Der Geiger GmbH, einem deutschen Distributor von Werbeartikeln, gingen Streckengeschäft-Kunden verloren, ohne dass das Unternehmen es kommen sah. Gemeinsam mit Professorinnen, Professoren und Studierenden der Hochschule Düsseldorf verwandelte das Unternehmen transaktionale, demografische und Interaktionsdaten in ein Random-Forest-Modell, das jedem Konto monatlich einen Abwanderungsrisiko-Score zuweist.
Die Scores speisen ein Power-BI-Dashboard, das Vertriebsmitarbeiter nutzen, um zu entscheiden, wen sie zuerst anrufen. Das eingesetzte Modell identifiziert mehr als doppelt so viele künftige Abwanderer wie eine zufällige Zielauswahl, sodass Bindungsaufwand in Konten fließt, die tatsächlich abwandern würden.
Das Projekt begann als akademische Zusammenarbeit und wurde Teil des täglichen Vertriebsbetriebs – ein Beleg dafür, dass sich ein strukturiertes Analytics-Projekt auch in einem kleinen B2B-Unternehmen ohne großes Data-Team auszahlen kann.
Jedes Konto monatlich bewerten, damit Vertriebsmitarbeiter eingreifen, bevor ein Verlust eintritt
Abwanderungssignale verbergen sich in Transaktionshäufigkeit, Auftragsgröße und Kontaktmustern, die Vertriebsmitarbeiter nicht manuell verfolgen können.
Die monatliche automatisierte Bewertung macht Kundenbindung proaktiv statt reaktiv auf ein gekündigtes Konto.
Power BI bringt das Modell dorthin, wo Vertriebsmitarbeiter ohnehin arbeiten, und beseitigt die Akzeptanzhürde eines neuen Systems.
Eine Hochschulpartnerschaft lieferte Modellierungskompetenz, die das mittelständische Unternehmen intern nicht hätte einstellen können.
Im B2B-Mittelstand schlägt ein Modell, das in das bestehende Dashboard des Vertriebsteams eingebettet ist, ein eigenständiges Analytics-Projekt.
Das Modell ist fest in der täglichen Vertriebspraxis von Geiger verankert und wird weiter verfeinert. Der Fall wurde im INFORMS Journal on Applied Analytics veröffentlicht, und das Projekt der Hochschule Düsseldorf wurde zur Vorlage dafür, wie strukturierte Analytics-Projekte in B2B-Umgebungen des Mittelstands messbaren Wert schaffen.
DEN BELEGEN FOLGEN
Die Quellen
- Nicht warten, bis Kunden gehen – vom Forschungsprojekt zur KI-gestützten Vertriebssteuerung im Mittelstand Hochschule Düsseldorf · wiwi.hs-duesseldorf.de ·
- Geiger Uses Machine Learning to Reduce Customer Churn in the Promotional Products Industry INFORMS Journal on Applied Analytics · doi.org