Gekonnter Umgang mit Kundendaten: Customer Identity Resolution

Die alte Weisheit „Der Kunde ist König“ ist nun definitiv Wahrheit: Wir sind im Zeitalter des Kunden angekommen. Das Internet und ganz besonders die fortschreitende Nutzung sozialer Medien haben die Machtverhältnisse im Markt zugunsten der Kunden und Verbraucher gedreht. Sie beziehen Information überall und jederzeit mittels des mobilen Internets über viele verschiedene Kanäle sowie Meinungsmacher und Trendsetter hinweg. Kunden wollen Produkte sofort, in bester Qualität, günstig und mit einem hohen Maß an Service. Das Wissen um und über den Kunden ist wettbewerbsentscheidend geworden, um im Rahmen von „Customer Experience Management“ (CEM) positive Kundenerfahrungen zum Aufbau einer emotionalen Bindung zwischen Kunden und Produkt, Marke, Service und/oder Anbieter zu schaffen. Ziel von CEM ist es, aus zufriedenen Kunden treue Kunden und aus treuen Kunden begeisterte Kunden zu machen.

„Unter ‚Customer Experience Management‘ versteht man die Strategie, Methodologie und/oder die Prozesse, um in einer umfassenden Weise das Multi-Kanal-Erscheinungsbild, die Interaktionen und Transaktionen von Kunden mit einem Unternehmen, Produkt, Marke oder Service zu managen“, so Bernd H. Schmitt in seinem Buch über Customer Experience Management aus dem Jahr 2003.

Das klingt sehr einsichtig, ist aber gar nicht so einfach anzuwenden. Die Probleme beginnen mit dem Multi-Kanal-Erscheinungsbild: Eine Kundin, die in der Kundendatenbank im Unternehmen mit dem Namen Ruth-Hanna Friese eingetragen ist, könnte beispielsweise in einem sozialen Netz Ruth Anne Friese heißen oder als Ruth Friese auftreten. Sind das jetzt drei Personen oder ist das eine Person mit drei Identitätsbezeichnungen? Solche Probleme mit der Kundenidentität sind nicht selten, sondern fast die Regel. Ursachen sind eine natürliche Variabilität wie im Beispiel von Frau Friese, aber auch unerwartete Fehler durch Schreib- oder Transkriptionsfehler sowie durch Spitznamen, Abkürzungen und Schreibweisen in unterschiedlichen Schriftsätzen (wie Arabisch, Chinesisch, Griechisch, Kyrillisch, Lateinisch etc.) oder sogar professionell gemachte Lügen, die eine falsche Identität vortäuschen sollen. Noch schwieriger wird es, Identitäten zu finden, wenn der Kunde anonym auftritt. Im Endeffekt haben wir es bei einer solchen „Customer Identity Resolution“ mit einer der schwierigsten Herausforderungen in der Datenvorbereitung für CEM oder dem traditionellen CRM zu tun.

Das Kern-Thema von Customer Identity Resolution ist nicht neu. Als Methode im Datenqualitäts-Management kommt es beispielsweise seit langem bei der Einrichtung von Data Warehouses zum Tragen – oder im analytischen CRM beim Aufbau einer einzigen Sicht auf den Kunden. Auch im Direktmarketing ist Customer Identity Resolution nichts Neues – sorgt doch die Dublettenbereinigung hier für reibungslose Prozesse. Ob bei der Konsolidierung von Adressbeständen, Bestandsbereinigung, Fremdbereinigung, Listenmischung, beim Cluster-Abgleich, Negativ-Abgleich (insbesondere bei der Robinsonliste), Positiv-Abgleich zur Datenanreicherung oder im internationalen Abgleich bei unterschiedlichen Schriftsatz-Räumen – der richtige Umgang mit Kunden-Identitätsdaten ist hier erfolgsentscheidend. Customer Identity Resolution greift auf all diesen Gebieten und ist im Datenqualitätsmanagement, wie es beispielsweise bei Uniserv umgesetzt wird, daher nicht mehr wegzudenken.

Heute, im Zeitalter des Kunden, ist Customer Identity Resolution noch wichtiger geworden. Die Nutzung von sozialen Medien – wie Facebook, LinkedIn, Xing, Foursquare, Twitter, Pinterest etc. – durch den Kunden hat ja zur bereits genannten Machtverschiebung im Markt zugunsten des Kunden geführt. Jetzt ist es für Unternehmen entscheidend und wettbewerbskritisch zu wissen, was die Kunden in den sozialen Netzen sagen und meinen. Für das Marketing bieten die Kundendaten in den sozialen Netzwerken eine bisher nicht gekannte und gekonnte Möglichkeit, das Kundenwissen anzureichern und entsprechend zu nutzen – wir setzen hier voraus, dass die Beschaffung und Nutzung von Kundendaten aus sozialen Netzen konform mit der Datenschutz-Gesetzgebung erfolgt.

Beim Abgleich und der Anreicherung der Kundenstammdaten mit sozialen Daten ist Customer Identity Resolution erfolgskritisch. Indem man jede Information in den Gesamtkontext eines Kunden stellen und dann kumulieren kann, erhält man ein besseres Verständnis und vor allem eine vertiefte Kenntnis über seine Kunden. Aus zusammengefügten Informationspuzzleteilen entsteht so ein Kundengesamtbild: Auf Basis von Customer Identity Resolution präzisiert sich das Multikanal-Erscheinungsbild des Kunden, es lassen sich so bessere Kundenmodelle im Rahmen von prädiktiver Analyse aufbauen und im Endeffekt die Geschäftsergebnisse verbessern.

Die verwendeten Methoden basieren auf landesspezifischen Regel- und Begriffstabellen, auf sprachraumspezifischer Phonetik und adressspezifischer Fuzzy-Logik. Informationstechnisch wird Customer Identity Resolution am besten als Service angeboten. Dann lassen sich Customer Identity Resolution Services sowohl in Batch-Läufen zur Massenverarbeitung einsetzen, beispielsweise bei der Bereinigung großer Datenbestände, als auch in Geschäftsprozesse einbetten, wo sie in Echtzeit angewendet werden können.

Beispiel: Transaktionen im Handel. Manche Händler betreiben unterschiedliche Web-Shops. Wenn ein Neukunde in einem Shop eine Bestellung aufgibt, dann sollte man wissen, ob er vielleicht bereits ein guter Kunde in einem anderen Shop ist, um im Sinne von CEM die Kundenbindung weiter zu steigern. Vielleicht ist es aber auch ein „fauler“ Kunde, der bereits auf der schwarzen Liste des Unternehmens oder bei Kreditbewertungsorganisationen steht und sich nun unter einer falschen Identität in einem anderen Shop bedienen will. Mit Customer Identity Resolution in Echtzeit kann noch vor dem Abschluss der Transaktion die wahre Identität festgestellt und entsprechend gehandelt werden.

Das Beispiel zeigt auch sehr deutlich, dass Customer Identity Resolution nicht nur wie früher im Direktmarketing der Kostensenkung dient, sondern auch im Sinne von CEM die Kundenbindung und Kundenprofitabilität steigern oder im Sinne von Risikomanagement betrügerische Transaktionen vermeiden kann. Customer Identity Resolution Management Services haben weiterhin den Vorteil, dass sie nicht nur als On Premise Services, sondern auch als SaaS im Rahmen von Cloud Computing genutzt werden können. Mit anderen Worten: Customer Identity Resolution Services lassen sich schnell installieren, testen und in einem Pilotprojekt auf Kosten und Nutzen prüfen.

Customer Identity Resolution ist also ein wichtiger und erfolgskritischer Baustein in einem Kunden-Datenmanagement, das die unterschiedlichen Aufgaben und Funktionsbereiche der Datenvorbereitung für CEM und des traditionellen CRM darstellt:

  • 1.Customer Data Management beginnt mit der Datenintegration, um Daten aus unterschiedlichen Quellen zusammenzuführen. Das kann traditionell mit ETL-Prozessen (Extraktion, Transformation, Laden) gemacht werden oder mit Hilfe von Datenvirtualisierung, einem neueren Verfahren, bei dem nur ein logisches Datenmodell des Gesamtdatenbestands erstellt wird, die Daten aber physikalisch nicht bewegt werden.
  • 2.Im zweiten Schritt erfolgt eine Datenbereinigung mit den typischen Services eines Datenqualitäts-Management.
  • 3.Der dritte Schritt ist dann Customer Identity Resolution.
  • 4.So erfolgt dann im vierten Schritt die 360-Grad-Sicht auf den Kunden.
  • 5.Schließlich folgen noch die Aufgaben der Information Governance, die die Sicherheitskonzepte umsetzt und die Compliance sicherstellt.

So erhält man eine solide Basis für CEM und CRM.

Das Fazit: Customer Identity Resolution ist die Voraussetzung für erfolgreiches CEM und CRM. Heute verstehen wir darunter nicht mehr allein Dublettenbereinigung im Rahmen von Datenqualitätsmanagement: die Möglichkeit, alle Informationen über Kunden in den Gesamtkontext zu stellen und die Informationsbausteine aus den unterschiedlichen Kanälen zu einem präziseren Multikanal-Erscheinungsbild zu kumulieren, bringt einen großen Mehrgewinn an Information. Dublettenbereinigung spart Kosten – durch den Gewinn an Information über den jeweiligen Kunden steigert man zusätzlich den Umsatz und senkt Risiken.

Autoren: Dr. Wolfgang Martin, Analyst, und Holger Stelz, Leiter Marketing & Geschäftsentwicklung Uniserv

 

RSS Feed

Entdecken Sie die Printmagazine des WIN-Verlags