• about reply
Syskoplan Reply Logo
Menu
  • Customer Expertise
  • Ultimate Technologies
  • Newsroom
  • Contacts
Choose language:
  • about Reply
Syskoplan Reply Logo

Search

Focus On

Best Practice

Churn Management Modell von Syskoplan Reply erhöht die Kundenbindung

FOCUS ON: Ultimate Technologies,

Kunden zu halten ist mitunter günstiger, als neue Kunden zu gewinnen. Für das Churn Management hat Syskoplan Reply ein Wahrscheinlichkeitsmodell zur Prognose der individuellen Kundenabwanderungswahrscheinlichkeit konzipiert und unter Nutzung von R in einer SAP HANA Datenbank implementiert.

Die Herausforderung

Ziel des Churn Managements ist es, Kunden mit einer hohen Abwanderungs-Wahrscheinlichkeit zu identifizieren. Diese können dann mit gezielten Maßnahmen angesprochen werden, um sie weiterhin an das Unternehmen zu binden. Im vorliegenden Fall ist ein Churn Management für eine nicht-vertraglich festgelegte Beziehung zwischen Kunde und Handelsunternehmen implementiert worden. Die Herausforderung lag darin, dass ohne eine vertragliche Bindung die Abwanderung des Kunden nicht direkt zu beobachten ist. Ein Kunde kann weiterhin treuer Kunde sein, auch wenn er längere Zeit keinen Kauf getätigt hat.

Kundentransaktionen

Syskoplan Reply Kundentransaktionen Eine weitere Herausforderung bestand darin, dass aus Gründen des Daten- und Verbraucherschutzes individuelle Transaktionshistorien von Kunden nur bis zu einem bestimmten Zeitpunkt in der Vergangenheit analysiert werden dürfen. In der Regel sind es die Daten der zurückliegenden zwei Jahre. Die Grafik veranschaulicht die Auswirkungen der Begrenzung der genutzten Daten. Alle Beobachtungen außerhalb eines Zeitraums von zwei Jahren, werden nicht genutzt. Dadurch wird die Datenqualität insbesondere bei den exemplarischen Kunden 1 und 2 stark beeinflusst, was wiederum Einfluss auf die Prognosegüte des individuellen Kundenverhaltens hat.

Die Lösung

Die Kaufbelege aller Kunden befanden sich in einer SAP HANA Datenbank. Die Daten für die Prognose des Kundenverhaltens wurden direkt in der SAP HANA aufbereitet. Für die anschließende Schätzung des Wahrscheinlichkeitsmodells wurde R mittels der von SAP angebotenen R Integration genutzt. Der R Code wurde dabei innerhalb des SQL Codes in der HANA Anwendung geschrieben. Die HANA Calculation Engine hat die Verarbeitung eigenständig innerhalb einer R Session auf einem externen Server gestartet. Die Ergebnisse wurden anschließend wieder in einer Tabelle auf der SAP HANA Datenbank abgelegt.

Zur Lösung der oben genannten Herausforderungen war insbesondere die richtige Modellwahl zur Prognose des Kundenverhaltens erforderlich. Daher wurde R als Statistikumgebung eingesetzt. Diese Open Source Software bietet eine Vielzahl an statistischen Methoden, die insbesondere immer eine hohe Aktualität aufweisen (neue statistische Verfahren werden mittlerweile meist zuerst in R in einem eigenen Erweiterungspaket zur Verfügung gestellt). Die verwendete Software erfordert keine Einschränkungen in den zu verwendenden Methoden und Modellen.

Das gewählte zentrierte betageometrische/NBD Modell berücksichtigt die zwei Phasen des Kundenverhaltens:

  • Phase 1 Der Kunde ist aktiv und tätigt Transaktionen. Jeder Kunde hat dabei eine individuelle Transaktionshäufigkeit.
  • Phase 2 Der Kunde ist inaktiv geworden. Die Wahrscheinlichkeit, mit der ein Kunde nach einer Transaktion inaktiv wird, ist für jeden Kunden individuell verschieden.

Mittels Simulationsstudie haben wir gezeigt, dass insbesondere aufgrund der Beschränkung der zu untersuchenden Daten auf zwei Jahre das gewählte Modell gegenüber anderen Modellen, die auch die zwei Phasen des Kundenverhaltens abbilden, in der Prognose der Abwanderungswahrscheinlichkeit überlegen ist.

Ergebnis

Mit der Implementierung des Churn Managements werden die analytischen Möglichkeiten der SAP HANA Datenbank unter Einbeziehung der mächtigen Statistikumgebung R ausgenutzt. Die Identifikation von aktiven und inaktiven Kunden ist möglich. Durch eine gezielte Ansprache der Kunden kann eine Abwanderung verhindert werden.

RELATED CONTENTS

Reply Voice Commerce

Best Practice

Conversational Commerce Extension für SAP Hybris

Kunden möchten einerseits neue, interaktive Kauferlebnisse und auf ihre Bedürfnisse zugeschnittene Angebote, andererseits sind sie bestrebt, insbesondere bei Produkten des täglichen Bedarfs, den Nachschubprozess so effizient wie möglich zu gestalten. Syskoplan Reply liefert mit Reply Voice Commerce eine Erweiterung für SAP Hybris, die genau dieses Bedürfnis nach Vereinfachung adressiert, indem Sprache als natürliches Kommunikationsmedium verwendet werden kann.

Conversational Commerce Extension für SAP Hybris 0
Anspruchsvolle Marketing Automatisierung und Personalisierung 0

SAP Hybris Marketing

Best Practice

Anspruchsvolle Marketing Automatisierung und Personalisierung

Das moderne Marketing steht vor der Aufgabe, divergierende Disziplinen wie Kreativität, Komplexität, Technologie und Analyse zu beherrschen. Es gilt, immer wieder aufs Neue die Aufmerksamkeit der Kunden zu gewinnen und individuelle Erfahrungen für sie zu erschaffen. Eine Herausforderung, die einen hohen Grad an Automatisierung und Personalisierung in der Kundenansprache erfordert.

Reply Commerce Button

Best Practice

Syskoplan Reply Commerce Button ermöglicht Digital Commerce

Selbst der unspektakuläre Einkauf von Dingen des täglichen Gebrauchs kann zu einem aufregenden, neuen Einkaufserlebnis werden: mit dem Reply Commerce Button.

Syskoplan Reply Commerce Button ermöglicht Digital Commerce
 0
Reply ©​​ 2023​ - ​​​​Datenschutz​​​ - Impressum
Cookie-Einstellungen​
  • Über Reply
  • Investoren​
  • Newsroom​
  • Folgen Sie uns auf​​​​​​



​
  • ​​​​Unternehmens-Informationen
  • ​​​​Datenschutz- und Cookie Richtlinie
​Reply Enterprise Social Network​