Zurück
Data Analytics
Zufriedenheit macht Quote
Ganz genau auf Kundenwünsche zu achten, steigert den Erfolg der Sparkassen. Welche Rolle dabei die automatisierte Datenanalyse spielt – und welchen Nutzen die Berater vor Ort davon haben.

Als Service in den herausfordernden Zeiten der Coronapandemie stellt Ulrich Voigt ein neues Angebot vor. Der Vorstandsvorsitzende der Sparkasse KölnBonn wendet sich via Internet-Filiale mit einer klaren Videobotschaft an die Kunden: Sein Haus wolle jetzt nicht nur wie gewohnt in Finanzthemen unterstützen, „sondern auch darüber hinaus“.

Ein dafür kurzerhand gemeinsam mit der Gesellschaft für digitale Transformation kreiertes Angebot bietet viele Tipps, um den Alltag von zu Hause aus besser zu managen. Unter dem sparkassenroten Logo „Bleib gesund! Der digitale Führerschein“ reicht das Spektrum vom Kommunizieren und Einkaufen im Netz übers Nutzen digitaler Lernangebote bis hin zum Onlinebanking. Das Ganze gibt’s kostenlos – und für jeden nutzbar.

Schnelles und gekonntes Reagieren entscheidet über die Zufriedenheit der Zielgruppe. Deshalb ist es wichtig, zur rechten Zeit das Passende zu bieten. Das gilt auch für die Beratungsgespräche in den Geschäftsstellen und die Angebote der Internet-Filiale wie auch der Sparkassen-App. Dabei hilft eine automatisierte Datenanalyse, die persönlichen Wünsche von Kunden in Finanzfragen möglichst genau zu benennen und den passgenauen Kommunikationskanal zu empfehlen.

Immer mehr Sparkassen nutzen die Datenanalyse

Das mathematisch-statistische Prognosemodell – „Data Analytics“ genannt – nutzt dafür mit dem Einverständnis der Betroffenen eine geradezu unüberschaubare Vielzahl an vorliegenden Informationen, um anstehende Kaufentscheidungen der jeweiligen Personen voraussagen zu können. Zusehends mehr Sparkassen unterstützen ihren Vertrieb auf diese Art.

Doch Data Analytics ist kein Selbstläufer. Letztlich kommt es zum einen auf die Güte der Beratung an – und da ist es mitunter nötig, Prozesse zu verbessern, um die Kunden entsprechend ihren Wünschen zu betreuen.

Zum anderen ist es erfolgsentscheidend, neue Produkte beispielsweise für digitale Anwendungen sehr genau in ihrer Entwicklung daraufhin zu überprüfen, wie nutzerorientiert sie sind. Hierauf legt Jens Rieken als Leiter des Sparkassen Innovation Hub großen Wert (lesen Sie hier seine Tipps für eine nutzerorientierte Entwicklung).

Die Sparkasse KölnBonn macht schon seit geraumer Zeit gute Erfahrungen mit Data Analytics und verwendet das Prognosemodell für Kundenentscheidungen zusehends stärker in der vertrieblichen Ansprache. Vorstandsvorsitzender Voigt sagt als Zwischenfazit: Sein Haus konnte „in ausnahmslos allen Themengebieten, in denen wir diese Selektionen genutzt haben, höhere Abschlussquoten realisieren“ (das Interview lesen Sie hier).

„In ausnahmslos allen Themengebieten, in denen wir das ­Prognosemodell angewendet haben, konnten wir höhere –Abschlussquoten realisieren“, sagt Ulrich Voigt, Vorstandschef der Sparkasse KölnBonn.

Das gilt auch für andere Institute. Helmut Schiffer, Vorstandsvorsitzender der Sparkasse Essen, setzt in seinem Haus bei der Vorbereitung von Vertriebskampagnen auf Data Analytics und lässt zudem die vielversprechenden Weiterentwicklungen testen.

Damit befasst ist beispielsweise Olaf Kreienbaum aus dem Bereich Vertriebssteuerung. Er nennt ein praktisches Beispiel, wie Berater im Gespräch ihr Gegenüber künftig noch gezielter auf ein weiteres Finanzprodukt ansprechen können.

Eine Reihe von Data-Analytic-Scores ist genau für diese Next Best Action (NBA) optimiert worden. Dazu zählen neben dem Privatkredit, der Kreditkarte und Versicherungen zum Gesundheits- und Privatschutz auch der Deka-Sparplan fürs Bilden von Vermögen und die Riester-Rente sowie die Baufinanzierung im Rahmen der Altersvorsorge. „Aus diesen NBA-Empfehlungen lassen sich dann bereits zugeordnete OSPlus-neo-Prozesse direkt aufrufen“, wie Kreienbaum erläutert.

Das Programm schafft einen mühelosen Übergang

Während der Beratung sieht der Mitarbeiter auf dem Bildschirm in der Kundenübersicht einen Vertriebshinweis mit den Prioritäten eins, zwei und drei für weitere potenzielle Affinitäten seines Gegenübers. Er kann gezielt auf diese Produkte eingehen – auch wenn die Plakate in der Filiale möglicherweise gerade ein ganz anderes Thema in den Blick rücken. Auf Wunsch des Kunden reicht dann ein Klick, um die nächste Maske aufzurufen und das Gespräch für einen weiteren Abschluss nahtlos fortzuführen.

Aus Kreienbaums Sicht ist gerade dieser mühelose Übergang auch im Sinne des Kunden: Dieser erlebt einen reibungslosen Gesprächsfortschritt und hat dabei das Gefühl, dass sein Berater gut vorbereitet ist und ihn wohl schon ein wenig zu kennen scheint, denn er thematisiert – dank Data Analytics – ein latentes Interesse.

„Da fühlt er sich besser aufgehoben“, sagt Vertriebsunterstützer Kreienbaum, „als wenn eine Bank nur nach ­Schema F vorginge und zentral vorgegebene Produkt­empfehlungen abarbeitet.“ Die Sparkasse Essen ist zudem im Innovationscluster der Finanzgruppe aktiv. „Deshalb wissen wir“, sagt der Vorstandsvorsitzende Schiffer, „was genau in Sachen Data Analytics aktuell passiert und was noch auf der Agenda steht.“

In den von S-Rating koordinierten Arbeitsgruppen des Innovationsclusters engagiert sich Matthias Schilling als Leiter Zielgruppenmanagement der Sparkasse Nürnberg. „Wir beteiligen uns an einzelnen Projekten“, erzählt er und nennt ein Beispiel: „Eine softwarebasierte Ansprachehilfe soll künftig dabei unterstützen, die Kunden individueller zu betreuen.“

Wenn eine Person affin für Fondssparen sei, werde dem Berater dann zusätzlich angezeigt, dass der Kunde schon ein Deka-Depot führt und plötzlich mehr Gehalt bezieht. Das liefere einen noch besseren Hintergrund fürs gemeinsame Gespräch.

Erfolgreicher als die händische Expertenselektion

Im Rahmen von Kampagnen hat sich Schilling zufolge immer wieder eines herausgestellt: Ansprachen von Kunden sind erfolgreicher, wenn die Namen potenziell Interessierter mithilfe von Data Analytics automatisiert zusammengestellt worden sind – und nicht mehr wie früher per händischer Expertenselektion.

Diese neue Form des Ermittelns von Angeboten, die für Einzelne relevant sein dürften, biete erkennbaren Mehrwert. Schilling: „Das steigert auch die Kundenzufriedenheit nennenswert.“

Rudolf Kahlen
– 5. Mai 2020