Kundensegmentierungen bilden im CRM-nahen Bereich der sogenannten Customer Relationship Analytics (CRA) eine der zentralen analytischen Aufgaben, die sowohl eine hohe praktische als auch strategische Bedeutung haben. Seine Kundenbasis zu sortieren stellt sich als analytische Querschnittsaufgabe im Rahmen der Kundenbeziehungspflege dar - sie steht typischerweise in einer Reihe mit der Kundenwertanalyse und der Markt- und Kundenbearbeitung, zum Beispiel im Rahmen des Kampagnen-Managements. Gleichzeitig sind Segmentierungen eine der Paradedisziplinen des Data Mining, da hier häufig große Datenmengen stark explorativ analysiert werden müssen, um zu validen Ergebnissen zu kommen.

Die Toolauswahl für diese Aufgabe ist jedoch keineswegs trivial: Im Angebots-Dickicht der Hersteller versammeln sich mittlerweile geschätzte 150 Data-Mining-Werkzeuge, die um die Gunst der Käufer konkurrieren. Die Informationen und Produktblätter der Hersteller erleichtern die Entscheidungsfindung in vielen Fällen nur begrenzt: Zum einen stellen sie verständlicherweise vorwiegend die Stärken des jeweils eigenen Tools heraus, zum anderen ähneln sich viele Angaben von Hersteller zu Hersteller. Im Ergebnis bleiben die Hauptunterschiede auch für den erfahrenen Nutzer meist wenig transparent. Zudem zeigen sich die wirklich entscheidenden, praxisrelevanten Stärken und Schwächen der Tools erst im praktischen Einsatz bei einer konkreten Fragestellung.

Der Studienaufbau

Daher wurde in der vorliegenden Studie für den Vergleichstest ein komplexes, praxisnahes Testszenario erarbeitet, das von der Datenvorverarbeitung über die eigentliche Erstellung der Kundensegmentierung und Interpretation der Ergebnisse bis hin zur praktischen Anwendung der Segmentierung zur Neukundenklassifikation alle Aspekte des Analyseprozesses abdeckt.

Um direkte Vergleichbarkeit sicherzustellen, wurde jedes Werkzeug in einer vorab definierten Testumgebung installiert und ausführlich getestet. Während dieses Praxistests fanden standardisierte Messungen statt zum Beispiel zur Ausführungsgeschwindigkeit mit zahlreichen unterschiedlichen Parametereinstellungen. Weiterhin ist für jedes der Werkzeuge eine detaillierte Funktionsübersicht zur Clusteranalyse aufgeführt. Die Bewertungskriterien umfassen unter anderem die Bedienung der Tools, den Funktionsumfang, das Systemverhalten bei großen Datenmengen und die Stabilität.

Im Endergebnis zeigen sich deutliche Unterschiede vor allem im Bedienkomfort, bei der Ausführungsgeschwindigkeit sowie bei den Möglichkeiten der grafischen Ergebnisauswertung.

(Teaserbild: Fotolia, Kheng Guan Toh)