Folie 3 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Michael Müller, guten Tag, ich hätte gerne ein Doppelzimmer für
übernächstes Wochenende
Natürlich. Auguststraße 12 in Düsseldorf
Intro
Beispiel
Hotel Muster herzlich willkommen, was kann ich für Sie tun?
Sehr gerne Herr Müller, sagen Sie mir bitte kurz Ihre Adresse?
Herr Müller, ich reserviere gerne unsere Suite „Fürst“ für Sie. Und ich habe ein tolles Arrangement an diesem Wochenende mit Champagner, Spa-Anwendungen und Sternemenü inklusive. Darf ich das für Sie einbuchen?
Das klingt ja wie für mich gemacht. Prima. Vielen Dank.
ADRESSE: KUNDENTYP: A Gebäudetyp: Villa groß, eine Partei Einkommensklasse: 10/10 Exklusivität: Sehr hoch Altersklasse: 35-40 Jahre Wohnlage: Exklusiv, zentrumsnah Soziale Schicht: Sehr hoch Eigentumsquote: 95% Affinität Urlaub: Sehr hoch, international Nächste Wellness: 8,5 km Affinität Wellness: Sehr hoch Haushaltsstruktur: Paare, wenig Kinder
Auguststraße 12, 43221 Düsseldorf|
Folie 5 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Wer oder was ist CURTIS?
Basics
CURTIS beschreibt und sortiert jeden Konsumenten (B2C) und jede Firma (B2B) in Deutschland jeder beliebigen Kundensegmentierung zu.
CURTIS verwendet Kundensegmentierungen, die im Smart-Research-Verfahren erstellt und übertragen wurden.
CURTIS stellt diese Segmente für alle Adressen in Deutschland zur Verfügung.
CURTIS verwendet dazu eine Ad-hoc-Geocodierung und bietet auf Wunsch auch Zugriff auf die gesamte CASA-Datenwelt.
Folie 6 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Jedes Unternehmen kann so seine unternehmensspezifische Kundensegmentierung sofort mit CURTIS den jeweiligen Vertriebskanälen für Neukunden und Interessenten-Anfragen zur Verfügung stellen.
Zum jeweiligen Kundentyp/-segment kann so ad-hoc das passende Kommunikationsverfahren anwenden bzw. das optimal passende Produktangebot offeriert werden.
Wer oder was ist CURTIS?
Anwendungen
Folie 7 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Anfrageeingang per Post, Telefon, E-Mail, Website,
persönlichem Besuch, …
Identifikation und Zuordnung zum passenden
vordefinierten Segment
Adresseingabe und Realtime-Geocodierung
.
Wer oder was ist CURTIS?
Schematische Darstellung
Folie 8 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Datenbasis
infas 360 CASA Datenbank inkl. 700 mikrogeographischer Variablen
Kundendaten (Adressen, Kennziffern)
Kundenbefragungen
infas 360 CASA Monitor
Übertragung der Segmentierung
Kundeneigene
Kundeneigene, optimiert im Smart Research- Verfahren von infas 360
Komplett neu, im Smart Research- Verfahren von infas 360
Realtime-Geocodierung
infas 360 PAGS Geocoder
Adressvalidierung
Adresslokalisierung
Adressanreicherung mit Geoschlüssel
Option: „Frag CURTIS“
Cloud-Dienst
Inkl. Daten, Segmente, Realtime-Geocodierung
Adresseingabe per Text- feld o. interaktiver Karte
Ergebnis-Ausgabe in übersichtlicher Liste
Export/Druck möglich
Inhaltlich individualisierbar
Wer oder was ist CURTIS?
Bestandteile
Folie 9 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
CURTIS Die Customer Realtime Segmentation
Das Smart Research-Verfahren
Folie 10 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Das Smart Research-Verfahren
Erforderliche Schritte
?
TASK RESULT
!
Fragebogenentwicklung (Smart Research Verfahren) • Zu Themen wie Einstellung, Kaufverhalten, Soziodemographie • Gezielte Matching-Fragen zum späteren Targeting im CRM • Objektive Fragen zum validieren der subjektiven Antworten
Datenanreicherung (Smart Data Enrichement)
• Geokodierung und Validierung der Adressen • Datenanreicherung mit ca. 500 hausgenauen Variablen
Datenanalyse (Smart Analytics)
• Bildung der Kundensegmente und Kundenprofilierung
Datenübertragung (Smart Analytics) • Übertragung der Segmente ins CRM • Übertragung der Segmente auf jede Adresse bundesweit
Empfehlungen für das operative Management (Smart Operations)
• Realtime-Verifizierung der Kunden- bzw. Interessentenadressen • Steuerung der Anfragen (Empfang, Zentrale, Marketing, Vertrieb, Call-Center, usw.) • Ad hoc-Anreicherung der Interessenten inkl. Zusatzdaten
Folie 11 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
(nicht erforderlich, wenn Antworten in Sekundärdaten
bereits auffindbar)
Primary Data Phase
SMART DATABASE RESEARCH
SMART DESIGN
SMART SURVEY
SMART DATA ENRICHMENT
SMART ANALYTICS
SMART OPERATIONS
?
TASK RESULT
!
Secondary Data Phase
Exploration Data Phase Payout Phase
Das Smart Research-Verfahren
Übersicht
Folie 12 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
CASA Gebäudedaten
bank für B2B und B2C
infas 360 Datenbanken
Private Data Open Data
Deutsche Telekom
AZ Bertelsmann
Data Intelligence
Network
Public Data
Bundesämter
Landesämter
Städte
+ Deutsche Post
Immobilien-scout24
z. B. Ärzte- und Apothekenbank
CRM-Daten / Daten des
Aufraggebers + 1
Secondary Data Phase
SMART DATABASE RESEARCH
Das Smart Research-Verfahren
1. Smart Database Research
Folie 13 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Secondary Data Phase
SMART DATABASE RESEARCH
1
Primary Data Phase
SMART DESIGN
2
Smart Sampling Bessere Bestimmung der Grundgesamtheit (N). Wie viele gibt es und wie finde ich diese? Detailliertere Schichtungsmöglichkeiten Optimierte Stichprobenziehung (n)
Smart Channeling
Über welchen Kanal erreicht man am besten wann und wo den zu Befragenden (Kanalaffinitäten/Mobilitätsverhalten z. B. aus Behaviour Data)
Smart Questioning Einsparungen von Fragen Gezielte Matching Fragen (Targeting) Vergleich von Objektivität zur Subjektivität Ortsabhängige Befragungsinhalte (real time)
Das Smart Research-Verfahren
2. Smart Design
Folie 14 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Secondary Data Phase
SMART DATABASE RESEARCH
1
Primary Data Phase
SMART DESIGN
2
SMART SURVEY
3
Zeit- und ortsabhängige Befragung
Best Routed Interviews Intelligente Face-to-Face Interviewer Steuerung
Realtime Non-Response-Analyse
Ggfs. Anpassung des Designs
Das Smart Research-Verfahren
3. Smart Survey
Folie 15 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Secondary Data Phase
SMART DATABASE RESEARCH
1
Primary Data Phase
SMART DESIGN
2
SMART SURVEY
3
SMART DATA ENRICHMENT
4
Exploration Data Phase
CRM-Daten
Data Intelligence
Network
infas 360 Daten
Recherche, Beratung und ggf. Lizenzierung von Drittanbieter-Daten aus dem Data Intelligence Network (siehe Smart Database Research)
Anreicherung aller möglichen geeigneten Daten nach Best Price-/Best Quality-Prinzip
Das Smart Research-Verfahren
4. Smart Data Enrichment
Folie 16 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Secondary Data Phase
SMART DATABASE RESEARCH
1
Primary Data Phase
SMART DESIGN
2
SMART SURVEY
3
SMART DATA ENRICHMENT
4
Exploration Data Phase
SMART ANALYTICS
5
Non-Response-Analyses Explorative Statistics Graph Data Base Analytics Statistische Zwillingssuche Small Area Targeting
Bestimmung des Target Area Levels z. B. Adress-/PLZ5-Ebene und/oder Branche unter Einsatz der Small Area Statistics
Das Smart Research-Verfahren
5. Smart Analytics
Folie 17 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Secondary Data Phase
SMART DATABASE RESEARCH
1
Primary Data Phase
SMART DESIGN
2
SMART SURVEY
3
SMART DATA ENRICHMENT
4
Exploration Data Phase
SMART ANALYTICS
5
Übertragung von Ergebnissen auf Grundgesamtheit der Zielgruppe (Potenzial)
Übertragung der Ergebnisse in das CRM des Auftraggebers
Bereitstellung/Implementierung Applikationen (i. d. R. kartenbasiert) zur weiteren operativen Anwendung beim Auftraggeber
SMART OPERATIONS
6
Payout Phase
Das Smart Research-Verfahren
6. Smart Operations
Folie 18 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
CURTIS Die Customer Realtime Segmentation
Die Datenanreicherung
Folie 19 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Die Datenanreicherung
Das größte amtliche Datenportfolio
50 Mio. Gebäudedaten in Höhe und Fläche 22 Mio. amtlich-postalische Gebäudeadressen
Informationen zu Gebäudedaten
(Typologie, Fläche, Exklusivität der Wohneinheit, Distanzen, …)
Informationen zu Einwohnern und Haushalten
(Soziale Schicht, Altersstruktur, Anz. Haushalte mit Kindern, …)
Informationen zu Affinitäten
(Smart-Home-Nutzung, Eigentümerscore, Kanalaffinitäten, …)
Informationen zu Siedlungsblöcken
(Kaufkraft, Eigentümeranteil, Baudichte, …)
Gewerbeumfeldinformationen, POIs und Trademarks
Überwiegende soz. Schicht: gehoben
Filiale des Wettbewerbers
Einfamilienhaus mit 120 m² Grundfläche
Ihre Filiale: Distanz 500 m
Kaufkraft-Index (SB) 123
Dominierendes Alter: 40-49 Jahre
Qualität der Wohnlage: Gut
Folie 20 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Durch das Baukastenprinzip die optimale Ergänzung des eigenen Datenbestandes.
Anonymisierte Datenverknüpfung
durch Georeferenzierung
mit PAGS-Coder
Geo- und mikrogeo-grafischer Datenbestand
mit ca. 700 Variablen
CRM-Daten
Details zur Datenanreicherung
PAGS-CODER: Alle Geo- und Mikrodaten
Folie 21 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Daten aus der Befragung (Beispiel) Verknüpfung mit der CASA-Daten (über 200 mikrogeographische Daten auf Haus und
weitere ca. 500 Regional-Variablen)
Einfamilienhaus 140m² 2008 Stadtrand Ja (10 MWh) Sehr hoch Überdurchschnittlich Bis zu 50 Mbit 500 Meter 1800 Meter 1,5 Km
Wohngebäude: Wohnfläche:
Baujahr: Lage:
Solaranlage: Mieten:
Kaufkraft: Breitband:
Next Supermarkt: Next Aldi:
Next Shopping-District:
+ =
Details zur Datenanreicherung
Befragung inkl. Big Data Enrichment
38 Jahre weiblich 4 Pers. 7 und 10 3.900 € (Netto) Marke ca. Euro 180 ca. Euro 20 ca. Euro 420 ca. Euro 210 Store
Alter: Gender Befragte/r:
Haushaltsgröße: Alter der Kinder: HH-Einkommen:
Kaufmotiv: Ausgaben Kleidung: Ausgaben Kosmetik: Ausgaben Nahrung:
-> Davon Obst & Gemüse: Bevorzugter Shopping-
Kanal:
Folie 22 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Bildungsgrad/Einkommen: Höher
Werbe-Affinität: Deutlich höher.
Kaufanregung ü. Werbung
Online-Affinität: 5,2% reagieren auf Online-
Banner (Nicht-Käufer: 3,3%)
Altersgruppe: 30-39 und jünger
Gebäudetyp: Eher Mehrparteien- und Mehrfamilienkomplex
CASA MAFO
Details zu Smart Analytics
Präzise Zielgruppenbeschreibung
BBSR-Typ: Großstadt
Haushaltsalter: Jünger
Soziale Schicht: Höher
Babydichte: Höher
Wohnfläche: Kleiner
Folie 23 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
CURTIS Die Customer Realtime Segmentation
Smart Analytics
Folie 24 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Online Offline
HH
-Net
to-E
inko
mm
en
Nie
dri
g
Ho
ch
Die Sucher Die Elite
Die Marke
Die Leistung
Niedriger Anteil an Paaren EFH mit niedrigem Kaufpreis Dominierendes Alter 50-59 Kleine Wohnfläche Niedriger Anteil an Single-HH
Niedriger Anteil an Paaren mit Kindern
EFH mit niedrigem Kaufpreis Dominierendes Alter 18-29 Hoher Anteil an Single-HH Höherer Ausländeranteil
Hoher Anteil an Paaren mit Kindern im Haus
EFH mit hohem Kaufpreis Große Wohnfläche Niedriger Anteil an Single-HH Hoher Anteil an Christen
Hoher Anteil an Paaren mit Kindern im Haus
EFH mit hohem Kaufpreis Dominierendes Alter im Haus 40-49 Hoher Anteil an Single-HH
Smart Analytics
Mikrogeographische Beschreibung der Kundensegmente
Folie 25 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
* in der Tabelle liegen andere Fallzahlen vor
Smart Analytics
Kundenprofilierung | Prüfung, ob die Merkmale der Befragten trennen
Folie 26 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
freistehdes Ein- bisZweiparteienhaus
freistehende Villa
Ein- bisZweiparteienhaus mit
Anrainer
klassischeDoppelhaushälfte
Reihenhaus
freistehendesMehrparteienhaus
Mehrparteiendoppelhaus
Mehrparteienhaus mitAnrainer
Mehrparteienhaus enBlock
Zeilenbau
Mehrfamilienkomplex
Hochhaus
Sonderform
Gewerbe
Seg 1
Seg 2
Smart Analytics
Ermittlung von Unterscheidungsmerkmalen für die anschließende Segmentierung
Folie 27 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Smart Analytics
Übertragung auf alle Haushalte und Definition von Nicht-Kunden
Folie 28 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Details zu Smart Analytics
Adressgenaue Übertragung aller Segmente auf jede Adresse in Deutschland
Folie 29 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
CURTIS Die Customer Realtime Segmentation
Anwendung in „Frag CURTIS“
Folie 30 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Kundensegment Einkommen /
Kaufkraft Soziale Schicht Familienstand und –
typ Garage vorhanden Miet- bzw. Kaufpreis
Case: Automatic Web-Segmentation (mehr dazu beim nächsten Mal … )
Anwendung in „Frag CURTIS“
Case: Steuerung des Interessentenmanagements (Ad hoc-Segmentierung)
Adresse eingeben
Validierung Korrektur
Lokalisierung Anonymisierung
Merkmalsliste Segmentzuordnung
Straße 100 12345 Stadt
Folie 31 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Anwendung in „Frag CURTIS“
Beispiel-Segmentierung anhand dom. Alters- und Einkommensklassen pro Haus
monatliches Haushaltsnettoeinkommen
Ve
tera
ne
n&
Bo
om
er
Ge
ne
rati
on
X
G
en
era
tio
n Y
1.091.571 Adressen 4.056.584 Adressen 2.326.490 Adressen
356.808 Adressen
156.277 Adressen 2.929.219 Adressen
1.678.174 Adressen 1.177.717 Adressen
4.962.752 Adressen
Alt
ersg
rup
pe
ab
60
A
lter
sgru
pp
e 4
0-5
9
Alt
ersg
rup
pe
bis
39
bis 1.500 EUR ab 1.500 bis 3.500 EUR ab 3.500 EUR
4% aller Haushalte
2% aller Haushalte
22%
11% aller Haushalte
10% aller Haushalte
4% aller Haushalte
18% aller Haushalte
8% aller Haushalte
21% aller Haushalte
Folie 32 | © infas 360 | RESEARCH AND RESULTS: Halle 1 Stand 156/158 | 23.10.2017
CURTIS | Die Customer Realtime Segmentation
Anwendung in „Frag CURTIS“
Live-Demo
Haben Sie noch Fragen? Dann freuen wir uns über Ihre Kontaktaufnahme!
Silke Martin Consultant Research & Customer Analytics
infas 360 GmbH [email protected]
Julia Kroth Project Consultant Research & Analytics
infas 360 GmbH [email protected]