B2B-Kundenanalyse: Kaufverhalten analysieren und verstehen.
Neue Technologien ermöglichen heute ein sehr detailliertes Verständnis des digitalen Kaufverhaltens, auch als Customer Journey bekannt (deutsch: „Reise des Kunden – Kundenreise“). Sie ermöglichen auch die Anwendung von Predictive Analytics im B2B-Vertrieb.
Allerdings ist diese Analyse des Kaufverhaltens gleichzeitig eine der größten Herausforderungen, denen sich Unternehmen stellen müssen. Da Kunden zunehmend ihre Einkaufsaktivitäten auf digitale Kanäle, einschließlich Social Media, Internet und E-Procurement ausdehnen, wird es immer schwieriger zu verstehen, wie Kunden wirklich kaufen.
Unternehmen können einem dreistufigen Rezept folgen, um das Kaufverhalten ihrer Kunden zu verstehen und Bedürfnisse zu antizipieren: Daten sammeln, Daten analysieren und Vertrieb und Marketing enger verknüpfen.
Vertriebskennzahlen und KPIs sind wirklich wichtig
In den letzten Jahren hat der B2B-Vertrieb viele Veränderungen erlebt. Der im Vertrieb traditionell verwendete Trichteransatz oder eindimensionale Pipeline wird durch kundenorientierte Customer Journey ersetzt.
In dieser neuen B2B-Welt können die Vertriebsdaten Gold wert sein. Diese Daten können in verschiedensten Formen vorliegen und aus diversen Quellen kommen: ERP-Daten, CRM-Daten, Social Media, Website-Interaktionen, die eigenen Produkte des Unternehmens (IoT) bzw. andere relevante Datenpunkte. Vertriebsanalyse macht diese Datensätze verständlich.
Predictive Analytics Methoden machen Gold aus ihnen.
Hierbei handelt es sich für viele Organisationen um Neuland. Das hat drei Hauptgründe: Firmen müssen Vertriebskennzahlen analysieren und die Kundenanalyse fördern, Ressourcen bündeln sowie Vertrieb und Marketing besser koordinieren. Zu wissen, was, wie und wann Kunden kaufen, kann extreme Auswirkungen auf Umsatzwachstum und Vertriebseffizienz haben.
Zunächst sollten Unternehmen ihre Kunden wirklich kennen. Sie müssen alle bisherigen Interaktionen und Verkaufstransaktionen mit bestehenden und potenziellen Kunden analysieren. Daher sind Kunden-Metriken und Vertriebs-Key Performance Indicators (KPI) sehr relevant. Die Auswahl des richtigen KPIs und der Kunden-Metriken sind entscheidend, um die Kundenreise zu verstehen, zu messen und vorherzusagen.
Wie man die besten Vertriebskennzahlen und Metriken auswählt, ist noch immer mehr ein Handwerk als eine Wissenschaft. In diesem Kontext sollten Kunden-Metriken jeden unterschiedlichen Kauf widerspiegeln, während die Vertrieb KPIs sich auf die Maßnahmen konzentrieren sollten, die das B2B-Vertriebsteam unternehmen kann, um diese Customer Journeys effektiver zu verwalten.
Es gilt rückläufige, führende und fortgeschrittene Kunden-Metriken und Vertriebs-KPIs zu berücksichtigen. Beispiele für Kunden-Metriken sind Kundenbewusstsein, Website-Besuche, Klicks, Produktnutzung, Lebensdauer eines Kunden, etc.
Beispiele für Vertriebskennzahlen sind u.a. durchschnittliche Deal-Größe, Anzahl der Vertriebsaktivitäten, Win-Raten, Loyalty Scoring oder Abwanderungsrisiko, unerfüllte Verkaufspotenziale und Preischancen.
Die Frage ist: Wie tief sollte ein Unternehmen jeden Kunden analysieren und wie viele KPIs sind zu viel?
Heutzutage können B2B-Vertriebsteams alle digitalen Kundeninteraktionen abbilden, die zu einem Verkauf führen.
Können Sie den Wald vor lauter Bäume nicht sehen? Kaufverhalten analysieren je Kundensegment.
Mit den Verkaufsdaten, Kunden-Metriken und Vertriebs-KPIs erlangen Vertriebsleiter einen Vorteil, indem sie die Customer Journey so detailliert wie möglich abbilden können, aber nicht mehr.
Jeder Kunde kauft anders. Heutzutage basieren B2B-Kaufentscheidungen immer häufiger auf komplexen Vorgängen. Allerdings ist es nicht sinnvoll, die Reise jedes Kunden abzubilden. Dies stellt die langbewährten Praktiken vieler Vertriebsorganisationen in Frage. Segmentierung ist ein Synonym für Erfolg.
Zuerst müssen Vertriebsmanager ihre Kundensegmente klar definieren und den Vorgang abbilden, den die Entscheidungsträger durchlaufen. Große Firmen mit tausenden von Kunden benötigen eine auf Daten basierte Recherche (zum Beispiel durch das Mining von ERP-Daten), um tiefgreifende Erkenntnisse zu erlangen. Vertriebsleiter können dann diese in mindestens drei Hauptgruppen von Kaufaktivitäten aufteilen.
Zweitens sollten Vertriebsleiter Kunden in jedem Zielsegment analysieren und gruppieren, basierend auf der Reise, die sie machen.
Bedenken Sie an dieser Stelle, dass die Segmentierung der Kundenreise nicht über bestehende Kundensegmente wie Kundengröße, Standort, Industrie oder andere vergangene Kriterien gemacht werden muss. Unternehmen müssen die Segmentierung von digitalen Kundenreisen auf der unterschiedlichen Art von Customer Journeys basieren. Nur durch die Segmentierung von Kunden basierend auf der Art, wie sie kaufen, kann ein Vertriebsleiter erfolgreich vorhersagen, welche Vertriebsmaßnahmen bzw. Informationen in jedem Schritt benötigt werden.
Drittens sollten Vertriebsmanager mit auf Daten basierenden Prognosen reagieren. Das bedeutet, eine Reihe von Aktivitäten zu entwerfen und einzuführen, welche zu den einzelnen Kundengruppen passen. Dann können Unternehmen die Effektivität über einen gewissen Zeitraum messen.
Ich möchte das Verhalten meiner Kunden verstehen und vorhersagen.
Ein Schritt nach dem Anderen: von Data Mining bis Predictive Analytics.
Data-Mining aus Verkaufsdaten und Customer Journey Analyse sind nur ein Mittel zum Zweck. Das reale Ziel von Data-Mining ist es, die Verkaufsressourcen schnell neu zuzuordnen und sich auf Projekte mit besseren Chancen zu fokussieren.
Wenn sich herausstellt, dass Ihre Vertriebsorganisation potentielle Anhaltspunkte schneller oder mit zusätzlichen Vorteilen realisieren kann, dann sollten Sie diese Chancen oder Projekten mit höchster Priorität behandeln. Die Hauptsache bei Predictive Analytics ist es, diese Datenanalyse als Chance zu begreifen, um das Kundenverhalten zu verstehen und entsprechend zu reagieren.
[bctt tweet=“B2B Kaufentscheidungen basieren immer häufiger auf komplexen Vorgängen und stellen die langbewährten Praktiken vieler Vertriebsorganisationen in Frage – McKinsey Quarterly.“]
In vielen Fällen führt ein Besuch oder eine Kaltakquise B2B-Email nicht zu einer Veränderung oder Beeinflussung des Kundenkaufverhaltens. Im Vergleich dazu, kann ein Kunde, der gerade ein Fachdokument heruntergeladen oder eine Beschwerde ausgefüllt hat, dringend Ihre Aufmerksamkeit erfordern. Wo soll ein Unternehmen seine Ressourcen zuerst investieren? Unternehmen können zum Beispiel die Relevanz jeder Art von Kundeninteraktion bewerten, indem sie einen Entscheidungsbaum (Englisch: Decision Tree) erstellen und dessen Informationsgewinn (Englisch: Information Gain) berechnen. In einfachen Worten: können Vertriebsleiter aus ihren Verkaufsdaten berechnen, welche Art von Interaktion die Chancen erhöht, einen Deal abzuschließen.
BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE
Es ist beachtenswert, dass diese Art von datengestütztem Vertriebsverhalten ein gemeinsames Engagement von Vertrieb und Marketing braucht. Wenn ein Key Account Manager Zeit in gezielte Segmente, Kunden oder Chancen investiert, wird ein Unternehmen erfolgreicher sein, sofern die notwendige Unterstützung von der Marketingabteilung (oder Inside Sales) bereitgestellt wird.
Dies bedeutet nicht, dass Sie langfristigen Vertriebsbeziehungen keine Beachtung schenken, sondern dass Sie Ihre teuren Ressourcen auf die Beziehungen mit den höchsten Chancen konzentrieren sollten. Predictive Sales Analytics bedeutet, die teuersten Vertriebsressourcen in Bereiche mit höherer Produktivität zu investieren. Die Pflege einer bestehenden Kundenbeziehung kann eine Woche warten. Soll die Gefahr der Abwanderung eines Kunden zur Konkurrenz vorgebeugt werden, muss der Vertrieb sofort handeln.
Wenn B2B Führungskräfte diese Veränderungen in Marketing- und Vertriebsorganisationen durchführen möchten, dann muss dies konzernweit erfolgen und den Kundenfokus in allen Geschäftsbereichen priorisieren. Es macht sehr wenig Sinn, Verkaufschancen mit höherem Potential zu verfolgen, wenn das gesamte Unternehmen nicht zusammenarbeiten wird.
[bctt tweet=“Es macht sehr wenig Sinn, Verkaufschancen mit höherem Potential zu verfolgen, wenn das gesamte Unternehmen nicht zusammenarbeiten wird.“]
Kundenanalyse, Kaufverhalten und Customer Journey in B2B-Vertrieb – Fazit
B2B-Vertrieb war nie so aufregend. Es gibt heutzutage mehrere wertvolle Datenquellen: ERP-Systeme, CRM-Lösungen, Digitales Marketing usw. Viele Unternehmen erhalten schon Daten aus der Nutzung eigener Produkte (IoT – Internet of Things).
Damit können B2B-Vertriebsteams alle digitalen Kundeninteraktionen abbilden, die zu einem Verkauf führen.
Darüber hinaus können Unternehmen die Bedürfnisse der Kunden mit Predictive Analytics vorhersehen.
Die Customer Journey Analyse bietet eine große Chance, den Umsatz zu steigern, Kundenabwanderung zu vermeiden und die Kundenzufriedenheit zu erhöhen.
Erfolgreiche Unternehmen definieren und messen zunächst die Kunden- und Sales KPI, die für die Art der Customer Journey, die sie analysieren, am relevantesten sind. Danach sollten sie Kundensegmente auf der Grundlage dieser Journeys definieren.
Aus der Customer Journey Analyse kann ein Unternehmen die vielversprechendsten Verkaufsaktionen ablesen und sich so auf die besten Chancen konzentrieren. Hierbei ist es notwendig, dass Vertrieb und Marketing eng zusammenarbeiten.
Kostenloses eBook zum gratis Download: Predictive Analytics – Was es ist und wie Sie beginnen können
Predictive Analytics: Methoden, Daten und Ideen aus der Praxis
Downloaden Sie jetzt das kostenlose eBook.
- Wir verwenden diese Daten nur, um Sie zu kontaktieren und mit Ihnen über Predictive Analytics zu sprechen. Hier können Sie unsere Datenschutzerklärung finden.
Link zum McKinsey Quarterly – Do you really understand how your business customers buy? (auf Englisch)
Link zum Das Internet der Dinge (IoT) aus einer Hand: Bosch startet Cloud für seine IoT-Services
Link zum Harvard Business Review – The 4 Things It Takes to Succeed in the Digital Economy (auf Englisch)