Analyse sozialer Netzwerke wird Data-Mining-Trend

Für die Untersuchung von Beziehungsgeflechten im Kundenstamm sind heute vielfach
bereits Informationen vorhanden. Im Bankenumfeld bieten sich Daten zu
Gemeinschaftskonten, Bevollmächtigungen und Freistellungsauftragspartnern an,
Telekommunikationsanbieter können Verbindungsdaten nutzen. Branchenübergreifend
lassen sich über Namens- und Adressanalysen unter Einbeziehung mikrogeographischer
Daten Familienverbünde und Hausgemeinschaften identifizieren und problematische
Dubletten im Datenbestand aussortieren. Auch Kundenempfehlungsprogramme geben
Aufschluss über Verbindungen.

„Viele Unternehmen verkennen den Wert der in den Kundendaten verborgenen Netzwerk-
Informationen oder vermuten hohen Aufwand, wenn es darum geht, diese Datenschätze
zu heben. Tatsächlich ist dieser oft überschaubar, da die entsprechenden Daten häufig
schon im Data Warehouse vorliegen – man muss sie nur erkennen und nutzen“, so
mayato-Analyst Peter Gerngross und Autor des White Paper.

Die Analysten sehen ein breites Spektrum an Einsatzbereichen für eine neue Art von BI-
Analysen. Zum einen kann das Kundenwissen erweitert werden – zum Beispiel welche
Kunden besonders viele Beziehungen zu anderen Kunden haben oder wer als Experte
Produktwissen an andere Kunden weitergibt. Indem Schlüsselfiguren ausgemacht werden,
die häufig Botschaften glaubhafter vermitteln können als eine eigene Kampagne es
vermag, lässt sich die Effektivität von Marketingaktivitäten steigern. Zum anderen fließt das
Weiterempfehlungspotenzial in die Ermittlung des Kundenwertes ein, Fehler in der
Klassifizierung lassen sich so vermindern. Bei Banken kann die Analyse zudem bei der
Risikosteuerung helfen, indem soziale Verbindungen betrachtet werden. Beispielsweise
könnte sich eine gute Risikoeinschätzung von Familienmitgliedern positiv auf die
Risikobewertung eines der Bank bis dahin unbekannten Neukunden auswirken. Auch für
die Betrugsbekämpfung können Netzwerkdaten wichtige Hinweise liefern.

Text-Mining-Technologien helfen ebenso dabei, zum Beispiel Beziehungen zwischen
Autoren eines Foren-Threads oder in Unternehmens-Blogs automatisiert zu ermitteln.
Dabei können ferner Erkenntnisse über positive und negative Haltungen gewonnen
werden. Voraussetzung ist jedoch, dass sich datentechnisch der Community-User der
Person im Kundenbestand zuordnen lässt.

„In vielen Fällen lohnt sich die Analyse sozialer Netzwerke, da häufig mit geringem
Aufwand wertvolles zusätzliches Wissen generiert werden kann. Gerade
Fehleinschätzungen des Kundenwertes können die Marketing-Effizienz erheblich
reduzieren. Die datenschutzrechtliche Zulässigkeit sollte jedoch immer konkret vor Nutzung
des identifizierten Netzwerks geprüft werden“, sagt Dr. Marcus Dill, Geschäftsführer der
mayato GmbH.