Mit „Big Data“ sind nicht 10.000, nicht 100.000, sondern Millionen gleicher Transaktionen gemeint. Um diese Datenmassen zur Steuerung nutzen zu können ist ein analytisches Setup unerlässlich. Nur so erhält ein Unternehmen eine ganzheitliche Perspektive auf den Markt und kann das Kundenverhalten zielführend auswerten. Allerdings ist das eigene CRM-System oftmals ein „Datengrab“ und die Aufbereitung der Daten spielt meist zu Beginn der Projekte eine große Rolle.
EXKURS: Deskriptive Big Data Analysen
Einsatzgebiet: Bereits vorhandene Daten von potenziellen Kunden (Leads) oder auch von Bestandskunden zu finden, zu analysieren, zu gruppieren und gegebenenfalls zu ergänzen.
Die Blickrichtung hierbei ist in die Vergangenheit.
Es geht darum, ein präzises Bild über Vergangenes zu erhalten. In komplexen Umfeldern, in denen wir uns meist bewegen, sind die Beantwortung vermeintlich simpler Fragen oft schon nicht so ganz einfach: Welche Produkte werden oft zusammen gekauft? Wie zufrieden sind unsere Kunden nach ein paar Jahren? Welches Potenzial liegt noch bei meinen Kunden verborgen?
"Wir nutzen die Unbefangenheit und Neutralität einer Datenanalyse
und die Erfahrung unserer Vertriebsprofis, um Hypothesen aufzustellen.
Unser Erkenntnisgewinn resultiert aus diesen beiden Faktoren,
folglich aus einer Gesamtbetrachtung."
Garvin Beer, Sales Intelligence Experte SUXXEED
Große Datenmengen mit dem Closed Loop-Verfahren auswerten
4 Schritte Anleitung für den B2B-Vertrieb
Schritt 1: Machen Sie einen Daten-Check und werden Sie zum Herr Ihrer Daten.
- Welche Daten sind von hoher Qualität und verlässlich in ihrer Aussagekraft?
- Welche Datenfelder werden konsequent gepflegt/welche nur sporadisch erfasst?
Schritt 2: Gehen Sie es wissenschaftlich an!
Die Wissenschaft macht es richtig vor. Im Anschluss an das Datenaudit sollte eine klare Problemstellung von der Vertriebsleitung erarbeitet werden, wovon wiederum Hypothesen abgeleitet werden können. Maximal sollten fünf Hypothesen pro Problemstellung aufgestellt werden, um fokussiert zu bleiben. Die besten Hypothesen werden von Personen mit langjähriger Vertriebsexpertise und Branchen Know-how aufgestellt.
Praxisbeispiel B2B-Vertrieb:
Problemstellung:
Ein B2B-Unternehmen kann nicht einschätzen, welches
Cross-/Upselling Potenzial im Verkauf von bestimmten Produkt-Bundles steckt.
Hypothese 1
Wer Produkt A kauft, kauft auch Produkt B dazu.
Hypothese 2
Die Kunden, die beide Artikel kaufen, haben etwas gemein.
Abgeleitete Hypothese 2a
Je größer der Jahresumsatz eines Kunden, desto
wahrscheinlicher kauft er beide Produkte ein.
Schritt 3: Machen Sie sich nicht zum Analyseexperten.
Auf Basis von validen Daten werden deskriptive Big Data Analysen durchgeführt - im Optimalfall von Experten. Der Fokus sollte rein auf der Überprüfung der aufgestellten Hypothesen liegen, um keinesfalls von der Zielsetzung abzuweichen. Ohne die Hilfe von erfahrenen Analyseexperten fallen starke Einflussfaktoren schnell unter den Tisch oder die falschen Algorithmen und Filter werden auf die falschen Dateneigenschaften angewendet. Die IT-Abteilung oder das Team, dass die betroffenen Systeme betreut, sollten unbedingt mit ins Boot geholt werden. Digitalisierung im B2B-Vertrieb bedeutet eine enge Abstimmung mit anderen Abteilungen.
Experten-Tipp: Ergebnisse sollten ebenso strukturiert aufgearbeitet, wie die Daten analysiert werden. Nach der Analyse sollten aussagekräftige Diagramme angefertigt werden.
Schritt 4: Nach der Analyse ist vor der Analyse - An die Arbeit!
Wie bereits angedeutet ist es sinnvoll aus Hypothesen, die sich bestätigt haben, weitere abzuleiten. Falls eine Hypothese nicht verifiziert werden konnte, sollte diese nicht gleich verworfen werden. Eventuell muss sie nur angepasst werden.
Bereits nach den ersten Analysen geben wir unseren Auftraggebern klare Handlungsempfehlungen, bezogen auf den Einsatz von Vertriebsressourcen und die Optimierung von digitalen Vertriebsaktivitäten.
Praxisbeispiel B2B-Vertrieb Ergebnis:
Hypothese 1
Wer Produkt A kauft, kauft auch Produkt B dazu.
Diese Hypothese hat sich bestätigt. Allerdings fiel die Korrelation deutlich geringer aus als erhofft. Hier lag Potenzial brach!
Abgeleitete Hypothese 2a
Je größer der Jahresumsatz eines Kundens ist, desto
wahrscheinlicher kauft er beide Produkte ein.
Diese Hypothese hat sich ebenfalls bestätigt. A- und B-Kunden
waren anscheinend besser mit dem Produktportfolio vertraut – eventuell aufgrund der besseren Betreuung.
Von diesem Ergebnis wurden weitere Hypothesen und Analyse abgeleitet bis klare Handlungsempfehlungen entstanden sind. Wir erhöhten daraufhin im Rahmen des Digitalisierungsprojektes durch ein Inside Sales Team die Betreuungsintensität im C-Kundensegment und erreichten in kurzer Zeit eine deutliche Umsatzsteigerung mit dem Verkauf dieses Produkt-Bundles. Mittelfristig erhöhte sich sogar die Kundenzufriedenheit in den "kleineren" Kundensegmenten.
Kernaussagen des Praxisbeispiels Big Data
- Kein Erfolg ohne eine valide Datengrundlage im digitalen Vertrieb von morgen: Die Festlegung eines geprüften Daten-Sets und des Datenflusses sind Pflicht. Organisieren Sie ihre Systemlandschaft mit einem Experten für Digitalisierung im Vertrieb gegeben falls neu.
- Ohne die Definition der Problemstellung und eine klare Zielsetzung werden die erhofften Ergebnisse des Analyseprozesses ausbleiben.
- Ohne einen Analyseexperten ist die Gefahr allerdings groß, dass falsche Schlüsse gezogen werden. Denn Automation und künstliche Intelligenz haben aktuell noch ihre Grenzen im B2B-Vertrieb.
- Sie werden durch den Einsatz von Big Data Analysen nur erfolgreicher, wenn Sie im Anschluss konsequent die Erkenntnisse nutzen.
- Große Datenmengen sollten nach dem Closed-Loop Verfahren analysiert werden, um maximalen Nutzen zu generieren.
! Eine ausführlichere Beschreibung dieses Praxisbeispiels inklusive ausformulierter Problemstellung, Hypothesen und Ergebnisse sowie weitere Einblicke in Digitalisierungsprojekte finden Sie im Whitepaper Digital Sales.
