Kreditinstitute sind in den vergangenen Jahren wegen ihrer Vertriebsziele in Verruf geraten. Hier wurde der Vorwurf erhoben, dass Kunden unabhängig von ihren persönlichen Bedürfnissen Produkte verkauft wurden, die gerade auf der Agenda standen. War das in einem falschen Ansatz der Vertriebssteuerung beziehungsweise der Kundensegmentierung begründet?
In der Vergangenheit war die Vertriebssteuerung vieler Kreditinstitute von einer reinen Produktsicht geprägt. Hierbei standen Absatzzahlen zur Erreichung der Vertriebsziele im Vordergrund. Tatsächliche Kundenbedürfnisse spielten nur insofern eine Rolle, als dem Kunden im Verkaufsgespräch der Nutzen des zu verkaufenden Produktes vermittelt werden musste. Einfache Segmentationstechniken, wie soziodemografische Verfahren, führten dazu, dass Kunden nur oberflächlich hinsichtlich ihrer Bedarfsprofile kategorisiert wurden. Dabei wurde die Individualität der Kunden innerhalb der Kundensegmente nicht berücksichtigt.
Wie lässt sich eine Beratung, die sich an den individuellen Kundenbedürfnissen orientiert, mit Vertriebszielen vereinbaren?
Voraussetzung für eine individuelle Kundenberatung ist eine ganzheitliche Sicht auf die Finanzsituation des Kunden. Diese wird heute zum Beispiel bei Sparkassen durch einen standardisierten Finanzcheck hergestellt. Hierbei erfolgt ausgehend von den potenziellen Bedürfnisfeldern des Kunden eine systematische Bestandsaufnahme im Hinblick auf den aktuellen und potenziellen Bedarf des Kunden.
Die Vertriebssteuerung hat heute die Individualität des Kunden zu berücksichtigen, indem jeder Kunde mit seinen jeweiligen Profilen bei der Vertriebszielfestlegung erfasst wird. Die für jedes Produkt potenzialorientiert ermittelbaren Absatzchancen können dann vom Berater für eine themenzentrierte Gesamtbedarfsberatung eingesetzt werden.
Wenn die Absatzchancen den tatsächlichen Kundenbedarf auch abbilden, entsteht hier eine Win-win-Situation, da der Kunde einerseits die Beratung als auf ihn zugeschnitten erlebt und der Berater andererseits die beim Kunden erreichbaren Potenziale zielgenau anspricht.
Bei der Kundensegmentierung geht es zum einen darum, Kunden mit auf sie zugeschnittenen Angeboten anzusprechen, zum anderen darum, wirtschaftlich interessante Kundengruppen zu identifizieren. Was für Ansätze gibt es heute, um Zielgruppen mit Potenzial zu ermitteln?
Man hat heute erkannt, dass soziodemografische Faktoren wie Alter, Einkommen und Vermögen nicht ausreichend sind, um einen Kunden individuell zu bewerten. Moderne Verfahren der Vertriebssteuerung versuchen daher, einen Kunden ganzheitlich über die verschiedenen Bedürfnisfelder individuell zu erfassen. Hierbei erfolgt im Kundenbestand zunächst über statistische Verfahren eine Analyse der Käuferprofile. Ergebnis sind dann für jedes vertriebsrelevante Produkt sogenannte "Abschließerscores", mit denen sich jeder einzelne Kunde hinsichtlich seines Potenzials individuell bewerten lässt.
Gleichzeitig erfolgt eine Prognose des zu erwartenden Abschlussvolumens. Durch die Bewertung des zu erwartenden Abschlussvolumens über barwertige Deckungsbeiträge unter Berücksichtigung der Abschlusswahrscheinlichkeit lassen sich für jedes Produkt auf Kundenebene die Deckungsbeitragspotenziale ermitteln. Wenn die produktbezogenen Deckungsbeitrags potenziale auf Kundenebene aggregiert werden, kann die gesamte Kundenbeziehung potenzialorientiert bewertet werden.
Sind klassische Segmentierungsansätze nach Lebensphase oder Einkommen heute überhaupt noch zielführend? Oder ist der Lebensphasen-Ansatz nur noch als Einstieg auf der Homepage einer Bank oder Sparkasse relevant?
Klassische Segmentierungansätze zum Beispiel nach Lebensphase oder Einkommen führen zu einer Zusortierung von Kunden in "Schubladen". In Bezug auf die vorgegebenen Segmentierungskriterien sind die Kundenstrukturen in den "Schubladen" zwar homogen, mit zunehmender individueller Gliederungstiefe gibt es mitunter erhebliche Unterschiede in den Kundenprofilen.
Dieses Problem des "Über-einen-Kamm-Scherens" wird durch multivariate, statistische Segmentierungsansätze vermieden. Hierbei ergibt sich die Relevanz eines Merkmals für die Kundensegmentierung auf der Basis der Trennschärfe von Kundenmerkmalen.
Ohne Frage sind Alter beziehungsweise Lebensphase oder Einkommen und Vermögen hierbei auch wichtige Segmentationskriterien, die zuweilen in den multivariat ermittelten Kundenclustern auftauchen, aber meist treten noch weitere fein differenzierte Bestimmungsgrößen für die Segmentierung hinzu.
Beim Internet-Auftritt besteht heute das Problem, dass ein Kreditinstitut den Kunden so lange nicht kennt, bis er sich beispielsweise durch das Online-Banking identifiziert hat. Daher haben klassische Segmentierungsansätze hier durchaus noch eine Berechtigung.
Anders sieht dies aus, wenn der Kunde sich im Online-Banking durch ein PIN-Verfahren identifiziert hat. Dann kennt die Bank den Kunden, sodass es bei Verknüpfung der Online-Banking-Anwendung mit der Kundendatenbank sogar möglich ist, den Kunden individuell anhand seines Profils anzusprechen. Ein aktiver Vertrieb beziehungsweise eine kundenindividuelle Beratung im Internet wird so erst möglich.
Muss man heute generell Potenziale beziehungsweise Abschlusswahrscheinlichkeiten auf Einzelkundenebene herunterbrechen, um Streuverluste zu vermeiden und das Cross-Selling zu verbessern?
Generell ist es für die Punktgenauigkeit der Kundenansprache und damit auch zur Vermeidung von Streuverlusten immer besser, Kunden individuell zu bewerten. Dies ist sogar Voraussetzung dafür, dass der Kunde die Beratungsleistung als solche überhaupt wahrnimmt.
Im Zuge der Digitalisierung des Bankgeschäfts - mit abnehmendem persönlichen Kontakt zwischen Kreditinstituten und Kunden - ist dieses sogar unerlässlich. Früher war die Analyse und Auswertung von Kundenprofilen sehr komplex, sodass oft unter Abwägung von Kosten und Nutzen auf eine Feindifferenzierung verzichtet wurde.
Heute bieten zum Beispiel Systeme, wie sie an der Hochschule der Sparkassen-Finanzgruppe entwickelt wurden und Sparkassen zur Verfügung stehen, sehr effiziente und kostengünstige Möglichkeiten für eine Ermittlung der Kundenprofile und die Bewertung der individuellen Absatzmöglichkeiten.
Leider werden hier Effizienzvorteile, die eine Automatisierung der Auswertungstechniken mit sich bringt, von Beratern, die in diesem Metier tätig sind, nicht immer über günstige Kosten an die Kreditinstitute weitergegeben. Hier lohnt es sich auf jeden Fall, Kosten und Leistungen im Markt zu vergleichen, bevor man sich für einen Anbieter entscheidet.
Wie viele beziehungsweise welche Variablen müssen abgefragt werden, um Einzelkundenpotenziale zu ermitteln?
Grundsätzlich steht demjenigen, der Einzelkundenpotenziale über Scores abbilden will, eine Vielzahl von Informationen auf Kundenebene zu Verfügung. An der Hochschule der Sparkassen-Finanzgruppe haben wir daher mit verschiedenen Sparkassen in Pilotprojekten untersucht, welche Informationen aus Kundendatenbanken nach Durchführung der statistischen Analyse tatsächlich in den Kundenprofilen auftauchen.
Ein Ranking dieser Indikatoren zeigte, dass bei Sparkassen bereits 44 Variablen aus den Systemen S-KISS und S-Data-Warehouse ausreichen, um einen Erklärungsgrad von über 85 Prozent des Abschließerverhaltens zu erreichen. Hierbei handelt sich im Wesentlichen um persönliche Eigenschaften sowie Informationen zum bereits genutzten Produktportfolio und zum Produktnutzungsverhalten. Es ist heute mit vergleichsweise geringem Aufwand für Sparkassen möglich, die benötigten Informationen aus den operativen Systemen zu selektieren.
Welche Voraussetzungen müssen dafür erfüllt sein und wie aufwendig ist ein solches Verfahren?
Wenn eine Kundenprofilanalyse durchgeführt wird, werden zunächst zu einem Stichtag die 44 Basisinformationen für jeden einzelnen Kunden im Bestand selektiert und abgespeichert. Hierbei ist die Codierung der Variablen genormt, sodass keine größeren Anpassungen bei der späteren automatisierten Verarbeitung und Analyse mehr nötig sind.
Nach einem Zeitraum von in der Regel zwei Monaten nach dem Selektionsstichtag wird in einer weiteren Datei separat für alle vertriebsrelevanten Produkte ermittelt, welcher Kunde in den letzten zwei Monaten ein Produkt neu abgeschlossen hat und welche Abschluss-Summe gegebenenfalls zustande gekommen ist. Bestandsdaten und Neuabschließerdaten werden dann über die Personennummer in einem Datamart miteinander verbunden. Dies ist schon alles, was ein Kreditinstitut im Vorfeld der Untersuchung leisten muss.
Der Rest wird durch ein automatisiertes Analyseverfahren erledigt. Hierbei wird über ein diskriminanzanalytisches Entscheidungsbaumverfahren anhand der im Datamart vorhandenen kundenbezogenen Merkmale versucht, statistisch signifikante Indikatoren für das Kaufverhalten zu identifizieren.
Der Entscheidungsbaum entsteht, indem jeweils auf einer Stufe aus den 44 potenziell erklärenden Variablen die Merkmalsausprägungskombination mit der höchsten Trennschärfe zwischen Abschließer und Nichtabschließer ermittelt wird. Der Aufbau des Entscheidungsbaums endet dann, wenn sich keine signifikante Aufteilung des Kundenbestands mehr erreichen lässt.
Nach Durchführung der Analyse erhält das Kreditinstitut für alle untersuchten Produkte die Scorebäume, die die Kundenprofile wiedergeben. Gleichzeitig werden SQL-Skripts erzeugt, die genutzt werden können, um die Potenziale auch zu späteren Zeitpunkten an den Kundendatensatz anspielen zu können. Jeder Kunde kann somit individuell auch im Zeitablauf im Hinblick auf sein potenzielles Abschlussverhalten bewertet werden.
Können das auch kleinere Institute leisten?
- Was die Kundenbestände angeht, können solche Untersuchungen generell schon bei Instituten mit über 100 000 Kunden statistisch sinnvoll durchgeführt werden.
- Kritischer für die Analyse ist die Anzahl der Neuabschlussdaten, die benötigt werden. Hier hat die Praxis gezeigt, dass in dem Untersuchungszeitraum von zwei Monaten bei den untersuchten Produkten eine Neuabschließerzahl von mindestens 40 Stück erreicht werden sollte.
Gegebenenfalls kann der Untersuchungszeitraum auch auf drei Monate ausgeweitet werden. Bei kleineren Abschlusszahlen ist allerdings generell die Frage zu stellen, ob eine Analyse vor dem Hintergrund der Vertriebsrelevanz überhaupt einen Sinn macht.
Teilweise werden im Markt für kleinere Institute auch Benchmarks-Scores angeboten, die von Unternehmensberatungen bei anderen Kreditinstituten erhoben wurden und dann einfach auf den Kundenbestand eines anderen Kundeninstituts übertragen werden. Manchmal setzen auch größere Institute aus Kostengründen diese Benchmark-Scores ein, um den Aufwand der Datenerhebung zu reduzieren. Hierzu ist zu sagen, dass diese Vorgehensweise sich in der Praxis als äußerst problematisch erwiesen hat.
Zum einen bildet ein Abschließerscore immer die individuellen Vertriebsverhältnisse und Rahmenbedingungen eines Kreditinstituts ab. Jedes Institut hat seine eigene Vertriebskultur, sodass bei der Anwendung von Benchmark-Scores Fehlsteuerungen entstehen können. Daher ist auch immer die Frage zu stellen, woher die Benchmarks kommen.
Der Anbieter von Benchmark-Scores muss transparent machen können, woher diese Benchmarks stammen. Dies setzt voraus, dass die Kreditinstitute, aus deren Daten die Benchmarks gewonnen wurden, ihr Einverständnis für die vertriebliche Weiternutzung dieser Daten bei anderen Kunden geben, was in der Regel durch Geheimhaltungserklärungen ausgeschlossen sein dürfte. Oft stellen solche Systeme daher eine Black Box dar. Kostenaspekte, die zum Einsatz einer vermeintlich preislich günstigeren Benchmark-Lösung führen, sollten hier keine große Rolle spielen. Hier lohnt sich ein Preisvergleich mit anderen Anbietern von Echtdatenlösungen, die eine Alternative darstellen.
Müssen oder können in solche Potenzialanalysen auch "Big Data"-Erkenntnisse mit einfließen? Oder stößt man da schon an die Grenzen des Datenschutzes beziehungsweise an Kapazitätsgrenzen?
Kapazitätsgrenzen sind hier weniger relevant, eher ist der Datenschutz in Deutschland ein limitierender Faktor. Die Zulässigkeit des Einsatzes von Daten für Kundenanalysen regelt in Deutschland das Datenschutzgesetz. Kritisch wird es immer dann, wenn in das persönliche Umfeld des Kunden Einblick genommen wird.
- Wenn in einer Untersuchung beispielsweise anhand einer Zahlungsstromanalyse festgehalten wird, wann ein Kunde wo war, was er wo gekauft hat und wo er dann hingefahren ist, ist der rechtliche Graubereich deutlich überschritten.
- Ebenso sind Analysen der Nutzung von Produkten bei Konkurrenten sehr kritisch zu sehen.
Sollen solche Variablen in die Untersuchung integriert werden, ist hier der Datenschutzbeauftragte zu konsultieren, der den Sachverhalt rechtlich zu prüfen hat.
Als wettbewerbspolitisch problematisch erweist sich hier die radikale Digitalisierung des Bankgeschäfts. Weltweite Konzerne wie Google, Paypal oder auch Apple sammeln heute schon zahlreiche personenbezogene Informationen, die nicht nur einen Kunden gläsern werden lassen, sondern auch Vernetzungen von Personen untereinander abbilden.
Da davon auszugehen ist, dass von diesen Konzernen in naher Zukunft auch Bankgeschäfte angeboten werden, wird das Thema "Big Data" an Bedeutung gewinnen. Bei internationalen Konzernen ist die Rechtslage schwierig, da die deutschen Datenschutzbestimmungen hier schwer durchsetzbar sind. Im Zweifel haben deutsche Kreditinstitute hier im Wettbewerb um den Kunden Nachteile, wenn keine entsprechende Regulierung stattfindet.
Wie lassen sich die gewonnen Erkenntnisse über Abschlusspotenziale für die Vertriebsunterstützung auf Beraterebene einsetzen?
Zunächst können die kundenindividuellen Kaufaffinitäten auf alle betreuenden Profit-Center-Ebenen, im kleinsten Fall sogar bis auf den einzelnen Berater aggregiert werden. Hierbei lässt sich die Anzahl der Verkäufe eines Beraters ermitteln, die bei durchschnittlicher Vertriebsleistung zu erwarten gewesen wäre. Bei der Beurteilung von Vertriebsleistungen kann damit potenzialorientiert die Leistung eines Beraters im Vergleich zu seinen Möglichkeiten bewertet werden.
Dies ist Voraussetzung für eine akzeptierte leistungsorientierte Vergütung. Der Vertriebssteuerer erkennt hiermit seine Leistungsträger und kann gleichzeitig vermeintlich schwächere Vertriebsmitarbeiter bei der Erreichung der Vertriebsziele unterstützen.
Da jeder Potenzialkunde in der Kundendatenbank identifizierbar wird, können dem Vertrieb potenzialstarke Kunden für die Akquise benannt werden. Die Einladungen zu ganzheitlichen Beratungen im Rahmen es Finanzchecks können dann beispielsweise topdown beginnend mit den potenzialstärksten Kunden starten. Ebenso können produktbezogen Aktionen wie Mailings oder telefonische Ansprachen unterstützt werden. Hierbei ist jedoch die jeweilige Ansprachekanalaffinität des Kunden zusätzlich zu berücksichtigen.
Wie weit sind Sparkassen an dieser Stelle mittlerweile gekommen? Schließlich wird in der Kreditwirtschaft schon lange über besseres Zielgruppenmanagement gesprochen - Stichwort "CRM" oder "Data Mining" - ohne dass davon für den Kunden durch passende Angebote immer viel zu spüren gewesen wäre.
CRM und Data Mining laufen immer für den Kunden im Hintergrund ab. Sparkassen nutzen heute schon systematisch solche von der Finanzinformatik zur Verfügung gestellten Techniken zur Kundengeschäftssteuerung. Wichtig ist, dass die Personalentwicklung Mitarbeiter von Banken und Sparkassen in die neue Welt mitnimmt.
Im sich im Zuge der Digitalisierung weiter verschärfenden Wettbewerb der Kreditinstute gewinnen die Anbieter, die die Datenhoheit besitzen, und damit den Kunden individuell bedienen können - und das zunehmend auch außerhalb der Filiale. Die Hochschule der Sparkassen-Finanzgruppe hat diesem Umstand in ihrem Studienangebot bereits Rechnung getragen. So startet im Wintersemester 2015/16 bereits ein neuer Studiengang, der zum Abschluss des Bachelors Banking and Sales führt, in dem unter anderem die für die digitale Welt notwendigen Voraussetzungen fokussiert werden.
Das Marktpotenzial ist ja nicht in allen Geschäftsgebieten gleich. Welche Ansätze gibt es für Sparkassen, in deren Einzugsgebiet vergleichsweise viele wirtschaftlich nicht besonders lohnende Kunden leben?
Grundsätzlich gilt in der Sparkassen-Finanzgruppe das Regionalprinzip, das impliziert, dass Sparkassen nur in dem ihnen zugewiesenen Geschäftsgebiet aktiv Kunden ansprechen.
Ein Missverständnis beim Thema der potenzialorientierten Kundenansprache besteht darin, dass der Eindruck erweckt wird, dass man sich von einer flächendeckenden Versorgung mit Bankdienstleistungen als Sparkasse verabschiedet. Dies trifft gerade auf den Sparkassen-Sektor nicht zu, jeder Kunde ist willkommen. Wie die Ergebnisse von Marktpotenzialanalysen ergeben haben, sind die Möglichkeiten, im eigenen Geschäftsgebiet die Marktstellung zu sichern oder sogar zu expandieren, bei allen Sparkassen vielfältig. Marktforschungen belegen, dass neben der Qualität gerade die Regionalität, also die Nähe zum Kunden einen entscheidenden Erfolgsfaktor für Sparkassen darstellt.
