(openPR) Berlin, 28. Oktober 2009 — Blogs, Foren, Social Networks: Immer mehr Menschen tauschen sich im teilweise öffentlichen, teilweise geschützten Raum des Internet aus. Das gilt auch für Meinungen zu Unternehmen und Produkten. Das aktuelle White Paper „Kundennetzwerke: Soziale Beziehungen im Kundennetzwerk nutzen“ des BI-Analysten- und Beratungshauses mayato untersucht Möglichkeiten, soziale Netze im Kundenstamm zu analysieren. Netzwerk-Daten schlummern oft ungenutzt in den bereits vorhandenen Datenbeständen. Durch moderne Data- und Text-Mining-Verfahren können Unternehmen hieraus bestimmte Informationen gewinnen. Dieses Wissen kann beispielsweise dabei helfen, Schlüsselfiguren wie Meinungsbildner im Kundenbestand zu identifizieren und gezielter im (Empfehlungs-)Marketing zu berücksichtigen. Auch die Ermittlung des Kundenwerts wird durch das Einbeziehen des Weiterempfehlungspotenzials beeinflusst und präzisiert. Das Papier beleuchtet Ansatzmöglichkeiten sowie Grenzen der Netzwerkanalyse und steht unter http://www.mayato.com/downloads/mayato_Whitepaper_Kundennetzwerke.pdf kostenlos zur Verfügung.
Für die Untersuchung von Beziehungsgeflechten im Kundenstamm sind heute vielfach bereits Informationen vorhanden. Im Bankenumfeld bieten sich Daten zu Gemeinschaftskonten, Bevollmächtigungen und Freistellungsauftragspartnern an, Telekommunikationsanbieter können Verbindungsdaten nutzen. Branchenübergreifend lassen sich über Namens- und Adressanalysen unter Einbeziehung mikrogeographischer Daten Familienverbünde und Hausgemeinschaften identifizieren und problematische Dubletten im Datenbestand aussortieren. Auch Kundenempfehlungsprogramme geben Aufschluss über Verbindungen.
„Viele Unternehmen verkennen den Wert der in den Kundendaten verborgenen Netzwerk-Informationen oder vermuten hohen Aufwand, wenn es darum geht, diese Datenschätze zu heben. Tatsächlich ist dieser oft überschaubar, da die entsprechenden Daten häufig schon im Data Warehouse vorliegen – man muss sie nur erkennen und nutzen“, so mayato-Analyst Peter Gerngross und Autor des White Paper.
Die Analysten sehen ein breites Spektrum an Einsatzbereichen für eine neue Art von BI-Analysen. Zum einen kann das Kundenwissen erweitert werden – zum Beispiel welche Kunden besonders viele Beziehungen zu anderen Kunden haben oder wer als Experte Produktwissen an andere Kunden weitergibt. Indem Schlüsselfiguren ausgemacht werden, die häufig Botschaften glaubhafter vermitteln können als eine eigene Kampagne es vermag, lässt sich die Effektivität von Marketingaktivitäten steigern. Zum anderen fließt das Weiterempfehlungspotenzial in die Ermittlung des Kundenwertes ein, Fehler in der Klassifizierung lassen sich so vermindern. Bei Banken kann die Analyse zudem bei der Risikosteuerung helfen, indem soziale Verbindungen betrachtet werden. Beispielsweise könnte sich eine gute Risikoeinschätzung von Familienmitgliedern positiv auf die Risikobewertung eines der Bank bis dahin unbekannten Neukunden auswirken. Auch für die Betrugsbekämpfung können Netzwerkdaten wichtige Hinweise liefern.
Text-Mining-Technologien helfen ebenso dabei, zum Beispiel Beziehungen zwischen Autoren eines Foren-Threads oder in Unternehmens-Blogs automatisiert zu ermitteln. Dabei können ferner Erkenntnisse über positive und negative Haltungen gewonnen werden. Voraussetzung ist jedoch, dass sich datentechnisch der Community-User der Person im Kundenbestand zuordnen lässt.
„In vielen Fällen lohnt sich die Analyse sozialer Netzwerke, da häufig mit geringem Aufwand wertvolles zusätzliches Wissen generiert werden kann. Gerade Fehleinschätzungen des Kundenwertes können die Marketing-Effizienz erheblich reduzieren. Die datenschutzrechtliche Zulässigkeit sollte jedoch immer konkret vor Nutzung des identifizierten Netzwerks geprüft werden“, sagt Dr. Marcus Dill, Geschäftsführer der mayato GmbH.
