Wie kann der Finanzbereich mithilfe von Künstlicher Intelligenz (KI) Prognosen zur Kundenloyalität aufstellen?
Echte Vorteile durch KI – Interview mit Jamie Cousin, FP&A Manager bei ServiceMaster
Was genau führt zu Kundenbindung – und was kann ein Unternehmen tun, um sie zu erhöhen? Das Finanzteam von ServiceMaster forscht dafür mit Hilfe der neuen, in die Jedox-Plattform integrierten KI-Funktionalität tief in der Historie des individuellen Kaufverhaltens von über 2 Millionen Kunden nach Antworten. Zwei Monate nach Projektbeginn haben wir mit Jamie Cousin, FP&A Manager von ServiceMaster, über die Erfahrungen des Teams, die Projektergebnisse und die nächsten Schritte gesprochen.
ServiceMaster ist bereits seit über 3 Jahren Jedox-Kunde. Wofür setzen Sie die Software derzeit ein?
Derzeit nutzen wir Jedox als zentrale Plattform mit allen Finanzdaten für unsere interne und externe Berichterstattung. Mit der Software ist es uns gelungen, sowohl die Erfassung als auch das Reporting der Daten effizienter zu gestalten. Unsere Niederlassungsleiter in ganz Nordamerika loggen sich in Jedox ein, um ihre Gewinn- und Verlustrechnungen einzusehen. Sie geben außerdem ihre jährlichen Budgetzahlen darin ein, die wir in einer konsolidierten Ansicht zum Monitoring und zur Erstellung verschiedener monatlicher Analyseberichte zusammenfassen.
Jedox ist heute ein grundlegender Teil unserer Geschäftsprozesse, und wir finden immer wieder neue Einsatzmöglichkeiten in unseren Geschäftsanwendungen.
In Ihrem aktuellen Finanzprojekt nehmen Sie mithilfe der neuen, in Jedox integrierten KI-Funktionalität die Kundenbindung unter die Lupe. Wie kam es dazu?
In den letzten zwei Jahren haben wir uns verstärkt darum gekümmert, die Customer Experience zu verbessern und den Kunden-Promoter Score zu erhöhen. Die Jedox KI-Funktionalität bietet hier großartige Möglichkeiten, die Zusammenhänge zu verstehen und proaktiv zu handeln.
Warum setzen Sie die Jedox KI-Funktionalität gerade in diesem Finanzprojekt ein?
Mit unserer Marke Terminix haben wir Kunden in ganz Nordamerika, mit vielen jeweils unterschiedlichen Produkten und Dienstleistungen. Zu unseren Kundenvariablen gehören z.B. verschiedene Frequenzen, Zahlungsmethoden, geographische und klimatische Verhältnisse oder Anwendungsmethoden. Unser Kundenvolumen und die Produkteigenschaften machen es sehr schwierig, irgendwelche Schlussfolgerungen zu ziehen. Durch den Einsatz von KI können wir alles, was wir über unsere Kunden wissen – sowohl aktuelle als auch historische Daten – heranziehen und zukünftige Verhaltensweisen vorhersagen.
Welche konkreten Ergebnisse verzeichnen Sie bisher in dem KI-Projekt?
Ziel war es, dass KI bei der Vorhersage und Analyse der Kundenbindung hilft. Wir haben Daten nach Jedox geladen, die in die KI-Software extrahiert wurden. Dadurch konnten wir genau sehen, wie sich die KI-Vorhersage für die Kundenbindung im Vergleich zur tatsächlichen Loyalität verhält und wie gut diese Ergebnisse zusammenpassen.
Einer der Vorteile war, wie schnell wir Ergebnisse erzielen konnten. Wir haben eine sehr große Datenmenge in das Modell eingespeist und konnten innerhalb kürzester Zeit einen Einblick in diese zuvor nicht vorhandene Datenbasis gewinnen. Wir konnten Faktoren aufdecken, die wir bisher gar nicht im Kontext der Loyalität der Kunden gesehen oder als weniger wichtig eingeschätzt hatten.
Mithilfe der KI konnten wir schnellere und zuverlässigere Erkenntnisse aus relevanten Kundenmerkmalen gewinnen, indem wir über die reinen Finanzkennzahlen hinaus auch die HR- und Marketing-Perspektive in die Analysen einbezogen haben. Mit schnelleren Prognosen können wir die Ergebnisse auch umso schneller zur Anpassung unserer Geschäftsprozesse nutzen. Wir ändern zeitnah und sehen die Ergebnisse heute viel früher.
Welche Erkenntnisse aus den KI-Analysen zur Kundenloyalität haben Sie am meisten überrascht?
Der Auftragswert war ein überraschender Faktor. Weitere waren z.B. die Dauer der Tätigkeit und ob der Kunde mit einem Problem zu uns kam oder ob wir den Kunden proaktiv mit einer präventiven Lösung angesprochen hatten. Ein weiterer für die Kundenbindung relevanter Faktor ist der Produktmix.
Wir haben uns als Unternehmen immer auf “Service, Service, Service” fokussiert. Wir waren immer so auf die Serviceorientierung konzentriert, dass wir viele dieser anderen Faktoren nicht bedacht hatten. Das KI-Projekt deckt neue Faktoren auf, die Probleme verursachen könnten – im Gegensatz zu unserer bisherigen Denkweise, bei der wir einfach angenommen haben, was passiert sein könnte.
Welche weiteren Ziele verfolgen Sie im KI-Projekt?
Unser nächstes Analyseziel ist das Timing von kritischen Kunden. Von den bisherigen Ergebnissen waren wir sehr beeindruckt. Wir haben detaillierte Ergebnisse bis hin auf die Ebene der einzelnen Verträge. Der nächste Schritt ist nun, festzustellen, wann und warum die Kundenloyalität abnimmt, um Kundenbeschwerden und Stornierungen zu vermeiden. Statt der Aussage: “Im Laufe des nächsten Jahres wird das Kundenvertrauen um X Prozent sinken” wäre der nächste Schritt, den Vertriebs- und Serviceteams spezifischere Informationen zu geben, wie zum Beispiel: “Im Monat April werden wir das Vertrauen dieser Kunden in diesen bestimmten Bereich verlieren. Hier ist der Aktionsplan des Niederlassungsleiters, der für diese Kunden verantwortlich ist, und hier die Techniker, die sie betreuen. Sie sollten jeden der Kunden direkt kontaktieren und sicherstellen, dass diese am Ende des Monats nicht unzufrieden mit Service, Preis oder der Kundenbetreuung sind.”
Jedox freut sich, ServiceMaster dabei zu unterstützen, anhand von Entscheidungsbäumen und verschiedenen Informationen zu Wahrscheinlichkeiten und Verteilungen der integrierten KI-Funktionalität die Frage zu beantworten, warum ein Kunde loyal bleibt. Wir haben es uns zur Aufgabe gemacht, KI-Lösungen zu entwickeln, die sich flexibel an ständig wechselnde Anforderungen der Kunden anpassen und die vom Finanzbereich einfach mit unterschiedlichsten Daten genutzt werden können – Monat für Monat, Woche für Woche.
🡪 Gestalten auch Sie die Zukunft Ihres Unternehmens mit KI-gestützten Analysen & Forecasts
