Kontakt


Wir verwenden HubSpot CRM, um Kontakt- und Informationsanfragen zu bearbeiten und zu verwalten. Bitte akzeptiere die "Funktionalen Cookies" und lade die Seite erneut, um das Kontaktformular zu laden.

Insights / Presse

Erfolgsfaktor Kundenerlebnis: Customer Journey Analytics für eine bessere Kundenzufriedenheit

20. Juli 2022
Autor:in Stefan RotschStefan Rotsch
Solution Architect Telco

Die Bedürfnisse der Kund:innen müssen Ausgangspunkt für jedes digitale Angebot sein – spätestens seit Beginn der Pandemie ist das für Telekommunikationsanbieter nicht mehr nur Kür, sondern schlichtweg Pflicht. Gerade auf einem gesättigten Markt, auf dem sich die Angebote unterschiedlicher Provider stark ähneln, Neukund:innen nahezu ausschließlich über Abwerbung von der Konkurrenz akquiriert werden können und die Kundenbindung stark zurückgeht, gilt es, zu jedem Zeitpunkt eine angenehme User Experience und passende Inhalte zu bieten.

Denn von anderen Plattformen, Shops und Services sind Kund:innen heute Kontrolle und Flexibilität gewohnt, sei es hinsichtlich von Verträgen, gebuchten Leistungen oder Kanälen und Devices, über die sie auf Dienste zugreifen können. In dieser Hinsicht haben CSPs jedoch meist Nachholbedarf. So ist beispielsweise ein Erhöhen des Datenvolumens für Kund:innen von Mobilfunkservices nicht immer bedarfsgerecht möglich. Auch sonstige Up- oder Downgrades sind häufig an starre Vertragsfristen gebunden. Dass das nicht nutzerfreundlich und vor allem nicht mehr zeitgemäß ist, zeigt sich auch in der Novelle des Telekommunikationsgesetzes, die Telco-Kund:innen nun mehr Rechte einräumt.

Selfservice, Kanäle & Schnittstellen – Grundlagen zur Datenanalyse schaffen

Um das zu ändern, die Kundenzufriedenheit zu erhöhen und damit Kund:innen zu halten und Neukund:innen zu gewinnen, gibt es natürlich eine Vielzahl an Ansatzpunkten auf unterschiedlichen Ebenen. Vielversprechend sind vor allem jene, die auf echten Nutzerdaten basieren und dort ansetzen, wo Kund:innen sich auch tatsächlich bewegen. Hier kommen Customer Journey Analytics ins Spiel.

Grundlage hierfür:

  • CSPs sollten das Kundenverhalten über alle Touch Points hinweg analysieren, um umfassende Einblicke in Bedarf und Wünsche der Kund:innen zu gewinnen und eine nahtlose, personalisierte Ansprache auf allen Kommunikationskanälen zu ermöglichen – selbstverständlich datenschutzkonform.
  • Dabei hilft ein übergreifender Blick auf alle Interaktionen der Kund:innen mit dem eigenen Unternehmen, also beispielsweise über die Website, über das Call Center, über Social Media und über den Retail Store.
  • Datensilos müssen verknüpft, unterschiedliche Systeme und Datenquellen über Schnittstellen integriert werden.
  • Daten sollten in geeigneten Tools (z. B. Data Lake, Data Warehouse) aggregiert und ausgewertet werden. - Eine Crosschannel-Plattform bietet Kund:innen eine nahtlose User Experience. Die Usability sollte auf allen Kanälen und für alle Devices überzeugen.

Die genannten Tools Data Lake und Data Warehouse versetzen Unternehmen in die Lage, Rohdaten aus unterschiedlichen Quellen in einem zentralen Repository zusammenzuführen und zu analysieren. Zwar unterscheiden sich beide Konzepte in ihren Anforderungen und Anwendungsfällen, sie dienen jedoch dem gleichen Zweck: dem Erkennen von Mustern und der Vorhersage wahrscheinlicher Ergebnisse.

Personalisierung – Was Kund:innen wollen

Die gewonnenen und analysierten Nutzerdaten können dazu genutzt werden, Nutzer:innen die Inhalte und Angebote anzuzeigen, die in diesem Moment relevant und interessant für sie sind – und zwar nur diese.

Die Personalisierung kann dabei auf unterschiedlichen Ebenen stattfinden:

  • Personalisierung auf Basis von Personas: Mithilfe der Nutzerdaten können die unterschiedlichen Personas differenziert und gezielt mit interessanten Angeboten angesprochen werden, beispielsweise für besonders preisbewusste Kund:innen oder für welche, die sich ausschließlich für eine bestimmte Gerätemarke interessieren. Das ermöglicht etwa die personalisierte Ansprache über alle Kommunikationskanäle, eine personalisierte Produktdarstellung, eine individualisierte Katalogreihenfolge, Preismodifikationen, Vorauswahl im Katalog, Markierungen durch Badges oder Recommendations.
  • Individualisierte Personalisierung: So lässt sich etwa der Customer-Selfservice-Bereich personalisieren. Ruft ein:e Nutzer:in häufig als Erstes die Rechnung oder das verbrauchte Datenvolumen ab, kann dieser Person der Link hierzu im Kundenkonto prominent auf der Startseite angezeigt werden.
  • Customer-Journey-Personalisierung: Auch die Customer Journey kann personalisiert werden, beispielsweise durch Anpassen der Schritte in der Vertragsabschlussstrecke. So kann dem Segment der detailinteressierten Kund:innen zusätzlich eine Übersicht der Vertragseinzelheiten angezeigt werden, während preissensiblen Kund:innen mithilfe von Streichpreisen ihre Ersparnis aufgrund aktueller Angebote visualisiert wird.

Das Ziel: Kund:innen möglichst aufwandsarm den Zugang zu den gewünschten Informationen und Aktionen ermöglichen. All das zahlt auf eine angenehme Customer Experience ein.

Big Data im Einsatz – Muster erkennen

Mithilfe von Data Mining, Machine Learning und Predictive Analytics können Trends und Muster erkannt, antizipiert und auf dieser Basis entsprechende Maßnahmen initiiert werden:

  • Churn Prevention: Weist die Datenlage auf ein erhöhtes Kündigungsrisiko hin, lassen sich Kund:innen gezielt attraktive Angebote unterbreiten, um sie zu halten.
  • Support-Priorisierung bei Ansprache von Warenkorbabbrechern: Basierend auf den vorliegenden Daten können Warenkörbe kategorisiert und Kund:innen mit hohem Potenzial priorisiert den Servicekanälen (z. B. Support-Chat oder Call Center) zugeführt werden, um die begrenzte Kapazität an Agent:innen effizient zu nutzen.
  • Entwicklung neuer Produkte: Mittels Datenanalyse können potenzielle Entwicklungen und Bedarfe vorhergesagt werden. Das ermöglicht es CSPs, passende Produkte und Leistungen frühzeitig zu entwickeln.

Auch an dieser Stelle dienen Data Lake und/oder Data Warehouse als Informationsquelle: Erst durch die Aggregation aller vorliegenden Daten und deren Analyse anhand relevanter Fragestellungen können Vorhersagen über das Potenzial oder zu erwartendes Verhalten von Kund:innen zuverlässig getroffen werden. CSPs können durch den Einsatz dieser Technologien unternehmerische Chancen schneller erkennen und sich damit einen Vorteil gegenüber ihren Wettbewerbern sichern.

Zentrale Plattformlösung für mehr Kundenzufriedenheit

Die Grundlage für eine derartige Gestaltung des Kundenerlebnisses bildet im Idealfall eine zentrale Plattformlösung, die zum einen in der Lage ist, alle relevanten Datenquellen und Systeme über Schnittstellen und Konnektoren zu verbinden, und zum anderen ausreichend leistungsfähig ist, um mit den erforderlichen Datenmengen zu arbeiten.

Im Rahmen eines Composable-Business-Modells lässt sich das optimal umsetzen: Nicht nur die technologische Lösung selbst ist in diesem Fall modular und flexibel aufgebaut, sondern auch das Unternehmen arbeitet auf Basis nach agilen Prinzipien in flexibel kombinierbaren, schnell agierenden Einheiten.

Dieser Artikel erschien zuerst auf Digitale Welt. Wir freuen uns über Ihr Feedback und das Teilen des Artikels.

Originalbeitrag