Customer Relationship Management und Customer Analytics
Überblick und Lernziele
Customer Relationship Management (CRM) ist eine kundenorientierte Unternehmensstrategie, die mithilfe moderner IT versucht, auf lange Sicht profitable Kundenbeziehungen durch ganzheitliche und individuelle Marketing-, Vertriebs- und Servicekonzepte aufzubauen und zu festigen. Gerade im Zuge der Entwicklung von der reinen Transaktions- hin zur Einzelkunden- und Netzwerkorientierung werden Techniken des CRM für Unternehmen immer wichtiger. Im strategischen CRM sind hier beispielsweise die Bewertung einzelner Kundenbeziehungen (z.B. auf Basis des Customer Lifetime Value) sowie das wertorientierte Management von Kundenportfolios zu nennen. Im Rahmen des analytischen CRM werden kundenspezifische Daten (z.B. zu Kundenkontakten und Kundenreaktionen) erfasst, gesammelt, ausgewertet und beispielsweise mithilfe von Methoden des Data Mining und Text Mining analysiert (Business Intelligence). Auf diese Weise soll Wissen über Kundenstrukturen und Kundenverhalten generiert werden, um strategische und operative Prozesse zu unterstützen.
Im Modul „Customer Relationship Management und Customer Analytics“ werden hierzu zentrale Konzepte und Methoden des strategischen, operativen und analytischen CRM behandelt und anhand von Praxisbeispielen verdeutlicht.
Studierende, die dieses Modul erfolgreich absolviert haben, kennen die wesentlichen theoretischen Grundlagen und Methoden des CRM. Darüber hinaus sind Sie in der Lage praktische Problemstellungen mit Hilfe der vermittelten Lehrinhalte erfolgreich zu bewältigen (Reale Use Cases werden in Vorlesung und Übung vermittelt), die Ergebnisse zu interpretieren und Handlungsempfehlungen abzuleiten.
Dozierende
Inhaltliche Informationen
Studierende, die dieses Modul erfolgreich absolviert haben,
- kennen die wesentlichen Bereiche und Konzepte des CRM,
- können verschiedene Verfahren der Kundenbewertung beurteilen und anwenden,
- können Kundenportfolios auf Basis von Rendite-Risiko-Gesichtspunkten bewerten,
- wissen von der Bedeutung qualitativ hochwertiger Daten für ein erfolgreiches CRM und können verschiedene Metriken zur Messung der Datenqualität anwenden,
- können Kundendaten mithilfe von Data Analytics-Methoden (z.B. Clustering, Klassifikation, Regression) analysieren (auch mithilfe von Python), die Ergebnisse interpretieren und Handlungsempfehlungen für das CRM ableiten.
In diesem Modul werden folgende fachliche Inhalte vermittelt:
- Customer Analytics
- Kundenwert als Steuerungsgröße im CRM
- Qualitativ hochwertige Daten als Erfolgsfaktor im CRM
- Data Analytics – Grundlagen, Verfahren und Anwendungsbereiche im CRM
- Buhl, H. U.; Heinrich, B. (2008) Valuing Customer Portfolios under Risk-Return-Aspects: A Model-based Approach and its Application in the Financial Services Industry. In: Academy of Marketing Science Review 12 (5), S. 1-32.
- Gneiser, M. S. (2010) Wertorientiertes CRM. Das Zusammenspiel der Triadeaus Marketing, Finanzmanagement und IT. In: WIRTSCHAFTSINFORMATIK52 (2), S. 95-104.
- Heyer, G.; Quasthoff, U.; Wittig, T. (2006) Text Mining: Wissensrohstoff Text: Konzepte, Algorithmen, Ergebnisse. W3L-Verlag, Bochum
- Hildebrand, K.; Gebauer, M.; Hinrichs, H.; Mielke, M. (2011) Daten- und Informationsqualität – Auf dem Weg zur Information Excellence. Vieweg +Teubner, Wiesbaden.
- Hippner, H.; Hubrich, B.; Wilde, K.-D. (2011) Grundlagen des CRM: Strategie, Geschäftsprozesse und IT-Unterstützung, Gabler, Wiesbaden.
- Klier, M.; Heidemann, J.; Benno, G. (2010) Die Ermittlung des Kundenpotenzials im Controlling – ein bedarfsorientierter Ansatz und dessen Anwendung bei einem Finanzdienstleister. In: Controlling & Management 54 (1), S. 48-54.
- Linoff, G. S.; Berry, M. J. A. (2011) Data Mining Techniques – For Marketing, Sales and Customer Support, Wiley, Indianapolis
Organisatorische Informationen
Nächster Veranstaltungsbeginn: WiSe 24/25
Ort: H14 (Montag ) und H12 (Mittwoch)
Termine: Montag von 12 bis 14 Uhr und Mittwoch von 14 bis 16 Uhr. Die erste Vorlesung findet am Mittwoch, den 16.10.2024 von 14 bis 16 Uhr statt.
ECTS: 6
Vorlesung (2 SWS) mit Übung (2 SWS)
Die Vergabe der Leistungspunkte erfolgt aufgrund des Bestehens der schriftlichen Modulprüfung. Die Anmeldung zu dieser Prüfung setzt keinen Leistungsnachweis voraus.
Die Modulnote entspricht dem Ergebnis der Modulprüfung.
Schwerpunktfächer: Schwerpunktfächer Technologie- und Prozessmanagement, Business Analytics, Unternehmensführung und Controlling, Wahlpflicht BWL.
Studiengänge: B.Sc. Wirtschaftswissenschaften, B.Sc. Wirtschaftsmathematik, B.Sc. Wirtschaftschemie, B.Sc. Wirtschaftsphysik und Studiengänge mit Nebenfach Wirtschaftswissenschaften