Vorhersage von Repurchase

Zur Steigerung der Kundenloyalität wird der Wiedermotorisierungs-Zeitpunkt anhand von Fahrzeugdaten vorhergesagt.

!
Der komplexe Prozess der Sortimentsbereinigung ist innerhalb weniger Minuten durchführbar
Z

Der Prototyp vereint die Qualität heterogener Bedarfssignale aus verschiedenen Märkten

Der Prototyp vereint die Qualität heterogener Bedarfssignale aus verschiedenen Märkten

Herausforderung

Ein Premium Automobilhersteller will seine Wiederkaufquote (vor allem im Leasingbereich) steigern.
Der voraussichtliche Wiedermotorisierungszeitpunkt wird von den Händlerbetrieben manuell im CRM-System erfasst. Die Eingabe ist zum Teil unvollständig und fehlerhaft.
Dies hat zur Folge, das die Kundenansprache zum falschen Zeitpunkt erfolgte und Marketingkampagnen erfolglos bleiben.

Lösung

Auf Basis von Diagnose- und Fahrzeugdaten erstellen wir ein Prognosemodell, das den Wiederkauf deutlich eine genauere Vorhersage bringt.
Der Abgleich von Gewährleistungs-, Diagnose- und CRM- Daten zeigt Muster zur Identifikation unplausibler Händlereingaben.

Ergebnis

Der Automobilhersteller kann ca. 25% unplausible Eingaben korrigieren und diese Kunden zum richtigen Zeitpunkt mit dem richtigen Produktportfolio ansprechen. Unzuverlässige Händler können identifiziert werden und deren Prozesse anhand von Best Practice Methoden der Top-Händler erheblich verbessert werden.

Haben Sie Interesse an eigenen Use Cases?

Data Science Use Cases

Data & AI Wissen

Gemeinsam Mehrwerte aus Data & AI schaffen

Blog

Entdecken Sie Fachartikel rund um Data & AI sowie aktuelle Branchenmeldungen.

Webinare

Tauchen Sie ein in unsere Best Practices und Industry Exchanges. Entdecken Sie neue Termine und Aufzeichnungen vergangener Webinare.

Whitepaper

Mit unseren Whitepapern, Case Studies und Studien erfahren Sie mehr über den Einsatz von Data & AI in Ihrer Branche.