Die CRM Trends 2018 – von Kundenerlebnissen zwischen Qualität und Kosten!

Prof. Dr. Nils Hafner

Quelle: crm-finder.ch

Zum dreizehnten Mal formuliert Prof. Dr. Nils Hafner die CRM Trends des Jahres. Diese basieren wie in den Vorjahren auf ca. 50 Fachinterviews mit Experten wie Technologie-Consultants, Finanzanalysten, Praktikern und Peers an zwölf Hochschulen weltweit.

Die CRM Trends für das Jahr 2018 sind:

1. Profitable Hebel identifizieren – CX Management an der Schnittstelle zwischen NPS-, Kosten- und Qualitätsmanagement

So langsam setzt sich in diesem Jahr die Erkenntnis durch, dass es beim CX Management eigentlich nicht nur um die Wirkungskette der Service Profit Chain geht, die das komplette Universum an Customer Personas, Journeys und Touchpoints bespielt und fordert, das gesamte Unternehmen auf die Bedürfnisse des Kunden auszurichten, sondern vor allem darum, zunächst die grössten Hebel für eine punktuelle Verbesserung des Kundenerlebnisses zu identifizieren. Hier sind die Arbeiten meines Kollegen Stan Maklan von der Cranfield University hervorzuheben. Er hat untersucht, wie die Royal Bank of Scotland (RBS) unter grossem Kostendruck, ihre Customer Journey analysiert hat. Dabei zerlegt die RBS die Journey in die einzelnen Kundenentscheidungsschritte, identifiziert die Services, die RBS in diesem Schritt anbietet, analysiert die Relevanz dieser Services aus der Perspektive des Kunden, die für RBS entstehenden Kosten und die durch den Kunden wahrgenommene Qualität dieser Services. Das Zusammenbringen dieser drei Perspektiven lässt RBS beurteilen, wo die grössten Hebel in der Verbesserung des Kundenerlebnisses sind. Die Forderung Maklans „Think Atomistic – not Holistic“ wird sich 2018 durchsetzen, um CX Initiativen endlich profitabel zu machen.

2. Kontext als Schlüssel zu intelligenten Erlebnissen im Conversational UI.

Dabei stellt sich mehr und mehr heraus dass der Kontext des Kundenerlebnisses entscheidende Rolle für die Zahlungsbereitschaft und damit die profitable Verwendung von Daten spielt. Nehmen wir als Beispiel den Fall eines Händlers, der Kaffee in Kapseln in hoher Qualität im Rahmen eines Club-Modells an seine Kunden zu hohen Margen verkauft. Dieses Unternehmen kennt durch sein Business Modell den Kunden mit Namen und Adresse. Gleichzeitig hat es systematisch kontextbezogenen Daten gesammelt: beispielsweise, wie viele Kapseln welcher Kaffeesorte der Kunde gekauft hat, die Marke und den Typ und damit die durchschnittliche Lebensdauer der verwendeten Maschine und den Wasserhärtegrad am Wohnort des Kunden. Auch weiß das Unternehmen, wie häufig der Kunde seine Maschine entkalkt hat. All diese Faktoren ergeben ein Schätzmodell für den Ausfall der Maschine. Um die Ausfallkosten der entgangenen Umsatzmarge und das Risiko des Anbieterwechsels zu minimieren macht der Händler dem Kunden vor dem prognostizierten Ausfall nun ein vorteilhaftes Angebot. Der Kunde kann (bei Bestellung einer gewissen Menge Kaffee) eine neue (aus seiner Sicht weitere) Kaffeemaschine zu einem für ihn attraktiven Angebotspreis erwerben. Geht der Kunde auf das Angebot ein, ist die Verwendung von Kontextdaten hier für den Kaffeehändler erfolgreich gewesen. 2018 werden führende Unternehmen verstärkt in den Aufbau relevanter Kontextdaten investieren.

3. Machine Learning und KI führen zu relevanten Kampagnen.

Hat man einmal kontextbezogene Daten und Schätzmodelle für relevante Kundensituationen entwickelt, geht es jetzt darum, diese sukzessive zu verfeinern. Hier helfen die Methoden des „Machine Learning“ und der künstlichen Intelligenz (KI) weiter. Bei der Fülle von „scheinbar“ relevanten Kampagnen muss durch konsequentes Testing sicher gestellt werden, dass die Mittel jeweils auf die erfolgversprechendsten Aktivitäten ausgerichtet werden. Schaut man sich weltweit führende Unternehmen wie Capital One im Kreditkarten und Versicherungsumfeld in den Vereinigten Staaten und UK an, so testen diese pro Jahr mehr als 60.000 Kampagnen. Die schiere Anzahl an Tests und entsprechenden Erkenntnissen kann ohne die Unterstützung selbstlernender Algorithmen nicht mehr bewältigt werden. In diesem Zusammenhang werden auch im deutschsprachigen Europa zunehmend KI unterstützte Test und Learn Umgebungen im Kampagnenumfeld aufgebaut werden.

4. FCR und Cost to Serve werden zu neuen Masterkennzahlen im Kundenservice.

Seit einigen Jahren hat sich im Kundenservice die Erkenntnis durchgesetzt, dass sich „schlechter“ Kundenservice nicht rechnet. Kunden sind viel beharrlicher, wenn es darum geht, von einem Unternehmen eine verlässliche richtige Lösung zu bekommen als man denkt. So nehmen sie oft Wartezeiten in Kauf oder kontaktieren das Unternehmen wegen desselben Problems mehrfach über verschiedene Touchpoints. Um diese „unnötigen“ Kosten zu senken, benötigt das Unternehmen jedoch Steuerungssysteme, die auf die schnelle Lösung im ersten Anlauf (First Contact Resolution Rate) zu vertretbaren Gesamt-Kosten (Cost to Serve) abzielen. Auf der Basis dieser Informationen kann im Nachgang beispielsweise über eine sinnvolle Automation oder eine Kompetenzentwicklung bei einem persönlich bedienenden Mitarbeiter entschieden werden.

5. Aktuelle In- und Outsourcing-Entwicklungen verändert das moderne CRM.

Durch die oben beschriebenen Trends verändert sich der Anspruch und der Fokus eines Business Process Outsourcings im Kundenmanagement. Da Dialoge durch den Einsatz von Bots seltener aber anspruchsvoller werden, müssen die Mitarbeiter im Kundendialog in Marketing, Vertrieb und Service auf die Kundenhistorie und auf alle internen Schnittstellen im Unternehmen zugreifen können, um Kundenanfragen schnell und kompetent zu beantworten. Eine Integration von Outsourcing Partnern beispielsweise im Contact Center Bereich wird sich so nicht mehr profitabel und/oder qualitativ zufriedenstellend bewerkstelligen lassen. Insofern prognostizieren wir hier in den nächsten Jahren verstärktes Insourcing im Kundendialog. Gleichzeitig sieht man (auch an den Stellenanzeigen im Internet), dass zunehmend Fachleute im Bereich der „Customer Insights and Prediction“ gesucht werden. Diese Fähigkeiten sind rar, so dass gerade Mittelständler Schwierigkeiten haben werden, kompetente Analyseabteilungen aufzubauen. Hier sehen wir verstärkt spezialisierte Agenturen entstehen, die diese Tätigkeiten im Outsourcing übernehmen. Die Herausforderung dabei wird darin bestehen, Insights schnell vom Outsourcer zum beauftragenden Unternehmen zu bringen.