Deep Learning: vom Kundenbild zur Produktempfehlung

Über Deep-Learning-Verfahren lässt sich das individuelle Kaufverhalten von Kunden visualisieren. Derzeit erprobt Dastani Consulting, inwiefern sich eine bestimmte Art neuronaler Netze – Convolutional Neural Networks (CNN, gefaltete neuronale Netze) – dazu eignet, mithilfe solcher Kundenbilder Produktempfehlungen zu optimieren. Das Ergebnis: Im Vergleich zu herkömmlichen Verfahren lässt sich die Prognosequalität noch einmal steigern.

Big Data Summit 2017: Würth nutzt Predictive Analytics im Außendienst

Am 16. Februar 2017 lädt der Bitkom bereits zum fünften Mal zum Big Data Summit nach Hanau ein. Mit rund 700 angemeldeten Teilnehmern hat sich die Tagung längst zu einer der führenden Austauschforen in Deutschland entwickelt. Wir stellen in diesem Rahmen ein aktuelles Projekt bei Würth vor.

Ein „Reifeprozess vom Kunsthandwerk zur Industrialisierung“, so die Veranstalter des Big Data Summit, stehe der Data Science bevor. Entsprechend granular, die Prozesse im Detail betrachtend, stellt sich das Programm der fünften Tagung dieser Art dar. Neben der digitalen Transformation, Big-Data-Technologie, Cognitive Computing und Digital Energy wird auch das Themenfeld Customer Experience Management behandelt. Darin werden Einblicke ins Marketing der Automobilindustrie gewährt (mobile.de). Es geht um die Konfiguration von Wunschfahrzeugen sowie um die Frage, wie Big Data und Advanced Analytics das Marketing in der Tourismusbranche beeinflussen. Und eines der ganz großen Handelsunternehmen in Deutschland meldet sich zu Wort.

Kunden finden mit Predictive Analytics to go

Ein aktuelles Projekt bei der Adolf Würth GmbH & Co. KG zeigt, dass sich mit Predictive Analytics der Vertrieb mobil steuern lässt. Über einen Location-Based-Service finden Außendienstmitarbeiter neue Kunden ganz in der Nähe ihres aktuellen Standorts.

Über eine Million Handwerksbetriebe wurden Ende 2015 in Deutschland gezählt. Darunter: viele potenzielle Neukunden für die Adolf Würth GmbH & Co.KG. Mit Predictive Analytics auf dem Smartphone erleichtert der Handelskonzern seinem 3.000 Mitarbeiter starken Außendienst, gleich „um die Ecke“ vielversprechende Betriebe mit Umsatzpotenzial zu finden.

Predictive Leads: schneller ans Ziel mit Target Group Predict

Je voller die Auftragsbücher, desto weniger denken Unternehmer an die Neukundenakquise mittels Predictive Leads Generierung. Das könnte sich als folgenreicher Fehler erweisen, führte Verkaufstrainer Ingo Vogel Ende letzten Jahres in der Computerwoche aus. Er gibt Tipps für die Neukundengewinnung. Wir verraten, wie man die richtigen Kunden findet.

Von Predictive Analytics zu Predictive Marketing

Einen „praktischen Führer zu Predictive Analytics“, so der Verlag, haben Ömer Artun und Dominique Levin mit dem Titel Predictive Marketing vorgelegt. Das „Hubspot’s Blog“ brachte neulich einen ausführlichen Auszug.

Die Frage, welche Konsumenten als nächstes kaufen, können Unternehmen am besten mit einer Wahrscheinlichkeitsprognose auf der Basis von Big Data Analytics beantworten. Ömer Artun und Dominique Levin, Autoren des Buches „Predictive Marketing: Easy Ways Every Marketer Can Use Customer Analytics and Big Data“, zeigen, dass Predictive Analytics sich lohnt.

Sie führen etwa das Beispiel einer Online-Apotheke für Haustiere an: Der Onlinehändler konnte in einem Quartal seinen Verkauf – verglichen mit dem Vorjahresquartal – um 40 Prozent steigern, indem er Verkaufsfördermaßnahmen über den Kundenwert steuerte. Die Responserate verdoppelte sich bei einem gleichbleibenden Marketingbudget.

Share of Wallet: mit Prognosen Portemonnaies öffnen

Wie gelingt es Unternehmen, den Umsatz mit Bestandskunden zu erhöhen? Einen guten Anhaltspunkt bietet das „Share of Wallet“-Konzept. Die Kennzahl definiert den eigenen Umsatzanteil bei einem bestimmten Kunden im Verhältnis zum Wettbewerb. Vorhersagen lässt er sich mit dem Algorithmus Target Group Predict.

Eins der wesentlichen Probleme in der Steuerung von Marketing und Vertrieb ist, dass Unternehmen das eigentliche Potenzial der Kunden nicht kennen.