen können [Laudon+ 2006, p. 339]
Analyseder bestehenden K d b i h
Prognoseder künftigen Beziehung zum [ , p ]
• Zwei große Problembereiche: Analyse und Prognose
Kundenbeziehungen u. des Kunden-verhaltens
gKunden und der Entwicklung des Verhaltens
• Unterschiedliche technische Verfahren für beide Bereiche
• Clusterbildung undAbweichanalyse
• Assoziation• Generalisierung
• Klassifikation• Wirkungsprognose
• Generalisierung
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 32
Beispielverfahren: Entscheidungsbaum
• Verwendbar für Klassifikationsprobleme• Entscheidungsbaum besteht aus Knoten (Bedingungen) g ( g g )
und Kanten• Blätter repräsentieren Kundenklassen
ä f• Entscheidungsbäume kodieren Regeln zur Klassifikation von Kunden in Kundengruppen
• Oft: Erzeugen von Entscheidungsbäumen ausOft: Erzeugen von Entscheidungsbäumen aus historischen Daten
• Alternative Verfahren: Genetische Algorithmen, neuronale N B N kNetze, Bayes-Netzwerke
• Entscheidungsbaumverfahren sind einfach, aber recht starr und statischstarr und statisch
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 33
Beispiel: Entscheidungsbaum
[Quelle: Meier+ 2005, p. 168]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 34
Operatives CRM
• Festlegung, Ausgestaltung und Optimierung der Konsumprozesse zwischen Unternehmer und Kunden, bestehend aus
– Kundenprozess (Customer Buying Cycle, siehe Kapitel 6)U t h– Unternehmerprozess
[Quelle: Meier+ 2005, p. 170]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 35
Funktionen von CRM Software
[Quelle: Laudon+ 2006, p. 423]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 36
Multi-Channel Management (MCM)
• Im CRM: Kommunikation mit dem Kunden stellt besonderes Problem dar, da unterschiedliche Kontakt-und Kommunikationskanäle zum Einsatz kommen
• Multi-Channel Management: Management von parallel t t K t ktk äl f d K d itgenutzten Kontaktkanälen auf der Kundenseite
• Inbound-Kommunikation: Kunde gelangt über einen Kontaktkanal an das UnternehmenKontaktkanal an das Unternehmen
• Outbound-Kommunikation: Unternehmen richtet sich über Kontaktmedien an den Kundeno ta t ed e a de u de
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 37
Kontaktkanäle und Kontaktmedien im MCM
• Vielfalt an Kombinationen von Kontaktkanälen mit direkten und indirekten Medien
• Kontaktkanal setzt sich aus unterschiedlichen Mitarbeiterrollen, -fähigkeiten, Aktivitäten von Front Office-Prozessen u. I&K-Medien zusammenMedien zusammen
[Quelle: Meier+ 2005, p. 173]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 38
Inbound-Kommunikationsprozesse
• Behandeln von Kundenanfragen
• Oft gebündelt mit Hilfe von Contact Centern (auch: Customer Interaction Center)Customer Interaction Center)
• Phasen:– Annahme/Identifikation,– Klassifikation/Bearbeitung,– Protokollierung der
Aktivitäten
[Quelle: Meier+ 2005, p. 175]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 39
Outbound-Kommunikationsprozesse
• Bereitstellen und Verteilen von Angeboten und Spezialaktionen des Unternehmens an die KundenBereitstellen von InhaltenKontaktierung: meist durch Customer Interaction CenterFestlegung des geeigneten Mediums wesentlich, u.U. ein Mix von Medien und Kanälen
Erfolgskontrolle bei Kampagnen und sonstigen Outbound-Aktivitäten mit Hilfe des CDW
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 40
Controlling des CRM
• Strategische Ebene– Festlegen der CRM-Strategie mit
Zielen und MaßnahmenZielen und Maßnahmen– Verantwortlich: Unternehmensleitung
o. Customer Steering Committee
• Taktisch analytische Ebene• Taktisch-analytische Ebene– Entwicklung von Kundenmodellen
und Kunden-Portfolios zum Erhalt und zur Steigerung des Kundenwertsund zur Steigerung des Kundenwerts
– Verantwortlich: CRM-Kernteam
• Operative EbeneDurchführung v Kundenprogrammen– Durchführung v. Kundenprogrammen und –kampagnen
– Verantwortlich: Funktionale Linien
[Quelle: Meier+ 2005, p. 179]
Das CDW wird im Laufe der Zeit zu einer Wissensdatenbank;
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 41
wichtiger Teil des intellektuellen Kapitals eines Unternehmens
Zusammenfassung: Vorteile des CRM
• Bereitstellung eines besseren Kundendienstes
• Effiziente Arbeitsweise von Call
• Bereitstellung von Kunden-informationen für Entwicklung neuer P&DEffiziente Arbeitsweise von Call
Centern• Effektiver Verkauf von
ergänzenden Produkten
• Reduzierung von Verkaufs- u. Marketingkosten
• Identifizieren und Beibehalten gewinnbringender Kunden• Unterstützung des Verkaufs-
personals, schnellere Abschlüsse zu tätigen
• Vereinfachung von Marketing- u
gewinnbringender Kunden• Optimierung der Kosten für die
Dienstleistungserbringung• Verbesserung der Kundentreue• Vereinfachung von Marketing- u.
Verkaufsprozessen• Anwerbung und langfristige
Bindung neuer, gewinn-
• Verbesserung der Kundentreue• Verbesserte Antwortraten auf
direkte Anschreiben• Gesteigerte Produktrentabilitätg g
bringender Kunden• Verkauf zusätzlicher P&D• Steigerung der Produktnutzung
Gesteigerte Produktrentabilität• Schnellere Reaktion auf
Vertriebschancen
[nach: Laudon+ 2006, p. 427]
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 42
Herausforderungen des CRM
• Einführung von CRM-Systemen teuer und zeitaufwändig• Finanzielle Rendite oft zweifelhaft, insbesondere
angesichts der Gesamtbetriebskosten über den Lebenszyklus (TCO) des Systems
• Versagensrate bei CRM Systemen kann bei 55 75% liegen• Versagensrate bei CRM-Systemen kann bei 55-75% liegen (nach [Laudon+ 2006, p. 428])
• Wichtig: "Leben" der kundenorientierten Sicht; gfunktionsübergreifende Integration kundenbezogener Geschäftsprozesse erfordert Bereitschaft zu Änderungen der Organisationskultur und der Geschäftsprozessede O ga sat o s u tu u d de Gesc ä tsp o esse
• Unterstützung und Rückendeckung seitens der Unternehmensleitung unabdingbar
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 43
Literaturreferenzen
• Blattberg, R.C., Getz G., Thomas J.S.: Customer Equity –Building and ManagingRelationships as Valuable Assets. Harvard Business School Press, 2001.
• Rust R.T., Zeithaml V.A., Lemon K.N.: Driving Equity – How C t Lif ti V l i R h i C t St tCustomer Lifetime Value is Reshaping Corporate Strategy. The Free Press, 2000.
Wirtschaftsinformatik © Prof. Dr. Jörg P. Müller, 2007 44