Eine solide Kundenmarketingstrategie ist unerlässlich. Dennoch gibt es immer noch viele schlecht zielgerichtete Anzeigen, die potenzielle Kunden verärgern. Laut einer McKinsey-Studie erwarten 71 % der Verbraucher personalisierte Werbung von Unternehmen, und 76 % sind frustriert, wenn dies nicht der Fall ist. Es gibt verschiedene Möglichkeiten, relevante Werbung zu schalten, und eine davon ist die Nutzung eines guten Kundendatenmodells. Lesen Sie weiter, um mehr über die Vorteile eines solchen Modells zu erfahren!
Was ist ein Kundendatenmodell?
Ein Kundendatenmodell (CDM) definiert, wie die Informationen über Ihre Kunden in der database (DB) gespeichert werden. Wie jedes andere Datenmodell besteht es aus Datenpunkten, die für das jeweilige Objekt (in diesem Fall den Kunden) relevant sind, wie Transaktionen, Attribute und Ereignisse (siehe Abbildung unten). Es enthält außerdem Informationen über bestimmte Eigenschaften dieser Datenpunkte, wie die Anzahl der Transaktionen, und über die Beziehungen zwischen den Datenpunkten. Bevor Sie eine databaseerstellen, legen Sie ein Datenmodell an und gründen darauf Ihre Datenbankarchitektur.
Ein Kundendatenmodell könnte folgendermaßen aussehen:
Quelle: www.crystalloids.com
Jede dieser Variablen enthält unterschiedliche Arten von Kundendaten. Beispielsweise können sie Identitätsdaten – wie Name, Adresse, E-Mail-Adresse und Telefonnummer – oder Interaktionsdaten enthalten, etwa die Anzahl der Besuche eines Kunden in Ihrem Geschäft im letzten Monat und dessen durchschnittlichen Einkaufswert.
Einige Ihrer Daten können quantitativer Natur sein, beispielsweise wie oft ein Kunde Ihr Geschäft im letzten Monat besucht hat. Andere Daten können qualitativer Natur sein, wie etwa der Inhalt von Kundenbewertungen. Kundendaten können auch branchenspezifisch sein, wie beispielsweise Präferenzen bezüglich des Autodesigns, und Informationen von Drittanbietern wie demografische und finanzielle Profile umfassen.
Ein ausgeklügeltes Kundendatenmodell hilft Ihnen, all diese Daten zu kombinieren und optimal zu nutzen. Schauen wir uns das im Folgenden genauer an.
Warum benötigen Sie ein gutes Kundendatenmodell?
Mit einem guten Customer Data Management (CDM) sind alle notwendigen Kundendaten sauber, konsistent und zentral verfügbar. So können Sie diese Informationen leicht in wertvolle Erkenntnisse umwandeln, um fundierte Geschäftsentscheidungen zu treffen, schnell auf Kundenbedürfnisse zu reagieren deren Kundenerlebnis zu verbessern. Eine Studie belegt , dass Unternehmen, die umfassende Analysen im Marketing einsetzen, mit höherer Wahrscheinlichkeit schneller wachsen als ihre Wettbewerber. Doch ohne ein geeignetes CDM lassen sich datenbasierte Tools zur Kundenanalyse nicht nutzen!
Mit einem robusten Kundendatenmodell können Sie zudem problemlos ein umfassendes Kundenprofil erstellen – eine einheitliche Darstellung von Daten aus verschiedenen Kontaktpunkten zu einem bestimmten Kunden. So lassen sich die häufigsten Marketingherausforderungen, wie Cross-Selling und Kundenbindung, schnell lösen.
Unser Standpunkt ist: Ein gutes Kundendatenmodell ist für jedes Unternehmen unerlässlich: Es stärkt die Marktposition und sorgt für zufriedenere Kunden . Doch wie erstellt man ein solches Modell?
Wie man ein Kundendatenmodell erstellt
Um ein gutes Kundendatenmodell , sollten Sie Kundendaten aus verschiedenen Quellen sammeln und sicherstellen, dass diese sauber, konsistent und an einem zentralen Ort verfügbar sind . Dadurch eignen sie sich für die Analyse.
Zunächst sollten Sie Daten aus verschiedenen Quellen einem einzigen Clientobjekt in Ihrer databasezuordnen. Wenn Sie denselben Clientnamen in zwei Quellen finden, behalten Sie nur einen Eintrag bei und verknüpfen den anderen damit, anstatt mehrere Felder mit demselben Namen zu haben.
Aber woher wissen Sie, ob Datensätze aus zwei Quellen zum selben Kunden gehören? Hier kommen die primären Identitätseigenschaften jedes Kunden, sogenannte Match-Keys, ins Spiel. Sie helfen Ihnen, Informationen über denselben Kunden in verschiedenen Datenquellen zu finden. Wie das funktioniert? Sehen wir uns die folgende Abbildung an.
Angenommen, Sie verfügen über eine Datenquelle mit Kundennamen (Datenquelle 1), eine weitere mit Kontaktinformationen (Datenquelle 2) und eine dritte mit Informationen zu kürzlich getätigten Käufen (Datenquelle 3). Sie können die kombinierten Felder „Vorname“ und „Nachname“ als Suchkriterium für die Datenquellen 1 und 2 verwenden, während Sie für die Datenquellen 2 und 3 eine E-Mail-Adresse nutzen können.
Wie Sie unten sehen können, wird das Alter in zwei der Datenquellen unterschiedlich gespeichert (einmal als Integer und einmal als Zeichenkette). Dies stellt eine Datendiskrepanz dar, und Sie müssen einen Algorithmus zur Konfliktlösung verwenden .
Nachdem Sie alle verfügbaren Eigenschaften zusammengefasst haben, sollten Sie alle irrelevanten Informationen entfernen (beispielsweise benötigen Sie weder die Lieblingskaffeemischung des Kunden noch seine Wohnadresse):
Nachdem Sie Ihre Daten gesammelt und bereinigt haben, können Sie endlich Ihr Datenmodell erstellen. Jeder Datensatz in Ihrem Modell benötigt eine eindeutige Kennung, wie in der folgenden Abbildung dargestellt:
Die Gestaltung Ihres Datenmodells hängt von den Bedürfnissen Ihres Unternehmens und den Aufgaben ab, die Sie am häufigsten in Ihrer databaseausführen. Wenn Sie beispielsweise maschinelles Lernen zur Verhaltensvorhersage einsetzen möchten, müssen Sie möglicherweise wiederkehrende Verhaltensereignisse in einem bestimmten Format exportieren können.
Was zeichnet ein gutes Kundendatenmodell aus?
Ein gutes Kundendatenmodell weist folgende Merkmale auf:
- Gute Datenqualität . Die Daten sollten gut aufbereitet sein: Bei der Zuordnung von Datenquellen zu Datenobjekten sollten alle doppelten Werte als eine einzige Eigenschaft betrachtet werden, auch wenn Rechtschreibvarianten vorhanden sind.
- Zweckmäßig angelegt . Gut strukturierte Daten machen Ihre Analyse effizienter. Beschränken Sie sich auf relevante Eigenschaften und vermeiden Sie Redundanz. Wenn Sie beispielsweise Spielzeug verkaufen, notieren Sie, ob die Kinder des Kunden eine private oder öffentliche Schule besuchen, aber speichern Sie nicht die Lieblingskaffeesorte des Kunden. Dadurch sparen Sie außerdem Speicherkosten.
- Zeiteffizient . Um die Segmentierungsgeschwindigkeit zu erhöhen, sollten Sie Ihre Segmentierungsvariablen prägnant speichern. Wenn Sie beispielsweise nach Adresse segmentieren möchten, speichern Sie die Parameter Land, Stadt und Straße als separate database , anstatt die gesamte Adresse als eine Zeichenkette zu speichern.
- Leicht verständlich und wartungsfreundlich . Bedenken Sie, dass das Verständnis eines Datenmodells von Person zu Person variieren kann. Bei komplexen Beziehungen zwischen Entitäten in Ihrer database stellen Sie sicher, dass diese Beziehungen für alle späteren Datennutzer klar genug sind.
- Portabilität ist entscheidend . Ihr Datenmodell sollte sich problemlos in gängigen database und mit beliebten Analysetools integrieren lassen. Andernfalls können Sie nicht von Spitzentechnologien profitieren und geraten gegenüber Ihren Mitbewerbern ins Hintertreffen. Portabilität ermöglicht Ihnen zudem, Migrationsmöglichkeiten zu nutzen, falls Sie zukünftig auf einen anderen Technologie-Stack umsteigen möchten.
Fazit
Die Entwicklung eines Customer Data Model (CDM) ist eine anspruchsvolle Aufgabe . Sie erfordert ein gründliches Vorgehen mit einem klaren Verständnis Ihrer Geschäftsziele und einer detaillierten Zielgruppenbeschreibung. Auch wenn die Erstellung eines CDM länger dauern kann als erwartet, sollten Sie nicht zögern; sie wird den Unternehmenswert steigern.
Die Beibehaltung eines Kundendatenmodells (CDM) bei der Migration zwischen Helpdesks kann eine Herausforderung darstellen. Unsere Helpdesk-Software stellt sicher, dass Ihr Kundendatenmodell nach der Migration intakt bleibt. Unser Tool gewährleistet einen sorgfältigen Datentransfer, der die Struktur Ihrer Daten bewahrt. So erhalten Sie einen moderneren, leistungsfähigeren Helpdesk , der Ihren Kundenservice verbessert .
