Hart gesprochen funktioniert Produktselektion oftmals noch nach dem Zufallsprinzip wer gerade in die Filiale kommt oder alten soziodemographischen Mustern gemäß. Die bisherige Zielgruppenauswahl bringt oftmals nicht die gewünschten Antwortquoten. Nicht alle 30-35 Jährigen sind gerade in der Lebensphase, in der sie eine Immobilie erwerben möchten oder können.
In der Online-Welt genau dasselbe. Banner werden auf der Webseite der Bank eingeblendet, aber der für den Kunden wirklich interessante Bereich des Online-Bankings wird viel zu wenig für individuelle Ansprachen genutzt. Und die Responsequoten von Werbeansprachen belegen dies. Dabei könnten die Daten, die Banken vorliegen doch sehr viel intelligenter genutzt werden, um einen wirklichen Kunden-Produkt-Match zu erlangen. Der gewinnbringend für beide Seiten ist. Amazon macht es vor. Das „andere Kunden kauften auch“ – Prinzip ist im E-Commerce bereits Usus. Die Datenauswertung und das Ermitteln von auf den Kunden passenden Empfehlungen erfolgt durch sogenannte Recommendation Engines. Aber funktioniert dies auch für Finanzdienstleister?
Abgesehen von automatisierten, zielgerichteten Empfehlungen könnten aufgrund einer besseren Datenanalyse auch Beratungsgespräche besser vorbereitet und so die Produktabschlussquote aufgrund der besseren Kundenansprache und Passung erhöht werden. Die Möglichkeiten der intelligenten Datennutzung sind vielfältig: Von der Salesoptimierung für den Berater bis hin zu passenden Empfehlungen im Online-Banking.
In 30 Minuten zeigt Ihnen Elmar Sinnegger, der in der Portfoliosteuerung der ELAXY tätig ist, exemplarisch wie Datennutzung aussehen kann, was gute Kunden-Clusterungen ausmacht und wie Empfehlungen damit zusammenwirken.
