(openPR) Berlin, 09. Mai 2011 — Der Handel ist tagtäglich einem starken Wettbewerb, hohen Preisdruck und sprunghaften Kundenverhalten ausgesetzt. Insbesondere im Lebensmitteleinzelhandel (LEH) haben sich die Kunden an „Dauerniedrigpreise“ gewöhnt. Einen Wettbewerbsvorsprung kann vor allem die Sortimentsgestaltung sowie eine zielgruppenspezifische Filialplanung auf Basis von aussagekräftigen Informationen über das Einkaufsverhalten typischer Kundengruppen bieten. Dies zeigt eine Studie des BI-Analysten- und Beraterhauses mayato auf der Basis eines Data-Mining-Projekts zur Kundensegmentierung bei einem namhaften LEH-Unternehmen. Die Analysen lieferten zahlreiche bisher unbekannte Erkenntnisse über Kaufvorlieben der Konsumenten. Die komplette Case Study ist unter www.mayato.com erhältlich.
Data Mining zur Kundensegmentierung
Das Wissen über das Einkaufsverhalten von Kundengruppen lässt sich aufgrund von Kundenanonymität sowie der Fülle an Einkaufstransaktionen mit traditionellen Auswertungen nur lückenhaft und mit hohem manuellem Aufwand aufdecken. Zudem sind zeitlich stabile Erkenntnisse erforderlich, um konkrete Maßnahmen ableiten zu können. „Die Robustheit des gewonnenen Kundenwissens ist entscheidend für seinen Wert der späteren Nutzung. Dies erfordert Erfahrung und Augenmaß im gesamten Analyseprozess“, bekräftigt Georg Heeren, Geschäftsführer der mayato GmbH.
Die erforderliche Verdichtung der Einkaufsdaten und die gleichzeitige Bestimmung trennscharfer Segmentierungskriterien lässt sich nur mit einer explorativen Data-Mining-Segmentierung erreichen.
Warenkorbanalyse
Zur Bildung von Kundentypen im Rahmen einer Segmentierung eignen sich vorwiegend anonymisierte Warenkorbdaten, die bei jedem Einkauf durch die Kassensysteme erfasst werden. Im Fall des Lebensmittelshändlers mit einem 30.000 Artikel-Sortiment waren zum Zeitpunkt der Analyse über eine Million Kundenkarten im Einsatz, so dass sich das Einkaufsverhalten über einen längeren Zeitraum hinweg verfolgen ließ. Neben Umsätzen und Deckungsbeiträgen wurden vor allem Kennzahlen herangezogen, die auf Umsatzanteilen bestimmter Warengruppen wie Tiefkühl- oder Bioprodukten basieren.
Das Ergebnis
Überraschenderweise zeigte sich unter anderem filialübergreifend ein stabiles Segment mit Käufern von Bioprodukten, das durch hohe Umsätze hervorstach. Ebenso waren Biosegmente mit mittleren und niedrigen Umsätzen vertreten. Viele Bioprodukte, die neu im Regal waren, hatten in kurzer Zeit offensichtlich Stammkunden in jeder Umsatzkategorie gefunden. „Die Ergebnisse der Kundensegmentierung zeigen, dass explorative Datenanalysen in kurzer Zeit Erkenntnisse zutage fördern können, die von grundlegender geschäftsstrategischer Bedeutung sind und sich zudem unmittelbar in die Praxis umsetzen lassen”, so Peter Neckel, verantwortlicher Projekteiter und mayato-Experte für Customer Relationship Analytics.
Zudem rückte eine kleine, aber stabile Kundengruppe in den Fokus, die vorwiegend Artikel im unteren Preissegment (Einstiegsartikel) kaufte. Der Lebensmittelhändler ist eher im höherpreisigen Segment angesiedelt und führt die Einstiegsartikel nebenbei. Dass diese Artikelkategorie zur Bildung eines eigenen Kundentyps führte, war im Vorfeld des Analyseprojektes nicht erwartet worden.
