| Description |
1 online resource : color illustrations |
| Series |
Mitp Professional |
|
Mitp Professional.
|
| Bibliography |
Includes bibliographical references and index. |
| Contents |
Cover; Titel; Impressum; Inhaltsverzeichnis; Einleitung; Teil I: Einführung; Kapitel 1: Fundament des eCRM: Daten; 1.1 Big Data (Problem); 1.2 CRM-Daten; 1.2.1 Transaktionsdaten; 1.2.2 Retourenquoten; 1.2.3 Personenbezogene Kundendaten; 1.3 Web-Analytics- und weitere Daten; 1.3.1 Analytics-Daten; 1.3.2 Werbemittelkontakt- und Responsedaten; 1.3.3 Erhobene (Profilierungs- )Daten; 1.3.4 Net Promoter Score; 1.4 Grundlagen der Datenspeicherung; 1.4.1 Storage von CRM-Daten: Datenbanken; 1.4.2 Storage von Web-Analytics-Daten; 1.5 Kundenverhalten 3.0; 1.5.1 Realität Cross Device. |
|
1.5.2 So kauft ein Kunde heuteKapitel 2: Daten erheben; 2.1 Knowing is better than calculating; 2.2 Datenerfassung über Formulare; 2.2.1 Was ist bei Formularen zu beachten?; 2.2.2 Das Konzept der mehrstufigen Datenerhebung; 2.2.3 Daten richtig speichern; 2.3 K.o.-Kriterium Validität -- Vorsicht bei Incentives; 2.4 Beispiele guter Datenerhebungen; 2.5 Kurz zusammengefasst; Kapitel 3: Die E-Mail -- das wichtigste Medium; 3.1 Was macht die E-Mail so genial?; 3.2 Minimum-Anforderungen an den E-Mail-Service-Provider; 3.2.1 Funktionalitäten im E-Mail-Versand. |
|
3.2.2 Grundregeln für einen erfolgreichen Pitch3.3 Datenaustausch Kunden-DB vs. ESP-System; Quick Check: How to get started!; Teil II: Daten analysieren; Kapitel 4: Kundengruppen identifizieren; 4.1 Warum sollten wir das tun?; 4.2 Vorab: Wie sehen meine idealen Kunden aus; 4.2.1 Was sieht mein Geschäftsmodell vor; 4.2.2 Wie oft und was kaufen diese Kunden bei mir ein; 4.3 Wie lassen sich Kundengruppen identifizieren; 4.4 Thesen erarbeiten; 4.4.1 Webanalyse; 4.4.2 Basis-Analysen; 4.4.3 Stichproben; 4.5 Thesen richtig formulieren; 4.6 Scoring-Modell zur Priorisierung der Thesen. |
|
4.7 Analysen zur Veri-/Falsifizierung der Thesen4.7.1 KPIs pro These; 4.7.2 Analyse; 4.8 Kundenprofile erstellen; Kapitel 5: CRM-Analysen im globalen Unternehmenskontext; 5.1 Grundsatzentscheidung Marge oder Umsatz?; 5.2 Make Big Data Small; 5.2.1 Wie viele Kunden haben nur ein Mal gekauft?; 5.2.2 Wie viele Kunden bringen tatsächlich Gewinn?; 5.2.3 Wie viele Kunden haben drei Mal und mehr gekauft; 5.2.4 Neukunden vs. Bestandskunden; 5.2.5 Der richtige Analysezeitraum; 5.3 Kohortenanaylse; 5.3.1 Was ist eine Kohorte?; 5.3.2 Wie ist die Kohortenanalyse aufgebaut? |
|
5.3.3 Was verrät uns die Kohortenanalyse?5.4 Sortimentsrelevante Analysen; 5.4.1 Welche Produkte bilden das Kernsortiment; 5.4.2 Welche Produkte sind gewinnbringend; Kapitel 6: Wie lässt sich Kundenqualität berechnen; 6.1 Was ist ein guter Kunde? -- Eine Grundsatzentscheidung; 6.2 Verschiedene Betrachtungsmodelle; 6.2.1 RFM-Scoring-Modell; 6.2.2 Customer Lifetime Value; 6.2.3 Margenbetrachtung; 6.2.4 Kohortenanalyse in einem weiteren Kontext; 6.3 Wann ist welches Modell sinnvoll und für welchen Zweck eignet es sich; 6.4 Kategorisierung der Kundengruppen; 6.4.1 Positiv/Negativ-Selektion. |
| Summary |
Kundengruppen und -bedürfnisse durch gezielte Analyse der Kundendaten identifizieren Customer Lifetime Value, Qualität, Rentabilität und Aktivität Ihrer Kunden effizient analysieren und bewerten Konkrete Maßnahmen und Kampagnen zur Kunden-Wertsteigerung ableiten: Kunden (re- )aktivieren und aktiv halten Ziel des Customer Relationship Managements ist es, den Wert der Kunden über den gesamten Lebenszyklus der Geschäftsbeziehung besser auszuschöpfen, um langfristiges und nachhaltiges Wachstum zu erreichen. Dafür müssen Sie Ihre Kunden und deren Bedarf kennen. Um Ihre Kunden besser kennen zu lernen, haben Sie als Betreiber einer Website oder eines Online-Shops unzählige Daten zur Verfügung - Stichwort Big Data. Häufig fehlt aber das Know-how, aus diesen enormen Datenmengen die relevanten herauszufiltern und dann die richtigen Schlüsse und Handlungen daraus abzuleiten, um am Ende Ihren Kunden die passenden Produkte und Services zur richtigen Zeit anzubieten und so ihren Wert für das Unternehmen langfristig zu steigern. Die Autorin erläutert praxisnah und pragmatisch, wie Sie sich Schritt für Schritt an Ihre Datenbasis heranwagen können und so Ihre Kunden von Analyse zu Analyse besser verstehen lernen. In Teil I erhalten Sie einen Überblick über die verschiedenen Daten, die im Unternehmen potenziell vorliegen, und erfahren, wann es sinnvoll ist, weitere Daten über Ihre Kunden zu erheben. In Teil II erfahren Sie, wie man durch strukturierte Datenanalyse und mittels der richtigen Thesen in kurzer Zeit aus der einen Kundengesamtheit einzelne sinnvolle Kundensegmente identifiziert, die ähnliche Kaufverhaltensweisen und Bedürfnisse aufweisen. Es werden außerdem sämtliche Analysen behandelt, die den Status Quo Ihres Unternehmens aus CRM-Sicht darstellen und Ihnen damit die für Sie entscheidenden Handlungsempfehlungen aufzeigen. Konkret geht es u.a. um Kohorten- und Sortimentsanalysen, die Bewertung und Berechnung der Kundenqualität sowie das Churn Management. In Teil III erläutert die Autorin, wie Sie für die jeweiligen Kundensegmente die richtigen Maßnahmen und Kampagnen ableiten und durch effektives Testing kontinuierlich verbessern. Sie erfahren, wie Sie die identifizierten Kundengruppen durch intelligentes E-Mail-Marketing individuell ansprechen, um so den Wert jeder Gruppe gezielt zu steigern. Dabei geht es unter anderem darum, Kunden zu aktivieren bzw. zu reaktivieren, ihre Abwanderung zu verhindern und Weiterempfehlungen zu fördern. In Teil IV geht ... |
| Subject |
Customer relations.
|
|
Electronic commerce.
|
|
Commerce électronique. |
|
Customer relations |
|
Electronic commerce |
| Added Title |
Customer relationship management für Online-Shops |
| Other Form: |
Print version: Walter, Olga. CRM für Online-Shops : Make Big Data Small - Erfolgreiches Customer Relationship Management im E-Commerce. : MITP, ©2016 9783958450332 |
| ISBN |
9783958450349 (electronic bk.) |
|
3958450342 (electronic bk.) |
|
9783958450356 (electronic bk.) |
|
3958450350 (electronic bk.) |
|
More Resources