Über das Buch

Zum Inhalt

Kundenloyalität stellt unter ökonomischen Gesichtspunkten insbesondere in gesättigten Märkten, wie dem Retail Banking, eine immer bedeutendere Größe für Unternehmen dar. Teils wird sogar vom „größten Vermögen“ gesprochen, das ein Unternehmen besitzen kann. Diese Untersuchung geht daher der Frage nach, wie sich der Anbieterwechsel in der Praxis bestmöglich prognostizieren lässt.

Anbieterwechsel – auch Churn genannt – kündigt sich im Nutzungsverhalten von Kunden vielfach bereits frühzeitig an. Darüber hinaus lassen sich Kundenbeziehungen aus marketingtheoretischen Überlegungen in eine zeitliche Abfolge spezifischer psychischer Zustände und Aktivitäten einteilen. Genau an diesem Punkt setzen Hidden-Markov-Modelle an, denn sie bilden die zeitliche Abfolge von nicht direkt beobachtbaren Zustandswechseln nach.

Lesti zeigt auf, wie die Verbindung der vergleichsweise komplizierten Hidden-Markov-Modelle mit der Prognose des Anbieterwechsels gelingt. Hierbei gilt es, eine Vielzahl von Nebenbedingungen zu beachten und vom konkreten Anwendungsfall abhängige Entscheidungen zu treffen. Er entwickelt hierfür ein allgemeines Vorgehensmodell und liefert für die praktische Umsetzung die notwendigen Hinweise. In einer umfangreichen empirischen Analyse anhand realer Nutzungsdaten von 230.000 Bankkunden hat er das Vorgehensmodell erfolgreich einem Praxistest unterzogen. Er stellt dabei die Hidden-Markov-Modelle in einen direkten Vergleich mit Künstlichen Neuronalen Netzen und Entscheidungsbäumen. Die Übertragbarkeit auf andere Branchen ist aufgrund des allgemein beschriebenen Vorgehensmodells vollständig möglich. Etlichen Branchen stehen unter dem Schlagwort „Big Data“ seit den letzten Jahren immer größere Datenbestände über das Nutzungsverhalten Ihrer Kunden zur Verfügung. Damit werden innovative Methoden für die bestmögliche Auswertung dieses „Datenschatzes“ zunehmend bedeutungsvoller.

Der Leser gewinnt aufgrund des vergleichsweise großen…

Schlagworte

Hidden-Markov-Modell, Churn-Management, Kundenbindung, Anbieterwechsel, Data-Mining, Entscheidungsraum, Retail Banking, Girokonto, Künstliches Neuronales Netz, Nutzungsprozess, Bankkunde, Big Data