KundensegmentierungKundensegmentierung mit Clusteranalyse

Was Sie mit der Clusteranalyse für Ihr Marketing bezwecken

Mit der Kundensegmentierung soll vermieden werden, dass alle (potenziellen) Kunden in einen Topf geworfen werden. Denn dann würden alle die gleichen Produkte angeboten bekommen, die gleichen Werbebotschaften hören und den gleichen Preis bezahlen müssen.

Die Folge ist, dass sich niemand von den Kunden richtig angesprochen und behandelt fühlt. Um das zu vermeiden, werden die Kunden und Zielgruppen des Unternehmens in Gruppen eingeteilt. Aber wie?

Einige Modelle und Verfahren zur Kundensegmentierung geben vor, nach welchen Kriterien oder Merkmalen Kunden in Gruppen eingeteilt werden. Das sind aber nicht immer die passenden.

Für eine spezielle Kundensegmentierung oder Kundenanalyse wählt das Marketing eigene Kriterien und Merkmale und bildet mithilfe der Clusteranalyse Kundensegmente und unterschiedliche Gruppen.

Grundlagen für die Clusteranalyse

Um eine Clusteranalyse durchzuführen, müssen Sie zunächst Ihre Ziele und Fragestellungen formulieren und das Untersuchungsobjekt festlegen. Daraus leiten Sie ab, welche Merkmale Sie für die Antworten auf Ihre Fragen betrachten und auswerten wollen.

Für die Untersuchungsobjekte ermitteln oder messen Sie dann die jeweilige Merkmalsausprägung. Dazu müssen Sie Daten erheben und erfassen. Die Daten werden mithilfe eines Statistik-Tools und der Clusteranalyse ausgewertet.

Um ausreichend viele und zuverlässige Daten mit der Clusteranalyse auswerten zu können, brauchen Sie eine entsprechende Datengrundlage. Manchmal gibt es diese bereits im Unternehmen. Manchmal müssen die Daten durch eine Befragung oder Messung erst erhoben werden.

Wenn das Untersuchungsobjekt aus sehr vielen Einheiten (Personen etc.) besteht, wenn die Grundgesamtheit für die statistische Analyse also sehr groß ist, dann ermitteln Sie die Daten auf der Grundlage einer zufälligen Stichprobe.

Vorgehensweise bei der Clusteranalyse

Für eine umfangreiche Analyse der Daten und für eine anspruchsvolle Clusteranalyse mit vielen Merkmalen brauchen Sie eine spezielle Software für die statistische Auswertung. Zum Beispiel SPSS, SAS oder R.

Im Folgenden werden die Möglichkeiten aufgezeigt, die eine Clusteranalyse bietet, und die Vorgehensweise erläutert. Dazu finden Sie im Praxisteil eine Excel-Vorlage für eine einfache Clusteranalyse. Die Vorlage ist auch Grundlage für die folgenden Erläuterungen.

1. Schritt: Ziele, Fragen und Untersuchungsobjekt festlegen

Im ersten Schritt legen Sie fest, welche Untersuchungsobjekte Sie betrachten. Das hängt davon ab, was genau Sie analysieren wollen, welche Ziele Sie damit verfolgen und welche Fragen Sie dazu beantworten wollen. Beispiele für Ziele und Fragen sind:

• Ziel: Werbung besser auf Kunden ausrichten, um mehr Werbewirkung zu erzielen
  Frage: Welche Kunden bevorzugen welche Produkte Ihres Unternehmens?
• Ziel: Höheren Umsatz erzielen durch Preisdifferenzierung
  Frage: Welche Kunden würden welchen Preis für die Produkte des Unternehmens bezahlen?
• Ziel: Einen Preisbereich finden, in dem möglichst wenige Wettbewerber aktiv sind
  Frage: Welche Wettbewerber bieten ihre Produkte zu welchem Preis an?

In den ersten beiden Fällen sind die bestehenden oder potenzielle Kunden Ihres Unternehmens das Untersuchungsobjekt. Im dritten Fall sind es die Wettbewerber, die Sie analysieren wollen.

Beispiel: Clusteranalyse mit Excel zur Planung von Werbung und Point of Sale

Für die folgenden Erläuterungen wird ein Unternehmen betrachtet, das Fahrräder herstellt und über seinen Online-Shop und über den Fachhandel verkauft. Das Unternehmen möchte wissen, welche Kunden sich für welche Art von Fahrrädern interessieren, um daraus abzuleiten:

• Welche Kunden sollen mit welchen Inhalten eines Newsletters angesprochen werden?
• In welchen Medien sollen welche Fahrradtypen beworben werden?
• Welche Fahrradtypen sollen bei den Fachhändlern in einem Stadtteil besonders präsentiert werden?
• Wie viel Stück eines Fahrradtyps werden vermutlich pro Jahr verkauft – um Produktion und Lagerhaltung zu optimieren?

2. Schritt: Merkmale für die Unterscheidung festlegen

Um diese Fragen zu beantworten, müssen Merkmale festgelegt und erläutert werden, die für eine Einteilung der Kunden (Untersuchungsobjekt) in unterschiedliche Gruppen geeignet sind. In Bezug auf die Kunden werden dazu folgende Merkmale mit den genannten möglichen Merkmalsausprägungen betrachtet:

• Familienstand: Familie mit Kindern bis 15 Jahre, Singles und Ehepaare ohne Kinder oder mit Kindern über 15 Jahre
• Alter: unter 30 Jahre, zwischen 30 und 60 Jahre, über 60 Jahre
• Einkommen: gering (unter 2500 EUR Haushaltseinkommen pro Monat), hoch (2500 EUR oder mehr pro Monat)

Da es bei den Fragestellungen vor allem um Präferenzen der Kunden in Bezug auf einzelne Fahrradtypen geht, werden die Fahrräder unterschieden nach:

• Kinderfahrräder (für Kinder bis 10 Jahre)
• Jugendfahrräder (für Kinder und Jugendliche zwischen 10 und 15 Jahre)
• Stadträder mit Komfortausstattung
• E-Bikes für die Stadt und für Touren
• Mountainbikes
• E-Mountainbikes

3. Schritt: Datenerhebung

Im Rahmen einer umfangreichen Kundenbefragung werden zum einen die Daten erhoben, die für die jeweilige Kundin und den Kunden zutreffen in Bezug auf Familienstand, Alter und Einkommen.

Zum anderen werden die Kundinnen und Kunden danach befragt, welcher der genannten Fahrradtypen sie besonders interessiert – auf einer Skala von:

• 1 = kein Interesse bis
• 10 = sehr starkes Interesse

Außerdem liegen dem Unternehmen Daten vor, wie viele Personen und Haushalte es in einer Region und einem Stadtteil (mit einem entsprechenden Fachhändler) gibt, die einer der genannten Gruppen in Bezug auf Familienstand, Alter und Einkommen zugehören. Und es ist bekannt, welche Kundengruppen sich über welche Medien besonders informieren.

4. Schritt: Datenauswertung und Clusteranalyse mit Excel

Für die Clusteranalyse mit Excel werden die befragten Kunden mit den Fahrradtypen in Beziehung gesetzt. Dazu werden zunächst folgende Kunden mit ihren Merkmalen unterschieden (mit Kurzbezeichnung):

1. F – U30 – gE = Familie mit Kindern bis 15 Jahre, Alter unter 30, Einkommen gering
2. F – U30 – hE = Familie mit Kindern bis 15 Jahre, Alter unter 30, Einkommen hoch
3. F – 30-60 – gE = Familie mit Kindern bis 15 Jahre, Alter zwischen 30 und 60, Einkommen gering
4. F – 30-60 – hE = Familie mit Kindern bis 15 Jahre, Alter zwischen 30 und 60, Einkommen hoch
5. S – U30 – gE = Singles und Ehepaare ohne Kinder oder mit Kindern über 15 Jahre, Alter unter 30, Einkommen gering
6. S – U30 – hE = Singles und Ehepaare ohne Kinder oder mit Kindern über 15 Jahre, Alter unter 30, Einkommen hoch
7. S – 30-60 – gE = Singles und Ehepaare ohne Kinder oder mit Kindern über 15 Jahre, Alter zwischen 30 und 60, Einkommen gering
8. S – 30-60 – hE = Singles und Ehepaare ohne Kinder oder mit Kindern über 15 Jahre, Alter zwischen 30 und 60, Einkommen hoch
9. S – Ü60 – gE = Singles und Ehepaare ohne Kinder oder mit Kindern über 15 Jahre, Alter über 60, Einkommen gering
10. S – Ü60 – hE = Singles und Ehepaare ohne Kinder oder mit Kindern über 15 Jahre, Alter über 60, Einkommen hoch

Diese Kundenmerkmale sind in der folgenden Abbildung aus der Excel-Vorlage aufgeführt.

Dann werden in der Tabelle die Präferenzen der Kunden mit den entsprechenden Merkmalen für den jeweiligen Fahrradtyp erfasst. Der Präferenzwert in der Tabelle ergibt sich als Mittelwert aus den Nennungen der Kunden mit gleichen Merkmalen.

Beispiel: Kunden mit den Merkmalen „Familie mit Kindern“, „Alter zwischen 30 und 60 Jahren“ und „hohes Einkommen“ (F – 30-60 – hE) interessieren sich im Durchschnitt mit einem Skalenwert von 7 für Kinderfahrräder (siehe folgende Abbildung).

Schließlich werden die statistischen Berechnungen zur Clusteranalyse durchgeführt. Mit den Beispieldaten aus der vorigen Abbildung ergeben sich drei Cluster, die in der folgenden Abbildung gekennzeichnet sind:

• 1: Familien mit Kindern und hohem Einkommen
• 2: Kunden mit geringen Einkommen
• 3: Singles und Haushalte ohne kleine Kinder mit hohem Einkommen

5. Schritt: Erkenntnisse aus der Clusteranalyse für das Marketing ableiten

Aus dieser einfachen und beispielhaften Datenauswertung und den drei identifizierten Clustern lassen sich folgende Erkenntnisse ableiten:

Preisdifferenzierung nach Einkommen der Kunden:

Das Einkommen der Kunden ist ein wichtiger Faktor für die Präferenzen zu den Fahrradtypen. Deshalb könnte eine Preisdifferenzierung gewählt werden: hochwertige und teure Fahrräder für Kunden mit hohem Einkommen; Standardfahrräder zu einem geringeren Preis für Kunden mit geringerem Einkommen.

Bewerbung von Kinder- und Jugendfahrrädern:

Familien mit Kindern bis 15 Jahre und einem hohen Einkommen erhalten spezielle Werbung zu Kinder- und Jugendfahrrädern. Im Fachhandel werden diese Produkte besonders positioniert und präsentiert.

Wenn darüber hinaus Daten vorliegen, die zeigen, wie viele Kunden mit den betrachteten Merkmalen Familienstand, Alter, Einkommen es in einer Region, Stadt oder einem Stadtteil gibt, können die Ergebnisse der Clusteranalyse miteinander verknüpft werden. Daraus können sich weitere Erkenntnisse ableiten wie:

• Bei einem Fachhändler in einem Stadtteil mit hohen Einkommen und vielen jungen Familien werden Kinder- und Jugendfahrräder prominent präsentiert; mit einer speziellen Gestaltung am Point of Sale, Aktionen für Kinder, Probefahrten, Fahrradkurse etc.
• Es wird ein neuer Vertriebsweg aufgebaut für günstige Standardfahrräder in der Nähe eines großen Einkaufszentrums mit großer Verkaufsfläche und umfangreicher Lagerhaltung (das passende Fahrrad zum Mitnehmen).
• Für das günstige Standardfahrrad wird ein eigener Markenname etabliert.

Im nächsten Schritt können dann spezielle Marketing- und Vertriebsmaßnahmen geplant und umgesetzt werden.