Bilder: Urs Wehrli

Kundenbedürfnisse mittels Clusteranalyse finden

Publiziert: Autor: Oliver Staubli, CEO & Data ScientistTags: ArtikelE-CommerceData ScienceBeispieleExplorative Daten AnalyseDaten Visualisierung

Egal ob Ihre Firma Kleider, Autos oder Shampoo verkauft, mit jedem verkauften Produkt sollten Sie mehr über die vergangenen Bedürfnisse Ihrer Kunden lernen. Je länger die Kundenbeziehungen und je mehr Kunden Sie haben, desto grösser die Chance, dass sich spannende Muster in Ihren Transaktions-Daten verbergen. Das Wissen über die Bedürfnisse Ihrer Kunden lässt sich ideal für Cross- und Up-Sell nutzen. Durch das verbesserte Targeting (passendes Angebot zum passenden Kunden), konvertieren Ihre Kunden eher. Zudem erhöht sich die Kundenbindung, weil sich der Kunde verstanden und abgeholt fühlt.

Für einen einzelnen Kunden lässt sich ein Bedürfnis-Profil relativ einfach erstellen: Sie brauchen lediglich zu analysieren wie sich dessen vergangen Käufe prozentual auf die verschiedenen Produkt-Kategorien Ihrer Firma verteilen (z.B. Kundin X kaufte 80% Damen-Kleider und 20% Kosmetik). Sobald Sie aber tausende Kunden haben, welche Produkte aus hunderten von Produkt-Kategorien kaufen, wird es schwierig die Übersicht über all diese einzelnen Bedürfnis-Profile zu gewinnen. Hier kommt die Clusteranalyse ins Spiel.

Mit Hilfe der Clusteranalyse ist es möglich, aus tausenden von Kunden-Profilen, mit hunderten von Dimension (Verteilung der Produktkäufe auf die Produkt-Kategorien) automatisch die "typischen" Bedürfnis-Profile zu destillieren. Die folgende Visualisierungen basieren auf synthetischen Daten einer fiktiven Firma um die Eigenschaften der Clusteranalyse erläutern zu können. Im nachfolgenden Radar-Chart lassen sich die mit der Clusteranalyse gefundenen "typischen" Profile leicht ablesen.

In den synthetischen Daten wurden 10 klar unterscheidbare Clusters (Kundengruppen) gefunden. Z.B. sieht man beim Selektieren des Clusters CL-4, dass die Kunden, welche diesem Cluster zugeordnet wurden, typischerweise ca. 52% ihrer Produkte aus dem Bereich "Spielwaren" und 25% "Kinderkleider" gekauft haben, jedoch praktisch kein Schmuck oder Gepäck kaufen.

Das Resultat einer Clusteranalyse

Die Clusteranalyse findet automatisiert die ideale Kundengruppierung bezüglich Homogenität (Ähnlichkeit innerhalb des Clusters) und Heterogenität (Unterscheidbarkeit der Cluster). Somit liegen am Ende folgende Fakten vor:

  1. Wie viele typische Kundengruppen sich in den Daten verbergen.
  2. Welche die wichtigsten Dimensionen (Produkt-Kategorien) zum Unterscheiden der Kudenbedürfnisse sind.
  3. Wie sich die einzelnen Cluster-Profile in den gefundenen Dimensionen unterscheiden.
  4. Welcher Kunde welchem Cluster zugeordnet wird und damit die Grösse der einzelnen Clusters.

Folgender interaktive Bubble-Chart hilft beim Verstehen der Unterschiede in den resultierenden Cluster-Profilen. Sowohl Clusters horizontal als auch die Dimensionen vertikal lassen sich von Hand sortieren um Ähnlichkeiten zu gruppieren.

Gewisse Dimensionen und Clusters stechen mit grossen "Bubbles" heraus, sprich einem grossen Anteil an Produktkäufen in dieser Kategorie. Z.B. scheinen sich Cluster CL-7 und CL-9 in drei Dimensionen zu gleichen, sind aber sowohl bezüglich Anzahl Kunden als auch im Bereich Kinder-Kleider deutlich unterscheidbar. Auf diese Art lassen sich alle Cluster miteinander vergleichen und die Kern-Merkmale identifizieren. Hilfreich ist in diesem Prozess auch die Clusters zu benennen: Cluster CL-4 könnte man z.B. als "den Multimedia Cluster" bezeichenen, d.h. ein typischer Kunde aus diesem Cluster kauft ausschliesslich Multimedia Produkte.

Der Mehrwert einer Clusteranalyse

Neben dem besseren Verständnis der Bedürfnissen Ihrer Kunden lassen sich die Resultate einer Clusteranalyse direkt auf Marketing-Kampagnen anwenden:

  1. Bessere Konversion: Eine persönliche Ansprache anhand der Bedürfnisse erhöht die Konversion-Chance.
  2. Bessere Kundenbindung: Kunde fühlt sich verstanden und die Kundenbindung verstärkt sich.
  3. Besseres Targeting: Die Kundengruppen sind trennscharf und minimieren damit Streuverlust beim Versand.
  4. Höhere Ausschöpfung: Marketing-Budget kann ohne Streuverlust optimal eingesetzt werden.

Natürlich gibt es viele weitere Anwendungsmöglichkeiten für die Resultate einer Clusteranalyse. Z.B. verwenden bereits mehrere Online-Shop Betreiber unsere Clusteranalysen, um ihre Kunden direkt im E-Shop in Echtzeit basierend auf dem entsprechenden Cluster-Profil ansprechen zu können: So veränderten sich die Suchresultate, die Navigation sowie die Bildwelt, je nach dem zu welchem Cluster der aktuelle Kunde auf Grund seiner bisherigen Käufe zugeordnet wird.

Selbst wenn das aktuelle Klick-Verhalten eines Kundens von seinem üblichen Einkaufsprofil abweicht, oder für Neukunden ohne Historie, lässt sich die "nächstbeste" Cluster-Zugehörigkeit in Echtzeit berechnen und so das momentan ideale Marketing-Material und passende Produkte ausspielen. Gerne geben wir Ihnen persönlich mehr Auskunft über unsere umgesetzten Projekte.

~

Sie sind auf den Geschmack gekommen und möchten eine Clusteranalyse auf Ihrer eigenen Kundendaten durchführen lassen? Gerne helfen wir Ihnen beim Aufbereiten der Daten und bei der Clusteranalyse.

Kontaktieren Sie uns