Mithilfe von ERP- und CRM-Verkaufsdaten und Big Data Analytics-Methoden kann Predictive Analytics beispielsweise den Vertriebsleitern helfen, bei bestehenden B2B-Kunden unentdeckte Verkaufschancen zu erkennen. Suchen Sie ein paar Beispiele oder Ideen, wo Sie anfangen könnten? In diesem Beitrag stellen wir drei Data-Mining-Techniken für Predictive Analytics auf Basis von ERP- und CRM-Verkaufsdaten vor. Beispiel Nummer Eins: B2B-Marktsegmentierung mit einer Clustering-Methode Eine erfolgreiche Marktsegmentierung ist wichtig, um die Produktpolitik und das Angebot einer Firma an die Bedürfnisse und Anforderungen des Marktes anzupassen. Andre Lingenfelser schrieb in "Big-Data-Methoden eröffnen dem Vertriebsleiter nun ein enormes Potenzial, eine Kundensegmentierung deutlich effektiver zu gestalten. " Eine Clustering-Methode gruppiert Kunden abhängig von ihrer Ähnlichkeit. In der Regel wird diese Segmentierung nicht mit einer bestimmten Motivation ausgeführt. Aufgrund der "positiven" Natur der bisherigen Verkaufstransaktionen (Kunden, die ein Produkt oder eine Dienstleistung gekauft haben), gibt es keinen besseren Start als die ERP-Verkaufsdaten eines Unternehmens, um eine Clusteranalyse erfolgreich durchzuführen.
Der Vertrieb im B2B ist da keine Ausnahme. Heutzutage verfügen die meisten, wenn nicht alle Firmen über Systeme zur digitalen Ressourcenplanung (ERP) und zum Kundenmanagement (CRM). Rund drei Viertel der B2B-Unternehmen richten bereits einen Web-Shop ein (E-Commerce). ). Hersteller sammeln Daten durch ihre Produkte (IoT). Zu guter Letzt gehören soziale Medien heutzutage zu den meisten B2B-Marketingstrategien. Dank der Nutzung von Social-Media, ERP und CRM ist die Menge der verfügbaren Daten im B2B-Vertrieb explodiert. Erfolgreiche Unternehmen investieren stark in die Datenanalyse. Dies machen bereits 80% der KMU. Big Data verändert die Aufgaben eines Vertriebsleiters. Das Ziel ist, seine Außendienstmitarbeiter effizienter arbeiten zu lassen. Dies ist heute ohne die Nutzung von Daten unmöglich. Ich möchte mehr über die Verwendung von Big-Data im B2B-Vertrieb erfahren. Mit anderen Worten, Key Account Manager sind heute effizienter, wenn sie sich auf datenbasierte Erkenntnisse verlassen können.
Big-Data scheint mittlerweile eine ausgemachte Sache zu sein im B2B-Bereich. Wie nutzt ein Unternehmen seine Vertriebsdaten zur Wertschöpfung? Durch die Anwendung von Anwendung von Predictive-Analytics-Methoden zur Verbesserung der Vertriebseffizienz. Selbstverständlich haben die Daten allein keinen Wert, wenn sie nicht dazu verwendet werden, Umsatz zu steigern und Kosten zu senken. Welche Technologie kann nützliche Vorhersagen mithilfe von Big Data liefern, dynamisches Pricing gestalten oder die Abwanderung von Kunden rechtzeitig erkennen? Künstliche Intelligenz. Künstliche Intelligenz im Allgemeinen und Predictive Analytics im Besonderen sind der Schlüssel zu einer nachhaltigen Verbesserung der Vertriebseffizienz. Ihre Bedeutung ist darauf zurückzuführen, dass die Vertriebsproduktivität im B2B-Bereich weiterhin erheblich ist. Außendienstmitarbeiter sind derzeit eine der knappsten Ressourcen in Deutschland. Technologie sollte helfen, dass sie effizienter werden. Key Account Manager besuchen die Kunden, kommunizieren Werte und sind dafür verantwortlich, die vorhandenen Verkaufschancen optimal zu nutzen.
"Durch die Verbindung von soziodemografischen Daten mit geografischen Daten lassen sich für den Vertrieb gänzlich neue Marktbearbeitungsmöglichkeiten erschließen", so ihr Fazit auf Seite 30. Effektives CRM-System als Voraussetzung Doch bevor sich Unternehmen über Big Data Gedanken machen, sollten sie zunächst die Basisanforderungen eines professionellen Vertriebsmanagements erfüllen, mahnt Springer-Autor Lars Luck. "Wer seine aktuellen und potenziellen Kunden nicht kennt, diese nicht sauber und aktionsorientiert segmentiert hat, kein gut gepflegtes CRM-System hat, keine effizienten Vertriebsunterstützungssysteme aufgebaut hat – der kann die Anschaffung der ersten Hadoop Server für Big-Data-Analysen getrost erst einmal verschieben", schreibt er in seinem Beitrag "Vertriebliche Implikationen und Anwendungsfelder von Big Data" (Seite 570). Sieben Grundsätze zur Einführung von Big Data Wichtig sei es, das richtige Maß an Analytik zu finden. Dabei ginge es nicht darum "so viele Daten wie möglich, sondern jene Informationen zu identifizieren, aus denen klare Handlungsempfehlungen abgeleitet werden können" (Seite 574).
Dann testen Sie hier live & unverbindlich Haufe Finance Office Premium 30 Minuten lang und lesen Sie den gesamten Inhalt.