Via Levenshtein-Distanz zu mehr Kundennähe
Value Acceleration Session: 23.09.2021, 5 pm, Lausanne
17. August 2021
How the Levenshtein Distance shortens the extra mile for sales teams
17. August 2021
By Patrice Wuescher,
Cloud & Data Engineer
Via Levenshtein-Distanz zu mehr Kundennähe
Data Analytics: Wabion Cloud & Data Engineer Patrice Wuescher zeigt auf, wie Unternehmen mittels Fuzzy Matching die Qualität ihrer Kundendaten und die Effizienz der Vertriebsmannschaft erhöhen können.
2021 ist die Kaltakquise in vielen Unternehmen noch immer das heißeste Eisen für die Vertriebsmannschaft. Aus Mangel an Alternativen durchsuchen Vertriebsmitarbeiter das CRM, rufen potenzielle Kunden an, gehen die sog. Extrameile resp. besuchen potentielle Neukunden ohne vorherige Kontaktaufnahme – und kommen oft mit leeren Händen zurück. Natürlich gibt es auch sehr erfahrene und erfolgreiche Verkäufer, die mit Kaltakquise überzeugende Ergebnisse liefern. Meistens überwiegen jedoch die Nachteile:
- Mangelnde Transparenz: Die Kaltakquise ist ein umständlicher Prozess, der stark von der individuellen Expertise der Vertriebsmitarbeiter abhängt und eine transparente Markteinschätzung erschwert.
- Hohe Kosten: Unangekündigte Besuche oder Anrufe bleiben oft erfolglos und verursachen hohe Kosten.
- Schlechte Mitarbeiterbindung: Verschiedene Studien weisen darauf hin, dass Kaltakquise als eine frustrierende Tätigkeit gilt und zu einer unerwünscht hohen Mitarbeiterfluktuation führt.
- Schlechte Kundenbindung: Unternehmen, die stark auf Kaltakquise setzen, vernachlässigen tendenziell bestehende Kunden.
- Niedrige Konversionsrate: Kaltakquise-Kampagnen enden in der Regel mit niedrigen Konversionsraten, vor allem weil sie keinen strategischen und strukturierten Ansatz verfolgen.
2021 gibt es jedoch auch Alternativen und Verbesserungen zur Kaltakquise. Erfolgreiche Unternehmen stellen ihren Vertriebsmitarbeitern Ressourcen resp. Daten zur Verfügung, um den Markt systematischer und damit erfolgversprechender anzugehen. Im Zeitalter der Daten führt kein Weg an der Verfügbarkeit hochwertiger Marktdaten vorbei. Aber wie kommt man dorthin?
Fuzzy-Matching für bessere Daten
Auch wenn Sie noch nie etwas davon gehört haben, ist Ihnen Fuzzy Matching alias Approximate String Matching höchstwahrscheinlich schon begegnet. U.a. verwenden viele Datenbanken einen String-Matching-Algorithmus, um Rechtschreibfehler in der Suchfunktion zu berücksichtigen. Wenn Sie beispielsweise „serch“ eingeben, erscheint auch „search“ unter den Ergebnissen. Die Berechnung des minimalen Bearbeitungsabstands zwischen zwei Strings als die minimale Anzahl notwendiger Operationen (Einfügen, Löschen, Ersetzen), die erforderlich sind, um einen String in einen anderen umzuwandeln – die Levenshtein-Distanz – ist eine bekannte Kennzahl, die beim Fuzzy-Matching zur Anwendung kommt:
Die Levenshtein-Distanz zwischen „INTENTION“ und „EXECUTION“ beträgt 5, da 5 Operationen (d=Löschen, s=Ersetzen, s=Ersetzen, i=Einfügen, s=Ersetzen) erforderlich sind, um ein Wort in das andere umzuwandeln. Jede Operation hat Kosten von 1.
Es gibt zahlreiche Anwendungsfälle für Fuzzy Matching mit der Levenshtein-Distanz außerhalb von Suchmaschinen-Frameworks. Im Customer Relationship Management (CRM) z.B. nutzen Unternehmen diesen bewährten Ansatz, um die Qualität ihrer Kontaktdatenbank zu verbessern. Auf dieser Basis können Vertriebsmitarbeiter neue und gezieltere Strategien für die Marktbearbeitung entwickeln.
Beispiel einer Lösung, die mit Fuzzy Matching die Qualität der Kontaktdatenbank verbessert. Der auf der Google Cloud Platform (GCP) aufbauende und von Wabion für einen Kunden entwickelte Ansatz vergleicht CRM-Einträge (Name, Adresse etc.) mit öffentlich verfügbaren Geodaten, um die Datenqualität zu erhöhen.
Datengestützte Kundenakquise
Google Cloud Premier Partner Wabion hat beispielsweise die Levenshtein-Distanz genutzt, um einem Kunden bei der Überarbeitung des CRM-Systems zu unterstützen und Alternativen zur reinen Kaltakquise zu schaffen. Die Wabion-Lösung kombiniert Google Cloud-Expertise mit Fuzzy Matching, vergleicht CRM-Daten wie Name, Adresse etc. mit öffentlich verfügbaren (Geo-)Daten über die Google Maps API in BigQuery und verbessert die Qualität der Kundenkontaktdaten (siehe Bild oben). Der Abgleich der Daten über eine User-defined Function in BigQuery, die in JavaScript entwickelt wurde, umfasst mehrere Schritte:
- Datenbereinigung, einschließlich der Entfernung gängiger „Stoppwörter“ in Kundennamen
- Konvertierung aller Stringelemente in Kleinbuchstaben, um Groß-/Kleinschreibung-Unterscheidung zu entfernen
- Tokenisierung von Strings, d.h. aliphatische Sortierung der „Wörter“ eines Strings, erneute Verkettung und Überprüfung des Ergebnisses auf Ähnlichkeit
- Definition einer Schwelle zur Unterscheidung zwischen „wahren“ und „falschen“ Übereinstimmungen (visualisiert mit Diagramm)
- Gewichtung verschiedener Algorithmen und Parametrisierungen (Multi-Value-Ansatz mit mehreren Merkmalen zur Bestimmung der endgültigen Übereinstimmung)
- One-to-One Mapping von Kundenentitäten, um Double Matches zu vermeiden
Die Leistungsfähigkeit von BigQuery resp. Google Cloud hilft dabei, die Vorteile von Fuzzy Matching (z. B. Match trotz unterschiedlicher Strings) zu nutzen und die Herausforderungen (z. B. Minimierung der Anzahl falscher Matches) zu meistern. Trotz einiger nicht-technischen Hindernissen wie Datenschutzfragen bei der Verwendung öffentlich zugänglicher Daten für Vertriebszwecke kann Fuzzy Matching mit der Levenshtein-Distanz das Fundament für datengestützte Akquisitionsstrategien legen.
Quellcode der in JavaScript entwickelten User-defined Function in BigQuery.
Mehr hot Leads
Nach der Überarbeitung des CRM steht einer Weiterverarbeitung der Daten nichts mehr im Wege. So können Unternehmen Kundeninformationen mittels Künstlicher Intelligenz (KI) und Machine Learning (ML) neu strukturieren und im Vertrieb einen gezielten Ansatz verfolgen – statt potenzielle Interessenten wahllos oder gemäss subjektiven Markteinschätzungen der Vertriebsmitarbeiter anzusprechen. Kaltakquise mag Teil der datengestützten Geschäftsentwicklung bleiben, aber mit heißeren Leads, einer kürzeren Extrameile und zufriedeneren Vertriebsmitarbeitern.