Menü
ene't campus

Goldgrube Kundendaten: Predictive Analytics, Scoring und Segmentierung

Energiekunden verstehen, Verhalten prognostizieren und Erträge steigern

Schwerpunktthemen

  • Ziele, Grundlagen, Möglichkeiten und Beschränkungen
    • Typische Anwendungsfelder: Churn Prevention, Target Marketing, Preisanpassungen
    • Struktur von Prognosen: Den Zusammenhang zwischen Vergangenheit und Zukunft erkennen
    • Ziel: Kundenverhalten prognostizieren
    • Optimale Entscheidungsregeln
    • Erwartungen an Gütemaße/Trefferquoten
    • Kontinuierliche Verbesserung in der Kundeninteraktion
    • Wirtschaftliches Potential
    • Skalierbarkeit und Bedeutung von Fixkosten
  • Methodisches Vorgehen: Entscheidungen, Modelle, Kennzahlen, Daten
    • Ergebniswirkung: Kosten senken, Mengen ausweiten, Marge steigern
    • Modelle: CHAID, Logit, Survival Time, Data Augmentation, Neuronale Netze, Prognosegüte, Modellauswahl und Qualitätsprüfung
    • Kennzahlen: Zusammenhang von Marketingmaßnahmen, Scores, Kundenentscheidung, Bewertung der Informationen
    • Daten: Quellen, Eignung für Verhaltensprognose, typische energiewirtschaftliche Daten, Qualitätsprüfung und Aufbereitung
  • Organisatorisches Vorgehen: Empfehlungen aus der Praxis
    • Schnelle Erfolgserlebnisse
    • Aufbau des eigenen Knowhows und eigener Infrastruktur Einsatz von Partnern und Consultants

Ihr Nutzen

  • Sie erfahren, welches Potential im fokussierten Sammeln und Auswerten von Kundendaten liegt.
  • Sie erlernen, wie sich Marketing-Entscheidungen im Energievertrieb durch den Einsatz analytischer Methoden verbessern lassen und welches Vorgehen dafür nötig ist.
  • Sie lernen, den Output und die Qualität typischer Kundendatenanalysen zu beurteilen.
  • Sie verstehen, welche organisatorischen und individuellen Fähigkeiten notwendig sind, um analytische Methoden im Unternehmen zu etablieren und Hindernisse auf dem Weg dorthin zu überwinden.

Teilnehmerkreis

  • Geschäftsführer und Unternehmensentwickler, die den Einsatz von Predictive Analytics planen und sowohl die strategischen als auch die organisatorischen Implikationen im Blick haben.
  • Vertriebs- und Marketingleiter, die im Umgang mit dem Kunden effizienter arbeiten wollen.
  • Controller und Datenanalysten, die schon erste Erfahrungen mit derartigen Methoden gesammelt haben und im Unternehmen für den nächsten Schritt werben wollen.

Ihr Seminar

Kundenbedürfnisse zu verstehen und Verhalten zu prognostizieren ist einer der wichtigsten Wettbewerbsvorteile erfolgreicher Energielieferanten. Die Voraussetzung dafür ist der Einsatz von so genannten Predictive Analytics Methoden. In unserem Seminar erhalten Sie einen fundierten Überblick darüber.

Im Energievertrieb entsteht Wertschöpfung zum überwiegenden Teil aus der Interaktion mit Endkunden. Damit dabei tatsächlich Wert geschaffen wird – idealerweise mehr, als das Wettbewerber leisten können – ist  ein genauer Blick auf die Bedürfnisse der Endkunden nötig. Interaktionen sind das Kernthema von Predictive Analytics: Kauf- und Nutzungsverhalten verstehen, prognostizieren und Vertriebs- sowie Marketingentscheidungen auf Basis dieses elementaren Wissens treffen.

Predictive Analytics Methoden lassen sich entlang des gesamten Lebenszyklus eines Kunden zum Einsatz bringen. Das erhöht die Wirtschaftlichkeit der jeweiligen Prozesse: In der Neukundengewinnung steigen Response-Raten und sinken Streuverluste, weil die richtigen Kunden angesprochen werden. Kunden schließen auch eher ab, weil der Abschlussprozess auf Conversion optimiert ist. Zusätzlich steigt die Marge, weil die Zahlungsbereitschaft besser abgeschöpft wird. Und Kunden bleiben auch länger Kunde, weil in der Vertragslaufzeit Wechselursachen beseitigt werden und kündigungsgefährdete Kunden mit relevanten Angeboten zum Bleiben bewegt werden können. Zusammengefasst: Der Marketingaufwand sinkt, während der Umsatz pro Kunde steigt.

Der Zeitpunkt für den Einstieg in Predictive Analytics ist günstig, denn die Digitalisierung der Kundeninteraktion (Websites, Mobile, Vergleichsportale, Suchanfragen, Social Media, Smart Meter usw.) lässt immer mehr Daten entstehen. Fortschritte in der Verhaltensprognose und immer schnellere IT-Hardware machen diese Daten jetzt auch nutzbar. Im Energievertrieb wird deshalb bald möglich sein, was in anderen Branchen schon längst Standard ist: ein weitgehend automatisierter, hochwertiger Kundenumgang.

In unserem Seminar erhalten Sie im Austausch mit erfahrenen Experten einen fokussierten Überblick über Grundlagen, Möglichkeiten und Beschränkungen von Predictive Analytics im Energievertrieb. Sie lernen, wie sich Unternehmensentscheidungen mit Analytics-Methoden besser treffen lassen und welche organisatorischen Maßnahmen nötig sind, um Analytics im Unternehmen zu verankern.

Ihre Dozenten

Dr. Siegfried Numberger

Gründer und Geschäftsführer, Preisenergie GmbH

Dr. Siegfried Numberger ist Gründer und Geschäftsführer der Preisenergie GmbH, einem auf die Entwicklung von Pricing-Software für die Versorgungswirtschaft spezialisierten IT-Dienstleister. Er verfügt über rund 15-jährige tiefgreifende Erfahrungen, vor allem zu den Themenfeldern Pricing und Kundenbindung. Vor Gründung der Preisenergie hat Dr. Numberger bei einer führenden Managementberatung Unternehmen u. a. bei der Entwicklung von Marktstrategien und der Optimierung von Preisbildungs-, Kundenbindungs- sowie Vertriebsprozessen unterstützt. Er hat bereits zahlreiche Vorträge und Seminare in der Kommunalwirtschaft gehalten und ist darüber hinaus ein gefragter Autor im Themengebiet Pricing und Kundenbindung. 

Dr. Markus J. Rieder

Gründer und Geschäftsführer, mjr quantitative solutions gmbh

Dr. Markus J. Rieder ist selbständiger Berater für Datenanalyse und Risikomanagement. Er führt die Unternehmen mjr quantitative solutions gmbh (www.mjr.cc) und riskperform gmbh (www.riskperform.com). Davor war er für McKinsey&Company als Spezialist zum Thema Risikomanagement tätig. Über 15 Jahre sammelte Markus Rieder Erfahrung im Bereich Advanced Analytics und Data Science, insbesondere zu Fragestellungen im Rating, Forecasting, Controlling sowie Target Marketing. Markus Rieder ist promovierter Physiker und hält einen MBA in Finance.

Kontakt & Beratung

Alexander Linzen
André Küpper
Telefon:
02433 526010
E-Mail:
campus@enet.eu

Kontaktformular

Veranstaltungsort

relexa hotel Berlin

Anhalter Str. 8-9
10963 Berlin

Parkmöglichkeiten

Parkmöglichkeiten sind zum Preis von 14 € (ohne Übernachtung) bzw. 20 € (mit Übernachtung) pro Tag vorhanden.

Zimmerkontingent

Es stehen Ihnen Einzelzimmer zum Preis von 95 € inkl. Frühstück zur Verfügung.

ene't campus inhouse

Firmeninterne Durchführung von Seminaren und Weiterbildungen

Telefon:
02433 526010
E-Mail:
campus-inhouse@enet.eu

Weitere Informationen

Weitere Empfehlungen