Die Global Bnvestment Bank erstellt eine 360-Grad-Ansicht für Kunden, um die Verkaufsleistung zu optimieren

Business-Herausforderung

Dieses globale Finanzdienstleistungsunternehmen ist derzeit das weltweit größte Finanzdienstleistungsnetzwerk und einer der fünf führenden Devisenhändler (FX). Das Unternehmen hat weltweit rund 16.000 Niederlassungen in mehr als 140 Ländern. Es beschäftigt rund 260.000 Mitarbeiter und hält über 200 Millionen Kundenkonten.

Das Verkaufspersonal hatte aufgrund unterschiedlicher Verkaufsdaten, die in verschiedenen produktbasierten Silos gespeichert waren, Schwierigkeiten, sich ein genaues Bild von der Position eines Kunden zu machen.

360-Grad-Ansicht

Kundendaten, die zuvor in den Abteilungen Buchhaltung, Kreditwesen, CRM, FX-Transaktionen und Optionswartung verstreut waren, wurden nun konsolidiert, um eine umfassende Business Intelligence- und Performance-Management-Anwendung bereitzustellen, die den Benutzern eine 360-Grad-Sicht auf ihre Kunden bietet, die als ihre 'Goldene Quelle' für alle Devisenhandelsdaten bekannt ist.

Die Lösung identifiziert Kundenverhaltensmuster und verwendet prädiktive Ergebnisse, um das Verkaufspersonal in die Lage zu versetzen, seine Kunden besser anzusprechen und den Umsatz zu steigern.

Die Integration in das Telefoniesystem bietet sofortigen Zugriff auf diese Informationen und stellt sicher, dass das FX-Vertriebspersonal seinen Kunden einen erstklassigen Service bieten kann, der personalisiert und auf ihre individuellen Bedürfnisse zugeschnitten ist.

Die Fähigkeit der Vertriebsmitarbeiter, die Kaufmuster der Kunden vollständig zu verstehen und proaktiv auf die Kunden zuzugehen, hat zu einer quantifizierbaren Verbesserung der Vertriebsleistung auf breiter Front geführt. Die Verwendung der Prognose-Modelle zur Identifizierung von Kunden, die am ehesten neue oder zusätzliche Produkte kaufen, hat sich in einer erstaunlichen Weise 800 Prozent effektiver erwiesen als zufällige Anrufe.

Reduzierung der Kundenabwanderung

Die Kundenabdeckung analysiert die Kaufmuster der Kunden und empfiehlt, ob sie durch andere, kostengünstigere Engagement-Kanäle wie E-Trading besser bedient werden können. Die Fähigkeit, Kunden zu identifizieren, die zu Beginn des Kaufzyklus von den erwarteten Kaufmustern abweichen, hat zu einer Verringerung der Kundenabwanderung geführt, so dass Händler proaktiv auf diese gefährdeten Kunden zugehen und die Situation richtigstellen können.

Kundenverhalten-Prognose

Nach der Analyse historischer Handelsmuster werden Data-Mining-Algorithmen verwendet, um neue Erkenntnisse zu liefern und das Kundenverhalten vorherzusagen. Dies kann die Abdeckung in mehreren Bereichen optimieren:

• Prognostizieren von Kundentransaktionsmustern und -volumina.
• Prognostizieren von Cross-Selling-Chancen und identifizieren der Neigung eines Kunden zum Cross-Selling.
• Identifizieren, welche Kunden basierend auf Aktivitätsmustern oder Volumen in Gefahr laufen, zu einem anderen Anbieter zu wechseln.
• Analysieren der Methoden der Kundenbindung und deren Auswirkungen auf das Handelsvolumen, um die beste Art und Weise zu bestimmen, wie mit einem bestimmten Kunden Kontakt aufgenommen werden kann.
• Identifizieren der besten Methoden, um Kunden zu erreichen (z. B. Voice, elektronische Kommunikation).