Wie Sie durch Scoring mehr aus Ihrem Kundenbestand herausholen und zielgerichtet Neukunden gewinnen

Die Zielsetzung jedes Scoring-Modells ist die Bewertung von Datensätzen anhand verschiedener Kriterien. Je nach Ausprägung des Kriteriums werden Punkte vergeben. Die Summe der Punkte ergibt den Gesamtscore. Inzwischen werden komplexe statistische Modelle zur Berechnung von Scorewerten herangezogen. Diese berücksichtigen alle Interaktionen zwischen relevanten Basisdaten.

Im Online- und im Versandhandel sorgt der Einsatz von Scoring-Modellen für eine effizientere Steuerung der Werbekampagnen. Der bestehende Kundenstamm wird besser ausgeschöpft. In der Neukundenwerbung werden Fremdadressen gezielter ausgewählt, Kaufwahrscheinlichkeiten sind höher, Streuverluste signifikant niedriger.

Scoring-Modelle im Kundenbestand

Das RFM-Modell: In diesem Modell erfolgt die Segmentierung nach den Kriterien "Recency" (Zeitpunkt des letzten Kaufs), "Frequency" (Kauffrequenz) und "Monetary Ratio" (Kaufwert). Diese drei Kriterien spiegeln das Kaufverhalten wider. So erhalten besonders frequente Käufer mit hohen Kaufwerten, die vor Kurzem erst gekauft haben, einen hohen Score. Liegt der letzte Kauf schon länger zurück als ein bestimmter Grenzwert, sinkt die Kaufwahrscheinlichkeit, und der Score fällt entsprechend niedriger aus.

Das RFE-Modell: Während das RFM-Modell das Kaufverhalten betrachtet, geht es beim RFE-Modell um die Bewertung des Nutzungsverhaltens. In diesem Modell erfolgt die Segmentierung nach den Kriterien "Recency" (Zeitpunkt des letzten Onlinebesuchs), "Frequency" (Seitenaufruf-Frequenz) und "Engagement" (Wie aktiv war der Nutzer/wie viele Seitenaufrufe hat er getätigt). Eine kombinierte Betrachtung beider Modelle könnte Ihnen nun ein Scoring liefern von Fans mit großem Warenkorb - die Sie also bevorzugt mit Ihrem Marketing ansprechen sollten.

So nutzen Sie Scoring-Modelle zur Neukundengewinnung

Da Ihnen Informationen wie Umsätze, Bestellhäufigkeiten oder Umsatzzahlen bei den Fremdadressen nicht vorliegen, bildet das Profil der eigenen Kunden die Basis für die Auswahl der Fremdadressen. Hier ist es zielführend, eine etwas weiter gefasste Zielgruppe aus dem Kundenbestand zu definieren, beispielsweise die aktuellen Besteller der letzten zwölf Monate.

Das Profil dieser Gruppe wird auf der Basis der Informationen der Fremdadressen-Datenbank abgebildet, und potenzielle Neukunden können top-down selektiert werden. Mit diesem "statistischen" Trichter werden die Fremdadressen ausgewählt, die in den externen Informationen genau gleich aussehen, wie die Zielgruppe aus dem Kundenbestand. Die Wahrscheinlichkeit ist hier am höchsten, Neukunden zu gewinnen.

Mit einem kompetenten Dienstleister sind Sie auf der sicheren Seite

Gehen Sie bei Neukunden-Scoring-Projekten kein Risiko ein. Wählen Sie einen Dienstleister, der in diesem Bereich erfahren ist und Zugriff auf entsprechende Neukundenpotenziale hat. Gehen Sie beim Aufsetzen eines Neukunden-Scoring-Projekts nach unserer Checkliste vor. Fordern Sie einfach unser kostenloses Whitepaper mit einer E-Mail an M.Berger@indima.de, Stichwort "Whitepaper Scoring" an.

Indima direct GmbH
Herr Martin Berger, Senior Data Scientist
Stuttgarter Str. 41, 75179 Pforzheim
Phone: +49 7231 / 3963-41
Fax: +49 7231 / 3963-30
E-Mail: M.Berger@indima.de  
http://www.indima.de