Kundenwertanalyse – Nicht jeder Kunde ist für Unternehmen profitabel
„Der Kunde ist König“, denn die Kundschaft ist bekanntlich das Lebenselixier eines jeden Unternehmens. Doch so manch ein König entpuppt sich schnell als armer Adelsmann, denn nicht jeder Kunde ist für ein Unternehmen gleichermaßen profitabel. Mit Hilfe von Kundenwertanalysen lassen sich leicht ertragreiche Kunden identifizieren und somit feststellen, ob es rentabel ist, an einer Geschäftsbeziehung mit einem Kunden festzuhalten und auch zukünftig in sie zu investieren.
Besonders im Versand- und im Online-Handel, bei der Optimierung des Dispositionsverhaltens und im Retourenmanagement eines Online-Händlers spielen Kundenwertanalysen eine große Rolle. Aber auch für die Werbeplanung ist die Bestimmung des Kundenwertes ein essentieller Faktor.
Determinanten des Kundenwerts
Die ökonomische Bedeutung eines Kunden für das Unternehmen beschränkt sich nicht nur auf den Umsatz, den er für das Unternehmen erwirtschaften kann, sondern ist in der Norm deutlich komplexer. So kann der Kunde beispielsweise mit seinem Weiterempfehlungsverhalten die Neukundengewinnung positiv beeinflussen und resultierend darauf den monetären Wert steigern oder als Informationslieferant den Innovationsprozess unterstützen. Kundenwertpotenziale lassen sich demzufolge in zwei Kategorien unterteilen.
Monetäre Kundenwertpotenziale, wie zum Beispiel:
- Erlöspotenzial: aktueller Beitrag eines Kunden oder einer Kundengruppe zum Unternehmenserfolg. Der Kundendeckungsbeitrag ist dabei eine gängige Kennzahl um diesen Erfolgsbeitrag zu messen.
- Cross- & Up-Selling-Potenzial: Cross-Selling bezeichnet den Verkauf von sich ergänzenden Produkten oder Dienstleistungen. Up-Selling hingegen bezeichnet im Verkauf das Bestreben des Händlers, dem Kunden höherwertige Produkte zu höheren Preisen während der Kundenbeziehung anzubieten. Durch Cross-Selling und Up-Selling Aktivitäten lässt sich folglich auch auch das Erlöspotenzial steigern.
Nicht-Monetäre-Kundenwertpotenziale, wie zum Beispiel:
- Weiterempfehlungspotenzial: Das Weiterempfehlungspotenzial eines Kunden oder einer Kundengruppe wird durch die Anzahl potenzieller weiterer Kunden bestimmt, die aufgrund seines Weiterempfehlungsverhaltens mit positiven, neutralen oder auch negativen Informationen über einen Händler, ein Produkt oder einer Dienstleistung beeinflusst werden können.
- Informationspotenzial: Das Informationspotenzial eines Kunden resultiert aus sämtlichen Informationen, die der Kunde dem Händler liefert und diesem von Nutzen sein kann. Die gängigste Methode für Unternehmen, um Informationen zu sammeln ist die der Kundenbefragung. Viele Unternehmen haben in den letzten Jahren Befragungen zum Thema Kundenzufriedenheit in ihr Konzept etabliert. Des weiteren hilft ein umfangreiches Beschwerdemanagement Informationspotenziale vollkommen auszuschöpfen und die daraus gewonnen Erkenntnisse für sich zu nutzen.
- Kooperationspotenzial: Das Kooperationspotenzial ergibt sich aus dem Ergebnis aus Synergien und Wertsteigerungen, die durch eine verstärkte Zusammenarbeit mit dem Kunden, in einem bestimmten Zeitraum, erzielt werden können. Dies betrifft insbesondere die Zusammenarbeit in den Bereichen Forschung und Entwicklung (der Kunde als Träger von Innovationen), Produktion, Logistik, Organisation und Marketing.
Gängige Verfahren zur Kundenwertermittlung sind:
1. ABC-Analyse
Kunden werden in drei Gruppen (A,B,C) eingeteilt. Es wird dabei häufig nach dem Pareto-Prinzip vorgegangen:
- 20% der Kunden erzielen 80 % des Umsatzes (A-Kunden= hohe Priorität)
- 30% der Kunden erzielen 15% des Umsatzes (B-Kunden= mittlere Kunden)
- 50% der Kunden erzielen 5% des Umsatzes (C-Kunden= geringe Priorität)
Die ABC-Analyse nur nach Umsatz zu unterteilen ist allerdings weniger aussagekräftig, da wichtige Elemente vernachlässigt werden. Aufschlussreicher ist die ABC-Analyse, wenn auch die Kundenrentabilität, gemessen am Kundendeckungsbeitrag, als Kennzahl hinzugezogen wird. Den Kundendeckungsbeitrag berechnet man in dem man alle Kosten (Herstellerkosten der Ware, Retourenkosten, Versandkosten usw.) die ein Kunde verursacht, von den Erlösen abzieht die der jeweilige Kunde erwirtschaftet.
Nachteilig ist, das die ABC-Analyse sich nur an dem Erlöspotential orientiert und andere wichtige Faktoren außer Acht lässt. Des weiteren ist diese Analyse retrospektiv (Rückblickend). Ein Kunde der in der Vergangenheit ein hohes Erlöspotenzial erzielt hat, muss nicht zwingend gegenwärtig an das vergangene Kaufverhalten anknüpfen.
2. Customer Lifetime Value
Der Customer Lifetime Value (CLV) ist der ganzheitliche Wert eines Kunden für ein bestimmtes Unternehmen über die gesamte Dauer der Geschäftsbeziehung. Im Gegensatz zu der ABC-Analyse, die sich auf den Wert eines Kunden in der Vergangenheit spezialisiert, beschäftigt sich der CLV mit dem gegenwärtigen Wert eines Kunden und auch dessen zukünftigen Entwicklung. Diese Betrachtungsweise eignet sich besonders für Kundengruppen, die aktuell zwar unprofitabel für ein Unternehmen sind aber künftig erhebliche Gewinne einbringen können. Studenten beispielsweise haben zu Beginn meistens einen niedrigen Wert für ein Unternehmen, weisen zukünftig allerdings meistens ein hohes Potenzial auf. (Bsp. Versicherungsbranche) Dementsprechend ist die Entwicklung eines Kunden entscheidend, ob in einen Kunden investiert werden sollte oder nicht.
Ermittlung des CLV:
Stark vereinfachte Berechnung: Beispiel fiktiver Online-Shop
Eine Modefirma XY rechnet damit, dass der Kunde M durchschnittlich im Jahr, Waren mit einem Deckungsbeitrag von 1000 Euro im Online-Shop kaufen wird. Die Dauer der Kundenbeziehung wird auf 3 Jahre geschätzt und der Diskontierungssatz beträgt 5%.
Die Werte in die obige Formel eingesetzt, ergibt folgenden potenziellen Kundenwert für Kunde M: 2954,64 Euro
Neben den quantitativen Größen, wie den Akquisitionskosten, den zuordnungsbaren Einzelkosten oder den Umsatz können auch qualitative Größen wie das Cross-& Up-Selling-Potenzial und das Weiterempfehlungspotenzial mit eingebunden werden. (Erweiterte CLV)
Problematisch bei diesem Verfahren ist zum einen die Unsicherheit bei der Vorhersage von der Dauer einer Kundenbeziehung und zum anderen Kunden oder Kundengruppen Ein- und Auszahlungsströme präzise zuzuordnen.
Dieses Modell ist demzufolge nur für Online-Shops zu empfehlen, die über einen guten Überblick ihrer transaktionsbezogenen Daten verfügen.
3. Scoring-Analyse
Möchte man den Kundenwert mehrdimensional ermitteln, muss man die monetären Kundenwertpotenziale mit den nicht-monetären Kundenwertpotenzialen kombinieren. Scoring-Analysen bieten da eine gute Methode. Hierbei erstellt man zunächst einen Kriterienkatalog aus den für das Unternehmen relevanten monetären und nicht-monetären Kriterien und hinterlegt eine Bewertungsskala. Man sollte möglichst voneinander unabhängige Kriterien wählen und die Anzahl auf maximal 10 beschränken. Für jedes Kriterium werden dem Kunden Punkte (z.B. 1-10) gegeben. Des weiteren wird jedem Kriterium ein Gewichtungsfaktor zugeordnet, welcher von den unterschiedlichen Prioritäten der Unternehmen und den Branchen variieren kann. Aus allen Faktoren ergibt sich schließlich ein Gesamtkundenwert für jeden Kunden, aus dem eine Rangordnung gebildet wird. Rang 1: Kunde ist am wertvollsten.
Beispiel Scoring Modell: fiktives Unternehmen
Problematisch bei diesem Modell ist, dass die Zusammenstellung des Kriterienkatalogs und die Bewertung durch ein hohes Maß an Subjektivität gekennzeichnet ist. Des weiteren ist die Methode recht aufwendig, da vorab viele Daten erfasst werden müssen, um diese dann bewerten zu können. Deshalb ist die Scoring-Analyse für Unternehmen mit einem großen Kundenstamm kaum durchführbar.
Auf die wesentlichen Kunden konzentrieren
Die Kundenwertanalyse ist ein essentielles Instrument des strategischen Marketings, das dem Händler wichtige Entscheidungshilfen gibt. Sowohl Maßnahmen zur Optimierung des Online-Shops, Vertriebskonzepte und Marketingmaßnahmen können hiermit effizient überprüft werden.
Voraussetzung von Kundenwertanalysen ist eine Datenbank, die alle relevanten Informationen speichert und historisiert. Je genauer die Informationen aus der Datenband sind, desto präziser sind die Ergebnisse.