Get in touch
Die Bedürfnisse der Kund:innen müssen Ausgangspunkt für jedes digitale Angebot sein – spätestens seit Beginn der Pandemie ist das für Telekommunikationsanbieter nicht mehr nur Kür, sondern schlichtweg Pflicht. Gerade auf einem gesättigten Markt, auf dem sich die Angebote unterschiedlicher Provider stark ähneln, Neukund:innen nahezu ausschließlich über Abwerbung von der Konkurrenz akquiriert werden können und die Kundenbindung stark zurückgeht, gilt es, zu jedem Zeitpunkt eine angenehme User Experience und passende Inhalte zu bieten.
Denn von anderen Plattformen, Shops und Services sind Kund:innen heute Kontrolle und Flexibilität gewohnt, sei es hinsichtlich von Verträgen, gebuchten Leistungen oder Kanälen und Devices, über die sie auf Dienste zugreifen können. In dieser Hinsicht haben CSPs jedoch meist Nachholbedarf. So ist beispielsweise ein Erhöhen des Datenvolumens für Kund:innen von Mobilfunkservices nicht immer bedarfsgerecht möglich. Auch sonstige Up- oder Downgrades sind häufig an starre Vertragsfristen gebunden. Dass das nicht nutzerfreundlich und vor allem nicht mehr zeitgemäß ist, zeigt sich auch in der Novelle des Telekommunikationsgesetzes, die Telco-Kund:innen nun mehr Rechte einräumt.
Um das zu ändern, die Kundenzufriedenheit zu erhöhen und damit Kund:innen zu halten und Neukund:innen zu gewinnen, gibt es natürlich eine Vielzahl an Ansatzpunkten auf unterschiedlichen Ebenen. Vielversprechend sind vor allem jene, die auf echten Nutzerdaten basieren und dort ansetzen, wo Kund:innen sich auch tatsächlich bewegen. Hier kommen Customer Journey Analytics ins Spiel.
Grundlage hierfür:
Die genannten Tools Data Lake und Data Warehouse versetzen Unternehmen in die Lage, Rohdaten aus unterschiedlichen Quellen in einem zentralen Repository zusammenzuführen und zu analysieren. Zwar unterscheiden sich beide Konzepte in ihren Anforderungen und Anwendungsfällen, sie dienen jedoch dem gleichen Zweck: dem Erkennen von Mustern und der Vorhersage wahrscheinlicher Ergebnisse.
Die gewonnenen und analysierten Nutzerdaten können dazu genutzt werden, Nutzer:innen die Inhalte und Angebote anzuzeigen, die in diesem Moment relevant und interessant für sie sind – und zwar nur diese.
Die Personalisierung kann dabei auf unterschiedlichen Ebenen stattfinden:
Das Ziel: Kund:innen möglichst aufwandsarm den Zugang zu den gewünschten Informationen und Aktionen ermöglichen. All das zahlt auf eine angenehme Customer Experience ein.
Mithilfe von Data Mining, Machine Learning und Predictive Analytics können Trends und Muster erkannt, antizipiert und auf dieser Basis entsprechende Maßnahmen initiiert werden:
Auch an dieser Stelle dienen Data Lake und/oder Data Warehouse als Informationsquelle: Erst durch die Aggregation aller vorliegenden Daten und deren Analyse anhand relevanter Fragestellungen können Vorhersagen über das Potenzial oder zu erwartendes Verhalten von Kund:innen zuverlässig getroffen werden. CSPs können durch den Einsatz dieser Technologien unternehmerische Chancen schneller erkennen und sich damit einen Vorteil gegenüber ihren Wettbewerbern sichern.
Die Grundlage für eine derartige Gestaltung des Kundenerlebnisses bildet im Idealfall eine zentrale Plattformlösung, die zum einen in der Lage ist, alle relevanten Datenquellen und Systeme über Schnittstellen und Konnektoren zu verbinden, und zum anderen ausreichend leistungsfähig ist, um mit den erforderlichen Datenmengen zu arbeiten.
Im Rahmen eines Composable-Business-Modells lässt sich das optimal umsetzen: Nicht nur die technologische Lösung selbst ist in diesem Fall modular und flexibel aufgebaut, sondern auch das Unternehmen arbeitet auf Basis nach agilen Prinzipien in flexibel kombinierbaren, schnell agierenden Einheiten.
