von Jan Griesel
Bestandskundenumsatz verdoppelt – nach nur einem Monat mit minubo! plentymarkets-Händler Anstoss24 vervielfacht seine Bestandskundenquote durch kundenspezifische Newsletter.
Ende des letzten Jahres haben wir in Kooperation mit unserem Partner minubo ein exklusives Beratungspaket rund um datengetriebene Entscheidungen durch eCommerce Best Practice Analysen verlost. Der glückliche Gewinner Anstoss24 – ein Onlineshop für Trainingsbedarf – durfte die eCommerce Intelligence Lösung minubo einen Monat lang kostenlos nutzen und Analysen an den eigenen Daten durchführen und wurde dabei vom minubo Team beraten und begleitet – mit einem phänomenalen Ergebnis!
Die Anstoss24 Erfolgsgeschichte
Das Problem, das es zu lösen gilt
Durch den zunehmenden Wettbewerb im eCommerce sind Bestandskunden fundamental für ein nachhaltiges Unternehmenswachstum. Zu niedrige Wiederkaufraten und Bestandskundenquoten sind ein bekanntes Problem – so auch bei Anstoss24. Die bisher einzige Maßnahme zur Kundenbindung ist ein allgemeiner Newsletter, der einmal im Monat an alle Kunden verschickt wird. Eine individuelle, bedarfsorientierte Kundenansprache hat bisher nicht stattgefunden.
Der Lösungsansatz
Da bisher noch keine individuellen Kundenbindungsmaßnahmen durchgeführt wurden, ist das Potenzial zur Erhöhung der betrachteten Kennzahlenwerte, z.B. durch segmentspezifische Newsletter, besonders hoch. Für die Erarbeitung solcher differenzierter Newsletter sollten, über die Betrachtung von Kundengruppen und ihrem bisherigen Kaufverhalten hinaus, auch Synergien im Sortiment (z.B. zwischen verschiedenen Produktkategorien) sowie die konkrete Performance einzelner Produkte berücksichtigt werden. Es werden drei Kernfragen definiert:
- Das Wiederkaufverhalten unterschiedlicher Kundengruppen verstehen und für künftige Reaktivierungsstrategien nutzbar machen: Bestehen Wechselwirkungen im Sortiment? Sind Erstkäufer von Kategorie A besonders affin für Kategorie B? Report 1
- Wiederkäufe profitabel gestalten: Welche konkreten Produkte kann ich bewerben? Wo sind nicht nur Absatz und Umsatz stark, sondern auch die Marge hoch? Report 2 und 3
- Die richtigen Kunden zum richtigen Zeitpunkt erwischen: Welche Kunden stehen an einem Punkt ihres Kaufzyklus’, an dem sie bereits wieder kaufbereit sind? Report 4
Die Analyse
Report 1: Wechselwirkungen zwischen Erstkauf-Kategorie und Folgekauf-Kategorie *
Analyseziel: Es sollen Synergien im Sortiment identifiziert und genutzt werden, um jedem Kunden eine für ihn besonders interessante Produktkategorie anzubieten.
Analyse: Zusammenhänge im Wiederverkaufsverhalten der Kunden können mithilfe einer Korrelationsmatrix identifiziert werden. Für welche Produktkategorie sind Erstkäufer welcher Kategorie bei einem Folgekauf besonders affin?
Ergebnis: Es werden 3 Muster im Wiederkaufsverhalten identifiziert.
- Kunden, die zunächst aus Kategorie A kaufen, kaufen anschließend vorrangig aus Kategorie D
- Kunden, die zunächst aus Kategorie B kaufen, kaufen anschließend meist wieder aus B
- Kunden, die zunächst aus Kategorie C kaufen, kaufen anschließend häufig aus Kategorie A
Basierend auf diesen Mustern können nun drei verschiedene Newsletter, mit Produkten jeweils aus Kategorien D, B oder A, konzipiert werden.
Report 2 und 3: Kategorie-Top-Produkte nach Umsatz, Absatz und Marge *
Analyseziel: Nachdem durch Report 1 die Kategorien ermittelt wurden, aus denen häufig wiedergekauft wird, sind nun die Produkte aus den einzelnen Kategorien zu identifizieren, die am profitabelsten gehandelt werden und somit zur Kunden-Reaktivierung in die Newslettern eingebunden werden können.
Analyse: Der Profitabilitätscluster-Report verteilt und gruppiert Produkte zunächst nach ABC-Segment (berechnet nach Absatz und Umsatz – y-Achse) und unterteilt diese dann zusätzlich in Profitabilitätsgruppen (x-Achse). Nacheinander auf jede der drei Produktkategorien gefiltert, unterteilt er die zugehörigen Produkte also in nach Absatz, Umsatz und Profitabilität berechnete Performance-Segmente. Mit einem Klick auf ein Segment erscheint ein Produktselektionsreport: Das identifizierte Top-Segment einer jeweiligen Kategorie kann somit näher betrachtet und bei Bedarf nach weiteren Kriterien gefiltert werden.
Ergebnis:
- 6 Produkte fallen ins Bestseller-Segment von Kategorie D (Newsletter 1)
- 5 Produkte fallen ins Bestseller-Segment von Kategorie B (Newsletter 2)
- 8 Produkte fallen ins Bestseller-Segment von Kategorie A (Newsletter 3)
Die passenden Produkte zur Bewerbung in jedem der drei Reaktivierungs-Newsletter sind identifiziert!
Report 4: Durchschnittliches Wiederkaufintervall pro Erstkauf-Kundengruppe *
Analyseziel: Für alle drei Newsletter sollen nun jeweils die Kunden identifiziert werden, die für die beworbenen Produktkategorien derzeitig als kaufbereit gelten.
Analyse: Eine Kohortenanalyse, nacheinander gefiltert auf Akquisitionsproduktkategorie A, B und D (s. Report 1), zeigt typische Wiederkaufzyklen: Nach welchem Zeitintervall ist die jeweilige Erstkäufergruppe besonders kaufaffin?
Ergebnis:
- Erstkäufer von Kategorie A sind im Schnitt 6 Monate nach ihrer ersten Bestellung am kaufaffinsten
- Erstkäufer von Kategorie B nach 12 Monaten
- Erstkäufer von Kategorie C nach 2 Monaten
Die richtigen Produkte zur Bewerbung in jedem der drei Reaktivierungs-Newsletter sind identifiziert!
Die Maßnahme
Es können nun, basierend auf den durchgeführten Analysen, drei segmentspezifische Kunden-Reaktivierungs-Newsletter gestaltet werden. Unter Verwendung eines Kundenselektions-Reports, gefiltert nach Akquisitionsproduktkategorie (s. Report 1) und Datum der Erstbestellung (s. Report 4), werden zuletzt die Kunden ausfindig gemacht, die alle Kriterien zum Erhalt eines Newsletters erfüllen. Mit nur einem weiteren Klick wird der Mailing-Verteiler direkt als CSV-Datei ausgespuckt.
Das Ergebnis
Bislang war der erste Monat des Jahres bei Anstoss24 der schlechteste – jetzt hat sich das Blatt gewendet:
Sie möchten Ihre Kundenbindung ebenfalls optimieren und die Zahlen in die Höhe treiben?
Testen Sie minubo 14 Tage kostenlos auf eigene Daten und überzeugen Sie sich selbst!
*Angezeigte Daten wurden anonymisiert