www.simon-kucher.com
Bedürfnisorientierte Kundensegmentierung mit AI
Financial Breakfast
Wien, 6. Dezember 2019
Florian DallIraklis Kordomatis
Büro WienSchubertring 14/Top 5. OG1010 Wien, ÖsterreichTel. +43 1 5122979 [email protected]
Agenda
Vorstellung Simon Kucher & Partners
Warum bedürfnisorientierte Segmentierung?
Case Study
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 2
Simon-Kucher: Positionierung
iSto
ck
/Dig
italV
isio
n
TopLine Power®: Darum dreht sich bei Simon-Kucher alles.
Wir steigern die Umsätze und Gewinne unserer
Kunden, indem wir Strategie, Marketing, Pricing und
Vertrieb optimieren. Wir wissen, wie man Innovationen
monetarisiert und Unternehmen in der digitalen Welt
transformiert.
Unsere Experten arbeiten in allen Branchen,
auf allen Kontinenten und für Unternehmen jeder Größe,
einschließlich Hidden Champions und Unicorns.
Wir haben 35 Jahre Erfahrung in der Entwicklung von
Top- und Bottom-Line-Wachstumsstrategien, die messbare
Ergebnisse liefern. Unsere Projekte erhöhen die
Umsatzrendite unserer Kunden um durchschnittlich
2 bis 4 %-Punkte ROS.
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 3
MT Magazine
Strategy Consulting
Capital
Marketing, Sales, Pricing
brand eins/Statista
Marketing, Sales, Pricing
Financial Times
Marketing, Brand, Pricing
Forbes
Marketing, Brand, Pricing, Sales
Bilanz
Marketing, Sales
2019 2016, 2018 (Umfrage wird alle zwei Jahre durchgeführt)
2018
Simon-Kucher: Wir sind die Nr. 1 im Bereich Marketing & Sales
Das Unternehmen
Positionierung
Wir unterstützen unsere Kunden auch in digitalen TopLine-Themen: von Big Data-Analysen, Machine Learning und künstlicher Intelligenz bis hin zu maßgeschneiderten Pricing- und Vertriebstools.
Simon-Kucher Digital
Darum dreht sich bei Simon-Kucher alles. Wir helfen unseren Kunden bei der Umsatzsteigerung und Gewinnoptimierung.
TopLine Power®
Wir haben mehr als 30 Unicorns, wie Asana, Stripe und Uber, zu Wachstums- und TopLine-Themen beraten.
DIE Unicorn-Berater
Bester Berater für TopLine-Themen
Das sagen andere über uns
1985 1990 1995 2000 2005 2010 2015 2020 2025
Globale Präsenz:
39 Büros in 25 Ländern,
>1,400 Mitarbeiter
1990 1995 2000 2005 2010 2015 2018
Durchschnittliche jährliche
Wachstumsrate: +18% Umsatz im Jahr 2018:
309 Mio. €
Anzahl Projekte pro Jahr >1,000
2018 2016, 2018 (Umfrage wird alle zwei Jahre durchgeführt)
2014 bis 2019
Pricing strategy specialists.
The Wall Street Journal
Simon-Kucher was a great partner during our research phase. We appreciated their support, expertise, and partnership throughout the process of developing Uber Rewards.
Barney Harford, former COO, Uber
No one knows more about pricing than Simon-Kucher.
Philip Kotler, marketing guru
As a specialized consultancy with a clear focus, Simon-Kucher combines strategic expertise and implementation capabilities in a unique way.
Member of the Executive Board, Bank Julius Baer & Co. Ltd.
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 4
Wir beraten sowohl etablierte Branchenführer als auch innovative Unicorns zu (digitalen) Geschäftsmodellen
Co
lou
rbo
x/iS
toc
k
Viega
The Economist
Digitale Transformation
Vertriebsstrategie und Verkaufsargumentation in den USA
Porsche
Uber
Globales Treueprogramm
Preis- und Produktstrategie
Life Sciences
Adidas
Weltweites Commercial Excellence Programm
Monetarisierungsstrategiefür 24 der Top 25 Pharmaunternehmen
Santander
Bain Capital
Market Due Diligence
Banking im digitalen Zeitalter
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 5
Agenda
Vorstellung Simon Kucher & Partners
Warum bedürfnisorientierte Segmentierung?
Case Study
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 6
Indirekter KundenkontaktDer unpersönliche Multichannel-Ansatz erschwert die Bedürfnisidentifikation durch den Berater
Direkter KundenkontaktDurch persönliche Kommunikation wurden laten-te Bedürfnisse des Kunden direkt adressiert
Quelle: Simon-Kucher & Partners; Mutanen, T. et al. (2010) in «Customer churn prediction - A case study in retail banking»; Kaur Sahi, G. et al. (2015) in «Relating strategic market orientation and market performance: role of customer value types»; Sigg, A. Et al., (2017) in «Zukunft Bankfachspezialisten 2030».
Erodierender persönlicher Kundenkontakt...
Digitale Kommunikationsplattformen führen zu Barrieren zwischen Kunde und Berater
Heute – 2020sDamals – 2000s
Angebot (Bank) Nachfrage (Kunde)
Filiale Telefon Digital1 Filiale Telefon Digital1
präferiertpersönliche
Kommunikation
Filiale Telefon Digital1
Bestehenden Betreuungskonzept müssen angepasst werden um latenten Kundenbedürfnissen rechtzeitig zu identifizieren
Angebot (Bank) Nachfrage (Kunde)
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 7
Quelle: IBM Institute for Business Value (2016) in «Banking redefined. Disruption, transformation and the next-generation bank»
Kunden und deren Bedürfnisse entfremden sich vom Kundenberater
...führt zur Entfremdung des Kunden von der Bank
Nur 30% der Kunden finden, dass ihre Bank adäquat Kunden-
bedürfnisse adressiert (dagegen glauben 45% der Kundenberater
(KuBe) alle Kundenbedürfnisse zu befriedigen)
Nur rund 16% der Kunden finden, dass ihre Bank ein heraus-
ragendes Kundenerlebnis bietet (dagegen glauben 57% der
Kundenberater eine gute Leistung zu erbringen)
Entfremdung von Kunde und Bedürfnissen
Verringerte Kunden-loyalität
Abnehmende Entwick-lung von latenten Be-dürfnissen
Sinkender Kundenwert (erodierende Netto-margen)
30%
45%
Zufriedenheit mit Bedürfnis-
identifikation
16%
57%
Zufriedenheit mit Leistungs-erbringung
Kundenentwicklung Kundenloyalität
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 8
Rund 32% erachten den Preis als wichtigstes
Entscheidungskriteriumbei Kauf eines
Finanzprodukts
61% der über 60-Jährigen nutzen
ausschließlich digitaleKanäle für ihre Bankgeschäfte
Bis ins Jahre 2023 wird das Transaktionsvolumen
im Bereich AlternativeFinance um über 63%
zunehmen
Nur 8% der Österreicher nutzen ausschließlich
Bankfilialen; dieser Wert wird nur von den Benelux-
Staaten unterboten
Quelle: BCG (2019) in «The Race for Relevance and Scale»; Statista (2019) in «FinTech Report 2019» und «FinTech in Österreich 2019»
Gesteigerte Preissensitivität und sinkende Kundenloyalität durch digitale Produktangebote
Kundenentfremdung von Österreichischen Banken
8% 63% 61% 32%
...ist bei Kunden zunehmend unbeliebt
...ist in allen Bereichen auf dem Vormarsch
...nutzen vermehrt Online basierte Banklösungen
...bedroht aktuelle Geschäftsmodelle
iStock/Warchi COLOURBOX/Tetiana-Vitsenko COLOURBOX/Kaa TiaoiStock/Ridofranz
Bankfiliale... Digitale Konkurrenz... Digital Immigrants... Preissensitivität...
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 9
Quelle: Österreichische Nationalbank (ÖNB)
Seit dem Jahre 2014 nahm die Nettomarge von Österreichischen Kreditinstituten um über 15% ab
Deep Dive: Nettokreditmarge auf dem Sinkflug
Auch im österreichischen Finanzsektor akzentuiert sich der weltweite Strukturwandel
Nettomarge Österreichischer Kreditinstitute (indexiert)
Ind
exb
asi
s =
10
0
Aktuelle Einschätzung der ÖNB zur Situation am Kreditmarkt:
«Auch im zweiten Quartal 2019 konnten sich Unternehmen und private Haushalte in Österreich aufgrund der Konkurrenz-situation auf dem Kredit-markt zu niedrigeren Zinsen als im Vorquartal verschulden.»
80
85
90
95
100
105
Q1 15
Q1 16
Q3 15
Q3 14
Q3 17
Q1 17
Q3 16
Q1 18
Q3 18
Q1 19
Q2 14 Q2 15 Q2 16 Q2 17 Q2 18 Q2 19
-15% (rollend), bei Neukrediten liegt der Effekt bei über 30%
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 10
Lösungsansatz: Kundenwert durch AI erhöhen...
Kundenentwicklung Produktoptimierung Churn-Prävention
… auf Kunden fokussieren, diedas höchste Potenzial für zukünftige Ertragsentwicklung aufweisen!
… Kunden mit den richtigen Produkten ansprechen, damit diese ihr volles Potenzial ausschöpfen können!
… Kunden mit hoher Churn-Gefahr identifizieren, bevor diese ihre Produktnutzung reduzieren und abwandern!
Mittels AI soll die Bedürfnisidentifikation über alle Kundengruppen gestärkt werden. Der Schwerpunkt des Projektes liegt auf folgenden drei Entwicklungsstoßrichtungen:
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 11
Quelle: Simon-Kucher & Partners
Deckungsbeitrag und Kundenentwicklung bilden Basis für die Bedürfnisorientierte Kundensegmentierung
Bedürfnisorientierte Segmentierung
Die artikulierten und latenten Bedürfnisse werden quantifiziert und in der Segmentierungsmatrix abstrahiert darge-stellt. Dieses Mapping bildet die Grundlage für einen systematischen Bearbeitung durch den Kundenberater.
Aktueller Kundenwert (Deckungsbeitrag)X
Potenzieller Kundenwert (Kundenentwicklung)Y
Bestehende Produktnutzung pro artikuliertes Bedürfnisfeld
Zukünftige Produktnutzung pro latentes Bedürfnisfeld
Potenzialschätzungsmatrix
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 12
Quelle: Simon-Kucher & Partners
Monetarisierung des Kundenpotenzials durch Kundenmanagement
Entwicklungskunden
Niedriger Kundenwert aber Entwicklungspotenzial
Aktives Ansprechen von latenten Bedürfnissen
Passiv-Sales Kunden
Geringes Entwicklungspotenzial
Passive Betreuung durch Teamkundenberater / App
Top-Kunden
Hoher Kundenwert und hohes Entwicklungspotenzial
Retention und Entwicklung durch Top-Berater
Bindungskunden
Hoher aktueller Kundenwert, aber kein Potenzial
Churn Prävention: hochmargige Produkten halten
Betreuungsmodelle
Kundenwert
Ku
nd
en
en
twic
klu
ng
Passive-Sales Kunden
Entwicklungs-kunden
Top-Kunden
Bindungskunden
Segmentierungsmatrix
X
Y
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 13
Agenda
Vorstellung Simon Kucher & Partners
Warum bedürfnisorientierte Segmentierung?
Case Study
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 14
Case Study
Bedürfnisorientierte Kundensegmentierung bei einer Schweizerischen Kantonalbank
Ausgangssituation
Lösungsansatz
Ergebnisse
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 15
Quelle: 1) Simon-Kucher & Partners, Projekterfahrung
Case Study: Ausgangssituation
Die Identifikation von latenten Bedürfnissen entscheidet über eine erfolgreiche Kundenentwicklung
Trend im Schweizer Bankensektor
59% der Kunden bevorzugten persönliche
Interaktion1
Damals 2000sDirekte Kundenbeziehung
Heute 2020Indirekte Kundenbeziehung
80% der Kunden bevorzugen neutrale
Interaktion1
Proaktive Identifikation von latenten Kunden-bedürfnissen wird verunmöglicht
Spezifische Situation bei der Projektbank
Kundensegmentierung...Fixe Parameter/Regel
...KonsequenzenUnsystematischer Prozess
Der Status Quo verhinderte eine potenzialgerechte Bedürfnisidentifikation sinkende Margen
Segmentierung nach…
Kundenvermögen...
Kundentyp (PK/FK) …
Intuitiver Potenzialbe-wertung durch den Kundenberater...
…führte zu
... Kundenentwicklung hängt stark vom KuBe ab
...Reaktive Bedürfnis-identifikation und hohe Churn-Raten
... Ineffizienz Vertrieb ruft nicht volles Potenzial ab
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 16
Quelle: Simon-Kucher & Partners
Deckungsbeitrag und Kundenentwicklung bilden Basis für die Bedürfnisorientierte Kundensegmentierung
Bedürfnisorientierte Segmentierung
Die artikulierten und latenten Bedürfnisse werden quantifiziert und in der Segmentierungsmatrix abstrahiert darge-stellt. Dieses Mapping bildet die Grundlage für einen systematischen Bearbeitung durch den Kundenberater.
Aktueller Kundenwert (Deckungsbeitrag)X
Potenzieller Kundenwert (Kundenentwicklung)Y
Bestehende Produktnutzung pro artikuliertes Bedürfnisfeld
Zukünftige Produktnutzung pro latentes Bedürfnisfeld
Potenzialschätzungsmatrix
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 17
Basierend auf der Produktnutzung der einzelnen Kunden, werden Bedürfnisprofile erstellt. Kunden mit ähnlichen Bedürfnisprofilen werden anschließend gruppiert.
Deep Dive Bedürfnisorientierte Segmentierung: Schritt 1 – Identifikation von Bedürfnisprofilen
BedürfnisclusterProjektbeispiel einer Kantonalbank
Framework für Bedürfnisprofilmapping Produktprofil und Nutzungsintensität
Zahlen
Sparen
Finanzieren
Anlegen
Vorsorge
Verbindung von DB I und Bedürfnisprofilen
Ableitung von relevanten Produkten
Übergangswahrscheinlich-keiten messen & validieren
Identifikation von BedürfnisfeldernI
1 0.73 Sparen
1 0.71 Zahlen1 0.77 Vorsorgen
0.00 0.00 Fin. Allg.
0.00 0.00 Fin. Hyp.0.62 0.62 Anl. Pas.
0.24 0.24 Anl. Akt.
0.41 0.41 Andere
Cluster 7
Finanzieren
Anlegen
Finanzieren
Anlegen
1 0.70 Sparen
1 0.69 Zahlen1 0.70 Vorsorgen
0 0.00 Fin. Allg.
1 0.64 Fin. Hyp.0 0.00 Anl. Pas.
0 0.00 Anl. Akt.
0 0.45 Andere
Cluster 6
1 0.70 Sparen
1 0.69 Zahlen1 0.70 Vorsorgen
0 0.00 Fin. Allg.
1 0.64 Fin. Hyp.0 0.00 Anl. Pas.
0 0.00 Anl. Akt.
0 0.45 Andere
Cluster 6
Finanzieren
Anlegen
Finanzieren
Anlegen
1 0.70 Sparen
1 0.69 Zahlen1 0.70 Vorsorgen
0 0.00 Fin. Allg.
1 0.64 Fin. Hyp.0 0.00 Anl. Pas.
0 0.00 Anl. Akt.
0 0.45 Andere
Cluster 6
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 18
Verbindung von DB I und Bedürfnisprofilen
Ableitung von relevanten Produkten
Entwicklungspfade messen Diagramm beobachteter Übergänge zwischen Clustern
Identifikation von BedürfnisfeldernI
*Übergangswahrscheinlichkeit
Für die Analyse der Entwicklungsprofile werden die Übergangswahrscheinlichkeiten zu anderen Kundenprofilen (Kundenclustern) gemessen und validiert.
Deep Dive Bedürfnisorientierte Segmentierung: Schritt 2a – Analyse von Entwicklungsprofilen
Einem Finanzierungsbedarf geht oft ein erhöhtes Spar-, Zahlungs- und Vorsorgebedürfnis voraus.
Breite der Bedürfnisabdeckung
De
ck
un
gsb
eit
rag
Übergangswahrscheinlich-keiten messen & validierenIIa
Validierung einzelner ÜbergängeProjektbeispiel einer Schweizer Kantonalbank
⌀ DB I 192
Sparen 0.73
Zahlen 0.71
Vorsorgen 0.77
Finanzieren 0.00
Anlegen 0.00
Cluster 7
⌀ DB I 1'317
Sparen 0.15
Zahlen 0.53
Vorsorgen 0.00
Finanzieren 0.64
Anlegen 0.00
Cluster 6
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 19
Ableitung von relevanten Produkten
Identifikation von Bedürfnisfeldern
Um das Potenzial in einer für das Institut relevante KPI zu transformieren, wird diese an die Entwicklungspfade ver-knüpft. In dem dargestellten Beispiel ist es der Deckungsbeitrag I. Dadurch lässt sich das Potenzial besser priorisieren.
Übergangswahrscheinlich-keiten messen & validieren
Verknüpfung von Entwicklungspfade mit dem profilspezifischen Deckungsbeitrag
Projektbeispiel einer Schweizer Kantonalbank
1) Identifikation relevanter Entwicklungen (Schritt IIa) 2) Kombination von KPI aus der Unternehmensstrategie
Bedürfnisorientierte Kundensegmentierung Darstellung des DB I für jeden Kunden
Cluster 6
Cluster 7
I IIaVerbindung von DB I und
BedürfnisprofilenIIb
Deep Dive Bedürfnisorientierte Segmentierung: Schritt 2b – Entwicklungspfade quantifizieren
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 20
Identifikation von BedürfnisfeldernI
Anhand der identifizierten Bedürfnissen werden relevante Produkte gemappt. Daraus kann der KuBe auf die Entwicklung in relevante Produkt mit hoher Abschlusswahrscheinlichkeit zu fokussieren
Deep Dive Bedürfnisorientierte Segmentierung: Schritt 3 – Datendarstellung für Kundenberater
Kundenliste für Kundenberater basierend auf artikulierten und latenten Kundenbedürfnissen
Projektbeispiel einer Schweizer Kantonalbank
Verbindung von DB I und Bedürfnisprofilen
Übergangswahrscheinlich-keiten messen & validieren
Latente Bedürfnisse:Aktives Anlegen
Latente Bedürfnisse: Hypothekarfinanzierung
Sco
pe
alle
Ku
nd
en
Mö
glic
he
En
twic
klu
ng
spfa
de
in n
eu
e B
ed
ürf
nis
feld
er
Kundenberater hat Überblick:
welche Kunden
mit welchen Produkten
bearbeitet werden sollen
IIa IIbAbleitung von relevanten
ProduktenIII
⌀ DB I 1'317
Sparen 0.15
Zahlen 0.53
Vorsorgen 0.00
Finanzieren 0.64
Anlegen 0.00
Cluster 6
Ku
nd
en
be
-
dü
rfn
isse
⌀ DB I 683
Sparen 0.00
Zahlen 0.52
Vorsorgen 0.15
Finanzieren 0.00
Anlegen 0.81
Cluster 3
Ku
nd
en
be
-
dü
rfn
isse
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 21
Quelle: Simon-Kucher & Partners.
Anonymisiertes Projektbeispiel
Vertriebspotenziale freisetzen durch ein unterstützendes Berater Cockpit
Dynamische Segmentierung & Kundenbetreuung, SGKB - 03.12.2019
Allgemeine Stammdaten
Produktnutzungsinformation
Historischer DB I
Entwicklungsprofile
Produktempfehlungen
Soft-Churn-Indikation
Offene To-Dos
Kundenhistorie
Aktivitäten-Tracking
22
1) Inklusive Säule 3a Fonds (Vorsorgeprodukte nach BVG), Pilot mit 181 Kunden
Resultate aus Pilotphase eines Projektbeispiels
Prognosegenauigkeit von latenten Bedürfnissen und «Soft Churn» Risiko bei > 68%
Eine Extrapolation der Resultate aus dem Piloten führt zu einer 20%-igen Gewinnerhöhung
Anlageprodukte1
Prognosegenauigkeit von >68% bei der Identifizierung eines latenten Bedarfs für eine Anlagelösung
68%
Soft Churn
In 3 von 4 Fällen war das «Soft Churn» Risiko für Abwanderung aus bestehenden Hypotheken
und/oder Anlagelösungen gegeben
73%
Hypotheken
Prognosegenauigkeit von >88% bei der Identifizierung des latenten
Bedarfs an einer Hypothek
88%
Financial Breakfast - Bedürfnisorientierte Kundensegmentierung mit AI, 6. Dez 2019 23
www.simon-kucher.com
AfricaCairo
AmericasAtlanta, Boston, Chicago, Houston, Mexico City, New York, San Francisco, Santiago de Chile, São Paulo, Silicon Valley, Toronto
Asia-Pacific/the Middle EastBeijing, Dubai, Hong Kong, Shanghai, Singapore, Sydney, Tokyo
EuropeAmsterdam, Barcelona, Bonn, Brussels, Cologne, Copenhagen, Frankfurt, Geneva, Hamburg, Istanbul, London, Luxembourg, Madrid, Milan, Munich, Paris, Stockholm, Vienna, Warsaw, Zurich
Büro WienSchubertring 14/Top 5. OG1010 Wien, ÖsterreichTel. +43 1 5122979 0
Danke