Kundenbedürfnisse erkennen, bevor Kunden Bedürfnisse haben

Wenn wir wissen, was unsere Kundschaft morgen bewegt, können wir ihnen heute das ideale Angebot machen. Wir verstehen sie und bieten Geschäftsmodelle und Geschäftsideen an, die wirklich relevant sind und nicht nur ein weiteres Produkt, das wir über eine große Masse an Menschen „auskippen“. Dies ist das Idealbild, wie wir unseren Kundinnen und Kunden und deren Bedürfnissen gegenübertreten wollen. Die Realität sieht leider oft anders aus.

Jeder kennt es: Man bekommt mal wieder einen Brief mit einem Finanzierungsangebot zu Superzinsen. Wieso bekommen wir das alle? Weil wir Kundinnen oder Kunden bei Banken sind. Ist dieses Schreiben individuell gestaltet? – Nein. Ist dieses Schreiben anlassbezogen? – Nein. Hat man das Gefühl, die Bank hat sich um einen persönlich gekümmert? – Nein. Die Bank hat ein Produkt – in dem Fall die Finanzierung – und will es vertreiben. Ein für beide Seiten nicht sinnvoller Vorgang, denn es werden Aufwände betrieben, die nur zu wenig Umsatz führen (schlechte Conversion Rate). Die Adressaten werfen den Brief weg, bevor er geöffnet wird, da jeder schon weiß, dass es mal wieder Werbung und keine Beratung ist.

Dieses Problem kann sowohl auf das Umfeld von Business-to-Business (B2B) als auch auf das von Business-to-Customer (B2C) übertragen werden. Immer dann, wenn wir vom Produkt aus denken und nicht vom Bedürfnis des Gegenübers aus, haben wir von vornherein nicht die ideale Lösung – getreu dem Motto: „Wenn ich einen Hammer habe, sehe ich überall Nägel.“ Also müssen wir die Perspektive umdrehen und die Bedürfnisse unserer Kundinnen und Kunden und der Kundschaft der Finanzdienstleister sehen. Das wird aber oft nicht gemacht, da es ein sehr aufwändiges Unterfangen ist, und oft sind weder strukturierte Daten noch Modelle oder Prozesse dafür vorhanden, also machen wir weiter wie bisher.

Next Best Action – die Lösung zum Kundenverstehen

Genau hier kommt der Next-Best-Action-Ansatz ins Spiel. Dabei handelt es sich um einen Ansatz, der es ermöglicht, die Bedürfnisse von Kundinnen und Kunden vorauszuberechnen und die idealen nächsten Schritte aufzuzeigen. Das Ziel besteht darin, den richtigen Gesprächsanlass zur richtigen Zeit zu ermitteln und beides mit dem Angebot von Dienstleistungen zu kombinieren, um die ideale Ansprache zu ermöglichen. Damit kann zum Beispiel gemeint sein: die Analyse von Mietzahlungen in Kombination mit Sparraten Alter und weiterer Parameter, um zu erkennen, dass der Kauf einer Immobilie ein guter Schritt für den Bankkunden sein kann. Gibt es weitere Finanzinformationen, können wir sogar die ideale Lage der Immobilie vorausberechnen und ein maßgeschneidertes Angebot für Kundinnen und Kunden aufbereiten. Damit hätte sich die Bankkundeninteraktion elementar verändert – von einem pauschalen Angebot ohne Bezug zu einer wirklichen Beratung basierend auf den Kundenbedürfnissen.

Dieser Ansatz birgt diverse Herausforderungen, wie zum Beispiel den Datenschutz. Hier muss immer individuell geprüft werden, was rechtlich möglich und ethisch vertretbar ist. Dabei beraten wir Kundinnen und Kunden und entwickeln dazu Geschäftsmodelle. Auf Grund der hohen Komplexität werde ich dieses Thema in diesem Artikel nicht weiter vertiefen, sondern betrachte hauptsächlich die mögliche Umsetzung näher.

Es kann ein etabliertes Vorgehen eingesetzt werden, bei dem die eingehenden Informationen aufbereitet und relevante Anlässe erkannt werden. Es ist möglich, interne sowie externe Systeme und Webseiten anzuschließen und diese über vorgefertigte Schnittstellen oder individuelle Verfahren auszulesen und die Informationen in einer Datenbank aufzubereiten und zu speichern. Die Aufbereitung findet über ein neuronales Netz statt. Hierbei werden relevante Informationen erkannt und den einzelnen Bereichen (Entitäten) zugeordnet. Wenn man zum Beispiel im B2B-Bereich aktiv ist und verstehen möchte, mit welchem Gesprächsanlass man auf seine Kundschaft (ob Bestands- oder Neukunde) zugehen kann, kann es hilfreich sein, die internen Informationen (zum Beispiel aus dem CRM) mit den externen – etwa Pressemitteilungen, Nachrichten oder soziale Netzwerke – in Verbindung zu bringen. So wird die Ansprache deutlich individueller, denn man führt kein generelles, sondern ein anlassbezogenes Gespräch, was Vertrauen aufbaut und langfristige Geschäfte ermöglicht. Beispielhaft ist dieses Vorgehen in der folgenden Grafik dargestellt:

Wie hilft Künstliche Intelligenz dabei?

Der Einsatz von Künstlicher Intelligenz (KI) ist in dem gesamten Vorgehen von großem Vorteil und hat zwei große Anwendungsfälle:

• 1: Das Auffinden und Analysieren der relevanten Information
• 2: Die Abstraktion von Informationen zu Anlässen

Damit ist gemeint, dass alle vorhandenen Kundeninformationen miteinander in Verbindung gebracht werden und mögliche Zielszenarios definiert werden. Ein historischer Bestand von Informationen des Finanzdienstleisters ist dabei sehr hilfreich und ermöglicht schnelle Erfolge. So kann man zum Beispiel erkennen, welche Anschlussfinanzierung relevant ist, wann eine neue Versicherung gebraucht wird und vieles mehr. Dies kann anhand historischer Daten trainiert werden, um Erkenntnisse zu schaffen, die zur besseren, weil individuelleren Kundenbetreuung führen.

Ein flexibler Ansatz im Sinne von Customer Centricity

Zusammenfassend lässt sich sagen, dass der Next-Best-Action-Ansatz den Vertrieb sowohl im Bestandskunden- als auch im Neukundengeschäft massiv unterstützen kann. Kommen dann noch intelligente Algorithmen mit ins Spiel, können vollkommen neue Inhalte entdeckt werden und Kundinnen und Kunden bekommen den Service von einer Bank, den sie erwarten. Die Bank hingegen geht einen großen Schritt in Richtung Financial Home.

Auch interessant:

• Relevante Informationen mit Hilfe moderner KI nutzbar machen – Anwendungsfall Textextraktion
• Optimierung von Finanztransaktionen

Weitere Beiträge aus dem Banking-Umfeld findet ihr hier.