Unternehmen sind heutzutage in der Lage große Datenmengen über ihre Prozesse, Maschinen und Kunden zu sammeln. Diese Daten enthalten Erkenntnisse und Muster, die Menschen aufgrund der hohen Dimensionalität nicht erkennen können. Hier kommen mathematische Algorithmen ins Spiel, die in der Lage sind in Sekunden Millionen von Einträgen auszuwerten. Predictive Analytics analysiert die Vergangenheit bis Gegenwart um Vorhersagen über die Zukunft treffen zu können. Aber auch bei der Automatisierung von wiederholenden Entscheidungen und Prozessen können Predictive Analytics Algorithmen angewendet werden. Voraussetzung dafür ist die Existenz von Daten über diese Prozesse.

Die Datenschmiede bietet Predictive Analytics Lösungen an, die keinerlei kommerzielle Software von ihrer Seite voraussetzen. Wir verwenden Open-Source Tools wie die Programmiersprachen Python oder R, die heutzutage im Umfang der Möglichkeiten und Qualität der Bibliotheken kommerzielle Produkte übertreffen. Die Implementierung findet in stetiger Absprache mit ihrer IT-Abteilung statt, sodass ihr Unternehmen die fertige Lösung am Ende unserer Arbeit übernimmt und versteht.

Es folgen einige typische Beispiele für Predictive Analytics Anwendungen. Das Feld ist jedoch groß und jedes Unternehmen hat unterschiedliche Probleme. Wenden Sie sich also gerne mit ihren individuellen Problemen an uns, gemeinsam finden wir die passende Lösung.

Predictive Analytics Lösungen 

Kontaktieren Sie uns jetzt für ein individuelles Angebot

Customer Lifetime Value

e036b30b28f51c3e815d4401ee514792e47ee0dc11b41640_1920Customer Lifetime Value

Der Customer Lifetime Value (CLV) entspricht der diskontierten Summe aller zukünftigen Profite eines Kunden und ist ein wichtiges Instrument in der langfristigen Ausrichtung von Unternehmen. Da eben diese zukünftigen Profite unbekannt sind, eignen sich Predictive Analytics Algorithmen ausgezeichnet um aus den existierenden Kundendaten ein personalisiertes Modell zu entwickeln. Dieses ist dann in der Lage den erwarteten CLV für neue Kunden vorherzusagen, sodass sich auf die hochwertigen Kunden konzentriert werden kann. Im Vergleich zu traditionellen Methoden liefert das Predictive Analytics Modell individuelle Vorhersagen für jeden einzelnen Kunden statt bloße Kohortenaussagen.

Next Best Offer

Next Best Offere837b1062efd013ecd0b4204e2445b97e770ebd71ab2124493_1920

Email-Marketingkampagnen sind dann am erfolgreichsten, wenn sie den richtigen Kunden die richtigen Produkte vorschlagen. Aus historischen Transaktionsdaten, demographischen Informationen und der Art und Qualität vergangener Kontaktaufnahmen mit dem Kunden können Predictive Analytics Modelle individuell beste Produktvorschläge liefern. Ob sich dabei darauf konzentriert wird Kunden Produkte anzubieten, die sie vorher noch nicht gekauft hatten (Cross-Selling) oder auf hochwertige Produkte der gleichen Art vorheriger Käufe (Up-Selling), ist ganz Ihnen überlassen.

Lead Scoring

Lead Scoringpedestrians-1209316_1920

Mit dem Wissen darüber, welche Leads eine gute Wahrscheinlichkeit haben wirklich zum Abschluss zu kommen können sie ihre Kapazitäten konzentrieren und hoffnungslose Fälle schnell aussortieren. Meist existieren schon sehr früh relevante Daten, die Aufschluss darüber geben, ob es sich um gute oder schlechte Leads handelt. Gleichzeitig bleiben diese aber oft ungenutzt, wodurch ihre Vertriebler bei der Priorisierung auf ihr zwar nützliches, aber nicht ganz objektives Bauchgefühl angewiesen sind. Lead Scoring erlaubt auch die Einflussfaktoren hinter erfolgreichen und nicht erfolgreichen Leads zu identifizieren und gibt ihnen die Möglichkeit mit diesem Wissen bessere strategische Entscheidungen zu treffen.

 

Customer Segmentation

Customer Segmentation

Es gibt sehr unterschiedliche Arten von Kunden im Hinblick auf Kaufverhalten, Demographie und Interessen. Wenn man es schafft den verschiedenen Gruppen genau den Inhalt zu präsentieren, der sie interessiert, erhöht man Umsatz und gleichzeitig Zufriedenheit der Kunden, da man sich auf seine Persönlichkeit einstellt. Simple Ansätze für das Segmentieren von Kunden per Hand existieren, jedoch sind nur Predictive Analytics Algorithmen in der Lage auch versteckte und komplexe homogene Gruppen zu identifizieren. Auch können die richtige Anzahl an Segmenten automatisch gefunden werden statt von vornherein festgelegt zu sein.

Churn Prediction

ed30b40c2bfc1c3e815d4401ee514792e47ee0d711b11241_1920Churn Prediction

Einen Kunden zu halten ist sehr oft günstiger als einen neuen zu aquirieren, sodass das Churn Management in Unternehmen einen sehr wichtigen Stellenwert hat. Churn Prediction prognostiziert die individuellen zukünftigen Churnwahrscheinlichkeiten ihrer Kunden. Gepaart mit einer Customer Lifetime Value (CLV) Prognose kann man sich so auf das Zurückgewinnen der wertvollsten Kunden konzentrieren. Oft geht dem Churn auch ein langsames Sinken der Käufe voran. Um dies zu identifizieren kann ein Downward Migration Prediction Modell aufgesetzt werden. 

Response Modeling

Response Modelinge833b50d2ff7053ecd0b4204e2445b97e770ebd119b8124993_1920

Optimalerweise würde man im Marketing nur die Kunden mit einem neuen Angebot kontaktieren, die auch positiv darauf reagieren werden. Zu viel Email-, Telefon- oder Briefverkehr führt neben höheren Kosten zu unzufriedenen Kunden. Response Modeling erlaubt es die Reaktionen der Kunden vorherzusagen, um intelligentere Kampagnen durchzuführen. Dies können beispielsweise Up-Selling, Cross-Selling, "Wirb einen Freund" oder Discount-Kampagnen sein. Voraussetzung sind Daten über die Reaktionen einer vergangenen Interaktion dieser Art.

Text Analyticis

Text Analyticse832b40729f1083ecd0b4204e2445b97e770ebd119b916479c_1920

Für die Interpretation und automatische Verarbeitung von unstrukturierten Textdaten wie Dokumenten, Kommentaren, Emails oder Social Media Beiträgen benötigt man Predictive Analytics Verfahren aus dem Bereich Text Analytics. Mit diesen ist es möglich Texte in vorbestimmte Gruppen zu klassifizieren oder eigenständig Gruppen von ähnlichen Texten zu finden. Man kann außerdemdie wichtigsten Schlagwörter extrahieren und mit einer Befindlichkeitsanalyse (Sentiment Analysis) herausfinden, ob der Kunde zufrieden oder unzufrieden ist.

Recommendation Systems

Recommendation Systemsee34b3072ae91c72d75b410dfb4d4291ea75e1dd1db410_1920

Recommendation Systems, also Empfehlungsdienste, zeigen Kunden direkt auf der Website, welche Produkte sie außerdem noch interessieren könnten. Die Vorteile sind klar: Man schlägt dem Kunden während des Einkaufens hoch relevante weitere Produkte vor und steigert den Umsatz. Auch wird das Einkaufen inspirierender, da man sich als Kunde von den Empfehlungen leiten lassen kann und ohne langes Suchen zu interessanten Produkten gelangt. Recommendation Systems schlagen entweder Produkte vor, die ähnliche Kunden gekauft haben, oder empfehlen Produkte mit ähnlichen Charakteristiken wie Produkte, die vorher gekauft wurden.

Product Categorization


candle-1080428_1920Product Categorization

Große Händler verfügen über Millionen von verschiedenen Produkten. Durch ein System zur automatischen Kategorisierung von Neuprodukten beschleunigt man Prozesse und spart Kosten. Der Predictive Analytics Algorithmus lernt wie bisherige Produkte kategorisiert wurden und kann so die passende Kategorie für Produkte mit unbekannter Kategorie feststellen. Außerdem können etwaige Fehlkategorisierungen erkannt werden. 

Fraud Detection

Fraud Detectioncamera-1680666_1920

Durch Betrugs- und Zahlungsausfälle entstehen dem Handel jährlich Schäden in Milliardenhöhe. Mit Hilfe eines Fraud Detection Systems kann man solche Fälle frühzeitig erkennen und vermeiden. Außerdem ist es zu jedem Zeitpunkt möglich das System individuell im Spannungsfeld zwischen Neukundengewinnung und Vermeidung von Zahlungsausfällen auszusteuern.

Demand Forecasting

Demand Forecastinge130b3062bf21c3e815d4401ee514792e47ee6d51eb21146_1920

Eine genaue Prognose der Nachfrage nach Produkten oder Dienstleistungen erhöht die Planungssicherheit und hilft Kosten zu senken. So können beispielsweise die zeitlichen Auslastungen von Call Center vorhergesagt werden oder Prognosen über zukünftige Produktabsätze durchgeführt werden. Bei größerem und geographisch verteilten Nachfrageaufkommen ist dies ebenso für alle Filialen und geographischen Einheiten möglich. Predictive Analytics Ansätze verwenden dafür potentiell Hunderte von Einflussfaktoren und beruhen nicht nur auf einem einfachen zeitlichen Forecastmodell.

Customer Journey bzw. Attributionsmodell

Customer Journey und Attribution

Oft hatte ein Kunde Kontakt zu verschiedenen Werbemitteln, bevor er einen Kauf tätigt. Durch die Analyse des Wegs, welcher der Kunde bis dahin zurückgelegt hat (also der "Customer Journey"), erhalten Sie klare Handlungsempfehlungen hinsichtlich der optimalen Allokation Ihres Marketingbudgets, sowohl zwischen als auch innerhalb der verschiedenen Kanäle. Außerdem ist es möglich, Kunden mit hoher Kaufwahrscheinlichkeit gezielt in Echtzeit zu identifizieren und anzusprechen. Im Gegensatz zu einem einfachen Attributionsmodell (z.B. last click wins) erlaubt ein mathematisch validiertes Verfahren den jeweiligen Kanälen realistischere Werte zuzuschreiben.