Das Angebotsportfolio von B2B-Vermarktern ist in den letzten Jahren regelrecht explodiert. Der Trend hin zum full-service Kommunikationsdienstleister ist richtig. Er ist vom Kunden her gedacht – weg vom Produktverkauf, hin zum Lösungsverkauf.

Doch das bringt auch Herausforderungen mit sich. Verkäufer fühlen sich überfordert: zu viele Kunden, zu viele Produkte, zu viel Komplexität. Und das in einem hochdynamischen Markt, in dem sich Budgets massiv verschieben. Was die Sache noch schwieriger macht: die Budgets verschieben sich in Bereiche, in denen sie gar nicht mehr beobachtbar sind. Wenn früher ein Kunde von einer Tageszeitung zur Konkurrenz ins Anzeigenblatt wechselte, dann war das wenigstens noch beobachtbar. Heute wechseln Kunden zu Google, Facebook und Werbung auf Amazon. Da die Budgets nicht mehr beobachtbar sind, entschwinden Kunden gefühlt „ins Nichts“.

 

 

Was noch? Upselling und Crossselling-Potenziale werden nicht genutzt. Die Komplexität der Produkte lässt den Wald vor lauter Bäumen nicht mehr sehen. Potenzialkunden sind gefühlt gar nicht mehr da, hat man nicht eh schon jedes Unternehmen mal angesprochen?

Wie kann der gordische Knoten durchlagen werden? Mit Daten!

In mehreren Projekten haben wir erfolgreich Daten-getriebene Verkaufsorganisationen aufgebaut. Mit Daten, Algorithmen und einem großen Wandel der Organisation und des Mindsets. Ziel der Projekte: dem Verkäufer das Gefühl zu geben, einen persönlichen Assistenten in Form von Daten und Algorithmen zu haben. „Dieser Kunde hat länger als üblich nicht gebucht“, „Diesen Kunden hast Du schon länger nicht mehr kontaktiert“, „Bei diesem Angebot gibt es folgende Upselling Möglichkeit“, „Bei diesem Unternehmen gibt es seit letzter Woche einen neuen Geschäftsführer“, „Dies Unternehmen hat nächstes Jahr Jubiläum“, „Bei diesem Kunden hat sich das Buchungsverhalten geändert – Achtung Risiko“.

Wäre das nicht großartig? Ein persönlicher Assistent für jeden Verkäufer, der solche Hinweise gibt? Der sich den ganzen Tag durch Daten wühlt, analysiert, aufdeckt, macht und tut?

Klar, aus Kostengründen unmöglich. Aber: Algorithmen skalieren. Einmal entwickelt, arbeitet der Algorithmus für 1, 5, 10, 100 Verkäufer gleichzeitig. Genau das haben wir in Projekten aufgebaut.

Grundlage ist eine neue Denkweise und Datenarchitektur. Wir sehen das Zusammenspiel von Anzeigensystem, CRM-System und externen Datenquellen nicht als IT-Projekt sondern als Data-Projekt. Der Kern bildet eine Cloud-basierte Dateninfrastruktur (wir arbeiten bevorzugt mit Google Cloud Platform), in der wir flexibel Daten verarbeiten und analysieren können. Automatisierte Datenexporte aus den Kernsystemen – also Anzeigensystem und CRM-System – werden über Schnittstellen in das Cloud Data Warehouse regelmäßig automatisiert transferiert. Auf gleiche Weise werden externe Datenquellen vollautomatisiert verarbeitet, z.B. von Wettbewerbsbeobachtungs-Diensten und Unternehmensdaten-Brokern. Im Cloud Data Warehouse entsteht eine vollständige Sicht auf Unternehmen, Kunden und den Markt.

Warum ist das wichtig? Weil wir jetzt alle Flexibilität haben, diese Daten zu fusionieren, zu verarbeiten und zu analysieren. Hier
einige Beispiele:

Kritische Kunden

Kunden verliert man nicht. Sie sind nicht von heute auf morgen schlagartig weg. Man verliert sie schleichend, sie buchen mal etwas weniger häufig, etwas reduziertes Budget. Sobald dies durch den Verkäufer entdeckt ist, ist der Kunde schon lange verloren. Über KI-Modelle können wir das Buchungsverhalten jedes einzelnen Kunden analysieren. Der persönliche Assistent macht Verkäufer frühzeitig auf kritische Kunden aufmerksam – bevor sie verloren sind. Die Hinweise spielen wir in Dashboards und über Trigger ins CRM aus – direkt an den zuständigen Verkäufer. Die Mechanismen der Algorithmen haben wir hier detaillierter beschrieben.

Upselling Chancen

„Darf es noch eine Zimtschnecke zum Kaffee sein?“ McDonalds hat das Upselling perfektioniert und die Mitarbeiter zu Verkäufern gemacht. Sie sind auf spezielle Produktkombinationen geschult und bieten immer das Upselling an. Die Zimtschnecke zum Kaffee. Meinen Sie, jemand hat schonmal einfach nur eine Zimtschnecke so bestellt? Vermutlich ist diese Zahl überschaubar. Das Ankerprodukt ist der Kaffee. Welches Ankerprodukt haben Sie im Werbeverkauf? Und was sind die Upselling-Produkte? Haben ihre Verkäufer diese im Blick und bieten sie diese immer an? Algorithmen tun sich da deutlich einfacher. Sie können mögliche Upselling-Chancen auf Produktebene erkennen. Im einfachsten Fall sind diese durch Analysen identifiziert und fest hinterlegt. In fortgeschrittenen Fällen arbeiten KI-Modelle und bringen Spezifika des Kunden mit ins Spiel. Auch dies kann der „persönliche Assistent“.

Produktvorschläge

„Andere Kunden kauften auch“. Klingelt es da? Amazon hat 7 bis 10 verschiedene Vorschlagskategorien, so klar kann man das nicht abgrenzen. „Andere Kunden kauften auch“, „Inspiriert durch Ihre Käufer“, „Zu diesem Produkt gekaufte andere Artikel“, „Aktuell beliebt“. Amazon macht 1/3 seines Umsatzes über diese Produktvorschläge. Eigentlich denken wir ja, dass wir wissen was wir kaufen möchten und unbeeinflussbar sind. Das stimmt aber wohl nicht. So ist es im Verkauf und so ist es auch so, mindestens bei kleineren und mittleren Kunden. Hier kommt er wieder: der „persönliche Assistent“. Mit Algorithmen analysieren wir das frühere Buchungsverhalten der Kunden und berechnen Produktvorschläge. Für jeden Kunden die passenden Produkte. Für jedes Produkt die passenden Kunden. Wie viele Kunden und Aufträge haben Sie im System? Sagen wir, aus den letzten fünf Jahren? Ich vermute um die 10 bis 50 Tsd. Kunden und 100 Tsd. bis 300 Tsd. Aufträge. Hat sich schon einmal jemand händisch durchgewühlt und nach Korrelationen gesucht? Vermutlich nicht. Algorithmen können das. Ohne große Anstrengung, je mehr Daten, um so besser. Unser System berechnet Produktvorschläge und, gleiches Spiel, spielt diese über Dashboards und über das CRM-System and die relevanten Verkäufer.

Die Anwendungsfälle sind unbegrenzt – klingt klischeehaft, ist aber so. Grundlage ist ein Umdenken in der Dateninfrastruktur – Cloud Data Warehouse / Cloud Data Lake sind hier die Stichworte. Der Aufbau dauert kürzer als jedes IT-Projekt, sie werden erstaunt sein.
Wenn Sie mit uns ins Gespräch kommen möchten, freuen wir uns.


 

Autor: Rafael Weiß, Associate Partner SCHICKLER

E-Mail: r.weiß@schickler.de

 

 

 

Autor: Christoph Mayer, Geschäftsführer SCHICKLER

E-Mail: c.mayer@schickler.de