Know How

Analyse sozialer Bindungen - Über Netzwerkdaten zu mehr Kundenwissen

07.10.2010

Durch Web-Communities wie Facebook oder Xing sind (virtuelle) soziale Netzwerke in aller Munde. Die Methoden zur Analyse der Netzwerkdaten, die seit den 1950er Jahren entwickelt worden waren, werden immer ausgereifter. Wie können sich Unternehmen diese Entwicklungen zunutze machen, auch wenn sie keine großen Internet-Communities unterhalten?

Unternehmen betrachten ihre Kunden heute zumeist als Individuen, sei es im Privat- oder im Firmenkundengeschäft. Der einzelne Kunde wird isoliert gesehen, während seine Interaktionen und Kommunikation mit anderen Kunden weder im Marketing noch in der Kundenbetreuung oder im Risikomanagement berücksichtigt werden.

In den Kundenbeständen größerer Unternehmen sind jedoch Netzwerke vorhanden. Kunden kennen sich, sind verwandt oder befreundet und kommunizieren miteinander. Sie sprechen auch über die Erfahrungen, die sie als Kunden mit dem Unternehmen machen, über Werbung, die sie erhalten, über neue Produkte und Angebote. Diese Netzwerke gilt es zu identifizieren und zu nutzen.

Kunden als Multiplikatoren

Die Kenntnis von Netzwerken innerhalb des Privatkundenbestandes kann vor allem im Marketing, aber auch in anderen Bereichen des Unternehmens genutzt werden. Manche Kunden sind für das Unternehmen wichtiger als andere Kunden, und zwar nicht (nur), weil sie besonders viel zum Umsatz beitragen, sondern wegen ihrer sozialen Kontakte.

Einem guten Bekannten oder Freund glaubt man im Normalfall eher als einem, selbst bei noch so persönlich gestalteter Werbung, anonym bleibenden Unternehmen. Informationen, die durch das Netzwerk weitergegeben werden, bleiben dem Informationsempfänger außerdem oft besser und länger im Gedächtnis, als dies z.B. bei einem Brief des Unternehmens der Fall wäre (falls der Brief überhaupt gelesen wird).

Wie man Multiplikatoren geschickt für das eigene Unternehmen einsetzt, zeigt ein bekanntes Beispiel: Das Unternehmen Tupperware baut seinen Vertrieb fast ausschließlich auf Multiplikatoren auf. Kunden laden Freunde und Bekannte zu "Tupperparties" zu sich nach Hause ein. Dort werden von einem Tupperware-Mitarbeiter neue und bewährte Produkte vorgestellt, die direkt vor Ort bestellt werden können. Der Ausrichter der Party (der "Multiplikator") erhält - abhängig vom Gesamtumsatz der Party - einen Warengutschein von Tupperware. Der Gastgeber bekommt eine zusätzliche Prämie für jeden Gast, der seinerseits eine Party ausrichtet. Durch dieses Anreizsystem werden systematisch über die Netzwerke zufriedener Kunden neue Kunden gewonnen.

Beitrag zum Kundenwert

Für den Kundenwert und seine Bestimmung spielt das Netzwerk der Kunden ebenfalls eine wichtige Rolle. Bei der Bestimmung des Kundenwertes kann man grob unterscheiden zwischen direkten Beiträgen aus der unmittelbaren Geschäftsbeziehung des Kunden mit dem Unternehmen und indirekten Beiträgen, die sich nicht direkt als Deckungsbeitrag beziffern lassen, jedoch auf mittelbare Weise Wert für das Unternehmen schaffen.

Unternehmen beschränken sich heute oft auf die Erfassung der direkten Beiträge, da indirekte Beiträge schwierig zu quantifizieren scheinen. Der wesentliche Teil des indirekten Kundenwertes, das Weiterempfehlungspotenzial eines Kunden, lässt sich jedoch mit Methoden der Netzwerkanalyse sehr gut beziffern. Dadurch kann der Kundenwert - die zentrale Steuerungsgröße des CRM - genauer bestimmt werden. Dessen umfassende und stimmige Berechnung ist von essenzieller Bedeutung, um die Kundenbeziehungen eines Unternehmens effizient lenken und gestalten zu können. Nur so kann eine sinnvolle Allokation der kundenbezogenen Marketingausgaben sichergestellt werden. Fehleinschätzungen des Kundenwertes können die Marketing-Effizienz erheblich reduzieren.

Risikosteuerung

Soziale Verbindungen und insbesondere Familienverbünde sind geeignet, die Risikosteuerung in einem Unternehmen zu verfeinern.

Offensichtlich ist, dass Dubletten im Privatkundenbestand, also mehrere Kundenbeziehungen, hinter denen eine einzige Person steht, besonders aus Risikogesichtspunkten zusammengefasst und im ganzen gesehen werden müssen. Das Unternehmen sollte immer das gesamte Kreditengagement einer Person betrachten. Dieses Konzept des Gesamtengagements lässt sich erweitern auf Familienverbünde. Da Familien oft eine wirtschaftliche Einheit bilden, muss das Kreditengagement bzw. das daraus resultierende Risiko im Gesamten betrachtet werden.

Familiäre oder andere Verbindungen können sowohl negative wie auch positive Einflüsse auf die erwartete Bonität eines Kunden haben. Wenn für einen Kunden in der Vergangenheit schon ein Mahnverfahren oder sogar ein Zahlungsausfall zu verzeichnen war, so wird eine Bank zögern, einem Familienangehörigen Kredit einzuräumen – sofern die Familienzugehörigkeit erkannt wird. Auf der anderen Seite kann sich eine gute Kredithistorie auch positiv auf Kreditentscheidungen von Familienangehörigen auswirken. Bei größeren Krediten würde man dies zwar mittels einer Bürgschaft vertraglich absichern, bei Kleinkrediten jedoch wäre die Berücksichtigung der Kredithistorie im Netzwerk des Kunden sicherlich eine kostengünstige Alternative.

Betrugserkennung und -bekämpfung

Das Problem krimineller Handlungen von Kunden, aber auch von Mitarbeitern und Geschäftspartnern wird gerade in wirtschaftlich schwierigen Zeiten immer bedeutender. Auch in diesem Bereich lassen sich über die Identifikation von Kundennetzwerken Risiken reduzieren.

Eine automatisierte, computergestützte Betrugserkennung ist für Unternehmen vor allem im Massengeschäft unabdingbar. Hier können Netzwerk-Analysen oft entscheidende Beiträge liefern.

Ausgehend von einem erkannten Betrugsfall kann man etwa das lokale Netzwerk des entlarvten Betrügers nach weiteren Auffälligkeiten durchsuchen. So wird der Suchraum erheblich eingeschränkt und die Chancen, bislang unentdeckte Fälle zu finden, steigen erheblich.

Neben der Untersuchung des Netzwerkes in einem konkreten Betrugsfall kann auch die Mustererkennung in Netzwerken ("Graph Mining") zu wertvollen Erkenntnissen führen. Im Gegensatz zum Data Mining werden hier nicht Muster im Verhalten von Kunden untersucht, sondern Muster in der Struktur des Netzwerkes bestimmter Kunden - nämlich der bekannten Betrüger.

Data Mining

In herkömmlichen Data-Mining-Modellen umfassen die erklärenden Merkmale demographische Informationen (z.B. Alter, Geschlecht) sowie Merkmale, die aus dem Geschäftsverhältnis mit dem Kunden abgeleitet werden (z.B. Entwicklung des Kontosaldos, Anzahl Kontotransaktionen, Anzahl Kundenkontakte, Produktnutzung).

Die Position eines Kunden in seinem Netzwerk ist ein Spiegel seines (Kommunikations-) Verhaltens. Kundenkennzahlen und -merkmale, die aus dem Netzwerk abgeleitet werden, können also Informationen enthalten, die in herkömmlichen Kundenmerkmalen nicht enthalten sind und deshalb ggfs. im Rahmen eines Data-Mining-Modells wertvolle Beiträge liefern.

Familien- und Hausverbünde

Um Informationen über Kundennetzwerke nutzen zu können, müssen diese Informationen zunächst datentechnisch erschlossen werden. In vielen Fällen liegen Daten über Kundenverbindungen schon vor oder können mit wenig Aufwand aus vorliegenden Daten abgeleitet werden.

Der denkbar engste soziale Kontakt ist derjenige mit den eigenen Haushalts- oder Familienangehörigen. In diesem Kreis ist die Kommunikationsdichte und das Vertrauen in die Richtigkeit der vermittelten Information im Allgemeinen sehr hoch. Gleichzeitig sind Familienangehörige auch finanziell und rechtlich eng verbunden, was insbesondere bei Potential- und Risikoanalysen eine große Rolle spielen kann.

Zur Ermittlung von Familienverbünden kann als einfachster Ansatz Dublettenerkennungs-Software eingesetzt werden. Dabei führt man eine Dublettenprüfung auf Basis des Nachnamens und der Adresse durch.

Viele Unternehmen haben - je nach Branche - weitere Möglichkeiten, Familienverbünde zu erkennen. Banken können bspw. über Minderjährigenkonten, Freistellungsaufträge, Gemeinschaftskonten oder gemeinsam für die Wertpapierabrechnung genutzte Referenzkonten auf familiäre Verbindungen schließen.

Eine Dublettenprüfung auf Hausebene erkennt Personen, die im selben Haus wohnen. Dieses Vorgehen hat jedoch den Nachteil, dass u.U. Personen zusammengefasst werden, die sich gar nicht kennen, z.B. in großen Mehrfamilienhäusern. Als Mischform zwischen Familien- und Hausverbund bietet sich deshalb an, die Dublettenprüfung auf Hausebene nur für Häuser mit wenigen Wohnungen durchzuführen und nur bei größeren Mehrfamilienhäusern auf Familienverbünde zu prüfen.

Freunde und Bekannte

Viele Unternehmen setzen zur Neukundengewinnung Empfehlungsprogramme ein. Der im Rahmen eines solchen Programms geworbene Kunde und der werbende Kunde kennen sich offensichtlich. Hier ergibt sich ein neuer Aspekt, der in den bisher behandelten Beziehungsarten nicht vorhanden war: die Beziehung ist nicht symmetrisch. Der Werber hat Einfluss auf den Geworbenen, der Geworbene vertraut der Empfehlung des Werbers. Diese Asymmetrie lässt sich z.B. ausnutzen, indem der Werber gezielt als Multiplikator eingesetzt wird.

Unternehmenseigene Internet-Communities lassen sich ebenfalls als Informationsquelle für Kunden-Beziehungen nutzen. Beispielsweise betreiben große Online-Banken und Medienhäuser vielbesuchte Finanzseiten wie www.comdirect.de oder www.wallstreet-online.de, die auch eine Community bzw. Foren enthalten. Dort tauschen sich die Nutzer über Finanzthemen aus. Viele der Nutzer sind auch Kunden der entsprechenden Banken.

Datenschutz beachten

Wie bei jeder Form der Kundendatenverarbeitung spielt das Thema Datenschutz auch hier eine Rolle. Die datenschutzrechtliche Zulässigkeit sollte immer vor Nutzung des identifizierten Netzwerks geprüft werden. In jedem Fall sollte das Thema mit dem Datenschutzbeauftragten des Unternehmens besprochen und die grundsätzliche Nutzung der Daten sowie die geplanten Analysen von diesem freigegeben werden.

Fazit

Die Kenntnis sozialer Beziehungen gibt Unternehmen die Möglichkeit, mehr über ihre Kunden zu erfahren. Dieses zusätzliche Wissen kann in Marketing und CRM wichtige, bisher noch nicht bekannte Informationen liefern. Im Risikomanagement und bei der Betrugsbekämpfung wird die Berücksichtigung von Beziehungsdaten im Privat- sowie auch im Firmenkundengeschäft bald unumgänglich sein.

Für die Ermittlung sozialer Beziehungen gibt es zahlreiche Datenquellen. Ein generell einsetzbares Verfahren ist die Dublettenprüfung auf Haushalts- und Hausebene. Weitere Datenquellen sind oft schon im Unternehmen vorhanden und müssen nur noch erschlossen werden.

Die Entwicklung leistungsfähiger Tools für die Analyse sozialer Netzwerke schreitet schnell voran. Ausgehend von Web2.0-Anwendungen und der Telekommunikationswirtschaft hat sich eine neue Analyserichtung entwickelt, der sich moderne Unternehmen unterschiedlichster Branchen in Zukunft nicht verschließen dürfen. Trotz einiger Schwierigkeiten bei der Umsetzung des Konzepts – beispielsweise müssen Datenschutzaspekte im Einzelfall intensiv geprüft werden – wird sich die Nutzung vorhandener Kunden-Netzwerke in vielen Fällen auszahlen.