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:
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?
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.
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:
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.
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.