Managing Customer Profiles for Effective CRM

Prof. Dr. Andreas Meier
Department of Informatics
University of Fribourg
(Switzerland)
[email protected]
Prof. Dr. Petra Schubert
Institute for Business Economics
University of Applied Sciences
Basel (Switzerland)
[email protected]
Block course 2005:
Electronic Business in the Global Economy
Term Paper Number 4:
Managing Customer Profiles
for Effective CRM
Submitted by:
Martin Zöller
Darius Zumstein
Rue de Lausanne 42
Route du Champ-des-Fontaines 24
1700 Fribourg
1700 Fribourg
[email protected]
[email protected]
Matrikel-Nr.: 01-202-530
Matrikel-Nr.: 00-201-327
Fribourg, 9th of June 2005
Inhaltsverzeichnis
Executive Summary………………………………………………………………………..… 2
1. Einleitung………………………………………………………………………………...… 2
2. Profiling für effektives eCRM
2.1 Definition Profiling….…...........….….….….….…….….….….….……......…............ 4
2.1.1 Profiling…………………...………….....…......…......…......…...….......…...... 4
2.1.2 Consumer Profiling….….….….….….….….….….….….….….….….…......... 4
2.1.3 Profile…………………......….….......….….….……......…........…......…........ 5
2.2 Klassifikationen von Profiling….….….….…...……………………………………….. 6
2.3 Nutzen und Anwendungsfelder von Profiling……………………………………….. 9
2.4 Profiling und Personalisierung.….….….….….…….….…….….……......…............ 10
2.4.1 Einführung……………...…………..….…....…......….........…...….......…...... 10
2.4.2 Registrierung und Präferenzprofile..…...…...…...….….….….….….…......... 13
2.4.3 Identifikation des Kunden über registrierte Profile……..........…......…........ 16
2.5 Schwierigkeiten bei der Auswertung….….…………...….….….……......…............ 19
2.5.1 Was Daten nicht sagen..…………..….…....…......….........…...….......…......19
2.5.2 Datenschutz und Datenmissbrauch…...…...…...….….….….….….…......... 20
3. Fazit & Ausblick….….….....………………………….……..…………....…………….. 20
Literaturverzeichnis….....……………………………………………………..……..…………... 22
Abbildungsverzeichnis
Abb. 1: Theoretische Einordnung Customer Profile Managements in das E- Business.... 3
Abb. 2: Individual Marketing..….......….....….....…...…....................…........….....…...….... 6
Abb. 3: Komplexität von Electronic Costumer Care Lösungen.......................................... 6
Abb. 4: Einsatz der IT in der Anbieter-Kunden-Beziehung…….….….….….……....……… 7
Abb. 5: Allgemeine Trends in der Kundenbeziehung....................................….......…....... 8
Abb. 6: Kausale Beziehungen beim Aufbau von Kundenwert...….….....................…........ 9
Abb. 7: Personalisierungsgrade und Profiling ….….….….….….….…....………………..… 11
Abb. 8: Customer Profile Life Cycle und Arten von Kundenprofilen…....……………...…. 11
Abb. 9: Qualität von Benutzerprofilen…………………………….….……..….….….........…. 12
Abb.10: Shop-Auswahl bei amazon.de…..................................…..…..….....................….. 14
Abb.11: Interessens- bzw. Präferenzprofil bei amazon.de…………………..……..……….. 14
Abb.12: Detailliertes Interessens- bzw. Präferenzprofil bei amazon.de.……..….….…....... 14
Abb.13: Kundenfeedback bzw. Ratings bei amazon.de…….….….................….........….... 15
Abb.14: Reviews bzw. Meinungen bei amazon.de………..……….….….….……..……....... 15
Abb.15: Personalisierte Website bei amazon.de……….……..............……….…...........…..15
Abb.16: P3P Kommunikationsarchitektur….….……….…...................……….…...........….. 17
Abb.17: Kennzeichen von Erhebungsverfahren im Internet…............……….…...........….. 18
Abb.18: Art der Sammlung und Verwendung von Kundendaten........……….…...........….. 21
1
EXECUTIVE SUMMARY
Ausgangspunkt dieses Papers war die Definition des Electronic Profiling, also das Erkennen, Protokollieren und Nutzbarmachen der Daten über das Surf- und Kaufverhaltens von Online-Kunden.
Danach wurden die verschiedenen Dimensionen im Sinne einer Klassifikation erläutert. Es wurde unterschieden zwischen, Massenmarketing (mit dem Fokus des Verkaufs), Relationship Marketing (mit
dem Fokus des Kunden), Customized Marketing (mit dem Fokus des Produktes) und das Individual
Marketing (mit dem dualen Fokus auf Kunde und Produkt). Das Profiling ist im Letzteren anzusiedeln.
Das alles ist die Grundlage für die ausführliche Erörterung der Nutzen und Anwendungsfelder des
Profilings. Profiling ist unter anderem
• die Grundlage für das Erkennen von Bedürfnissen, Präferenzen und Interessen der Kunden
• die Voraussetzung für die Entwicklung eines massgeschneiderten Leistungen
• eine wesentliche Möglichkeit eine Informations- und Angebotsüberflutung der Kunden zu vermeiden sowie Komplexität zu reduzieren und dem Kunden den Auswahlprozess bzw. die Kaufentscheidungen zu erleichtern
• der Ausgangspunkt für die standardisierte Individualisierung der Kommunikationsinstrumente
• ein Weg den Kundennutzen, Kundenzufriedenheit und die Kundenbindung zu steigern und damit
den customer value sowie die Kundenerlöse bzw. -rentabilitäten zu steigern
• eine Chance, die Produkts- und Sortimentsattraktivität zu steigern und ein effektives cross- und upselling zu betreiben und
• ein Verfahren, Kunden zu segmentieren und rentable key customers zu selektionieren.
Profiling ist auch Grundlage der Personalisierung des Angebots. Je individualisierter das Angebot
und je spezieller der Kunde desto wichtiger die Erstellung eines exakten Kundenprofils. Bei der Modellierung der Profile wird zwischen expliziten, d.h. von Kunden selbst erstellten Profilen, und impliziten, d.h. aus dem Surf- und Kaufverhalten des Kunden durch den Anbieter generierten Profilen unterschieden. Beim Data Mining werden die erfassten Daten nutzbar gemacht und analysiert.
Ferner ist zu unterscheiden zu welchem Zweck die Daten erhoben werden: dienen sie nur der Information, kann der Kunde anonym bleiben. Für eine Interaktion, z.B. die Herstellung eines ersten Kontaktes, ist eine individualisierte Ansprache erforderlich, allerdings muss der Kunde nicht identifiziert
werden; es genügt ein Pseudonym. Kommt es zu einer geschäftlichen Transaktion muss die Geschäftspartner identifiziert werden.
Die Identifikation des Kunden erfolgt über registrierte Benutzerprofile, zu denen Zugang besteht, via
Log-on, IP-Identifikation oder Identifikation über Cookies.
Neben den evidenten Vorteilen des Profilings darf über die Probleme des Profilings und der Auswertung der Daten nicht hinweggegangen werden. Zum einen muss berücksichtig werden, dass die Aussage- und Prognosekraft von Daten beschränkt ist, und zwar sowohl in Bezug auf den Kunden also
auch auf das Geschäfts als ganzes.
Problematisch ist auch die Behandlung der Daten hinsichtlich des Schutzes persönlicher Informationen und deren Missbrauch.
Bemerkenswert schlussendlich ist, dass trotz allen Möglichkeiten das Profiling im Rahmen des eCRM
in der Praxis nur von sehr wenigen Unternehmen angewendet wird. In der Nutzbarmachung dieses
Potentiales liegt in Zukunft eine grosse wirtschaftliche Chance.
1 Einleitung
Eine wachsende Konkurrenz auf den meisten Märkten führt zu einem verstärkten Wettbewerb zwischen
den Anbietern um die beschränkte Kaufkraft der Konsumenten. Standardisierte, einheitliche Massenprodukte und Dienstleistungen sprechen den Kunden nicht (immer) an. Zudem profitiert bei solchen
Angeboten meist nur der billigste Anbieter, der Kostenführer. Die Umsetzung der Strategie des Kostenführers nach Porter wird jedoch immer schwieriger und die der Differenzierung rückt in den Mittelpunkt.
Die Differenzierung und Personalisierung von Güter- und Dienstleistungsangeboten erlauben, einen
Kundennutzen zu stiften, und somit über die eindimensionale Selektion hinwegzukommen.
2
Personalisierung und Individualisierung gestatten, stärker auf individuellen Wünsche und Bedürfnisse
des Einzelnen einzugehen, seinen besonderen, einzigartigen Konsumwünschen gerecht zu werden.
In der heutigen postmodernen, pluralistischen und individualistischen Gesellschaft besteht eine Nachfrage nach Individualität und individuellen Produkten. So wie sich das das Individuum als einzigartig,
unverwechselbar und unvergleichbar ansieht, so besteht auch die Nachfrage danach, in der singulären
Kundenbeziehung als ein solch individueller Kunde erkannt und behandelt zu werden.
Eine richtige Antwort auf diesen Trend ist das Profiling. Denn im Profiling wird der Einzigartigkeit des
Kunden gezielt wahrgenommen und analysiert, um ihr in Form von entsprechenden Informationen,
Gütern und Dienstleistungen zu begegnen und einen entsprechenden Zusatznutzen zu stiften. Im Extremfall wird
versucht, Güter die ihrer Art nach Massengüter sind (wie
z.B. einen Turnschuh von Nike rechts), derart zu individualisieren, dass der Kunde ein Unikat erhält (Mass CustomiQuelle: www.nike.com (am. 19. Mai. 05)
zation). Dies soll natürlich auch einen kompetitiven Vorteil
und einen Gewinn für den Anbieter bringen.
In dieser Arbeit soll ausgehend von der grundsätzlichen
Abgrenzung des Profilings versucht werden, die Vorteile,
Nutzen und Anwendungsmöglichkeiten von solchen personalisierten Produktofferten und Dienstleistungen sowie die Kommunikation für das Management der
Kundenbeziehung (CRM) darzustellen. Dafür spielen die wesentlichen Prozesse des Profiling eine
zentrale Rolle. Neben technischen und anwendungsorientierten Möglichkeiten zur Identifikation des
Nutzers und Erfassung sowie Verwaltung von Nutzerprofilen, sollen die Alternativen deren Analyse und
Auswertung erörtert werden. Dabei sei auch auf die Einschränkungen und allfällige Gefahren hingewiesen. Am Schluss wird ein Ausblick auf die zukünftige Rolle des Profilings für das (e)CRM gewagt.
Abb. 1: Die theoretische Einordnung Customer Profile Managements in das Electronic Business
Managing Customer Profiles
Theoretical classification of this paper
Quelle: Schubert (2005)
3
2 Profiling für effektives eCRM
2.1 Definition Profiling
Der Begriff des Profilings und des Profiles wird in der Literatur sehr verschieden aufgefasst. Deshalb
sollen als Einstieg die verschiedenen Begriffe abgegrenzt werden. Zunächst werden Profiling im allgemeinen, Consumer Profiling im besonderen sowie der Begriff des Profils unterschieden.
2.1.1 Profiling
•
CLARKE definiert das Profiling aus technischer Sicht: „Profiling is a technique whereby a set of characteristics of a particular class of person is inferred from past experience, and data-holdings are
then searched for individuals with a close fit to that set of characteristics1”.
•
JACKSON/SCHEER/WILKONS sehen den Begriff Profiling eher von der Marketingperspektive aus: „Profiling is a business concept from the marketing community, with the aim of building databases that
contain the preferences, activities and characteristics of clients and customers2”.
•
Die Arbeitsgemeinschaft Online Forschung (AGOF) erklärt Profiling methodisch: „Unter Profiling
werden Verfahren zusammengefasst, die geeignet sind, Benutzerprofile zu erzeugen. Die Verfahren beruhen auf einem Muster- und Strukturvergleich vorhandener Profile und ihrer Einzelwerte, der
von speziellen, automatischen Algorithmen vorgenommen werden. Auf Basis von Mustern und Ähnlichkeitsbeziehungen werden fehlende Profilwerte durch Prognosen ersetzt und Profile damit vervollständigt.3“
•
Die Beratungsunternehmung im+c AG definiert Profiling als das „Erkennen, Protokollieren und
Nutzbarmachen des Surf- und Kaufverhaltens von Online-Kunden. Die Nutzerprofile werden von
den Betreibern einer Website erstellt, um Marketingaktivitäten zu optimieren. So können aufgrund
des Nutzerprofils und definierter Regeln dem Kunden Komplementärangebote gemacht werden.4“
•
Grundvoraussetzung für das Angebot dieser Komplementärangebote (Cross-Selling) und kundenindividueller Leistungen (One-to-One-Marketing bzw. Customization) ist die Bereitstellung einer umfassenden Datenbank, die möglichst umfassend relevante und aktuelle Daten über Kunden enthält.
Diese hilft beim Aufbau des strategischen Erfolgsfaktors „Kundenbeziehung“, wobei sich das Unternehmen in Hinblick auf die Kundenrentabilität und Kundenwert v.a. auf die wertvollen bzw. attraktiven Kunden fokussieren sollte. Kundendatenbanken sind also auch Basis für eine erfolgreiche
Kundensegmentierung, und das Management solcher Datenbanken kann somit als Costumer Profiling bezeichnet werden. Ziel des Costumer Profiling ist es im Wesentlichen, den richtigen Kunden
zum richtigen Zeitpunkt mit den richtigen Argumenten (z.B. Produkte, Dienstleistungen, Service,
Support) zu konfrontieren.
2.1.2 Consumer Profiling
•
CLARKE wiederum definiert: „Consumer Profiling involves accumulation, acquisitions and crossreferencing of data about individuals, possibly combined with geo-demographics data; followed by
its use for various micro marketing purposes1“.
1
Clarke (1998)
Jackson/Scheer/Wilkons (2002)
3
Quelle: www.agof.de/glossar.194.htmll
4
Quelle: www.imc-ag.com/glossar/index/P.html
2
4
•
Ähnlich sieht MENA das Consumer Pofiling: „This type of Profiling is based on user preferences and
online behaviour, much of which is captured from log files, cookies, registration forms, collaborative
software, and server networks. This type of information is used to position the appropriate ad and
messages based on observed behaviour and explicit selections and preferences5”.
2.1.3 Profile
•
DUNN ET AL. definiert ein Profil wie folgt: „The profile for a single user contains all the personal information for that user. This profile includes a unique user identification, contact information, and
demographic information6“.
•
MERZ spezifiziert den Begriff Profil: „Profilinformationen beziehen sich auf Eigenschaften, Präferenzen oder Verhaltensweisen eines Teilnehmers, die entweder von ihm selbst definiert und in einheitlicher Form anderen freiwillig zur Verfügung gestellt wurden oder als Ergebnis von OnlineSitzungen abgeleitet sind7“.
•
KRAUSE erläutert den Begriff Nutzerprofil wie folgt: „Profile erlauben die Erfassung von Daten über
Kunden. Dabei geht es nicht um die Standardangaben wie Name oder Adresse, sondern um Kaufverhalten, Interessen oder Hobbys. Profildaten lassen sich einerseits bei laufendem Betrieb […],
andererseits durch gezielte Abfragen bestimmter Angaben in Formularen erfassen. […] Die vom Internetshop angebotenen Profile sind sogenannte Nutzerprofile. Sie basieren weitestgehend auf die
Eingabe von Kundendaten. Es gibt auch die Nutzungsprofile, Ergebnisse und Auswertung der Bewegung der Kunden durch die Seiten der Kataloge8“.
•
RÖDER hält zu Kundenprofile fest: „Kundenprofile beschreiben persönliche Attribute des Kunden.
Kundenprofile werden in einer Datenbank abgelegt und kontinuierlich aktualisiert. Besucht der Kunde beispielsweise das One to One-System des Händlers im Internet oder greift der Operator im
Call-Center des Händlers bei einem Kundenanruf auf das System zu, werden ausgewählte Interaktionen während des Besuchs in der Datenbank festgehalten. Beides bildet zusammen […] die Basis
für die Erzeugung des individuellen Kundenprofils.9“
•
RUNTE braucht den Begriff Benutzerprofil: „Das Benutzerprofil ist eine Ansammlung von Daten über
einen Benutzer. [.. ] Das Benutzerprofil kann […] benutzerspezifische Daten wie demographische
Daten (z.B. Alter, Geschlecht, Berufsstand, Einkommen, Familienstand), Benutzerverhalten (bestimmte angeklickte Webseiten, Verweildauer auf bestimmten Seiten) und andere enthalten.10“
Diese Arbeit lehnt sich im wesentlichen an diese Definition RUNTES an. Die Daten werden automatisiert
und manuell datenbankgestützt gesammelt und zwecks Profiling ausgewertet werden, um das Customer Relationship Management im E-Business zu verbessern und zu systematisieren.
5
Mena (1999), S.280
Dunn et al. (1997)
Merz (1999), S.233
8
Krause (1999), S.398f
9
Röder (1999), S.221
10
Runte (2000), S.25
6
7
5
Abb. 2: Individual Marketing
Informationstechniken erlauben durch ihre
Interaktivität, Kundeninformationen zu sammeln und auszuwerten und damit individuelle Leistungen für Kunden zu erstellen, d.h.
unterschiedliche Kunden unterschiedlich zu
behandeln. Somit ermöglicht das Customer
Profiling einen hohen Individualisierungs-
Individualisierung der Leistung
2.2 Klassifikationen von Profiling
Customized
Marketing
Individual
Marketing
(Fokus Produkt)
(Fokus Produkt & Kunde)
Customer Learning
Profiling
Relationship
Self-Custo- Database
Marketing
mization
Mass Customization …
ProduktKonstruktion
Produktkonfiguration
MassenMarketing
Relationship
Marketing
(Fokus Abverkauf)
(Fokus Kunde)
grad der Dienstleistung bzw. des Produktes
und vermag die Intensität der Kundenbeziehung deutlich zu steigern. Daher kann man
das Profiling dem Individual Marketing zuordnen (Abb. 2). Dies heisst nichts anderes,
…
Standardprodukt
Partnerschaft
…
Transaktion
Folgeverkauf
Customer
Integration
Loyalität
…
Intensität der Kundenbeziehung
als dass man sich sowohl auf den Kunden
als auch auf das Produkt fokussiert.
Quelle: In Anlehnung Link/Hildebrand (1997), S.16
Das Gegenstück dazu ist das Massenmarketing, das weder eine spezielle Kundenbeziehung noch Individualisierung beinhaltet. Beim Relationship Marketing, kümmert man sich unter Umständen intensiv
um den Kunden, was aber nicht zwangläufig mit einer Individualisierung der Leistung einhergeht. Beim
Customized Marketing werden Produkte und Dienstleistungen zwar individuell modifiziert, doch das
Marketing zielt eher auf ein Kundensegment denn auf den einzelnen Kunden.
Die effiziente Übermittlung und Auswertung der Kundeninformationen durch die Informationstechnik
ermöglicht ergo die Produktindividualisierung in Massenmärkten, die durch den Begriff "Mass Customization" gekennzeichnet ist. Kombiniert man die Kundenselbstbedienung mit der Produktindividualisierung, spricht man von "Self Customization", bei welcher der Kunde selbständig ein im Standard ausgeliefertes Produkt an seine Bedürfnisse anpasst. Individuelle Informationen und Leistungen sparen dem
Kunden Zeit, beispielsweise bei der Suche und Auswahl von Produkten, erhöhen die Bereitschaft zum
Kauf (aufgrund des passenden Leistungsangebots und folglich der geringeren Anzahl von Blindleistungen) und verbessern die Kundenzufriedenheit und -bindung.
Ziel einer One-to-One-Kundenbeziehung ist
die laufende Verbesserung der Partnerschaft, wobei sich die Kenntnisse über den
Kunden und seine Bedürfnisse durch die
Zusammenarbeit laufend verbessern (Learning Relationship).11
Das es sich dabei nicht um ein einfaches
Unterfangen
handelt
und
dass
gerade
Customer Profiling Systeme im Vergleich zu
den meisten anderen Customer Care Lösungen sehr komplex sind und einer aufwendigen Implementierung bedürfen, zeigt
die Abbildung 3.
11
Muther (1998), S.54f
Abb. 3: Komplexität von Electronic Costumer Care Lösungen
FAQ
Telefonauskunft
OnlineKonfigerator
Zugriff auf Auftragsabwicklungssystem
EDI„ElektroniStatus
ProzessAngebots- Tracking
Status
sches
Integration
Tracking system
Schaufenster“
Costumer
FTPOnlineBulletin Board
Profiling
Download
Shop
Systeme
Systeme
Elektronischer
NewsgroupIndividualisierProduktekatalog
Diskussion
barer Merchand
Server
Elektronische
Feedback- Fax-OnZahlungsabwicklung
OnlineFormular
Demand
Auktion
Intelligenter
e-Mail
Elektronischer
Robot
NewsletMarktplatz
"Standard", nicht komplex
leichte Implementierung
"Speziell", komplex
aufwendige Implementierung
Quelle: In Anlehnung an Esprit (1997), Muther (1998), S.16
6
Die Möglichkeit, im Marketing Konzepte wie etwa Profiling, die Personalisierung, Mass Customization
One-to-One-Marketings überhaupt erst zu betreiben, hängt v.a. mit dem unglaublichen Fortschritt der
Informationstechnik sowie den entsprechenden Plattformen, Netzen und Tools im IT-Bereich zusammen, welchen den Marketing-Lösungen zugrunde liegen (vgl. Abb. 4). Informationstechniken haben das
Potential, herkömmliche Leistungen grundlegend zu verändern und ermöglichen neue Lösungen für alle
Phasen der Anbieter-Kunden-Beziehung, indem sie beispielsweise Kundenwünsche individueller,
schneller und kostengünstiger erfassen und bearbeiten, den Zugriff auf Informationen eines Unternehmens erleichtern (z.B. Abruf von Auftragsdaten über Internet), zusätzliche Leistungen anbieten (z.B.
Status Tracking, Online-Bestellung) oder dem Kunden die Möglichkeit zur Selbstbedienung geben.12
Abb. 4: Einsatz der IT in der Anbieter-Kunden-Beziehung
One-to-OneData Mining Marketing
Personalization
Mass
Customization
eCRM
HomeService
OnlineShoping
HTTP
MassenMarketing
TelefonAuskunft
Bulletin
Board
System
Telefon
1980
Electronic
Fund
Transfer
Fax
File
Transfer
Protocoll
Laptop
Profiling
P3P
Open Profiling
Business
Standard
API
S-HTTP
Java
Application Link
Enabling
Telephony Application
Programming Interface
Lösung/
Konzept
Middleware
Ausmass
IT-Einsatz
Tool
Multi User
Elektr.
ProzessCookie Zertifikat Domain
Chat
Redesign WWW
Robot Interactive Television
Streaming
e-Mail
Searchengine Webcam
Newsgroup
Electronic
Data
Interchange
Audiotext
Funktelefon
WAN
Internet
1985
Elektronischer
Produktkatalog
PDA
LAN
(A)DSL GPRS
CD-ROM
GMS
Multimedia KabelISDN Terminal
Netz
1990
SatelitenNetz
1995
Intranet
Extranet
2000
UMTS
Powerline
Plattform/
Netz
EDGE
2005
Quelle: Eigene Darstellung, in Anlehnung an Muther (1998)
Folgende Möglichkeiten ergeben sich für die Anbieter-Kunden-Beziehung:13
•
Analysieren: Optimieren der verfügbaren Informationen und der Entscheidungsfindung (z.B. Database Marketing, Marketinginformationssysteme, Customer Profiling, One-to-One-Marketing)
•
Transformieren: Verändern herkömmlicher Prozesse auf Basis von Informationen (z.B. Mass
Customization, Modularization)
•
Verbinden: Koordinieren von Prozessen über Distanzen
•
Eliminieren: Abbauen von Prozesszwischenstufen (z.B. Disintermediation durch vertikale Integration)
•
Beobachten: Erheben von Prozessinformationen (z.B. Analyse und Optimierung des Produkteinsatzes beim Kunden, intelligente Logistiksysteme, Erheben von Kundeninformationen)
•
Wissen bereitstellen: Verteilen von Wissen
•
Parallelisieren: Schaffen paralleler Abläufe
•
Vitalisieren und Rationalisieren: Automatisieren oder Erhöhen der Eigenleistung des Kunden
12
13
Muther (1998), S.14
Aufzählung nach Muther (1998), S.15
7
Wie diesen Punkten und insbesondere der Abbildung 5 zu entnehmen ist, stellt die Individualisierung
der Kundenbeziehung, inklusive Customer Profiling, Personalisierung, Data Mining, Mass und SelfCustomization sowie das One-to-One-Marketing einen wichtigen Trend dar, der mit der Jahrtausendwende erst begann und die Theorie und Praxis des Marketings auch in Zukunft stark beschäftigen wird.
Abb. 5: Allgemeine Trends in der Kundenbeziehung
24-StundenService
Service
FAQ
OnlineShop
24-Stunde
Hotline
Online-Produktdokumentationen
24-Stunden
Chat
Elektronische
KonfigurationsUnterstützung
Elektronisches
Schaufenster
SelfCustomization
Business
Process
Reengeering
MicroMarketing
Individualisierung der
Kundenbeziehung
Customer Profile Matching
LearningRelationship
Feedback
Formular
DatabaseMarketing
„Community
Knowledge“
Data Mining
Individuelle
Personal-Pages
Mass
Customization
Customized
Marketing
Real-Time
Marketing
Online
Auftragsdaten
Hotline
HelpChat
Online
Lieferstatus
OnlineBeratung
Audio- und
Videosupport
Information on
Specific Demand
Inteligenter
Agent
Push
Newsdienst
Neue
Geschäftsprozesse
Neue,
elektronsische
Mittlerdienste
E-MailFeedback
Buildt-to
Order
One-to-OneAdvertising
InformationsBroker
Outsourcing
der NichtKernkom
petenzen
GlobalSourcing
"Virtuelle
Lager“
Online VerfügbarkeitsPrüfung
Elektronische
Produktevaluation
Elektronischer
Produktkatalog
MicroPayment
Remote
Login auf
System des
Anbieters
SchulungsCD / DVD
Digitales
Geld
Pay-per
View
AuftragsAbwicklung
Customer
Integration
Just-inTime
Integration der
Relationship
Marketing
Elektronischer
Marktplatz
User
Group
Online-Produkt- und
Preisinformationen
One-to-OneMarketing
Direktvertrieb
DatenbankQuery
Yellow Pages
Newsgroup
Zielgruppen
spezifische
Werbung
Personalisierung
Elektronische
Preiskalkulation
Information
on Stock
OnlineBestellung
über WWW
Intelligenter
Agent
Elektronische
Bestellung
ProduktInformation
am PoS/PoI
Automatische
Telefonauskunft
(Audiotext)
Digitales
SW-Archiv
Customer
Profiling
Fax-on
DemandAuskunft
WirtschaftsDatenbank
OnlineSpiele
Kundenselbstbedienung
(Abnehmerqualifikation)
AngebotsSystem
Kundenprozesse
Globalisierung
Online
Auktionen
Personalisierbare
& konifigurierbare
Web-Pages
Reminder
Service
Newsticker
Web-Casting
Desintermediation
Electronic
Newsletter
Information
on Delievery
Web-Radio
Web-TV
Elektronische
Diskussionsliste
Push-Informationen
Problemlösungspaket
Indirect
Marketing
Bündelung von Anbietern auf OnlinePlatformen
Leistungssysteme
UserGroup
„Costumer
Focussed
Allience“
Zielgruppenspezifische
Komplettlösung
Quelle: in Anlehnung an Belz (1998), Muther (1998)
8
2.3 Nutzen und Anwendungsfelder von Profiling
Am Anfang des Customer Profiling Prozesse sollte die Frage stehen, wozu die Technik des Profiling
eigentlich dient, sprich welchen Nutzen sie schafft und welchen Mehrwert sie dem Unternehmen (direkt)
oder dem Kunden (und damit dem Unternehmen indirekt) liefert.
Das Angebot kundenspezifischer Leistungen erfordert eine gute Kenntnis des jeweiligen Kunden.
Grundlage hierfür, insbesondere im E-Commerce, ist eine umfassende Datenbank mit möglichst vielen
Kundendaten, klassischerweise das Kundenprofil. Was sind die grundsätzlichen Möglichkeiten, die sich
daraus ergeben? Einen kurzen Überblick über die zentralen Vorteile, Zwecke und Anwendungsfelder
des Profilings im E-Commerce gibt die folgende Aufzählung:14
•
Profiling soll erlauben, die Bedürfnisse, Präferenzen und Interessen von Kunden zu identifizieren,
um die individuelle Nachfrage mittels einem passenden Angebot des Unternehmens zu befriedigen.
•
Es ermöglicht somit die Entwicklung und das Angebot von massgeschneiderten Leistungen, die auf
die individuellen Präferenzen der Nachfrager zugeschnitten sind.
•
Ein grosses Potential des Profilings, der Generierung von Kundenwissen und des Lernens aus der
Kundenbeziehung liegt in der Erhöhung der Kundenzufriedenheit, -bindung und -loyalität, wenn der
Kunde bedarfsgerecht bedient und einen Kundennutzen, einen Mehrwert („added value“) geschaffen wird. In der Folge wird der Kundenwert (Customer Value) erhöht und die Kundenerlöse bzw. rentabilitäten steigen. Die folgende Abbildung veranschaulicht diesen Zusammenhang.
Abb. 6: Kausale Beziehungen beim Aufbau von Kundenwert
Customer
Value
Increase customer
equity (profit)
Increase returns
Increase number
Customer
Satisfaction
Customer
Interaction
Increase customer retention
of customers
Increase Customer
acquisition
Increase customer loyality
Increase customer satisfaction
Reduce service
Increase
process time
campaign
response Increase customer
offers / flexibility
Campaign
management
Customer
Knowledge
Reduce CRM costs
Sales
management
Increase customer Profiling
knowledge
(One-to-One-Marketing)
Service
management
Increase selfservice quota
Improve system support of
customer & employees
Customer segmentation
& customer selection
Quelle: In Anlehnung an Reichold/Kolbe/Brenner (2004)
•
Profiling kann zur Vermeidung von einer Informations-/Angebotsüberflutung (Information Overload)
der Nachfrager beitragen. Durch den Einbezug des Profiling wird der Kunde nicht durch eine übermässige Menge an Werbung (für ihn nicht interessierende Produkte) verärgert.
•
Das Profiling ermöglicht eine persönliche Ansprache über elektronische Medien sowie die Platzierung von personalisierten Produktinformationen und -angeboten oder Hitlisten.
14
z.T. in Anlehnung an Buxel (2002a), S. 31
9
•
Weiter erlaubt es eine Individualisierung der Kommunikationsinstrumente sowohl auf inhaltlicher
Basis als auch hinsichtlich des Layouts und Designs (wie etwa bei www.sunrise.ch oder
www.yahoo.com), beispielsweise durch den Einsatz von Personalization Software. Dies ermöglicht
etwa die Erstellung kundenspezifischer Angebotsseiten.
•
Aus Kundensicht wird die Komplexität der Informationen und des Angebotes reduziert und der
Auswahlprozess sowie die Kaufentscheidungen erleichtert, was Zeit und Kosten erspart.
•
Kennt man das Profil eines Kunden, seine Einkaufsgewohnheiten und seine Bedürfnisse, so erlaubt
dies ein wirksames cross- und up-selling. D.h., man kann dem Kunden alternative, weitere Produkte
aus dem Sortiment anbieten, an denen er grundsätzlich interessiert ist.
•
Zudem gestattet die Bewertung der Attraktivität einzelner Leistungen durch die Nachfrager eine
Anpassung und Verbesserung des angebotenen Sortimentes, sowie die Entdeckung und Schliessung von Sortimentslücken.
•
Entsprechend kann eine Kundenbewertung der Produkt- und Sortiments-Attraktivität als Grundlage
für eine Leistungs- und Angebotsdifferenzierung dienen.
•
Dank Profiling kann die Gestaltung der eigenen Webseite verbessert werden, indem z.B. das Nutzungsverhalten der Nachfrager analysiert wird.
•
Können Ähnlichkeitsbeziehungen bei bekannten Nachfragern bestimmt werden, erlauben Prognosen über den Bedarf neuer Nachfrager eine bessere Leistungs- und Kommunikationspolitik.
•
Profiling kann zur Früherkennung von Nachfrageveränderungen sowie von Trends beitragen, was
die strategische Programmplanung erheblich erleichtert.
•
Profiling gestattet unter Umständen eine flexiblere, bessere Preispolitik, welche auf die einzelnen
Kunden abgestimmt wird und den unterschiedlichen Zahlungsbereitschaften und Preissensitivitäten
von Kunden sowie Kundensegmenten Rechnung trägt. Im günstigsten Fall können Konsumentenrenten abgeschöpft werden. Problem hierbei ist jedoch, dass das Konkurrenzangebot nur einen
Mausklick entfernt ist und dass die Preistransparenz im Internet sehr hoch ist.
•
Apropos Kundensegment: Ein gut angewendetes Profiling erlaubt die Identifikation und Zusammenfassung ähnlicher Kunden zu Kundensegmenten, um diese gezielt zu bewerben, die Leistungen
und Konditionen an den speziellen Merkmalen der Nachfragergruppen auszurichten oder zu selektieren (vgl. Abb. 6 oben). Gerade bei der Erkennung und im Umgang von profitablen, wichtigen keycustomers oder key market segments kann das Profiling selbst eine Schlüsselrolle spielen.
Abschliessend kann gesagt werden, dass all diese Punkte einen entscheidenden Beitrag an ein erfolgreiches Customer Relationship Management und somit an den Unternehmenserfolg leisten können, und
dass das Profiling im Zusammenhang mit der Personalisierung und Individualisierung für den Kunden
einen deutlichen Mehrwert bedeuten, ein einzigartiges Nutzenversprechen (unique selling proposition)
darstellen und schlussendlich einen strategischen Wettbewerbsvorteil ausmachen können.
2.4 Profiling und Personalisierung
2.4.1 Einführung
Im Bereich des Electronic Commerce ist Costumer Profiling umso wichtiger, je höher der Personalisierungsgrad einer Webpage ist. D.h., Profiling kommt bei personalisierten, dynamischen Seiten zum Einsatz, wo eine spezifische Kundengruppe angesprochen wird und v.a. bei individualisierten Seiten, die
sich an den spezifischen Kunden richten.
10
Abb. 7: Personalisierungsgrade und Profiling
Steigender
Personalisierungsgrad
Inhalt eCommerce-Applikation
Ansprache
Profiling
Ein spezieller Kunde
sehr wichtig
2. Personalisierte (dynamische) HTML-Seiten
Kundengruppen
wichtig
1. Statische HTML-Seiten
Alle Kunden
unwichtig
3. Individualisierte
HTML-Seiten
Quelle: In Anlehnung an Schubert/Ginsburg 2000
In diesem Zusammenhang unterscheiden SCHUBERT/LEIMSTOLL15 bei der Personalisierung durch
Kategorisierung (von Kunden in verschiedene Kunden- bzw. Interessensgruppen) in sozio-ökonomische
Profile (Alter, Geschlecht, Ausbildung, Beruf, Einkommen, Herkunft, soziale Schicht, etc.), Präferenzprofile (Selbstauswahl von Präferenzkategorien bezüglich z.B. Interessen oder Geschmack) und Beziehungsprofile (besondere Beziehungen zu anderen Kunden). Dank solchen Profilen kann nicht nur zielgruppenorientierte, wirksamere Werbung gemacht werden, sondern sie erlauben auch die Abstimmung
der Angebote auf die entsprechenden Personengruppen. Bei der Individualisierung (als Sonderform der
Personalisierung) „erfolgt eine direkte (menu-driven) oder indirekte (tracking-based) Präferenzvorgabe
durch den Benutzer, der sich bereit erklären muss, persönliche Informationen über sich preiszugeben15.“ Durch das angelegte Profil kann die Internetseite dynamisch sowie individuell zusammengestellt und so (besser) auf die spezifische Kundenwünsche und -Nachfrage eingegangen werden.
Abb. 8: Customer Profile Life Cycle und Arten von Kundenprofilen
Input für Redesign
Lernen aus dem Verhalten des Benutzers
Modellierung
der Profile
Erfassung
der Daten
Struktur
Quelle
Speicherung
Verarbeitung
der Daten
Nutzung der
Informationen
Datamining
Information
Warehouse
Angaben (explizit)
Historie (implizit)
Situation (Ort/Zeit)
Explizite Profile
Identifikationsprofil
Präferenzprofil
Soziodemografisches Profil
Ratings
Beziehungen
Reviews/Meinungen
Benutzername, Vorname, Name, Rechnungs- & Lieferadresse,
Zahlungsinformationen, persönl. (Browser-) Einstellungen
Selbstauswahl von angebotenen Präferenzkategorien, Hobbies,
Interessen, Geschmack
Selbstkategorisierung seitens des Kunden in vordefinierten
Kategorien (Alter, Geschlecht, Einkommen, Herkunft, Beruf,…)
Bewertung von Produkten, Webseiten, Reviews oder anderen
Kunden anhand vorgefertigter Skalen
Angaben von besonderen Beziehungen zu anderen Kunden
Freitexteingabe von Meinungen und Erfahrungen, Community
Beiträge, Multimedia-Beiträge
Implizite Profile
Transaktionsprofil
Interaktionsprofil
Externe Daten
Speicherung der durchgeführten Transaktionen (z.B. Käufe,
Zahlungen), gekaufte Produkte/Dienstleistungen
Summe der aufgezeichneten Zugriffe auf vordefinierten Kategorien, die ein vermeintliches Interesse widerspiegeln
Informationen aus anderen Quellen
Quelle: Schubert/Koch (2002), S.21, S.23f
15
Schubert/Leimstoll (2002), S.3
11
Die traditionelle Marktforschung zielt darauf ab, über Umfragen und Beobachtungen aus der breiten
Schicht der potenziellen Käuferschaft statistische Aussagen über die Struktur relevanter Kundenbedürfnisse zu ermitteln.16 Die Interaktivität des Electronic Commerce eröffnet zusätzlich die Möglichkeit, Kundenbedürfnisse auf individueller Ebene in Form von Kundenprofilen zu identifizieren, die in ihrer
Präzision weit über statistische Methoden hinausgehen. Entsprechend der unterschiedlichen Qualität
der Daten kann man dabei zwischen eindeutig identifizierenden Profilen bzw. Identifikationsprofilen
(basierend auf demographischen oder abrechnungsbezogenen Daten), pseudonymen Profilen (z.B.
durch eine interessensbezogene Registrierung) und anonymen Profilen (basierend auf verhaltensbezogener Nutzungsdaten) unterscheiden (Abb. 9):17
Abb. 9: Qualität von Benutzerprofilen
beobachtungsbasierte
Nutzungsprofile
Qualität der Daten
Datenquelle
registrierte
Präferenzprofile
Information
Interaktion
Transaktion
•
•
•
•
•
•
•
•
•
• Bestellung
• Bezahlung
Page Impressions
AdClicks
Visits
Produktauswahl
Produkte im Einkaufskorb
• Suchanfragen
Suchanfrage
E-Mails
Post
NewsletterRegistrierung
Datenverwendung
Log-Dateien
Pseudonyme
Profile
Identifikation
des Kunden
Anonym
Pseudonym
•
•
•
•
Kundendaten
Transaktions-kosten
Bonität
Kreditkartendaten
Identifikation
Handelstransaktion
Information
Verhandlung
Abwicklung
Quelle: In Anlehnung an Merz (2000), S.235
Präferenzen können beim Profiling nicht nur über Präferenzprofile direkt erfragt werden, sondern auch
indirekt aus der Interaktion mit der Website (Interaktionsprofil) und den abgewickelten Käufen (Transaktionsprofil) gewonnen oder aus soziodemographischen Angaben abgeleitet werden.18
16
17
18
Meffert (2000), S.93
Merz (2000), S.234
Schubert/Leimstoll (2002), S.3
12
2.4.2 Registrierung und Präferenzprofile
Die Interaktivität digitaler Informationsmedien als Distributionskanal vereinfacht aus Sicht der empirischen Marktforschung die Möglichkeit der Kundenkommunikation sowohl in Bezug auf die technischen
Abwicklung als auch in Bezug auf die Reichweite der Erhebung von Kundeninformationen im Rahmen
von Markt- und Präferenzanalysen. Dadurch erschliesst sich die nach KASPAR/HAGENHOFF die Möglichkeit „nicht nur zur Erhebung stichprobenhafter Marktdaten für eine statistische Aggregation der Marktstruktur, sondern darüber hinaus für ein umfassendes Kundenmanagement in Form der Speicherung
von Einzelkundenprofilen auf der Grundlage von mediatisiert in digitaler Form erhobenen demographischen oder präferenzbezogenen Angaben.19“
Eine im Internet mittlerweile geläufige Form der Erhebung von individuellen Kundenprofilen bildet eine
obligatorische, meist kostenfreie Registrierung eines individuellen Nutzerzugangs für die Nutzung von
Informations- oder Bestellmöglichkeiten. Paradebeispiel hierzu ist amazon.de. Auf dieser Website werden nicht nur interaktiv die verschiedenen Shops (Abb. 10) auf den Kunden zugeschnitten, sondern
auch ein detailliertes Interessens- bzw. Präferenzprofil erstellt (Abb. 11 & 12). Amazon ermöglicht zudem Ratings von interessierenden bzw. gekauften Produkten (Abb. 13) und die Platzierung von Reviews bzw. Meinungen (Abb. 14). Zudem generiert sie aus diesen expliziten Profilen aber auch aus
impliziten Transaktionen und Interaktionen u.a. ein stark personalisiertes, nutzerspezifisches Produktangebot (Abb. 15).
Der Vorteil einer solchen Individualisierung der Kundenbeziehung wie bei Amazon im Sinne eines Oneto-One-Marketingansatzes besteht darin, aus der Menge potenzieller Kunden diejenigen zu identifizieren, die eine starke Produkt- oder Dienstleistungszufriedenheit und damit eine hohe Wiederkaufswahrscheinlichkeit aufweisen.20
Gleichzeitig wäre es wünschenswert, auch unzufriedene Kunden rechtzeitig zu erkennen, sofern dies
möglich ist und die Ursache der Unzufriedenheit zu beseitigen. Insbesondere ist es wichtig, systematische Unzufriedenheiten und damit eine systematisches Verfehlen der Kunden-interessen zu erkennen.
Durch die freie Zugänglichkeit einer mediasierten Befragung im Falle einer freiwilligen Registrierung
(wie z.B. bei Amazon) können jedoch Selbstselektionseffekte entstehen, die z.B. aufgrund der notwendigen technischen Bedienkompetenz des Mediums für die Teilnahme an der Befragung potenzielle
Kunden aus dem Teilnehmerkreis ausschliessen und somit die Aussagekraft der Daten des registrierten
Kundenstamms verfälschen. Auch wenn (wie z.B. unter Amazon) die Möglichkeit besteht, das Interessens- bzw. Präferenzprofil abzuändern, sind die per einmaliger Befragung und Registrierung ermittelten
und gespeicherten Profile im Zeitablauf meist statisch. Lebenslaufbedingte Änderungen der Präferenzen eines Kunden, wie z.B. der Abschluss des Studiums, der Wechsel des Arbeitsplatzes, Veränderungen in der familiären Situation oder auch Veränderungen des verfügbaren Angebots (neue Produkte
aufgrund neuer Technologien oder Innovationen) können nicht (ausreichend) berücksichtigt werden.19
19
20
Kaspar/Hagenhoff (2003), S.13f
Peppers/Rogers (1997), S.32
13
Abb. 10: Shop-Auswahl bei amazon.de
Quelle: www.amazon.de (am. 19. Mai. 05)
Abb. 11: Interessens- bzw. Präferenzprofil bei amazon.de
Quelle: www.amazon.de (am. 19. Mai. 05)
Abb. 12: Detailliertes Interessens- bzw. Präferenzprofil bei amazon.de
Quelle: www.amazon.de (am. 19. Mai. 05)
14
Abb. 13: Kundenfeedback bzw. Ratings bei amazon.de
Quelle: www.amazon.de (am. 19. Mai. 05)
Abb. 14: Reviews bzw. Meinungen bei amazon.de
Quelle: www.amazon.de (am. 19. Mai. 05)
Abb. 15:
Quelle: www.amazon.de (am. 19. Mai. 05)
15
2.4.3 Identifikation des Kunden über registrierte Profile
Damit die Bewegungsdaten dem Kunden und seinem Profil zugeordnet werden können, und die erhobenen Daten auch effektiv zur Verbesserung der Kundenbeziehung eingesetzt werden können, ist die
eindeutige Identifikation, gerade im Internet wo es am persönlichen und direkten Kontakt zum Kunden
mangelt, besonders wichtig. Überspitzt kann man sagen, dass das gesamte eCRM mit der Identifikation
des Kunden steht und fällt. Um von den Möglichkeiten des erstellten Profils in vollem Umfang profitieren
zu können, muss es auch beim Kundenkontakt zur Verfügung stehen.
Grundsätzlich gibt es drei Möglichkeiten einen Kunden zu identifizieren:
1. Log-on: Der Kunde meldet sich zu Beginn beim Anbieter z.B. mittels Benutzername und Passwort an
2. IP-Identifikation: Der Server des Anbieters registriert die IP-Adresse des kontaktierenden Computers. Problem hierbei ist, dass nur der IP-Adressblock (z.B. Universität Fribourg oder Bluewin) identifiziert werden kann, nicht aber der tatsächliche Benutzer des Computers. Dies ist insbesondere
problematisch, wenn sehr verschiedene Kunden denselben IP-Adressblock nutzen.
3. Cookie: Hierbei wird eine kleine Datei auf dem Computer des Kunden abgespeichert. Problem ist,
dass nur der einzelne Computer identifiziert wird. Es wird nicht erkannt, wer den Computer nutzt
und der Kunde wird nicht identifiziert, wenn er von einem anderen Computer aus kontaktiert. Zudem
sind viele Kunden gegenüber Cookies kritisch, da sie auch für andere Zwecke als die reine Identifikation verwendet werden können (z.B. als Spyware).
Nach KASPAR/HAGENHOFF (2003) gibt es drei verschiedene Verfahrensweisen zur Nutzeridentifizierung
über registrierte Profile: die Verwendung clientseitiger Cookies, die Wiedererkennung des anbieterseitig
gespeicherten Kundenprofils durch eine clientseitige Erweiterungssoftware des Browsers und die Registrierung von Profilinformationen bei einer authentifizierten Drittinstanz.23
1. Unter dem Begriff "Cookie" wird eine Erweiterung der HTTP-Spezifikation zum Austausch von Statusinformationen verstanden, standardisiert als "Request for Comment (RFC) 2109" im Rahmen der
HTTP-Spezifikation. Cookies sind kleine Textdateien, die auf der Festplatte des Kunden gespeichert werden. Typischerweise enthält ein Cookie jeweils eine Identifikationsnummer zur Wiedererkennung eines Benutzers und einer Sitzung oder Transaktion.21 Aus datenschutzrechtlichen Gründen legt die Cookie-Spezifikation jedoch fest, dass der Benutzer die Cookie-Funktionalität (z.B. im
Microsoft Internet Explorer) zur Wahrung seiner Anonymität jederzeit ausschalten kann. Somit sind
Cookies kein zuverlässiges Instrument für eine eindeutige Identifizierbarkeit eines Nutzers.
2. Zur Speicherung von Kundenprofilinformationen beim Dienstanbieter reichten Netscape, Firefly und
VeriSign 1998 beim World Weide Web Consortium (W3C) die Spezifikation des "Open Profiling
Standard" (OPS) als Träger der Profilinformation als Vorschlag für einen weltweiten Kundenprofilstandard ein. OPS legt Datenformate und Übertragungsverfahren fest, die die Online-Registrierung
vereinfachen und das Problem der ungeschützten Ablage von Profilinformationen lösen sollen.22
Die Verwendung von OPS setzt eine zusätzliche Softwarekomponente im Internetbrowser voraus,
womit ein Kunde ein individuelles Profil anlegt. Die Profilsoftware kontrolliert die vom Kunden einzeln festlegbare Freigabe jeder Profilinformationskategorie für jeden abgefragten Dienst.23
21
22
23
Amberg/Wehrmann (2001), S.15f
Merz (2000), S.245; mehr zu OPS unter www.w3.org/TR/NOTE-OPS-OverHTTP
Kaspar/Hagenhoff (2003), S.15
16
3. Die Speicherung von Profilinformationen bei einer Authentifizierungsinstanz kann auch auf der
Grundlage des "Platform for Privacy Preferences Protocoll (P3P)" erfolgen, die im Januar 2005 in
der Version "The Platform for Privacy Preferences 1.1 (P3P1.1)" vom W3C spezifiziert wurde.24 Das
P3P repräsentiert eine Protokollfamilie, die sich aus verschiedenen Teilstandards zur einheitlichen
Aushandlung von Profildaten zusammensetzt. Es ist also ein umfangreiches Protokoll für Profilzugriffe und dient zur Standardisierung in der Kommunikation zwischen Dienstanbieter und der authentifizierten Drittinstanz (z.B. in Bezug auf das Verhandlungsprotokoll und Vokabular für Profilinformationen und Datenschutzregeln). Das P3P sorgt aber auch hinsichtlich einer Präferenzdefinition
von Veröffentlichungsregeln zwischen Authentifizierungsinstanz (wie TRUSTe) und dem Kunde.
Initiator
Abb. 16: P3P Kommunikationsarchitektur
Participants
Supporters
Developers
Domäne der Third Trust Party
Legende
Kundin
vertraut
RatingService
3
organisatorische
Beziehung
Protokolldateneinheit
vertraut
Teilnehmerpräferenzen
Nutzeragent im
Webbrowser
zertifiziert
OnlineAnbieter
Datenschutz-Policy
Datenabfrage
Daten
z.B.
Domäne des Anbieters
Trust
Engine
und
DB-Query/
persönliche
Update
ProfilRepository
Daten
Domäne der Kundin / des Kunden
Quelle: In Anlehnung an Merz (2000), S.257
Die praktische Umsetzung dieses theoretischen Konzeptes ist mit grossen Schwierigkeiten verbunden, wobei das Hauptproblem die Gestaltung der Authentifizierungsinstanz darstellt. Ein besonders
prekäres Problem trat auf, als Microsoft sich nicht an seine Zusicherungen bezüglich des Datenschutzes, die von TRUSTe zertifiziert worden waren, hielt. Dieses Nebengeschäft führte v.a. in den
USA zu einem grossen Vertrauens- und Glaubwürdigkeitsverlust in das gesamte System.
Beim Profiling kann im Zusammenhang des P3P auch eine weitere unerwünschte Nebenwirkung
auftreten: Der Kunde kann selber zum Anbieter werden, indem er seine Profildaten nur gegen Rabatte preisgibt bzw. verkauft.
24
Mehr zu “The Platform for Privacy Preferences 1.1 (P3P1.1) Specification” unter http://www.w3.org/TR/P3P11/
17
BUXEL unterscheidet bei der Erstellung von Costumer Profiles zwischen einer nicht-reaktiven und reaktiven Datenerhebung:
•
„Im Mittelpunkt nicht-reaktiver Verfahren steht die Aufzeichnung von Daten im Internet, die sich aus
dem Nutzungsverhalten der Nachfrager auf Webseiten ergeben. Mit der Erhebung über LogDateien, Umgebungsvariablen und Spezialanwendungen, die speziell für die Sammlung von Daten
im Internet konzipiert worden sind, stehen Verfahren zur Durchführung einer nicht-reaktiven Datenerhebung zur Verfügung.
•
Im Rahmen der reaktiven Datenerhebung ist sich der Nachfrager der Aufzeichnung seines Verhaltens bewusst – in der Regel beteiligt er sich aktiv durch Dateneingabe. Im Vergleich zur nichtreaktiven Datenerhebung handelt es sich weniger um eine technologiegestützte Verhaltensbeobachtung im Internet in biotischen Situationen, sondern vielmehr um die Erhebung von Daten, die
sich auf Eigenschaften von Nachfragern beziehen, die sich mit nicht-reaktiven Verfahren nicht ermitteln lassen (bspw. Name, Alter, Adresse etc.).
Alle der im Internet verfügbaren Verfahren unterscheiden sich hinsichtlich der mit ihnen erhebbaren
Daten und ihre Erhebungscharakteristika. Tabelle 1 gibt einen Überblick über die wesentlichen Kennzeichen der einzelnen Erhebungsverfahren.25“
Abb. 17: Kennzeichen von Erhebungsverfahren im Internet
Klasse
Verfahren
Log-Dateien
Nicht-reaktive Erhebungsverfahren
Umgebungsvariablen
Cookies
Software-Agenten
Modifizierte Browser
Packet-SniffingTechnologien
Reaktive
Erhebungsverfahren
Web Bugs
Geschlossene
Formularfelder
Offene
Formularfelder
Wahlmenüs
Kennzeichen
Log-Dateien zeichnen automatisch Informationen über den Austausch von
Dateien zwischen Server und Client auf und enthalten spezifische Kennwerte,
mit denen Zugriffe auf Webseiten beschrieben werden, wobei sie jeden angeforderten Datenzu- bzw. -abgang protokollieren. Aus ihnen können detaillierte
Daten über die Nutzer von Webseiten, deren Interessen und Nutzungszeiten
gewonnen werden. Zusätzlich lassen sich Aussagen über die zeitliche Verteilung von Zugriffen (wann und wie häufig) auf das Internet gewinnen
Umgebungsvariablen halten – ähnlich wie Log-Dateien – indirekt Ereignisse
fest, die auf Benutzeraktionen zurückzuführen sind. Anstatt eher statisch
orientierte HTML-Dokumente abzurufen, kann der Nutzer auch ein Programm
in Form eines CGI-Scripts auf dem Server abrufen. Als Folge des Starts eines
CGI-Scripts werden Umgebungsvariablen vom Server gesetzt, aus denen
Hinweise auf die Zugriffsmuster der Nutzer extrahiert werden. Umgebungsvariablen stellen prinzipiell eine gute Ergänzung zur Datenerhebung über LogDateien dar.
Cookies sind kleine Dateien, mit deren Hilfe auf dem Rechner des Nutzers
Informationen hinterlegt werden können, bspw. in Form von IDCodes, die zur
Nutzeridentifikation herangezogen werden können. Sie werden häufig im
Verbund mit Daten aus Log-Dateien analysiert, um Informationen über die
Interessen der Nutzer zu gewinnen.
Spezielle Programme, mit deren Hilfe Daten über die Internetnutzung des
Nachfragers auf der Seite des Nutzers aufgezeichnet werden können. Sie
produzieren ähnliche Daten wie Log-Dateien.
Spezielle Browser, die um eine Protokollkomponente erweitert worden sind,
um Daten über die Internetnutzung des Nachfragers auf Seiten des Nutzers
aufzuzeichnen. Sie produzieren ähnliche Daten wie Log-Dateien.
Spezielle Programme, mit deren Hilfe die im Internet versandten Dateien
hinsichtlich Inhalt, Ankunfts- und Zielort analysiert werden können. Sie produzieren ähnliche Daten wie Log-Dateien.
Links, die beim Aufruf einer Webseite Einträge in Log-Dateien auf anderen
Servern hinterlassen, die darauf schließen lassen, wann ein Nutzer diese
Webseite besucht hat.
Feld für manuelle Eingaben durch den Nutzer, wobei keine Freiheitsgrade auf
thematischer Ebene bestehen.
Feld für manuelle Eingaben durch den Nutzer, wobei Freiheitsgrade auf thematischer Ebene bestehen.
Vorlage fest definierter Antwortkategorien, aus denen ein Nutzer passende
Attribute auswählen kann.
Quelle: Buxel (2002b), S.3
25
Buxel (2002b), S.2
18
2.5 Schwierigkeiten bei der Auswertung
„Anfang September letzten Jahres raste Hurricane Frances durch die Karibik auf die
Küste Floridas zu. Während die Meteorologen ständig ihre Vorhersagen über seinen
Weg aktualisierten, wurde in einem Rechenzentrum in Bentonville im US-Bundesstaat Arkansas
ein anderes beeindruckendes Prognosewerkzeug in Betrieb genommen. Tage vor der Ankunft
von Frances untersuchten die IT-Spezialisten des weltgrößten Handelskonzerns Wal-Mart, womit
Umsatz gemacht worden war, als ein paar Wochen zuvor Hurricane Charly zugeschlagen hatte.
Untersuchungsobjekt waren die atemberaubenden Datenmengen über das Konsumverhalten der
Kunden, mit denen die Rechner von Wal-Mart voll gestopft sind. Die Goldsuche in den Datengebirgen ("Data Mining") war erfolgreich. Es stellte sich heraus, dass nicht bloß die üblichen Taschenlampen in die Supermärkte an der Küste geliefert werden mussten: "Wir wussten nicht,
dass die Leute vor einem Hurricane siebenmal mehr Erdbeertäschchen als sonst kaufen",
staunte Chief Information Officer Linda Dillman. Der Topseller vor dem Unwetter war Bier.“
(Glasers Netzkolumne, Unwetter im Datenmeer, Stuttgarter Zeitung, 30.3.2005)
2.5.1 Was Daten nicht sagen
Das Wal-Mart-Beispiel zeigt, dass die gesammelten Daten auch zur Geschäftsoptimierung eingesetzt
werden (können). Das Grundproblem hierbei ist, dass nur eine Dimension des Kunden bekannt ist: Sein
Verhalten auf der Webseite. Die Gefahren hierbei sind offensichtlich.
•
Es kann zu einem Zerrbild des Kunden kommen, da immer nur das Verhalten in einem ganz bestimmten Zusammenhang erfasst wird und nicht bekannt ist, wie und mit welchen Motiven der Kunde in den Webshop kommt. Das heisst, dass auch seine Erwartungen an den Anbieter und insbesondere sein sonstiges (Kauf-)Verhalten unbekannt bleiben.
•
Es besteht Gefahr, dass Kunden schubladisiert werden, was aber nicht Ziel des Profiling sein kann.
•
Der Kunde wird in Folge davon möglicherweise zu früh als unattraktiv klassifiziert. Ferner werden
wichtige Aspekte des Kunden wie z.B. dessen Bonität nicht zwangsläufig im Profil erfasst.
•
Kunden können sich durch eine zu starke Personalisierung der Website bevormundet fühlen. Der
Kunde bekommt ein nach seinem Profil generiertes Angebot, andere Angebote sind für ihn zunächst nicht zugänglich. Der Kunde fühlt sich dadurch womöglich in seinen Handlungs- und Entscheidungsmöglichkeiten eingeschränkt. In der Folge können sich Kunden auch ihrem Profil ausgeliefert fühlen; sie glauben vielleicht, ihr Profil nicht beeinflussen zu können.
•
Ein ganz anderes Problem ist, dass der Kunden unberechenbar ist und keine konsistenten, stabilen
Präferenzen hat. Im Gegenteil: er wünscht Vielfalt und Abwechslung (Stichwort Variety Seeking).
•
Es besteht die Tendenz, gesammelten Daten überzubewerten. Voreilig auf Basis von Kundenprofilen zu glauben zu wissen, was Kunden genau wollen, kann zu falschen Annahmen und Entscheidungen führen. Auf Basis von Daten und Profilen können keine Schätzungen gemacht werden.
•
Im Falle von Wal Mart wurden die Daten auf einer sehr allgemeinen Ebene ausgewertet. Faktisch
handelt es sich nichts anders als die Erfahrung des Inhabers des Quartierladens.
19
2.5.2 Datenschutz und Datenmissbrauch
Beim Profiling werden vertrauliche Daten gesammelt, gespeichert und ausgewertet. Der Schutz von
vertraulichen Daten kann hierbei unter Umstände nicht gewährleistet sein.
Ein erstes Problem ist die Weitergabe oder Verkauf von Daten an interessierte Dritte, ohne das Wissen
oder Einverständnis des Kunden. Gemäss einer Studie der Universität Fribourg wird in der Schweiz
immerhin jeder 20. Datensatz weitergegeben und jeder 250. verkauft (vgl. Abb. 18 S. 21). Dies führt
zur Frage der ethisch-moralischen Integrität der beteiligten Parteien. Insbesondere aber ist diese dem
jeweiligen Geschäftspartner nicht bekannt.
Oft besteht auch eine Intransparenz bezüglich den gesammelten Daten und Profile: diejenigen, deren
Daten gesammelt werden, sind oft nicht im Bilde über die Erhebung von Daten an sich und deren Verwendung (z.B. Bonus und Kundenkarten wie Super Card, Cumulus, die es auch im E-Business gibt).
Im Ergebnis resultiert ein vermeintlich gläserner Kunde.
3 Fazit und Ausblick
Costumer profiling ist eine nicht zu unterschätzende Unterstützung für das gesamte CRM. Es erlaubt
die Personalisierung von Produkten, Dienstleistungen, Webseiten bis hin zur Einrichtung individueller
auf den Kunden zugeschnittenen Shops. Alle für Verkauf und Marketing wesentlichen Kundenmerkmale
sind jederzeit verfügbar, auch an der elektronischen Storefront.
Weiter können key customers und key-customer groups schnell und relativ einfach identifiziert werden.
Daraus ergibt sich ein Zusatznutzen für den Anbieter derart, dass er gezielter und kundenorientierter
agieren kann. Für den Kunden ergibt sich ein "added value" einerseits durch eine erleichterte und bedürfnisgerechte Nutzung des Angebots, andererseits durch die Möglichkeit die eigenen Abläufe zu optimieren, insbesondere im B2B-Bereich. Die Kundenzufriedenheit wird erhöht und die Kundenbindung
gestärkt. Es sollte dabei auch nicht ausser Acht gelassen werden, dass einen Kunden zu halten wesentlich einfacher und vor allem auch günstiger ist, als Neukunden zu akquirieren. Der Verkauf wird
dadurch gesteigert und die Vertriebswege können optimiert werden (Stichwort Channel Management).
Nach der Studie der Universität Fribourg zum „Internet & Customer Relationship Management“ werden
die Möglichkeiten des (e)CRM und insbesondere des Profiling von vielen Unternehmen (noch) nicht
genutzt. Denn ganze 40% der 973 befragten Unternehmen gaben an, keine Kundendaten zu sammeln
und weitere 32% gaben an, die gesammelten Daten nicht zu verwerten. Nur gerade 16% werten das
Kundenverhalten aus und genauso wenige erstellen Kundenprofile (vgl. Abb. 18 nächste Seite). Das
Erstellen von Kundenprofilen wird vorwiegend in Dienstleistungsunternehmen wie Banken und Versicherungen betrieben und findet in Grossunternehmen signifikant mehr Anwendung als in KMU’s. Auffallend ist auch, dass nur knapp 9% der Unternehmen die Daten automatisch erfassen.26
Kurz: Das eCRM sowie das Profiling hat trotz zunehmender Tendenz (noch) keinen hohen Stellenwert.
Kundendaten werden – wenn überhaupt – vorwiegend manuell erfasst und kaum ausgewertet. Das in
ihnen liegende Potential liegt somit brach.
Der zunehmende Konkurrenzdruck wird die Unternehmen in Zukunft zwingen, sich stärker als bisher
auf die Kunden und ihre Wünsche einzustellen und damit die Information über den Kunden zu nutzen.
26
Quelle: „Internet & Customer Relationship Management“, Marktstudie der Universität Fribourg (2002), S. 31f
20
Quelle: „Internet & Customer Relationship Management“, Marktstudie der Universität Fribourg (2002), http://diuf.unifr.ch/is/research/itee/KurzberichtCRM-bw.pdf
Abb. 18: Art der Sammlung und Verwendung von Kundendaten
21
Literaturverzeichnis
Amazon: www.amazon.de am 19. Mai 2005.
Amberg, M.; Wehmann, J. (2001): Situationsabhängige Dienste-Grundlagen ihrer Entwicklung;
http://www.wi3.uni-erlangen.de/forschung/situation/ (am 7. Juni 2005)
Bach, V. / Gronover, S. / Schmid, R. (2000): Customer Relationship Management, in: Österle, H., Winter, R. (Hrsg.), Business Engineering - Auf dem Weg zum Unternehmen des Informationszeitalters, Springer.
http://verdi.unisg.ch/org/iwi/iwi_pub.nsf/wwwPublRecentEng/38B89628BC28A87CC1256DF4003C55EE (am 7. Juni 2005)
Belz, Ch. (1998): Akzente im innovativen Marketing, Carl Ueberreuter, Wien.
Bensberg, F. / Weiss, Th. (1999): Web Login als Marktforschungsinstitut für das World Wide Web; In
Wirtschaftsinformatik 41. S.426-432
Buxel, H. (2002a): Customer Profiling im Electronic Commerce. Methodische Grundlagen, Anwendungsprobleme und Managementimplikationen, Aachen.
Buxel, H. (2002b): Customer Profiling im Internet: den Kunden im Visir, Science Factory, Ausgabe
1/2000, p.1-5
http://www.absatzwirtschaft.de/pdf/sf/Buxel.pdf (am 7. Juni 2005)
Clarke, R. (1998): Profiling: A Hidden Challenge to the Regulation of Data Surveillance.
http://www.anu.edu.au/people/Roger.Clarke/DV/PaperProfiling.html (am 7. Juni 2005)
Dunn, M. / Gwertzman, J. / Layman, A. / Partovi, H. (1997): Privacy and Profiling on the Web.
http://www.w3.org/tr/note-web-privacy.html (am 7. Juni 2005)
Esprit (1997): Electronic Commerce - An Introduction.
http://www.cordis.lu/esprit/ (am 7. Juni 2005)
Glaser, P. (2005): Glasers Netzkolumne, Unwetter im Datenmeer, Stuttgarter Zeitung, 30.3.2005
http://www.stuttgarter-zeitung.de/stz/page/detail.php/902443 (am 7. Juni 2005)
Homburg, Ch . / Krohmer, H. (2003): Marketingmanagement, Strategie, Instrumente, Umsetzung, Unternehmensführung. München.
Internet & Customer Relationship Management, Marktstudie 2002 in Schweizer Unternehmen und Organisationen, Universität Fribourg in Zusammenarbeit mit Bundesamt für Statistik in Neuchâtel und
KPMG Consulting AG in Zürich
http://diuf.unifr.ch/is/research/itee/KurzberichtCRM-bw.pdf (am 7. Juni 2005)
Jackson, T. / Scheer, S. / Wilikens, M. (2000): Your Pricacy is at Risk!
http://www.jrc.cec.eu.int/ (am 7. Juni 2005)
Johansson, J. / Sparredal, J. (2005): CRM in e-Business.
http://epubl.luth.se/1404-5508/2005/025/LTU-SHU-EX-05025-SE.pdf (am 7. Juni 2005)
Link, J. , Hildebrand, V. (1997): Grundlagen des Database Marketing, in: Link, J., Brändli, D., Schleunig,
Ch., Hehl, R. E. (Hrsg.), Handbuch Database Marketing, IM Fachverlag Marketing-Forum, Ettlingen, p. 15-36.
Kaspar, Ch. , Hagenhoff, S. (2003): Individualität und Produktindividualisierung – Kundenprofile für die
Personalisierung von digitalen Produkten. Schuhmann, M. (Hrsg.), Arbeitsbericht Nr.17/2003.
http://www.wi2.wiso.uni-goettingen.de/getfile?DateiID=439 (am 7. Juni 2005)
Kim, J. / Suh, E. / Hwang, H. (2003): A model for evaluating the effectiveness of CRM using the balanced scorecard, Journal of interactive Marketing, Vol. 17, No. 2, p. 5-19.
http://doi.wiley.com/10.1002/dir.10051 (am 7. Juni 2005)
Krause, J. (1999): Praxishandbuch Electronic Commerce, München.
Meffert, H. (2000): Marketing – Grundlagen marktorientierter Unternehmensführung, Wiesbaden.
Mena, J. (1999): Data Mining Your Website, Boston.
Merz, M. (2000): Electronic Commerce – Marktmodelle, Anwendungen und Technologien; dpunktVerlag, Heidelberg.
Muther, A. (1998): Electronic Customer Care (ECC) - IT in der Anbieter-Kunden-Beziehung, Dissertation der Universität St. Gallen, Difo-Druck Gmbh, Bamberg.
Nike: www.nike.com am 19. Mai 2005.
22
Peppers, D. / Rogers, M. (1997): Enterprise One to One: Tools for Competing in the Interactive Age, NY.
Piller, F. / Reichwald, R. (2000): Mass-Customization-Konzepte im Electronic Business. In: Rolf Weiber
(Hrsg.): Handbuch Electronic Business, Gabler Verlag, Wiesbaden.
http://www.mass-customization.de/download/mc-ebusiness.pdf (am 7. Juni 2005)
Piller, F. / Schoder, D. (1999): Mass Customization und Electronic Commerce. Eine empirische Schätzung zur Umsetzung in deutschen Unternehmen. Vorabdruck einer gleichnamigen Veröffentlichung in der Zeitschrift für Betriebswirtschaft.
http://www.mass-customization.de/download/zfb99.pdf (am 7. Juni 2005)
Piller, F. / Tseng, M. (2003): The Customer Centric Enterprise. Advances in Mass Customization and
Personalization, Stuttgart.
Röder, H. (1999): Electronic Commerce and One to One-Marketing, in Bliemel, F. / Fassot, G. / Theobald, A. (Hrsg.): Electronic Commerce: Herausforderungen – Anwendungen – Perspektiven,
Wiesbaden.
Runte, M. (2000): Personalisierung im Internet: Individualisierte Angebote mit Collaborative Filtering,
Inaugural-Dissertation zur Erlangung des Grades eines Doktors der Wirtschafts- und Sozialwissenschaften der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Christian-AlbrechtsUniversität zu Kiel.
http://www.runte.de/matthias/publications/personalisierung_im_internet.pdf
Reinecke, S. / Köhler, S. (2002): Performance Measurement des Customer Relationship Management
im Internet, In: Schögel, Marcus; Schmidt, Inga (Hrsg.): E-CRM - mit Informationstechnologien
Kundenpotenziale nutzen, Düsseldorf, p. 203 – 242
http://www.imh.unisg.ch/org/imh/web.nsf/wwwPubVerlagsprogrammGer/52255D1B76FAC14AC1256C1300261C87 (am 7.
Juni 2005)
Schubert, P. / Ginsburg, M. (2000): Virtual Communities of Transaction: The Role of Personalization in
Electronic Commerce, in: Electronic Markets Journal, Vol. 10, No..
http://www.e-business.fhbb.ch/eb/publications.nsf/id/121 (am 7. Juni 2005)
Schubert, P. / Koch, M. (2002): The Power of Personalization: Customer Collaboration and Virtual
Communities, in: Proceedings of the Eighth Americas Conference on Information Systems (AMCIS), 2002.
http://www.e-business.fhbb.ch/eb/publications.nsf/id/121 (am 7. Juni 2005)
Schubert, P. / Leimstoll, U. (2002): Handbuch zur Personalisierung von Electronic-CommerceApplikatoinen, Basel: Fachhochschule beider Basel (FHBB), Institut für angewandte Betriebsökonomie (IAB), Arbeitsbericht E-Business Nr. 7, 2002
http://www.e-business.fhbb.ch/eb/publications.nsf/id/97 (am 7. Juni 2005)
Schubert, P. (2005): Folien zum Block Kurs “Electronic Business in the Global Economy“, Universität
Fribourg, Sommersemester 2005.
http://www.e-business.fhbb.ch/eb/ebhome.nsf/pages/fribourg-ebiz (am 7. Juni 2005)
Steinkellner, P. (2005): Interaktives Marketing – Kommunikationspolitische Herausforderungen an ein
Untrnehmen. Diplomarbeit am Fachhochschul-Studiengang Wien.
http://www.fachhochschule.at/FH/DA.nsf/97065A2ABB0C4231C1256C39004FE049/$FILE/9910057122_DA.pdf
(am 7. Juni 2005)
23