Kundensegmentierung

Innovative Segmentierungen – durch Mikrogeographie adressgenau

Kundensegmentierungen sind ein probates Mittel, um den Absatzmarkt in verschiedene typische Käufergruppen zu unterteilen, um Marketing und Vertrieb effizienter auszusteuern. Die Problematik: Werden Segmente auf Basis unternehmensinterner Kundendaten (Adressen, Umsätze, Absätze, evtl. Befragungsdaten, usw.) gebildet, so haben sie keinerlei Korrelation zum Gesamtmarkt. Werden im Gegensatz dazu vorgefertigte Standardsegmente (YouGov, Sinus, u. a.) verwendet, so sind diese zwar flächendeckend für den Gesamtmarkt verfügbar, bilden aber eben nur den Standard ab – und es fehlen die Rückschlüsse zu den eigenen Kunden. Individuelle Segmentierungen, die durch die Hinzunahme mikrogeographischer Merkmale in den Gesamtmarkt übertragen werden, können hier Abhilfe schaffen.

Mikrogeographische Segmentierung

Die Kombination aus Befragungs- und mikrogeographischen Daten ermöglicht die adressgenaue Lokalisierung und Regionalisierung von Zielgruppensegmenten. Die (adressgenauen) Daten können in das kundeneigene CRM-System überführt werden. Außerdem kann für jede beliebige Ebene (z. B. Postleitzahl, Stadtteil oder Straßenabschnitt) die Anzahl an Haushalten mit den entsprechenden Marktsegmenten ausgegeben werden und somit als Potenzial adressiert werden. Die auf einem umfassenden Datenportfolio basierenden flächendeckenden und adressgenauen Segmentierungen dienen der segmentspezifischen Aussteuerung von Marketing- und Vertriebsmaßnamen (z. B. Neukundenakquise, Cross- und Upselling) sowie der zielgruppenbasierten Standortplanung.

Zwei wesentliche Segmentierungsansätze

Das Verknüpfen dieser unterschiedlichen Datensätze mithilfe der Mikrogeographie aber eröffnet vollkommen neue Optionen. Zur Umsetzung stehen zwei Ansätze bereit:
Beim ersten Ansatz werden bereits vorhandene Kundensegmente mittels einer Befragung repliziert, die Ergebnisse mit ca. 700 mikrogeographischen Variablen angereichert und anschließend mittels einer Diskriminanzanalyse in den Gesamtmarkt übertragen. Somit erhält jede reale Adresse im Markt ein mögliches Segment.
Beim zweiten Ansatz fließen die mikrogeographischen Variablen bereits in die Generierung der Segmente mit ein. Basis ist hier wiederum eine Befragung, die mit mikrogeographischen Variablen angereichert wird, um darauf eine Clusteranalyse zu rechnen, die zu Segmenten führt. Diese werden ebenfalls mittels einer Diskriminanzanalyse auf alle Adressen übertragen.
Bei beiden Ansätzen entsteht im Resultat eine deutschlandweite Segmentierung aller ca. 23 Mio. Adressen samt der darin lebenden 41 Mio. Haushalte. Diese Segmente mit allen neuen Informationen und Daten können wiederum an die vorhandenen Kundendaten angespielt werden. Darüber hinaus können adressgenau potenzielle Neukunden im Gesamtmarkt definiert werden.

Beispiel Nachhaltigkeitssegmentierung

Im Vortrag „Nachhaltigkeits-Typen“ wird exemplarisch der zweite Ansatz beschrieben: Auf der Basis von Befragungsdaten und mikrogeographischen Variablen werden „Nachhaltigkeits- und Öko-Bereitschaft-“ Segmente ermittelt. Über eine Clusteranalyse werden fünf unterschiedliche Nachhaltigkeitstypen erkannt, die sich mikrogeographisch, soziodemographisch und hinsichtlich ihrer Bedürfnisse unterscheiden. 43% aller Befragten ist Nachhaltigkeit besonders wichtig. Diese Gruppe lässt sich wiederum in zwei etwa gleich große Gruppen unterteilen, die sich deutlich unterscheiden: Typ 1 sind vorwiegend verheiratete Paare, die Landgemeinden und kleinere Mittelstädte bevorzugen, dort im Einfamilienhaus mit Solaranlage leben und durchschnittlich 51 Jahre alt sind. Typ 2 ist eher Single mit mittlerem Einkommen, lebt lieber in der Großstadt in einem Mehrparteienhaus (meist Altbau) und ist zwischen 18 und 49 Jahre alt. Es wurden aber auch Typen identifiziert, bei denen die Nachhaltigkeit eine untergeordnete Rolle spielt. Der Vortrag erläutert den Prozess von der Befragung über die Anreicherung und die Segmententwicklung bis hin zur Diskriminanzanalyse und die Übertragung der Segmente auf alle Adressen.

 

 

Blogbeitrag: „Zwei neue Zielgruppen für Nachhaltigkeit“

Vortrag „Nachhaltigkeits-Typen“

Die richtige Standortbewertung für den Einzelhandel

Der Einzelhandel steht seit einigen Jahren vor großen Herausforderungen. Sinkende Umsätze aufgrund verschiedener Faktoren wie Digitalisierung, veränderte Konsumgewohnheiten und wirtschaftliche…

Seien Sie dabei: Data Science Meetup Düsseldorf

Data Science, Machine Learning und Künstliche Intelligenz revolutionieren unsere Welt. Von der Medizin bis zum Einzelhandel – Daten sind der…

CASA LOCEL: Wo wohnt welcher Wählertyp?

Mit CASA LOCEL entwickelt infas 360 die Wahldaten aus dem ifo Local Election Lab nun deutlich weiter. Auf Basis von…

Send this to a friend