Datenmanagement bedeutet nicht nur das Sammeln und Kategorisieren von Kundendaten. Nach Erhalt der Daten durch den Kunden ist es wichtig zu wissen, welche Informationen relevant sind. Es gilt zu bedenken, in welche Bereiche man sie auflistet, wie Namensfelder in Bestandteile unterteilt werden und wie die Datenstruktur im Allgemeinen aussehen soll. In modernen CRM-Systemen ist es möglich, zusätzliche Informationsfelder in die eigene Datenbank einzufügen ohne die grundlegende Struktur zu beeinflussen. Bei älteren Systemen ist dies nicht mehr möglich, daher ist es wichtig so früh wie möglich zu wissen, wie sich der Aufbau der eigenen Kundendatenbank gestalten soll.
Welche Daten sollte man sammeln?
Der Wert Ihrer Kundendatenbank steckt nicht in den reinen Adressen, sondern im Wissen über die spezifischen Bedürfnisse. Mehr über die Kunden (sowie Interessenten usw.) zu erfahren, klingt daher zunächst einmal wie eine eindeutige Maxime. Doch die Daten-Sammelleidenschaft sollte nicht blind wüten: Speicherplatz ist zwar billig; aber die Erhebung und Pflege von Informationen kann eine ganze Menge Kosten verursachen.
Warum machen Sie das Ganze? Wozu brauchen Sie Zusatzinformationen? Wie bereits in Kapitel 3-0 erwähnt, grundsätzlich für drei Dinge: Selektion, Personalisierung und Analyse.
Taugt eine Zusatzinformation für keines dieser drei, dann brauchen Sie diese Info auch nicht zu pflegen. Punkt.
Selektion
Durch Selektion können Sie eine Marketing-Maßnahme auf einen Teil Ihrer Adressen beschränken. So sparen Sie entweder Geld – weil Sie weniger Mailings aussenden oder weniger Kunden anrufen – oder Sie teilen Ihre Maßnahme in verschiedene Teilmengen-Zielgruppen auf, die unterschiedliche Bedürfnisse haben und daher mit unterschiedlichen Argumenten angegangen werden sollten und erhöhen so die Erfolgsquote. Um selektieren zu können, brauchen Sie Selektionsmerkmale, die als Zusatzinformationen zum jeweiligen Datensatz gespeichert werden. Diese Selektionsmerkmale sind umso besser, je besser sie solche Unterteilungen ermöglichen. Taugt eine Zusatzinfo nicht, um Unterteilungen in Ihren Mailings oder Ihren sonstigen Marketing-Maßnahmen vorzunehmen, dann ist sie bei Ihnen auch nicht nützlich für die Selektion.
Personalisierung
Fügen Sie Informationen über den Kunden in das Mailing ein, und er fühlt sich individueller behandelt.
a) „Sehr geehrte Damen und Herren,“
b) „Sehr geehrter Herr Dr. Maier,“
Was ist der Unterschied zwischen diesen beiden Zeilen? Antwort: Die untere bringt im Durchschnitt 15% mehr Rücklaufquote! Dabei kostet Sie beides gleich viel Porto, und Ihr Prospekt wird auch nicht teurer. Allerdings müssen Sie in Ihren Adressen zwei Zusatzinformationen haben: Den Nachnamen und das Geschlecht des Ansprechpartners.
Um einen Brief individuell zu machen, kann man indes nicht nur die persönliche Anrede verwenden. Ein Bezug auf den Wohnort ist ebenso einfach möglich, und – im richtigen Zusammenhang – eventuell sogar mehr wert als die Anrede. Mein persönliches prozentual erfolgreichstes Mailing an Kaltadressen enthielt eine 4-fach-Personalisierung, unter anderem mit folgender Formulierung: ‚… damit wir Kunden aus [Ort] und Umgebung gezielt an Sie verweisen können: „[Firmenname] hat immer alles am Lager“.‘ Das Mailing hatte zum Ziel, neue Händler zu gewinnen – und war 9 Mal erfolgreicher als der erste Versuch (nicht-personalisiertes Mailing mit ähnlichem Nutzenversprechen).
Die Variation des Angebots je nach speziellen Merkmalen des Kunden zähle ich nicht direkt in die Personalisierung, sondern bezeichne sie als Individualisierung. Die Abgrenzung sehe ich da, wo tatsächlich ein höherer Informationswert für den Kunden entsteht. Beispiel: Im Anschreiben des Versandhändlers werden Sie auf Produkte hingewiesen, die gut zu bereits von Ihnen gekauften Produkten passen.
Analyse
Soweit Analysen Stammdaten einbeziehen, handelt es sich oft um die gleichen Informationen, die auch für die Selektion genutzt werden. Es kann aber sein, dass man für die Analysen Informationen hinzuzieht, die bisher nicht für Selektionen genutzt wurden, um damit die Relevanz dieser Informationen für zukünftige Selektionen zu prüfen. Für viele Analysen werden auch Bewegungsdaten hinzugezogen. Diese sind aber nicht Gegenstand dieses Kapitels.
Manchmal erzeugen Analysen zusätzliche Datenfelder, die anschließend für die Selektion genutzt werden können, z.B. einen Punktwert für „Werbe-Sensibilität“.
So ermitteln Sie, welche Zusatzinfos Sie brauchen
Überlegen Sie, was für Sie speziell noch nützlich sein könnte. Wenn Ihnen nicht spontan etwas einfällt, kommen Sie vielleicht mit folgenden Fragen auf die richtige Fährte:
– Was haben Ihre Kunden gemeinsam, was andere Menschen/Unternehmen nicht haben?
– Wie unterscheiden sich Ihre Kunden untereinander in den unter 1) genannten Punkten?
– Welche Anlässe lösen bei Ihren Kunden den Kauf aus?
Schreiben Sie zunächst alles auf, was Ihnen bei diesen drei Fragen einfällt. Wählen Sie anschließend aus:
– woher bekomme ich diese Information?
– was kostet es, die Information zu beschaffen?
– ist das Kriterium objektiv messbar oder nur subjektiv zu beurteilen?
– und schließlich: Nützt es bei der Personalisierung? Welche Selektion/Segmentierung kann ich mit dieser Information betreiben und wie wichtig kann diese sein?
Spätere Datenergänzung
Sammeln Sie nicht bloß deshalb Daten, weil Sie sie „vielleicht eines Tages später einmal eventuell“ gebrauchen könnten. Das kostet Aufwand, und die Daten veralten. Falls Sie später feststellen, dass Ihnen bestimmte Zusatzinformationen über Ihre Kunden/Interessenten fehlen, so können Sie vieles heute aus Fremdquellen anreichern lassen.
Wichtig ist aber, dass Ihre Kundendatenbank-Software flexibel genug ist, um später zusätzliche Informationen aufzunehmen; und, falls Pflege durch Ihre Mitarbeiter sinnvoll ist, auch die Bildschirmmaske entsprechend angepasst werden kann.
Wie fein sollte man das Namensfeld unterteilen?
Der Name einer Person kann aus mehreren Vor- und Nachnamen, akademischen Graden, Adelsprädikaten usw. bestehen. Bei der Konzeption der Struktur einer Adressdatenbank stellt sich dabei oft die Frage: Wie fein sollte man separieren? Ist es besser, Elemente zusammenzufassen, oder sollte man wirklich für alles, was vorkommen kann, ein eigenes Feld in der Eingabemaske und im Datensatz vorsehen?
Die Puristen unter Ihnen werden sagen: Alles von Anfang an ordentlich trennen. Doch wenn man wirklich alles ganz korrekt separiert, kommen nach meinen Erfahrungen bis zu 13 Felder zusammen:
– Vorname(n)
– Nachname(n) (kann Doppelname sein wie „Leutheuser-Schnarrenberger“; oder mehrfache mit Leerzeichen getrennte Nachnamen bei Spaniern: „Carmen Sanchez Rodriguez“)
– Akademische Titel, Anrederelevant: Dr., Prof.
– Titel-Zusätze dazu: med., jur.
– Akademische Titel, nicht anrederelevant: Dipl-Ing., Dipl-Kffr.
– Titel-Zusätze dazu: (FH)
– Nachgestellte Akademische Titel: MBA, MA, PHD, BA, MSc
– Adelsprädikat: von
– Vorangestellte Adelstitel sowie kirchliche Würdentitel: Baron, Graf, Fürst,…, Bischof,…
– Nachgestellte anrederelevante Amtszusätze: MdB, MdL
– Sonstige eine Sonderanrede generierende Amtsbezeichnungen: Bundeskanzler, Bürgermeister
– Junior / Senior
Und nicht einmal wir bei Omikron können uns sicher sein, ob diese Liste vollständig ist.
So fein differenzierte Namensfelder zu pflegen ist dreierlei:
– Einerseits sehr teuer, da die Mitarbeiter ständig nachschlagen müssen, wo denn nun der „Dipl-Kfm“ einzutragen ist.
– Zum zweiten ziemlich fehleranfällig
– Und drittens nach meiner Meinung nicht nötig.
Wie löst man dieses Dilemma?
Ihr Endziel ist es ja nicht, eine möglichst fein untergliederte Datenbank zu haben; sondern eine, die auf Knopfdruck die passenden Auswertungen, Selektionen oder Serienbriefe ausspuckt. Also müssen Sie auf diese Ziele Rücksicht nehmen – und nur auf diese.
Was brauchen Sie wirklich?
Sie brauchen
Für Serienbriefe: eine Anschriftanrede („Herrn Dr. Friedrich Schulze“) und eine Begrüßungszeile („Sehr geehrter Herr Dr. Schulze“).
Für Auswertungen: das Geschlecht sowie ggf. alle akademischen und Adelstitel als Einzelmerkmale ODER jeweils den höchsten akademischen Grad und die höchste Adelsbezeichnung
Für Sortierte Listen: Die Möglichkeit, nach Nachnamen zu sortieren – das geht am einfachsten mit einem „Nachnamensfeld pur“. Wenn Sie weitere Feldinhalte mit aufnehmen, kann es Ihnen passieren wie ich es auf einem Kongress erlebt habe: Das Namensschild von Herrn Dr. XY wurde nicht gefunden – weil es unter D (wie „Dr.“) einsortiert war.
Zum Suchen: Damit auch das Suchen nach einzelnen Kunden klappt, braucht Ihre Kundendatenbank eine Suchfunktion, die nach Teilen des Feldinhalts suchen kann. Diese lassen Sie dann am besten in einem Feld suchen, das alle such-relevanten Namensbestandteile zusammengefasst enthält.
Mein persönlicher Vorschlag:
Lassen Sie den Mitarbeiter in der Datenerfassung auf einer relativ einfachen Maske erfassen. Vor- und Nachname zu trennen macht Sinn, da viele Namen beides sein können: Alle männlichen Vornamen sowie eine Handvoll weibliche können auch als Nachname dienen. Später lässt sich dann nicht mehr trennen, ob „Frank Walter“ oder „Walter Frank“ gemeint war.
Lassen Sie den Vornamen also in ein separates Feld erfassen. Mehrere Vornamen gehören gemeinsam in dieses Feld: Bei „Dr. Frank Michael Maier“ sollte also „Frank Michael“ beim Vornamen eingetragen werden.
Lassen Sie das Geschlecht als separates Feld erfassen. Lassen Sie außer männlich und weiblich zwei weitere Zustände zu: „Noch nicht erfasst“ und „unbekannt“. „Noch nicht erfasst“ ist die Voreinstellung; solange bei der Dateneingabe „noch nicht erfasst“ angewählt ist, sollte man die Erfassungsmaske nicht einfach verlassen können. Die „unbekannt“-Möglichkeit brauchen Sie, sonst wählen Ihre Mitarbeiter im Zweifel das falsche Geschlecht aus.
Am einfachsten ist es, wenn Ihre CRM-Software anhand von Vornamenslisten automatisch das Geschlecht erzeugt.
Lassen Sie alle Namenszusätze (Dr., von, usw.) beim Nachnamen erfassen.
Speichern Sie dieses Feld einerseits so, wie es erfasst wurde. In diesem Feld können Sie mittels „Like“-Abfrage im Zweifel alle Arten von Selektionen auf Titel usw. durchführen.
Erzeugen Sie anschließend per Software zwei weitere Datenfelder:
– Trennen Sie zunächst mittels Software den „reinen“ Nachnamen heraus, und speichern Sie ihn ab. Mit diesem Feld können Sie später sortierte Listen erzeugen.
– Lassen Sie die Software außerdem ein Feld mit der Begrüßungszeile automatisch erzeugen. Mit diesem Feld können Sie später Serienbriefe erzeugen. Außerdem kann man es editieren, wenn man z.B. bei einigen persönlich gut bekannten Kunden eine „Du“-Anrede braucht.
Das ist bei den meisten Namen sehr einfach, da dort nur ein Nachname steht: „Maier“ bleibt „Maier“. Auch häufige Titel können Sie leicht in Ihrer Software hinterlegen. Wenn sich Ihre Software nicht ganz sicher ist, präsentieren Sie in diesen seltenen Fällen die Begrüßungszeile dem Mitarbeiter auf den Bildschirm, der den Namen gerade eingegeben hat.
Mut zur Lücke
Zulassen unexakter/unvollständiger Eingaben
Datum
Gerade in Datumsfeldern wird fast immer eine Prüfung auf Plausibilität hinterlegt. Stimmt irgendetwas nicht, wird das Datum abgewiesen. Das führt dazu, dass bei der Erfassung hier plausible, aber erfundene Informationen eingegeben werden – insbesondere dann, wenn das Feld ein Pflichtfeld ist. Ich habe eine Kundendatenbank gesehen, in der 8% der Kunden das Geburtsdatum 1.1.1900 hatten!
Mein Vorschlag: Lassen Sie beim Geburtsdatum (oder allgemein bei Datums-Feldern) Eingaben wie „xx.xx.1967“ zu. Damit ist klar dargestellt, dass der genaue Tag unbekannt ist. Weil der Erfassungs-Mitarbeiter vom Ziffernblock auf die normale Tastatur wechseln muss, ist es auch nicht praktischer für ihn, er wird also nicht aus Faulheit „xx“ erfassen.
In der Datenbank braucht man für die Speicherung solcher Eingaben übrigens zwei Felder: Eines in dem die Eingabe als Klartext gespeichert wird, und eines, in dem sie in ein Datumsfeld umgerechnet wird, damit man mit diesem Feld Selektionen und Analysen durchführen kann.
Unvollständiger Branchencode
Sprechende Branchencodes wie NACE, WZ93 und SIC können auch teilweise erfasst werden. Es ist hilfreich, wenn Sie wenigstens die Grob-Branche wissen. Und besser als eine erfundene Feinbranche zu erfassen. Für Selektionen und Analysen wird meistens ohnehin gröber zusammengefasst.
