Adressabgleich: Risiko runter, Profit rauf

Gastbeitrag von Dr. Wolfgang Martin und Holger Stelz

Mit dem Abgleich von Identitätsdaten können Händler bessere Kundenmodelle bilden und die Kundenbindung steigern. Dabei müssen Versender heute auch neue Quellen zur Anreicherung der Bestandsdaten anzapfen.

Customer Identity Resolution hilft Unternehmen bei den Herausforderungen im Umgang mit Kunden-Identitätsdaten: Das sind die Daten aus unterschiedlichen Quellen, die spezifisch und korrekt einen Kunden, einen Lieferanten, einen Interessenten, einen Meinungsmacher oder einen Betrüger identifizieren. Im Versandhandel hat Customer Identity Resolution heute an Bedeutung gewonnen. Das Wissen über den Kunden ist wettbewerbsentscheidend geworden, um positive Kundenerfahrungen zu fördern und eine emotionale Bindung zwischen dem Kunden und dem Produkt, der Marke und dem Anbieter aufzubauen.

Die Nutzung von sozialen Medien hat zu einer Machtverschiebung im Markt zugunsten des Kunden geführt. Jetzt ist es für Unternehmen wettbewerbskritisch zu wissen, was die Kunden in den sozialen Netzen sagen und meinen. Für das Marketing bieten die Kundendaten in den sozialen Netzwerken eine bisher nicht gekannte Möglichkeit, das Kundenwissen anzureichern und zu nutzen - unter dem Vorbehalt des Datenschutzes natürlich.

Die Probleme beginnen mit dem Multi- Kanal-Erscheinungsbild: Eine Kundin, die in der Kundendatenbank im Unternehmen mit dem Namen Ruth-Hanna Friese eingetragen ist, könnte in einem sozialen Netz auch als Ruth Friese auftreten. Solche Probleme mit der Kundenidentität sind nicht selten, sondern eher die Regel. Noch schwieriger wird es, Identitäten zu finden, wenn der Kunde anonym auftritt. Im analytischen CRM hilft Customer Identity Resolution beim Aufbau einer einzigen Sicht auf den Kunden.

Auch im Direktmarketing sorgt Customer Identity Resolution bei der Dublettenbereinigung für reibungslose Prozesse. Ob bei der Konsolidierung von Adressbeständen, Bestandsbereinigung, Fremdbereinigung, Listenmischung, beim Cluster-Abgleich, Negativ-Abgleich (z.B. Robinsonliste), Positiv-Abgleich zur Datenanreicherung oder im internationalen Abgleich bei unterschiedlichen Schriftsätzen - Customer Identity Resolution greift auf all diesen Gebieten und ist im Datenqualitätsmanagement, wie es bei Uniserv umgesetzt wird, nicht mehr wegzudenken.
Indem man jede Information in den Gesamtkontext eines Kunden stellen und dann kumulieren kann, erhält man ein besseres Verständnis und vor allem eine vertiefte Kenntnis über seine Kunden. Aus zusammengefügten Informationspuzzleteilen entsteht so ein Gesamtbild des Kunden: Auf Basis von Customer Identity Resolution präzisiert sich das Multikanal-Erscheinungsbild des Konsumenten.

Es lassen sich so bessere Kundenmodelle aufbauen und im Endeffekt die Geschäftsergebnisse verbessern. Ein Praxisbeispiel: Manche Händler betreiben mehrere Webshops. Wenn ein Neukunde in einem Shop eine Bestellung aufgibt, dann sollte man wissen, ob er bereits ein guter Kunde in einem anderen Shop ist, um die Kundenbindung weiter zu steigern. Vielleicht ist es aber auch ein "fauler" Kunde, der bereits auf der schwarzen Liste des Unternehmens oder bei Kreditbewertungsorganisationen steht und sich nun unter einer falschen Identität in einem anderen Shop bedienen will.

Mit Customer Identity Resolution kann in Echtzeit noch vor dem Abschluss der Transaktion die wahre Identität festgestellt und im Sinne von Risikomanagement eine betrügerische Transaktion vermieden werden. Customer Identity Resolution kann als Software-as-a-Service (SaaS) in der Cloud genutzt werden. Die Services lassen sich also schnell installieren und der Nutzen für den eigenen Shop prüfen. Dublettenbereinigung spart Kosten - durch den Gewinn an Information über den jeweiligen Kunden steigert man zusätzlich den Umsatz und senkt Risiken.

Autoren: Dr. Wolfgang Martin, Analyst, und Holger Stelz, Leiter Marketing & Geschäftsentwicklung Uniserv (www.uniserv.com   )