Damit ist die verstärkte Einbeziehung von Kunden in die Leistungserstellung des Anbieters gemeint. Dies findet sich insbesondere im Investitionsgütermarketing, wo sehr intensive Beziehungen zwischen Anbieter und Nachfrager bestehen.
Der Customer Lifetime Value (CLV) ist der Lebenszeitwert eines aktuellen oder potenziellen Kunden. Um diesen Wert zu ermitteln, muss zunächst der Lebenszyklus des Kunden analysiert und die voraussichtliche Dauer der Geschäftsbeziehung geschätzt werden. Bei privaten Endkunden (Konsumenten) erfolgt diese Schätzung aufgrund von Daten zum Alter, Beruf und Lebensstil, bei Firmenkunden werden branchen- und firmenspezifische Informationen wie Marktentwicklung, Marktanteil usw. herangezogen. Anschließend müssen für die einzelnen Jahre der Beziehungsdauer die zu erwartenden Einzahlungen (Umsätze) und Auszahlungen (Kosten, Investitionen) prognostiziert werden. Die prognostizierten Zahlungsströme werden dann mit einem bestimmten Kalkulationszinssatz auf den gegenwärtigen Zeitpunkt diskontiert (Kapitalwertmethode). Die Differenz zwischen den abgezinsten Ein- und Auszahlungen stellt den sogenannten Kapital- oder Barwert des betreffenden Kunden (CLV) dar. Auf diese Weise kann ein Unternehmen erfahren, ob und gegebenenfalls ab wann mit den einzelnen Kunden Gewinn erzielt wird und wie sich dieser im Laufe der Geschäftsbeziehung voraussichtlich entwickeln wird. Die Lebenszeitwerte der einzelnen Kunden sind maßgeblich für deren zukünftige Betreuung.
Diese dynamische Methode der Kundenbewertung ist sehr aufwändig, weil sie umfangreiche Schätzungen und Berechnungen erfordert. Gegenüber den anderen Verfahren der –>Kundenbewertung hat sie jedoch den Vorteil, dass sie zukunftsbezogen ist und die gesamte Dauer der Geschäftsbeziehung berücksichtigt.
Customer Relationship Management (CRM) ist ein ganzheitlicher Ansatz zur Unternehmensführung. Er integriert und optimiert auf der Grundlage einer Datenbank und von Software zur Marktbearbeitung sowie eines definierten Verkaufsprozesses abteilungsübergreifend alle kundenbezogenen Prozesse in Marketing, Vertrieb, Kundendienst und F&E. Zielsetzung von CRM ist die gemeinsame Schaffung von Mehrwerten auf Kunden- und Lieferantenseite über die Lebenszyklen von Geschäftsbeziehungen. Das setzt voraus, dass CRM-Konzepte Vorkehrungen zur permanenten Verbesserung der Kundenprozesse und für ein berufslebenslanges Lernen der Mitarbeiter enthalten (offizielle Definition des CRM-Forums im –>DDV).
Für die Praxis bedeutet CRM konkret dreierlei:
Alle Abteilungen, die im Unternehmen Kundenkontakt haben, müssen integriert werden. In der Regel sind das Service, Marketing und Vertrieb. Dabei müssen sämtliche Kontaktpunkte zum Kunden betrachtet werden, also alle Möglichkeiten, die der Kunde hat, eine Frage, einen Auftrag oder einen Wunsch an das Unternehmen zu übermitteln.
Sämtliche Kommunikationskanäle zum Kunden müssen zusammengeführt werden. In den meisten Fällen sind das Telefon, Fax und E-Mail, doch in manchen Unternehmen, z. B. bei Banken, schicken die Kunden auch SMS-Nachrichten oder sie chatten auf der Website des Unternehmens.
Kunden und Interessenten sollten nach ihrem Wert für das Unternehmen klassifiziert und dementsprechend behandelt werden (–>Kundenbewertung). Das bedeutet, dass ertragsschwache Kunden nur Standardangebote und den Standardservice erhalten. Zusätzliche Serviceleistungen gibt es nur für die ertragreichen Top-Kunden.
Ohne Software und Kundendatenbank funktioniert CRM nicht. Trotzdem darf man CRM nicht mit Software gleichsetzen. Wer meint, er könne ein Problem, z. B. die geringe Kundenbindung, lösen, indem er sich eine CRM-Software kauft, der irrt. Zuerst muss das Problem im Unternehmen betrachtet werden, dann wird überprüft, ob dieses durch Software (und wenn ja, durch welche?) zu lösen ist. Es gibt keine Software, die pauschal alle Probleme mit den Kunden löst. Genau genommen gibt es keine CRM-Software. Betrachtet man den komplexen Ansatz von CRM, erkennt man folgende Bereiche, an denen Software-Lösungen ansetzen:
Ein wichtiger Bereich ist z. B. die Zusammenführung der Kundendaten und die Analyse dieser Daten. Dazu sind analytische Tools wie –>Data-Mining-Software oder –>OLAP-Tools nötig. Man spricht hier auch von analytischem CRM.
Auf der anderen Seite sollten auch die Mitarbeiter im direkten Kundenkontakt, z. B. im Außendienst oder im –>Call-Center, mit Kundeninformationen versorgt werden. Sie müssen wissen, was der Kunde das letzte Mal gekauft hat, wann er bestellt hat und ob er seine Rechnungen pünktlich bezahlt. Software-Lösungen, die das leisten, nennt man operatives CRM.
Der dritte wichtige Part betrifft das Management der verschiedenen Kommunikationskanäle, von E-Mail über Fax bis zum Telefon. Auch hierzu gibt es mittlerweile verschiedene Lösungen, von einfachen –>Unified Messaging-Plattformen bis zu ausgefeilten Systemen, die mit der Verteilung von E-Mails auch noch Bearbeitungsvorschriften weiterleiten.
–>Kundenwert.
Standardprodukte treffen nie die individuellen Bedürfnisse der Kunden. Deshalb bieten Unternehmen ihren Kunden weithin oder völlig individualisierte Lösungen an (z. B. Standardsoftware, die auf die speziellen Anforderungen des Kunden angepasst wird). Dies kann auch bei Massengütern der Fall sein.
–>Konzentrationsprinzip.
Darunter versteht man eine virtuelle 3-D-Welt, die mit Hilfsmitteln wie etwa speziellen Brillen erfahren werden kann. Dadurch ist es möglich, im Internet dreidimensionale Objekte zu demonstrieren, wie etwa Hotelzimmer, Messen, Häuser etc.
Abkürzung für Digital Audio Broadcasting (–>Digital Radio).
Fasst sämtliche Produkte eines Unternehmens unter einer Marke zusammen (z. B. Siemens). –>Marke, –>Markenfamilie.
Die Gewinnung implizierter, bislang unbekannter und nützlicher Informationen aus Daten. Das Ziel des Data Mining ist das Ermitteln von Trends und Assoziationen in einer Datenmenge. Einfacher umschrieben lässt sich unter Data Mining das Navigieren oder »Data Surfing« in großen Datenmengen verstehen mit der Zielsetzung, untersuchungsrelevante Datenkonstellationen zu entdecken. Zu diesem Zweck wurden Computerprogramme (Softwaretools) entwickelt, die Datenbanken (–>Data Warehouse) automatisch durchforsten und die dabei nach Regelmäßigkeiten oder Mustern suchen (vgl. Witten/Frank).
Statistische Methoden, um aus Datenbeständen relevante Informationen zu gewinnen, sind u. a. –>Regressions-, –>Faktoren-, –>Varianz- und –>Clusteranalyse.