Skip to main content
SpringerLink
Log in

Customer-Journey-Attributionsmodelle am Beispiel der Energiewirtschaft

  • Chapter
  • First Online:
Konzepte und Strategien für Omnichannel-Exzellenz

Zusammenfassung

Für Energiebetriebe ist es von großer Bedeutung zu wissen, wo Kosten im Vertrieb entstehen, was der Wert der unterschiedlichen Interaktionen während der Customer Journey ist und vor allem, was der (kanal-)individuelle Wert jedes Kunden ist. Die Nutzung von Customer-Journey-Attributionsmodellen ermöglicht es Unternehmen, alle Kanäle in ihrer Bedeutung für den Kundenentscheidungsprozess zu erfassen und zu bewerten. Attributionsmodelle bieten einen Ansatz, um Abschlusswahrscheinlichkeiten noch besser vorherzusagen und das entsprechende Budget effizienter auf die verschiedenen Kanäle zu verteilen. In diesem Beitrag werden die theoretischen Grundlagen der Customer-Journey-Attributionsmodelle erklärt und die Chancen und Grenzen dieser evaluiert. Ferner werden die Besonderheiten des Energiemarktes beleuchtet und die Entwicklung eines Attributionsmodells als Steuerungsgrundlage für den Omnichannel-Vertrieb am Beispiel des Energievertriebs erläutert.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 59.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Stichwort: geringe Transaktions- und Suchaufwände für Kunden speziell in Massenmärkten.

  2. 2.

    Hypertext Transfer Protocol Secure: Verschlüsselungsprotokoll, welches insbesondere für die Abbildung von sicherem Zahlungs- bzw. Dateneingaben auf Websites genutzt wird.

  3. 3.

    Indirekte Auswirkungen und Abhängigkeiten der Kanäle untereinander, welche sich durch die Abfolge der Kanalnutzung in der Customer Journey ergeben: Wenn in dem geschilderten Beispiel das bezahlte Suchmaschinenmarketing (SEA) eingestellt wird, reduziert sich automatisch auch die Anzahl der Kunden, welche in anderen Customer Journeys unterwegs sind, die auch SEA als Kontaktpunkt enthalten. Umkehrt können auch positive Spillover-Effekte auftreten, wenn beispielsweise ein Kanal oder Touchpoint zusätzlich bespielt wird.

  4. 4.

    Heuristisch bedeutet in diesem Fall, dass eine Aussage über den Wert der Customer Journey lediglich aufgrund des letzten oder (sofern möglich) des ersten Kontakts des Kunden mit dem Unternehmen getroffen wird. Alle weiteren Kanäle oder auch die Länge der Customer Journey werden an dieser Stelle außer Acht gelassen bzw. in der Bewertungsannahme negiert.

  5. 5.

    System Average Interruption Duration Index.

  6. 6.

    Im Kontrast stehen die sogenannten „New Commodities“, wo im Laufe der Zeit eine Commoditisierung stattgefunden hat.

  7. 7.

    Erfolgt über separate Tracking-Parameter (sogenannte UTM-Parameter) oder sonstige Kampagnenlinks.

  8. 8.

    Ein Zielvorhaben endet nicht immer in einem Abschluss bzw. einer Conversion. In Abhängigkeit von den Marketing- und Vertriebszielen kann auch die Registrierung für ein Kundenportal ein Zielvorhaben darstellen.

  9. 9.

    Alle dargestellten Zahlenwerte geben die Performance eines bundesweit agierenden Unternehmens wieder. Aus Gründen der Vertraulichkeit wird sich auf relative Werte bezogen.

  10. 10.

    Die Berechnung basiert auf einer fixen Grundgesamtheit an Kunden, die zu einem Zeitpunkt und mit den gleichen Kosten akquiriert werden. So lässt sich unter Einbeziehung des jährlichen Kundenabgangs („Churn“) der Wertbeitrag dieser Kundengruppe ermitteln. In der Praxis findet ein kontinuierlicher Kundenzugang statt, und diese Berechnung muss kundenindividuell erfolgen.

Literatur

  • Anderl, E., Becker, I., Wangenheim, F. v., & Schumann, J. H. (2016). Mapping the customer journey: Lessons learned from graph-based online attribution modeling. International Journal of Research in Marketing, 19(3), 457–474.

    Google Scholar 

  • Bellaïche, J.-M., Chassaing, T., & Kapadia, S. (2013). The omnichannel opportunity for retailers. New York: The Boston Consulting Group.

    Google Scholar 

  • Berliner Zeitung. (2016). Netzagentur sieht „erhöhtes Beschwerdeaufkommen“ gegen O2. http://www.berliner-zeitung.de/netzagentur-sieht–erhoehtes-beschwerdeaufkommen–gegen-o2-24929364. Zugegriffen: 13. Aug. 2017.

  • Bruhn, M. (2015). Relationship Marketing (4. Aufl.). Munich: Vahlen.

    Google Scholar 

  • CEER. (2015). CEER benchmarking report 5.2 on the continuity of electricity supply. Brussels: Council of European Energy Regulators.

    Google Scholar 

  • Dahlström, P., & Edelman, D. (2013). The coming era of ‘on-demand’ marketing. London: McKinsey & Company.

    Google Scholar 

  • Enke, M., Geigenmüller, A. & Leischnig, A. (2010). Commodity Marketing – Eine Einführung. In M. Enke & A. Geigenmüller (Hrsg.), Commodity Marketing. Grundlagen – Besonderheiten – Erfahrungen (S. 5–29). Wiesbaden: Gabler.

    Google Scholar 

  • Google. (2013). Der Weg zu Strom und Gas. https://docs.google.com/file/d/0ByUNCQuKFIxMVEdtRlVGd094Wlk/view. Zugegriffen: 15. Sept. 2017.

  • Grönroos, C. (2010). A service perspective on business relationships: The value creation, interaction and marketing interface. Industrial Marketing Management, 27(5), 240–247.

    Google Scholar 

  • Hassan, S., Nadzim, S. Z. A., & Shiratuddin, N. (2015). Strategic use of social media for small business based on the AIDA model. Procedia – Social and Behavioral Sciences, 262–269.

    Google Scholar 

  • Isabella, G., & Carvalho, H. C. (2016). Chapter 4 – Emotional contagion and socialization: Reflection on virtual interaction. In S. Y. Tettegah & D. L. Espelage (Hrsg.), Emotions, technology, and behaviors: A volume in emotions and technology (S. 63–82). London: Academic Press.

    Chapter  Google Scholar 

  • Kannan, P., Reinartz, W., & Verhoef, P. C. (2016). The path to purchase and attribution modeling: Introduction to special section. International Journal of Research in Marketing, 21(6), 449–456.

    Article  Google Scholar 

  • Kempener, R., & de Vivero, G. (2015). Renewables and electricity storage – A technology roadmap for REmap 2030. Abu Dhabi: International Renewable Energy Agency (IRENA).

    Google Scholar 

  • Lindgreen, A., Palmer, R., & Vanhamme, J. (2004). Contemporary marketing practice: Theoretical propositions and practical implications. Marketing Intelligence & Planning, 673–692.

    Google Scholar 

  • Lohse, L., & Künzel, M. (2011). Customer Relationship Management im Energiemarkt – CRM in Commodity Industrien am Beispiel eines Energiedienstleisters. In M. Enke & A. Geigenmüller (Hrsg.), Commodity marketing (S. 381–401). Wiesbaden: Gabler & Springer Fachmedien Wiesbaden GmbH.

    Google Scholar 

  • Rangan, V. K., & Bowmann, G. T. (1992). Beating the commodity magnet. Industrial Marketing Management, 8, 215–224.

    Google Scholar 

  • Stein, A., & Ramaseshan, B. (2016). Towards the identification of customer experience touch point elements. Journal of Retailing and Consumer Services, 1(1), 8–19.

    Article  Google Scholar 

  • Strauss, B. (2006). Grundlagen und Phasen der Kundenbeziehung: Der Kundenbeziehungs-Lebenszyklus. In H. Hippner & K. D. Wilde (Hrsg.), Grundlagen des CRM (S. 423–442). Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler & GWV Fachverlage GmbH.

    Google Scholar 

  • Varki, S., & Wong, S. (2003). Consumer involvement in relationship marketing of services. Journal of Service Research, 1(8), 83–91.

    Article  Google Scholar 

  • Venkatesan, R., & Kumar, V. (2004). A customer lifetime value framework for customer selection and resource allocation strategy. Journal of Marketing, 10,106–125.

    Article  Google Scholar 

  • Vogel, V. (2006). Kundenbindung und Kundenwert (Customer loyalty and customer value). Wiesbaden: Deutscher Universitats-Verlag & GWV Fachverlage GmbH.

    Google Scholar 

  • Woldeab, S. (2014). Leistungsdifferenzierung im Energieversorgungswettbewerb (1. Aufl.). Munich: Hampp.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Next Digital Group, Meerbusch, Deutschland

    Sascha Mull

Authors
  1. Sascha Mull
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Sascha Mull .

Editor information

Editors and Affiliations

  1. International School of Management, Dortmund, Germany

    Ingo Böckenholt

  2. International School of Management , Dortmund, Germany

    Audrey Mehn

  3. International School of Management , Dortmund, Germany

    Arne Westermann

Rights and permissions

Reprints and permissions

Copyright information

© 2018 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Mull, S. (2018). Customer-Journey-Attributionsmodelle am Beispiel der Energiewirtschaft. In: Böckenholt, I., Mehn, A., Westermann, A. (eds) Konzepte und Strategien für Omnichannel-Exzellenz. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-20182-1_10

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-20182-1_10

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-20181-4

  • Online ISBN: 978-3-658-20182-1

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation