CONSULTING.de
PERSONALintern.de
Pressemitteilung im Originalwortlaut Social Media für die Assekuranz: Zielgruppen, Potenziale und Perspektiven
veröffentlicht am
Machine Learning in der Marktforschung Wie neue Technologien die Marktforschung im Pricing verändern
veröffentlicht am
Marktforschung ist ein Kernbestandteil der Kundenanalyse bei fast allen Unternehmen. Insbesondere vor wichtigen Pricing-Entscheidungen ist sie häufig die einzige Möglichkeit die Kundenperspektive abzubilden. Nicht nur die Frage "Was sollen meine Produkte kosten?" sondern auch die komplementären – und ebenso wichtigen – Fragen "Welches Produkt sollen wir auf den Markt bringen?", "Welche neuen Produktinnovationen sollen wir hinzufügen?", "Wie sollen wir unser Portfolio insgesamt anpassen?" werden mit Hilfe von Marktforschung (insb. Conjoints) beantwortet. Allerdings wird Marktforschung von Unternehmen dabei häufig mehr als notwendiges Übel und weniger als Bereicherung empfunden.
Marktforschung hat vier Kernprobleme
Bei unserer Arbeit mit (Groß-)Unternehmen begegnen uns vier Probleme der konventionellen Marktforschung immer wieder:
- Marktforschung ist teuer: Die Kosten sind vor allem getrieben durch den hohen Aufwand. Von Experten geleitet, müssen Umfragen mit hunderten oder tausenden potenziellen Kunden durchgeführt werden. Dass dies kein kostengünstiges Unterfangen ist, liegt also in der Natur der Sache.
- Marktforschung ist langsam: Das Erstellen von Panels, richtiges Sampling und die Analyse der gewonnenen Daten erfordern enormen Zeitaufwand. Oft dauert es daher 4-5 Monate, bis zentrale Fragestellungen beantwortet können. Gerade in Zeiten der Digitalisierung sind solche Zyklen viel zu lang. Die gewonnenen Erkenntnisse sind dann oft nicht mehr aktuell.
- Marktforschung ist zu ungenau: Obgleich Marktforschung wissenschaftlich durchgeführt wird, sind die gewonnenen Erkenntnisse häufig nicht relevant genug, um spezifische Fragestellungen zu beantworten. Dies liegt an den artifiziellen Situationen, in denen Kunden befragt werden: eine hypothetische Kaufentscheidung in einer Umfrage ist zu weit entfernt von der Komplexität der wirklichen Welt.
- Marktforschung ist inflexibel: Erweitert sich die Fragestellung im Prozess, kann dies nicht leicht ergänzt werden. Eine Marktstudie kann immer nur definierte Fragen beantworten, wenn eine neue aufkommt, muss der Kunde erneut gefragt werden. Dies kostet zusätzlich Zeit und Geld.
Für Unternehmen, die Pricing und Produktentscheidungen treffen müssen, geht es aber häufig um Milliarden an Umsatzpotenzial. Hier ist Genauigkeit gefragt, die nur mit Hilfe moderner "Machine Learning" Technologie möglich ist.
"Machine Learning" revolutioniert die Marktforschung
"Machine Learning" ist ein Teilgebiet der künstlichen Intelligenz. Es beschreibt Algorithmen, die ohne menschliche Intervention und allein auf Basis neuer Daten besser werden, bestimmte Probleme zu lösen. Besonders gut funktionieren sie überall, wo wiederkehrende Muster erkannt werden müssen.
Genau solche Muster sind es auch, die "Machine Learning" nutzen kann, um Unternehmen nicht nur Kosten und Zeit zu sparen, sondern auch bessere Vorhersagen zu machen.
Dies funktioniert, weil Menschen als Gruppe erstaunlich vorhersehbar agieren. Für die Vorhersage von Kaufentscheidungen ist dies ein enormer Vorteil. Da fast alle Unternehmen ihren Kunden die gleichen Preise und Produkte anbieten (jedenfalls pro Vertriebskanal) müssen sie lediglich verstehen, wie ihre Kunden als Gruppe agieren. Das Beste daran ist: Unternehmen kennen ihre eigenen Kunden viel besser als sie denken und viel besser als externe Marktforscher. Historische Verkaufsdaten spiegeln echte Kaufentscheidungen wider - sind also Experimente unter realen Bedingungen - während die "Laborbedingungen" in Umfragen sehr artifiziell sind. Algorithmen ermöglichen es eine große Menge an Informationen über Kundenpräferenzen aus den bereits vorhandenen historischen Daten zu ziehen und in einem Kundenmodell (einem virtuellen Abbild realer Kunden) zu speichern.
Dieses Vorgehen hat gegenüber herkömmlicher Marktforschung wichtige Vorteile:
- Keine marginalen Kosten: Egal wie viele Szenarien und Kaufentscheidungen man simuliert, der Preis für Unternehmen steigt nicht, da bis auf Rechenkapazität kein realer Aufwand entsteht. Marktforschung hingegen muss immer echte Menschen befragen und Analysten benutzen, um diese Daten auszuwerten. Daher ist sie immer teurer als die digitale Alternative.
- Befragung in Sekunden: Während Conjoints und andere Umfragen oft Wochen oder Monate in Anspruch nehmen, können Unternehmen mit neuen Technologien innerhalb von Sekunden Szenarien durchspielen. Ein Szenario kann dabei schon heute Billionen Preiskombinationen beinhalten. Diese Größenordnung ist durch Marktforschung und Excel nicht abbildbar.
- Genauere Vorhersagen: Da die Kaufentscheidungen von Machine-Learning-Algorithmen auf denen echter Kunden basieren, spiegeln sie die Wirklichkeit viel besser wider als künstliche Szenarien in Umfragen. Die Genauigkeit der Vorhersage ist dabei von immenser Bedeutung. Nur wenn der Bedarf der Kunden genau getroffen wird, ist der gesetzte Preis nah genug am Profitoptimum. Millionen Euro an Umsatz hängen hiervon ab.
- Flexibel und iterativ: Anders als Marktstudien ist die Arbeit mit Algorithmen nicht langwierig und linear, sondern schnell und iterativ. Für Entscheider heißt das, dass Fragestellungen schnell angepasst werden können und sie schnell bessere Fragen und Antworten erreichen können.
Fazit: Herkömmliche Marktforschung muss sich an die neue Realität anpassen
Die Marktforschung in ihrer jetzigen Form ist teuer, zeitaufwändig und ungenau. Um strategische Produkt- und Preisentscheidungen zu treffen eignet sich "Machine Learning" deutlich besser als herkömmliche Alternativen, da diese echte Kundenentscheidungen widerspiegeln. Da dies virtuell geschieht, sinken Grenzkosten auf null und Iterationszeiträume von Monaten auf Minuten.
Die Rolle der Marktforschung verschiebt sich dabei weg von umfassenden Befragung, bei der längst bekannte Zusammenhänge wieder und wieder mitabgefragt werden, hin zu punktuellen Befragungen, bei der neue, nicht in historischen Daten vorhandene Information abgefragt wird.
Hierdurch verringert sich der Aufwand stark, da wenige Parameter (z.B. zu Innovationen) viel schneller und kostengünstiger abgefragt werden können. Gleichzeitig wird dadurch das Anwendungsgebiet deutlich breiter. Da Algorithmen die "Basisdaten" grenzkostenfrei erheben, können kleinere und weniger umsatzstarke Segmente auf einem Niveau abgedeckt werden, das bisher nur top Produkten (wie z.B. Neufahrzeugen) zuteilwurde.
Über den Autor
mvw
Kommentare (2)
Um unsere Kommentarfunktion nutzen zu können müssen Sie sich anmelden.
Anmelden