Zusammenfassung
Der Online- und Versandhandel ist durch ein starkes Wachstum und gleichzeitig zunehmenden Wettbewerbsdruck gekennzeichnet. In diesem Kontext kommt der Bindung und Ausschöpfung von Bestandskunden eine immer größer werdende Bedeutung zu, da die Neukundengewinnung und Kundenreaktivierung im Gegensatz zur Kundenbindung mit vergleichsweise hohen Kosten verbunden ist. Ziel ist es dabei, Kunden möglichst langfristig an das Unternehmen zu binden, um damit deren Kundenlebenszeitwert (Customer Lifetime Value) zu erhöhen. Im vorliegenden Beitrag wird über ein Anwendungsbeispiel aus der Versandhandelsbranche berichtet, das zeigt, wie der Customer Lifetime Value mit Hilfe analytischer Ansätze berechnet werden kann. Da Versandhandels-Kunden üblicherweise nicht vertraglich an das Unternehmen gebunden sind, stellt insbesondere die Prognose der Kundenlebenszeit eine große Herausforderung dar, die hier mit dem NBD/Pareto-Modell und der Survival-Analyse angegangen wird. Darüber hinaus werden im vorliegenden Kapitel Voraussetzungen, Herausforderungen und Chancen bei der Anwendung des Customer Lifetime Value-Ansatzes kritisch dargestellt.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Eine Darstellung und Beurteilung pragmatischer Ansätze zur Messung von Kundenlebenszeit und -wert findet sich in Krafft und Bues (2016). Dort erfolgt auch eine konzeptionelle Einordnung des NBD/Pareto-Modells und der Survival-Analyse.
- 2.
Mit dem NBD-Modell (Negative-Binomial-Distribution) zeigt Ehrenberg, dass das Wiederkaufverhalten von Kunden einer Poisson-Verteilung folgt, was gleichbedeutend ist mit exponentiell verteilten Kaufintervallen.
- 3.
Siehe dazu Schmittlein et al. (1987, S. 3 f.). Für den vorliegenden Anwendungsfall lässt sich zeigen, dass die Annahmen erfüllt sind. Rutsatz (2004) zeigt zudem, dass die Annahmen auch für den Buchversandhandel erfüllt werden. Diese Befunde und der Befund von Reinartz (1999) lassen darauf schließen, dass die für den stationären Handel getroffenen Annahmen zum Wiederkaufverhalten von Kunden auch für den Versandhandel Gültigkeit besitzen.
- 4.
Die Variable x steht hier wie gehabt für die Frequency, d. h. die kumulierte Anzahl der Käufe im Betrachtungszeitraum. Die Recency (t) ergibt sich, wenn vom gegenwärtigen Zeitpunkt (hier T = 24) bis zum Zeitpunkt des letzten Kaufs in Monaten zurückgerechnet wird.
- 5.
Die ermittelten Werte basieren auf den Parametern, die in Abschn. 3.2.2 berichtet werden. Die im NBD/Pareto-Modell individuell variierenden Variablen Frequency (x) bzw. Recency (t) wurden dabei zwischen 1 und 12 bzw. 1 und 24 variiert (12 · 24 = 288).
- 6.
Als Kohorte wird hier eine Gruppe von Kunden bezeichnet, die alle dasselbe „Geburtsdatum“ der Geschäftsbeziehung (Datum des Erstkaufs) mit dem Unternehmen aufweisen.
- 7.
Vgl. Schmittlein et al. (1993, S. 180). Dort werden Werte von r > 4 als sehr homogen, Werte von r < 1 als sehr heterogen eingeschätzt.
- 8.
Hinweise dafür liefern die große Spannweite zwischen dem niedrigsten und höchsten prognostizierten Wert von P(alive), die substantielle Standardabweichung von 5,06 und der relativ geringe Wert des Homogenitätsparameters s im NBD/Pareto-Modell.
- 9.
Eine dreistufige Vorgehensweise wurde gewählt: Zuerst wurde das Beobachtungsfenster in die Monate 1 bis 18 und 19 bis 24 geteilt. Alle Kunden, die im 18. Monat ein Aktivitätsniveau von P(alive) > 0,5 aufwiesen, wurden für die weiteren Analysen ausgewählt. In einem zweiten Schritt wurde unter Beachtung des Schwellenwertes P(alive) > 0,5 die verbleibende Lebenszeit für die Monate 19 bis 24 auf der Basis des Modells bestimmt. Unter Berücksichtigung dieser Lebenszeit wurden die prognostizierten Bestellumsätze für jeden Kunden berechnet, indem deren durchschnittliches Bestellverhalten der Monate 1 bis 18 unterstellt wurde. Im dritten Schritt wurden dann die prognostizierten Bestellumsätze mit den tatsächlichen Bestellungen dieses Zeitraums verglichen.
- 10.
Hier lässt sich einwenden, dass Merkmale der Unternehmensumwelt und des Wettbewerbs regional verschieden ausgeprägt sein können und somit einzelne Kundenbeziehungen unterschiedlich beeinflusst werden. Allerdings ist gerade der Versandhandel dadurch gekennzeichnet, dass Haushalte Kunden von beliebigen Unternehmen sein können, und zwar unabhängig vom Standort der Unternehmen.
- 11.
Die anglo-amerikanische Fachliteratur bezeichnet diese Einflüsse als „time-varying covariates“.
- 12.
Zusätzlich zum bisher diskutierten Modell wurde ein modifiziertes Modell formuliert. Dieser alternative Ansatz sollte explorativ dazu dienen, eventuell vorhandene Trends während des Verlaufs einzelner Kundenlebenszeiten aufzudecken. Die Ergebnisverbesserung gegenüber dem Basismodell ist zwar signifikant, aber nicht substanziell. Daher wird hier lediglich auf Krafft (2007, S. 146 ff.) verwiesen.
- 13.
Einkommensunterschiede können auch durch die Variable Bonität erfasst werden.
- 14.
Unterteilungen auf der Basis von Medianen gehören zum Standard der Marketing-Forschung. Beispiele finden sich bei Bearden et al. (1994) und Schmittlein et al. (1993).
- 15.
Eine Regression der segmentspezifischen Kundenlebenszeitwerte der einzelnen Monate auf die individuelle Kundenlebenszeit unterstützt die hier vorgestellten Befunde (Krafft 2007, S. 196).
Literatur
Allison, P. D. (2010). Survival Analysis Using the SAS System: A Practical Guide (2. Aufl.). Cary/North Carolina: SAS Institute Inc.
Anderson, E. W., & Sullivan, M. W. (1993). The Antecedents and Consequences of Customer Satisfaction for Firms. Marketing Science, 12(2), 125–143.
Bearden, W. O., Rose, R. L., & Teel, J. E. (1994). Correlates of Conformity in the Consumption of Illicit Drugs and Alcohol. Journal of Business Research, 30(1), 25–31.
bevh (2016). Interaktiver Handel in Deutschland 2015: Fast jeder achte Euro wird online ausgegeben. https://www.bevh.org/presse/pressemitteilungen/details/datum/2016/februar/artikel/interaktiver-handel-in-deutschland-2015-fast-jeder-achte-euro-wird-online-ausgegeben/#additionalDownloads. Zugegriffen: 7. März 2016.
Blattberg, R. C., & Deighton, J. (1996). Manage Marketing by the Customer Equity Test. Harvard Business Review, 74(4), 136–144.
Blattberg, R. C., Malthouse, E. C., & Neslin, S. A. (2009). Customer Lifetime Value: Empirical Generalizations and Some Conceptual Questions. Journal of Interactive Marketing, 23(2), 157–168.
Blossfeld, H.-P., Hamerle, A., & Mayer, K. U. (1989). Hazardraten-Modelle in den Wirtschafts- und Sozialwissenschaften. Allgemeines Statistisches Archiv, 73, 213–238.
Bolton, R. N. (1998). A Dynamic Model of the Duration of the Customer’s Relationship with a Continuous Service Provider: The Role of Satisfaction. Marketing Science, 17(1), 45–65.
Brock, C., & Streubig, A. (2014). Nachhaltigkeitsmanagement am Beispiel der Otto Group – Herausforderungen, Strategie und Umsetzung. In H. Meffert, P. Kenning & M. Kirchgeorg (Hrsg.), Sustainable Marketing Management (S. 339–357). Wiesbaden: Gabler.
Cox, D. R. (1972). Regression Models and Life Tables. Journal of the Royal Statistical Society, 34(2), 187–220.
Dick, A. S., & Basu, K. (1994). Customer Loyalty: Toward an Integrated Conceptual Framework. Journal of the Academy of Marketing Science, 22(2), 99–113.
Dwyer, F. R. (1997). Customer Lifetime Valuation to Support Marketing Decision Making. Journal of Interactive Marketing, 11(4), 6–13.
Dwyer, F. R., Schurr, P. H., & Oh, S. (1987). Developing Buyer-Seller Relationships. Journal of Marketing, 51(2), 11–27.
Ehrenberg, A. S. C. (1972). Repeat-Buying: Theory and Applications. Amsterdam: North-Holland Publishing Company.
Elsner, R., Krafft, M., & Huchzermeier, A. (2004). Optimizing Rhenania’s Direct Marketing Business Through Dynamic Multilevel Modeling (DMLM) in a Multicatalog-Brand Environment. Marketing Science, 23(2), 192–206.
Ganesan, S. (1994). Determinants of Long-Term Orientation in Buyer-Seller Relationships. Journal of Marketing, 58(2), 1–19.
Goertz, S. (2007). Portfolio-Werbung. Wiesbaden: Deutscher Universitätsverlag.
Hartnett, M. (1997). Private Label Credit Programs Enjoy Discount Store Boom. Stores, 79, 44–46.
Heinemann, G. (2015). Der neue Online-Handel (6. Aufl.). Wiesbaden: Gabler.
Helsen, K., & Schmittlein, D. C. (1993). Analyzing Duration Times in Marketing: Evidence for the Effectiveness of Hazard Rate Models. Marketing Science, 11(4), 395–414.
Hüppelshäuser, M., Krafft, M., & Rüger, E. (2006). Hazard-Raten-Modelle im Marketing. Marketing – Zeitschrift für Forschung und Praxis, 28(3), 197–210.
Internet World Business (2013). Print als Online-Verstärker. http://heftarchiv.internetworld.de/2013/Ausgabe-25-2013/Print-als-Online-Verstaerker. Zugegriffen: 14. März 2016.
Kalbfleisch, J. D., & Prentice, R. L. (2002). The Statistical Analysis of Failure Time Data (2. Aufl.). New Jersey: Wiley.
Kirchner, J. (2013). Wertorientierte Ausrichtung der Neukundengewinnung. In S. Helmke, M. Uebel & W. Dangelmaier (Hrsg.), Effektives Customer Relationship Management (5. Aufl. S. 241–261). Wiesbaden: Gabler.
Kleinbaum, D. G., & Klein, M. (2012). Survival Analysis: A Self-Learning Test (3. Aufl.). New York: Springer.
Krafft, M. (2007). Kundenbindung und Kundenwert (2. Aufl.). Heidelberg: Physica.
Krafft, M., & Bromberger, J. (2001). Kundenwert und Kundenbindung. In S. Albers, M. Clement, K. Peters & B. Skiera (Hrsg.), Marketing mit Interaktiven Medien: Strategien zum Markterfolg 3. Aufl. Frankfurt: Frankfurter Allgemeine Buch.
Krafft, M., & Bues, M. (2016). Konzepte zur Messung des ökonomischen Kundenwerts. In S. Helm & B. Günter (Hrsg.), Kundenwert – Grundlagen, innovative Konzepte, branchenorientierte Umsetzungen 3. Aufl., S. 237–253. Wiesbaden: Gabler.
Kumar, V. (2008). Customer Lifetime Value. Hannover: Now Publishers Inc.
Kumar, V. (2010). A Customer Lifetime Value-Based Approach to Marketing in the Multichannel, Multimedia Retailing Environment. Journal of Interactive Marketing, 24(2), 71–85.
Kumar, V., & Reinartz, W. (2012). Customer Relationship Management (2. Aufl.). Heidelberg: Springer.
Kumar, V., Ramani, G., & Bohling, T. (2004). Customer Lifetime Value Approaches and Best Practice Applications. Journal of Interactive Marketing, 18(3), 60–72.
Li, S. (1995). Survival Analysis. Marketing Research, 7(4), 17–23.
Malthouse, E. C., & Blattberg, R. C. (2005). Can We Predict Customer Lifetime Value. Journal of Interactive Marketing, 19(1), 2–16.
Morschett, D. (2012). Distanzhandel – Online-Shops und andere Formen. In J. Zentes, B. Swoboda, D. Morschett & H. Schramm-Klein (Hrsg.), Handbuch Handel (S. 375–398). Wiesbaden: Gabler.
Peter, S. I. (1997). Kundenbindung als Marketingziel: Identifikation und Analyse zentraler Determinanten. Wiesbaden: Gabler.
Pöppelbuß, J., & Bur am Orde, M. (2015). Market Intelligence für E-Commerce-Gründungsunternehmen. In J. Freiling & T. Kollmann (Hrsg.), Entrepreneurial Marketing (2. Aufl. S. 517–540). Wiesbaden: Gabler.
Reichheld, F. F. (1997). Der Loyalitäts-Effekt. Frankfurt a. M., New York: Campus.
Reinartz, W. (1999). Customer Lifetime Value Analysis: An Empirical Framework for Measurement and Explanation, Dissertation, Houston.
Rudolf-Sipötz, E. (2001). Kundenwert – Konzeption, Determinanten, Management. Bamberg: Thexis.
Rutsatz, U. (2004). Kundenrückgewinnung durch Direktmarketing – Das Beispiel des Versandhandels. Wiesbaden: Deutscher Universitätsverlag.
Schmittlein, D. C., & Peterson, R. A. (1994). Customer Base Analysis: An Industrial Purchase Process Application. Marketing Science, 13(1), 41–67.
Schmittlein, D. C., Morrison, D. G., & Colombo, R. (1987). Counting Your Customers: Who Are They and What Will They do Next? Management Science, 33(1), 1–24.
Schmittlein, D. C., Cooper, L. G., & Morrison, D. G. (1993). Truth in Concentration in the Land of (80/20) Laws. Marketing Science, 12(2), 167–183.
Sheth, J. N., & Parvatiyar, A. (1995). Relationship Marketing in Consumer Markets: Antecedents and Consequences. Journal of the Academy of Marketing Science, 23(4), 255–271.
Springer Professional (2015). Geringe Loyalität bei deutschen Online-Kunden. https://www.springerprofessional.de/vertriebskanaele/vertriebsmanagment/geringe-loyalitaet-bei-deutschen-online-kunden/6598802. Zugegriffen: 17. März 2016.
Sunder, S. (2015). Measuring the Lifetime Value of a Customer in the Consumer Packaged Goods (CPG) industry, Dissertation, Georgia State University.
Tomczak, T., & Rudolf-Sipötz, E. (2006). Bestimmungsfaktoren des Kundenwertes: Ergebnisse einer branchenübergreifenden Studie. In B. Günter & S. Helm (Hrsg.), Kundenwert (3. Aufl. S. 127–155). Wiesbaden: Gabler.
Venkatesan, R., & Kumar, V. (2004). A Customer Lifetime Value Framework for Customer Selection and Resource Allocation Strategy. Journal of Marketing, 68(4), 106–125.
Wangler, A. (1997). Heterogenitätsprobleme in der Verlaufsdatenanalyse. Frankfurt a.M.: Peter Lang.
Zentes, J., Swoboda, B., Morschett, D., & Schramm-Klein, H. (2012). Herausforderungen des Handelsmanagements. In J. Zentes, B. Swoboda, D. Morschett & H. Schramm-Klein (Hrsg.), Handbuch Handel (2. Aufl. S. 1–18). Wiesbaden: Gabler.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2017 Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Krafft, M., Bues, M., Rutsatz, U. (2017). Customer Lifetime Value in der praktischen Anwendung im Distanzhandel. In: Helm, S., Günter, B., Eggert, A. (eds) Kundenwert. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-10920-2_26
Download citation
DOI: https://doi.org/10.1007/978-3-658-10920-2_26
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-10919-6
Online ISBN: 978-3-658-10920-2
eBook Packages: Business and Economics (German Language)