Predictive Analytics im Kundendialog: 3 Schritte zum Erfolg

Predictive Analytics sollen auf Basis von Daten den Blick in die Zukunft ermöglichen. Viele Unternehmen haben die Technologie inzwischen für sich entdeckt, allen voran die Finanzbranche und der Energiesektor - beispielsweise zur Vorhersage von Zahlungsfähigkeit oder des Strombedarfs. Doch auch im Kundendialog birgt sie ein enormes Potenzial, verspricht sie doch Probleme zu lösen, bevor diese überhaupt entstehen.

Das Prediction Age hat längst begonnen

Als Schlüsseltechnologie der Digitalisierung beginnt die große Zeit der Predictive Analytics genau jetzt. Doch die Idee an sich ist alles andere als neu. Der US-Handelsriese WalMart soll bereits vor Jahrzehnten erkannt haben, dass die Kombination aus Windeln und Bier im gemeinsamen Regal die Verkäufe zu einer bestimmten Uhrzeit drastisch nach oben schnellen lässt. Die Erklärung: Väter, die sich für das Windelholen nach Feierabend mit einem Sixpack belohnen. Zugegeben ein nicht belegter Mythos, der aber das Grundprinzip des Data-Minings gut aufzeigt.

Kundenzufriedenheit vorhersagen

Warum aber gerade jetzt das gesteigerte Interesse an (vorausschauenden) Datenanalysen? Die Antwort ist einfach: Big Data. Das Internet of Things (IoT), soziale Netzwerke & Co. stellen heute den Zugriff auf stetig wachsende Datenmengen zur Verfügung. Und die Möglichkeiten zur Datenauswertung und somit zur Generierung von Wissen sind so groß wie nie zuvor. Doch oftmals fehlt es in den Unternehmen an Zeit, Know-how und personellen Ressourcen. Hier gilt es also zu investieren – nicht nur, um Kundenanliegen in Echtzeit fallabschließend zu lösen, nein mehr noch. Es wird in Zukunft darum gehen, überhaupt keine Anliegen mehr aufkommen zu lassen. Denn die Erwartungshaltung „schnell und sofort“ wird abgelöst durch „man hat sich bereits gekümmert“. Ähnlich wie in der Zukunftssatire „Qualityland“: Hier weiß der Versandhandel „TheShop“ bereits was der Kunde sich wünscht, bevor dieser es selbst ahnt:

»Peter Arbeitsloser«, sagt die Drohne fröhlich. »Ich komme von TheShop, dem weltweit beliebtesten Versandhändler, und ich habe eine schöne Überraschung für Sie.« Peter nimmt der Drohne grummelnd das Paket ab. Er hat nichts bestellt. Seit OneKiss ist das nicht mehr nötig. Wer sich durch nur einen Kuss auf sein QualityPad für OneKiss anmeldet, bekommt fortan alle Produkte, die er bewusst oder unbewusst haben will, zugeschickt, ohne sie bestellen zu müssen. Das System errechnet für jeden Kunden eigenständig, was er will und wann er es will. Schon der erste Slogan von TheShop lautete: »Wir wissen, was du willst.« Inzwischen bestreitet das keiner mehr.


Marc-Uwe Kling, Qualityland

Was hier so unterhaltsam überspitzt skizziert wird, ist tatsächlich gar nicht ganz so weit hergeholt. Denn Fakt ist, Daten sind das neue Öl, Informationen das neue Gold - und damit kann Predictive Analytics zum Erfolgsfaktor werden. Doch wie wird aus dem vielfältigen Datenvolumen eine zielführende Big Data-Strategie? Wir haben drei grundlegende Tipps für Sie:

„Etwas mit Big Data machen“ ist keine Strategie

Ein Patentrezept für die Entwicklung einer erfolgreichen Big Data-Strategie gibt es nicht. Wichtig ist, dass das Predictive Analytics-Projekt auf einer eindeutigen Fragestellung und einer präzisen Zieldefinition basiert. Worüber sollen Prognosen gemacht werden? Welches Problem soll gelöst, welche Maßnahmen umgesetzt werden? Nur so können die beeinflussenden Faktoren ermittelt und ein individuelles Analysemodell entwickelt werden.

Sind das Daten oder kann das weg?

Wer brauchbare Informationen erhalten möchte, muss über qualitativ hochwertige Daten verfügen. Daher gehört neben einer zielgerichteten Strategie die Schaffung einer bereinigten Datenbasis zum A und O. Die Datenaufbereitung ist zeitaufwändig, denn das Datenaufkommen über alle Quellen, Kanäle und Kundenkontaktpunkte ist enorm. Doch Datenmüll führt unausweichlich zu fehlerhaften Ergebnissen.

Work in Progress

Ein Predictive Analytics-Projekt ist nie endgültig. Um langfristig bestmögliche Ergebnisse zu erzielen, müssen die Analysemodelle fortlaufend optimiert werden. Neue Daten gilt es zu integrieren, Variablen zu überprüfen und anzupassen. Die letzte große Herausforderung besteht darin, aus den gewonnenen Erkenntnissen die richtigen Schlüsse zu ziehen und in den Kundendialog zu übertragen.

Fazit

Predictive Analytics gewinnt immer mehr an Bedeutung. Werden Daten zielführend verwendet und richtig gedeutet, können sie einen klaren Wettbewerbsvorteil ausmachen. Der Weg zum datengetriebenen Kundendialog ist jedoch weit und die Komplexität des Themas darf nicht unterschätzt werden. Entscheider sollten sich dennoch auf die neuen Analysemöglichkeiten einlassen, denn wer heute nicht mit Daten arbeitet, wird im Prediction Age abgehängt.

Download: Künstliche Intelligenz – Starten Sie jetzt den Turbo!

Nachdem viele nach ihren ersten KI-Projekten eine eher ernüchternde Bilanz gezogen haben, soll die Zukunft den Beweis antreten, dass KI den Kundenservice sinnvoll ergänzen kann. Lesen Sie im kostenfreien CCW-Whitepaper, wo die Chancen und Stolpersteine liegen.

Gefällt Ihnen, was Sie lesen? Teilen Sie diesen Beitrag oder hinterlassen Sie uns einen Kommentar!

Kommentare

Keine Kommentare

Kommentar schreiben

* Diese Felder sind erforderlich