Die Aufdeckung kundenwertrelevanter Lebenszyklusmuster mittels Kundendatenbankanalyse - Nachfrageentwicklung, Cross-Buying und Up-Buying
Final Report Abstract
Ziel des Projekts war die Gewinnung von Erkenntnissen hinsichtlich der langfristigen Entwicklung von Anbieter-Kundenbeziehungen. Im Zentrum standen hierbei branchenübergreifende Längsschnittuntersuchungen des Nutzungs- bzw. Nachfrageverhalten von Kunden im Hinblick auf die Anzahl der pro Periode mit einem Anbieter getätigten Transaktionen ("Frequency") sowie nachgefragter Zusatzleistungen ("Cross-Buying") und Nachfrage nach höherwertigen Angeboten ("Up-Buying"). Der innovative Ansatz des Projekts lag in erster Linie darin, dass hier das Nachfrageverhalten einer Vielzahl von Kunden in unterschiedlichen Branchen über einen langen Zeitraum hinweg analysiert wurden. Im Speziellen wurden vier Fragestellungen bearbeitet. Aufgrund mangelnder theoretischer Erkenntnisse im Hinblick auf Kundenlebenszyklusmuster behandelte die erste Fragestellung, wie sich "typische" Kundenlebenszyklusmuster identifizieren lassen. Hierfür wurden zwei explorative Studien angesetzt. In der ersten explorativen Studie wurde gezeigt, wie sich Kunden in Kundencluster verdichten lassen, die jeweils einen ähnlichen Lebenszyklusverlaufaufweisen. Hierbei konnte gezeigt werden, dass nicht die vergangene Kaufhistorie maßgeblich den Verlauf bestimmt, sondern dass der "Beziehungstrend" einen richtungweisenden Indikator darstellt. Des Weiteren wurde gezeigt, dass es nicht ohne weiteres möglich ist, Risikokomponenten, wie z.B. das "Beta" aus der Kapitalmarktforschung., mit einzubeziehen, da sie nur geringe Erklärungskraft im Hinblick auf Lebenszyklen bieten. Die zweite explorative Studie zur Kundenlebenszyklusmustererkennung sollte mittels stochastischer NBD Modelle, die als "state-of-the-art" Modelle der Kundenaktivitäts- und Kundenkaufintensitätsmessung in nicht-vertraglichen Kundenbeziehungen gelten, auf den Ergebnissen der ersten Studie aufbauen. Jedoch konnte gezeigt werden, dass die stochastischen Modelle nicht besser vorhersagen als einfache Management-Heuristiken. Zudem konnte mathematisch gezeigt werden, warum das ML-Schätzverfahren auf Datensätzen unter bestimmten Umständen Fehlverhalten aufweist. Aufgrund der ernüchternden Ergebnisse der NBD Modelle wurde nach Verfahren außerhalb der betriebswirtschaftlichen Forschung gesucht. Gerade die sogenannte "Support Vector Machine" (SVM) erwies sich als vielversprechend für Lebenszyklusvorhersage. Unsere empirischen Analysen bestätigten dies. Auch konnte der finanzielle Mehrwert gezeigt werden, den SVM im Vergleich zu den NBD Modellen im Hinblick auf Verhaltensprognose bieten. Die nächste Fragestellung behandelte die Problematik, wie der Wert eines Kunden schon zu frühen Zeitpunkten des Kundenlebenszyklus, d.h. zu Zeitpunkten, an denen erst wenige kundenspezifische Transaktionsdaten vorliegen, vorausgesagt werden kann. Die Wahl des Kommunikationskanals und die Bereitschaft Direktmarketingangebote zu empfangen, sowie Veränderungen der Präferenzen sind hierbei wichtige Prediktoren für den zukünftigen Kundenwert. Zusätzlich steigt die Prognosevalidität, wenn Transaktionsdaten, die im Laufe der Kundenbeziehung generiert werden, in das Modell mit einbezogen werden. Im Rahmen der dritten Fragestellung wurde analysiert, wie mangelnde Kooperation von Unternehmensabteilungen bezüglich des Kundenlebenszyklusmanagements wesentlich den Kundenlebenszyklus (und damit auch den Kundenwert) negativ beeinflussen kann. Im Speziellen wurde der Effekt von Überbuchungen in der Fluggesellschaftsbranche analysiert. In diesem Kontext werden Umsätze in der Regel nach einzelnen Flügen oder Strecken optimiert, jedoch nicht nach maximalem Kundenwert. Es zeigte sich, dass Kunden, denen der Flug verwehrt wurde ("Denied Boarding") oder die runtergestuft wurden in der Buchungsklasse ("Downgrading") signifikant weniger fliegen (und weniger Umsatz generieren) als Kunden, denen dies nicht widerfahren ist. Dieser negative Effekt steigt mit dem Kundenstatus ("Bronze", "Silber", "Gold") an, d. h., höherwertige Kunden reagieren intensiver auf diese Ereignisse. Auf der anderen Seite ist der Effekt von Hochstufungen in eine höherwertige Buchungsklasse nur schwach positiv. Diese Studie zeigt, dass ein Kundenlebenszyklusmanagement in allen Bereichen einer Unternehmung angesiedelt sein muss. Die finale Fragestellung betracht, wie im Laufe des Kundenlebenszyklus die Nachfrage nach zusätzlichen Produkten und Dienstleistungen ("Cross-Buying") getrieben werden kann. Zusätzlich stellte sich die Frage, ob sich die zusätzliche Nachfrage nach Produkten und die zusätzliche Nachfrage nach Dienstleistungen in ihren unterliegenden "Treibern" unterscheiden, Mittels einer Stichprobe von Kunden einer europäischen Heimwerkermarktkette konnte auf Basis von Verhaltens- und Einstellungsdaten gezeigt werden, dass dies in der Tat der Fall ist. Während Kunden, die zusätzliche Dienstleistungen nachfragen, durch die gute Beziehung zu den Marktmitarbeitern getrieben werden, achten Kunden, die zusätzliche Produkte nachfragen, vor allem auf einen zeitsparenden und mühelosen Einkauf. Aufgrund der Anzahl und Qualität der Publikationen ist das Projekt als gelungen anzusehen.
Publications
-
v. Wangenheim, Florian (2006), "Lifetime Value Prediction at Early Customer Relationship Stages," Marketing Science Institute (MSI) Series 2006 (2), 101-124.
-
v. Wangenheim, Florian und Thomas Bayön (2007), "Behavioral Consequences of Overbooking Service Capacity," Journal of Marketing 71 (October), 36-47.
-
Wübben, Markus und Florian v, Wangenheim (2006), "Predicting Customer Lifetime Duration and Future Purchase Behavior: Simple Heuristics vs. Complex Models," präsentiert bei der AMA. Winter Educators Conference, February 2006, St. Petersburg, FL, USA.
-
Wübben, Markus und Florian v. Wangenheim (2005), "Predicting Customer Lifetime Duration and Future Purchase Levels: Complex Models vs. Simple Heuristics," präsentiert bei der Marketing Dynamics Conference, September 2005, Sacramento, CA, USA.
-
Wübben, Markus und Florian v. Wangenheim (2006), "Counting Your Customers The Managerial Way," präsentiert bei der 35th EMAC Konferenz, Athen, Griechenland.
-
Wübben, Markus und Florian v. Wangenheim (2007): Fortune Telling - Taking Customer Base Analysis To The Next Level By Applying Support Vector Machines, präsentiert bei der 16th Annual Frontiers in Service Conference, Oktober 2007, San Francisco, CA, USA.
-
Wübben, Markus und Florian v. Wangenheim (2008), "Instant Customer Base Analysis - Managerial Heuristics Often 'Get it Right'," Journal of Marketing, 71(May), 82-93.
-
Wübben, Markus und Florian v. Wangenheim (2Q08b), "The Vital Few and The Useful Many," präsentiert bei der AMA Winter Educators Conference, Februar 2008, Austin, TX, USA.
-
Wübben, Markus, Florian v. Wangenheim, Heiner Evanschitzky, Verena Vogel und Katherine N. Lemon (2007), "We will do it for you!" Leveraging your Customers' Cross-Buying Potential by Complementing Cross-Category Purchases Through Value Added Services," präsentiert bei der AMA Winter Educators Conference, February 2007, San Diego, CA, USA.
-
Wübben. Markus und Florian v. Wangenheim (2006c), "Parameter Estimation in the Pareto/ NBD Model," in Innovatives Dienstleistungsmarketing in Theorie und Praxis, Kleinaltenkamp, M. (Hrsg.), Germany, Wiesbaden.
