Richtungsweiser in drei Richtungen

Die Verhaltensökonomie spielt bei der Gestaltung einer Kundenstrategie eine nicht unbedeutende Rolle. Im Sammelband „CRM goes Digital“ erläutert Herbert Bucheli die Zusammenhänge und für seinen Gastbeitrag im Blog gibt er eine kurze Übersicht.

Was versteht man unter Verhaltensökonomie?

Verhaltensökonomie, oder auch „Behavioral Economics“ beschreibt ein Forschungsgebiet, das das Entscheidungsverhalten von Menschen und dessen Auswirkungen untersucht. Dabei wird die klassische Ökonomie, in der rationale Entscheidungen die Norm sind, durch in der realen Welt beobachtbares, teilweise als irrational erscheinendes Entscheidungsverhalten erweitert.

Einen Vorteil kann die Berücksichtigung der Verhaltensökonomie genau dort bringen, wo das Kundenverhalten im Customer Relationship Management einfließt, um Kundenreisen zu gestalten. Dort, wo irrationale Verhaltens-„Anomalien“ auftreten, die Kunden also nicht das tun, was die klassische Ökonomie ihnen vorschreibt, kann die Verhaltensökonomie erklären und entsprechende Handlungshinweise bieten.

Wie zeigt sich Verhaltensökonomie im Kundenalltag?

Dass ein Kunde nicht immer rein rational Entscheidungen fällt, ist natürlich keine Neuigkeit, dennoch ist es hilfreich, sich darüber im Klaren zu sein, wie und warum Entscheidungen gefällt werden, welche Variablen Einfluss haben und wann irrationale Entscheidungen Vorrang gegenüber rationalen Faktoren haben.

Eine selbst für Unternehmen oft nicht greifbare Tatsache ist die, dass der Mensch nicht nur irrational handeln kann, sondern sogar gegen seine Interessen. Das Empfinden bzw. die Wahrnehmung können dabei eine übergeordnete Rolle spielen und so eigentliche Vorteile negativ einfärben. Dabei spielen die individuellen Erlebnisse eines Kunden eine große Rolle. Ehemalige Erlebnisse können positiv oder negativ auf eine Entscheidung einfließen und so rationale Entscheidungsgrundlagen verzerren.

Ein paar Beispiele:

Reference Dependence

Kunden bewerten Angebote nicht auf einer absoluten Skala, sondern als Gewinn oder Verlust zu dem, was sie entweder bereits haben oder erwarten. Ein gutes Produkt wird über die Zeit hinweg also nicht ewig als „gut“ empfunden, da die Funktionsfähigkeit irgendwann zur Norm wird.

Unternehmen müssen also Wege finden, immer mal wieder „Highlights“ zu setzen und entweder das Produkt zu optimieren oder Produkteigenheiten auf eine neue Art und Weise hervorzuheben.

Framing

Eine Information kann negativ oder positiv wahrgenommen werden, je nachdem, wie sie präsentiert (geframed) wird. So kann es unterschiedliche Entscheidungsverhalten geben, wenn ein Produkt als Zugewinn oder als Verlustvermeidung positioniert wird.

Loss Aversion

Apropos Verlustvermeidung: Kunden empfinden einen Verlust schmerzlicher als einen Gewinn. Wird ein Service oder Produkt also teurer, so muss das Unternehmen sehr smart kommunizieren, um die Preisveränderung nicht als Verlust bei dem Kunden zu platzieren.

Verhaltensökonomie trifft auf Predictive Analytics

Predictive Analytics kann tatsächlich in Kombination mit Verhaltensökonomie eingesetzt werden, um Kundenverhalten zu prognostizieren.

Einige Einsatzmöglichkeiten:

  • Prognose von Kündigungsvorhaben oder Absprüngen
  • Vorhersagen über potenzielle Betrugsversuche
  • Identifikation von Cross-/ Up-Selling-Möglichkeiten

Dabei spielen u.a. folgende Methoden eine wachsende Rolle:

Predictive Modeling bzw. Predictive Analytics

… ist ein Anwendungsgebiet von Machine Learning-Algorithmen und Methoden der klassischen Statistik zur Vorhersage von spezifischen Ereignissen. Dabei werden Vorhersagen ermittelt, indem historische Kundendaten systematisch nach Mustern untersucht und basierend darauf, Prognosen eines z.B. Verhaltens ähnlicher Kunden erstellt werden.

Prescriptive Modeling

… ist derweil ein weiterführender Schritt, da nicht nur Prognosen ermittelt werden, sondern sogar konkrete Handlungsempfehlungen, die mit unterschiedlichen, wahrscheinlichen Erfolgsraten helfen können, die nächsten Schritte zu planen.

Mit diesen Verfahren können aus historischen Kundendaten Prognosen für ähnliche Kundenprofile entwickelt werden. Dadurch gelingt beispielsweise eine Kundensegmentierung nach Verhalten oder das frühzeitige Erkennen potenzieller Risikogruppen. Auch können Kunden basierend auf ihrem eigenen Verhalten segmentiert werden. Je nach ihrem weiteren Verhalten können sie auch wieder aus der Segmentgruppe herausfallen, wenn sich beispielsweise ihr Verhalten ändert.

Unternehmen können außerdem die gewonnenen Erkenntnisse nutzen, um die Kundenreise so zu gestalten, dass auch „irrationale“ Entscheidungen unterstützt werden. Oft reichen schon kleine Änderungen in der Formulierung von Botschaften, Angeboten oder Handlungshinweisen, um beispielsweise eine Verlustvermeidung zu suggerieren.

Auch Gamification kann eingesetzt werden, um eher unerfreuliche Prozesse zu vereinfachen und positiv zu gestalten (z.B. das Ausfüllen von Formularen oder die Bedienung im Self Service-Bereich).


Wie diese Möglichkeiten noch gesteigert und genutzt werden können, um konkrete Verhaltenstreiber bei den Kunden zu identifizieren und daraus Handlungsfelder für Marketing und Co zu entwickeln, erfahren Sie in meinem Kapitel „Behavioral Economics und CRM – Verbesserte Vorhersage von Kundenverhalten“ im Sammelband „CRM goes Digital“.

New call-to-action


Zum Autoren:

Icon PersonHerbert Bucheli ist Head Business Analytics Services bei VISECA Card Services SA (Aduno Group). Er beschäftigt sich seit mehr als 20 Jahren mit statistischen Modellen, Machine Learning und KI.

Kontakt: LinkedIn

,