Im CRM: 20.000 Kontakte. Davon zu gebrauchen: Vielleicht 300.
Der Rest: Fragwürdig, lückenhaft, fehlerhaft, nicht nachgehalten. Für Sales- und Marketing-Kampagnen vollkommen unbrauchbar.
Dabei sind doch Kundendaten – so heißt es – das wertvollste im Unternehmen! Was also tun?
Company
Pakete
Problemanalyse
Anforderungsanalyse
Lösungskonzepte
Datenaufbereitung
CRM-Prozess Change
Operationalisierung
Tech
Hubspot CMS
TL;DR
Herausforderung
Im CRM liegen gut 20.000 Kontakte – und nur wenige Hundert sind nutzbar. Mehrere Jahre Vernachlässigung der Datenhygiene rächen sich nun: Personalisierte und geografisch gezielte Kampagnen sind so unmöglich. Auch die manuelle Aufbereitung der Daten erweist sich als völlig gaga.
Idee und Lösung
Scraping der fehlenden Daten durch einen progressiven Algorithmus auf den im Unternehmen ohnehin auf mehrere Quellen verteilte Daten.
Ergebnis
Ein funktionales und komplett gefülltes CRM mit aktualisierten und normalisierten Kundendaten. Kurzer Entwicklungs- und Implementierungsdauer, DSGVO-Sicherheit, eine Fehlerquote von knapp unter 5%, ein glücklicher Vertriebschef und ein Marketing-Team, das endlich eine Arbeitsgrundlage hatte.
Die Ausgangslage: unübersichtlich.
Das Unternehmen – ein in seiner Branche führender Software-Hersteller – ist auf dem gesamten europäischen Kontinent vertreten. Die Zielgruppe ist heterogen: Kleine, mittlere und konzernartige Kunden, deren jeweiliges Angebot starke regionale Bezüge hat.
Für den Vertrieb und das Marketing bedeutet das, dass Kampagnen nach Regionen, nach Klassifizierung, nach Typ und so weiter segmentiert werden müssen. Dass die Ansprache der Kunden ohnehin so weit wie möglich personalisiert sein sollte, gilt ohnehin mittlerweile als Selbstverständlichkeit.
Das Problem: In den Datensätzen fehlte mal der Nachname, mal die Adresse, mal der Ort, mal die Postleitzahl, mal das Land, mal war der Unternehmensname als Vorname eingetragen und mal war es andersum. Manchmal fehlte … alles.
Die Kunden- bzw. CRM-Daten waren über einen Zeitraum von mehreren Jahren kaum gepflegt worden. Das Ergebnis fiel dem Unternehmen nun auf die Füße, denn die immensen Lücken in der vermeintlichen Datenbasis stellte Expansionsplänen ein Beinchen: Wie will man einen neuen Markt erobern, wenn man nichtmal im eigenen CRM nach dem Land filtern kann?
Die Lösung:Datengetrieben.Mit der Macht der Daten Daten machen!
Die erste angedachte Lösung: Die drei studentischen Hilfskräfte bereiten die Daten auf. Händisch. Einen Datensatz nach dem anderen. Klang schon in der ersten Sekunde wie eine dusselige Idee – aber man kann ja mal schauen, wie weit man kommt. Vier Stunden nach dem Kick-Off wurde Bilanz gezogen und der Gesamtaufwand beziffert. Zu lang. Zu teuer. Mehrere Monate und einige Zehntausend Euro hätte der Spaß gekostet. Und dafür aber drei Fälle für die Klapse produziert. Das musste anders gehen.
Die Lösung kam durch ein Gespräch mit dem Data Science Team zustande: Sacht mal – kann man hierfür nicht die Macht der Algorithmen irgendwie nutzen? Zusammen mit den Datenwissenschaftlern wurde ein – wie sie es nannten – advanced algorithm erdacht, der zusammen mit einem intelligenten Skript – einem so genannten Scraper – die lückenhaften CRM-Daten mit verfügbaren Daten aus verschiedenen uns zugänglichen (und – nach mehrfacher Nachfrage: natürlich legalen!) Quellen abgleichen, vervollständigen und normalisieren konnte.
Das Resultat: Ein aufgeräumtes CRM.Damit kann man arbeiten.
Die Entwicklungsdauer betrug nur knapp zwei Wochen, die Implementierung wenige Tage und der komplette Durchlauf ein paar Minuten. Der Data Science Werkstudi hatte ein cooles, nicht ganz typisches Projekt für sein Portfolio. Und Zeit für einen DSGVO-Check war auch noch.
Am Ende lag die Fehlerquote bei ungefähr 5% – also etwa 1.000 Datensätze, die nochmal manuell überarbeitet oder gelöscht werden mussten. Im Anbetracht der Alternativen ein sehr nicer, sagen wir: pragmatischer Wert. Die Datenbasis war wiederhergestellt … oder überhaupt erst so richtig hergestellt.
Marketing und Vertrieb konnten nun im Handumdrehen ortsspezifische Kampagnen erdenken und rausdreschen – und überhaupt mal die Kontaktbasis nach den bislang fehlenden Kriterien filtern.
Nebenbei wurde im Unternehmen das Bewusstsein für die Wichtigkeit der Datenqualität geschaffen. Und ein gewisser Ehrgeiz geweckt: Sowas sollte bitte noch nochmal vorkommen. wurde ein Prozess für den Umgang mit CRM-Daten entwickelt, im Unternehmen kommuniziert und abteilungsübergreifend ausgerollt.
Man munkelt, es werde sich auch heute noch dran gehalten.
