Big Data Im Vertrieb
Mithilfe von ERP- und CRM-Verkaufsdaten und Big Data Analytics-Methoden kann Predictive Analytics beispielsweise den Vertriebsleitern helfen, bei bestehenden B2B-Kunden unentdeckte Verkaufschancen zu erkennen. Digitalisierung im B2B-Vertrieb: So nutzen Sie erfolgreich Sales-Technologien In diesem Whitepaper stellen wir die wichtigsten Sales-Technologien vor. Erfahren Sie anhand von Use Cases, wie Sie mit dem Einsatz von Big Data Analysen, Webcrawlern und Automation Tools Ihre Vertriebsprozesse effizienter gestalten und erkennen Sie die Potenziale für Ihre Vertriebsorganisation. 3 Data-Mining-Techniken für Predictive Analytics auf Basis von ERP- und CRM-Verkaufsdaten 1. Beispiel: B2B-Marktsegmentierung mit einer Clustering-Methode Eine erfolgreiche Marktsegmentierung ist wichtig, um die Produktpolitik und das Angebot einer Firma an die Bedürfnisse und Anforderungen des Marktes anzupassen. Eine Clustering-Methode gruppiert Kunden abhängig von ihrer Ähnlichkeit. In der Regel wird diese Segmentierung nicht mit einer bestimmten Motivation ausgeführt.
Big Data Vertrieb In De
Sie werden durch den Einsatz von Big Data Analysen nur erfolgreicher, wenn Sie im Anschluss konsequent die Erkenntnisse nutzen. Große Datenmengen sollten nach dem Closed-Loop Verfahren analysiert werden, um maximalen Nutzen zu generieren.! Eine ausführlichere Beschreibung dieses Praxisbeispiels inklusive ausformulierter Problemstellung, Hypothesen und Ergebnisse sowie weitere Einblicke in Digitalisierungsprojekte finden Sie im Whitepaper Digital Sales.
Big Data Vertrieb Folder
Die richtigen Bestandskunden für das Upselling analysieren Zu Beginn der Umsetzung wurde in einem gemeinsamen Workshop ein gemeinsames Verständnis über die Technologie und die konzeptuellen Ansätze geschaffen. So wurde festgelegt, dass die Big Data-Lösung im Rahmen einer Upselling-Kampagne eingesetzt werden sollte. Die Herausforderung beim Upselling lag darin, innerhalb einer Basis von ca. 800 Bestandskunden diejenigen hoch zu priorisieren und für den Vertrieb zu profilieren, die ein hohes Investitionspotenzial für eine neue Version eines Hardwareprodukts aufweisen. 3. 1 Auswahl und Anreicherung von Bestandsdaten Auswahl von Bestandskunden Zunächst erfolgte die gesicherte Bereitstellung von internen Identifikationsmerkmalen zu Bestandskunden. Diese Identifikationsmerkmale enthielten den Firmennamen und die postalische Adresse, die ursprünglich vom Vertrieb eingetragen wurden. Derartige Informationen lassen sich typischerweise direkt aus bestehenden CRM-Systemen exportieren. Da die Anwenderdaten aus einem CRM-System stammten und manuell eingetragen wurden, konnten veraltete Einträge aktualisiert und Duplikate bereinigt werden.
Big Data Im Vertrieb
Firmen können das Kaufverhalten ihrer Kunden (Customer Journey) äußerst präzise verfolgen und analysieren – und sie können diese "Reisen" vorhersagen. [bctt tweet="Das B2B-Vertriebsmanagement erlebt heute eine abrupte und schnelle digitale Transformation. "] Jedes Smartphone ist heute eine Millionen Mal leistungsfähiger als der Computer, der den Mann zum Mond brachte. Rechenleistung kombiniert mit künstlicher Intelligenz ermöglicht B2B-Unternehmen Wettbewerbsvorteile, Effizienzsteigerungen und die Entwicklung neuer Geschäftsmodelle. Unternehmen haben Schwierigkeiten, einen integrierten Ansatz für diese neue Realität zu entwickeln. Strategische Entscheidungen sollten gemeinsam betrachtet werden: Big Data, E-Commerce und Predictive Analytics. Lassen Sie uns jeden dieser Punkte genauer betrachten. Was ist Big Data und was bedeutet es für den B2B-Vertrieb? Ungefähr 90% der weltweiten Daten wurden in den letzten zwei Jahren produziert. Dieses exponentielle Datenwachstum – auch Big Data genannt – hat die Geschäftswelt erschüttert.
Welche Online-Shops besucht er und für welche Produkte interessiert und entscheidet er sich? Für welche Produkte könnte er sich zu welchem Zeitpunkt interessieren? Hier sind Fragestellungen denkbar, die fast alle Lebensbereiche einer Person betreffen. Am Ende geht es darum, dem Kunden zum richtigen Zeitpunkt im richten Kontext das ideale Angebot zu machen. Aktuelle Herausforderungen Unternehmen haben eine Vielzahl von Herausforderungen zu meistern, wenn sie in den Smart Data Bereich einsteigen wollen. Dies liegt zum einen darin begründet, dass viele Unternehmen es über Jahre hinweg nicht geschafft haben, strukturierte Daten zu sammeln. So ist das Thema CRM und Datenpflege in vielen Vertriebsabteilungen immer noch ein aktuelles Problem. Das Sammeln unstrukturierter Daten (z. über soziale Kanäle) und der Umgang mit diesen Daten ist umso komplizierter. Hierfür sind qualifiziertes Personal und geeignete Technik erforderlich. Aktuelle Analysesysteme sind meist retrospektiv. Sie werten Informationen aus der Vergangenheit aus.