Zusammenfassung
In Kapitel 3.6.1 wurden zwei Kriterien vorgestellt, die im Rahmen des Rückgewinnungs-Prozesses zur Entscheidungsfindung dienen, ob ein Kunde für derartige Maßnahmen in Betracht gezogen werden sollte oder nicht: Ein Kriterium stellt die Rückgewinnungs-Wahrscheinlichkeit dar, welches Thema des vorhergehenden Kapitels war. Als zweites gilt es, die erwartete Attraktivität eines verlorenen Kunden nach einer Rückgewinnung abzuschätzen. Dabei ist die Prognose der Attraktivität von Kunden auf Basis der individuellen Kaufhistorien in der Praxis des Direktmarketing weit verbreitetet. Beispielhaft sei hier auf den bereits dargestellten RFM-Ansatz verwiesen.295 Eine verlässliche Prognose des individuellen Kaufverhaltens auf Basis historischer Daten ist jedoch nur dann möglich, wenn keine Strukturbrüche in der Lebensumwelt und-situation eines Kunden sowie der Beziehung mit dem Unternehmen eingetreten sind und auch zukünftig von Stabilität auszugehen ist.296 Derartige Strukturbrüche können im Falle einer Rückgewinnung dazu führen, dass die erneuerte Beziehung zwischen einem Kunden und dem Unternehmen eine völlig andere ist als deren Beziehung vor der Beendigung. Zudem belegen Erkenntnisse aus dem Beschwerdemanagement, dass auch die Beschwerdezufriedenheit eine wichtige Rolle im Hinblick auf den Verlauf der reaktivierten Beziehung spielen kann.297 Damit erscheint die bloße Übertragung des vergangenen Verhaltens auf die zukünftige Beziehung gerade im Falle der Rückgewinnung als problematisch.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Notes
Vgl. Kapitel 2.2.
So schreiben Carroll/Tadikonda (1997), S. 78: „Historical profit data … does not adequately reflect anticipated changes in customer holdings or changes in customer usage patterns. Furthermore, a retrospective metric may incorporate specific market conditions … which no longer exist.“
Vgl. Kapitel 3.2.3.
Vgl. Sauerbrey/Henning (2000), S. 32; Schäfer/Karlshaus/Sieben (2000), S. 60 f.; Stauss/Friege (1999), S. 353 f.
Vgl. Krafft/Albers (2000), S. 517 ff.; Michalski (2001), S. 174 ff.; Sauerbrey/Henning (2000), S. 73 f.; Stauss/Friege (1999), S. 350 ff.
Vgl. Stauss/Friege (1999), S. 351.
Vgl. Sauerbrey/Henning (2000), S. 30.
Vgl. Homburg/Schäfer (1999).
Vgl. Michalski(2001), S. 175.
Vgl. Comelsen (2000); Grisaffe/Kumar (1998); Krafft/Rutsatz (2002); Woodruff (1997).
Vgl. Stauss/Friege (1999), S. 350 f.
Vgl. Stauss/Friege (1999), S. 360.
Das Problem mangelhafter kundenbezogener Rechnungssysteme wird auch von anderen Autoren herausgestellt. Vgl. dazu etwa Krafft (2002), S. 187 f.; Reichheld/Sasser (1990), S. 106; Weber (1998), S. 263 ff.
Vgl. Kapitel 5.3.3.
Vgl. Kapitel 5.
Vgl. Kapitel 4.4.4.
Zu den Modellen vom Typ Ereignisanalyse siehe Kapitel 4.1.
Vgl. Backhaus/Erichson/Plinke/Weiber (2000), S. 1 ff.
Vgl. Ganesan (1994), S. 1 ff.; Garbarino/Johnson (1999), S. 78 ff.
Eine Diskussion des erforderlichen Kalibrierungszeitfensters findet sich in Abschnitt 4.4.2. In Abschnitt 4.4.7 wurde zudem gezeigt, dass für den vorliegenden Datensatz die mittlere Kundenlebenszeit bei 18,5 Monaten liegt. Für kürzere Kalibrierungszeiträume ließen sich diese Aktivitätsphasen nicht vollständig abbilden.
Für das Prognosemodell auf Basis der historischen Attraktivität ergibt sich unter Einschluss aller unabhängigen Variablen („Prozedur Einschluss“) ein Bestimmtheitsmaß R2 (korrigiertes R2) von 0,08 (-0,011).
Vgl. Backhaus/Erichson/Plinke/Weiber (2000), S. 38 f.
Vgl. Backhaus/Erichson/Plinke/Weiber (2000), S. 40 f.
Vgl. Backhaus/Erichson/Plinke/Weiber (2000), S. 41 f.
Vgl. Kapitel 3.3.3.
Bezüglich der begrifflichen Abgrenzung von Bindungsdauer, Umsatzintensität und Attraktivität sei auf Kapitel 6.2.1.1 verwiesen. Dasselbe gilt hinsichtlich der im Weiteren ausgelassenen Kostenbetrachtung.
Vgl. Johnson (1994), S. 37.
Zu den methodischen Grundlagen von Experimenten vgl. Kapitel 7.2.
Vgl. Sauerbrey/Henning (2000), S. 74.
Vgl. Krafft (2002), S. 26.
Die Autoren unterscheiden zwischen erfolgreich zurückgewonnenen Kunden, also solchen Kunden, die mit der unternehmerischen Beschwerdeantwort zufrieden sind, und nicht-erfolgreich zurückgewonnenen Kunden, also solchen Kunden, die mit der unternehmerischen Beschwerdeantwort nicht zufrieden sind. Im Falle einer nichterfolgreichen Rückgewinnung weisen lediglich 15% der befragten Kunden eine vergleichbare oder höhere Loyalität auf (vgl. Miller/Craighead/Karwan (2000), S. 393).
Eine umfassende Darstellung der Kontingenzanalyse findet sich bei Backhaus/Erichson/Plinke/Weiber (2000), S. 225 ff.
Vgl. Demaris (1992), S. 1 ff.; Krafft/Albers (1996), S. 132 ff. Es sei an dieser Stelle angemerkt, dass aufgrund des recht kurzen Beobachtungszeitraums keine Kunden drei oder mehr abgeschlossene Aktivitätsphasen aufweisen.
Zur weiterführenden Bemerkungen und potenzieller Kritik siehe Kapitel 5.3.1. Der in 6.2 und hier verwendete Datensatz ist identisch.
Die individuelle Umsatzintensität in der ersten bzw. zweiten Aktivitätsphase korrelieren signifikant positiv. Der Korrelationskoeffizient nach Pearson beträgt 0,233 (Signifikanz < 0,0005).
Für die Variable „Mikrogeographisches Segment“ ergibt sich ein Signifikanzniveau von 0,155 (λ2 nach Pearson) bzw. 0,112 (Likelihood-Quotient) und für die Variable „Akquisitionskanal“ ein Signifikanzniveau von 0,360 (λ2 nach Pearson) bzw. 0,349 (Likelihood-Quotient).
Die Kunden wurden so auf die drei Segmente niedriger, mittlerer bzw. hoher Bindungsdauer aufgeteilt, dass die Spannweite der Variablen „Bindungsdauer“ drei zeitlich gleich langen Zeiträumen entspricht. Aufgrund dieses Vorgehens ergibt sich keine Gleichverteilung der Kunden. Eine Aufteilung auf Terzile ist jedoch wegen der Ganzahligkeit der Variablen nicht möglich.
Vgl. Kapitel 6.3.1.2.
Vgl. Sauerbrey/Henning (2000), S. 74.
Für die Variable „Mikrogeographisches Segment“ ergibt sich ein Signifikanzniveau von 0,457 (λ2 nach Pearson) bzw. 0,371 (Likelihood-Quotient) und für die Variable „Akquisitionskanal“ ein Signifikanzniveau von 0,357 (λ2 nach Pearson) bzw. 0,343 (Likelihood-Quotient). Das Signifikanzniveau bzgl. der Variablen „Anteil der Retouren am Umsatz“ beträgt 0,284 (λ2 nach Pearson) bzw. 0,219 (Likelihood-Quotient), das Signifikanzniveau bzgl. der Variablen „Wohnort“ 0,500 (λ2 nach Pearson) bzw. 0,437 (Likelihood-Quotient).
Vgl. Bendapudi/Berry (1997), S. 16 f.; Krafft (2002), S. 42–44.
Vgl. Miller/Craighead/Karwan (2000), S. 393.
Vgl. Lehr (1997), S. 404.
Vgl. Eisner (2002), S. 164 ff.; Garbarino/Johnson (1999), S. 82.
Die Kosten der Nekundenakquise liegen gemäß verschiedener Beiträge deutlich über denen einer Kundenrückgewinnung. Gleichzeitig wird die Profitabilität rückgewonnener Kunden in vielen Untersuchungen sogar besser beurteilt als die Profitabilität von Stammkunden (vgl. Sauerbrey/Henning (2000), S. 19 f.; Schäfer/ Karlshaus/Sieben (2000), S. 56).
Vgl. Nacif (2002), S. 286.
Rights and permissions
Copyright information
© 2004 Deutscher Universitäts-Verlag/GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
Rutsatz, U. (2004). Analyse der zu erwartenden Attraktivität rückgewonnener Kunden. In: Kundenrückgewinnung durch Direktmarketing. Kundenmanagement & Electronic Commerce. Deutscher Universitätsverlag. https://doi.org/10.1007/978-3-322-81521-7_6
Download citation
DOI: https://doi.org/10.1007/978-3-322-81521-7_6
Publisher Name: Deutscher Universitätsverlag
Print ISBN: 978-3-8244-7841-5
Online ISBN: 978-3-322-81521-7
eBook Packages: Springer Book Archive