Vorhersage von Repurchase

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

!
The complex process of assortment cleansing can be carried out within a few minutes
Z

The prototype combines the quality of heterogeneous demand signals from different markets

The prototype combines the quality of heterogeneous demand signals from different markets

Challenge

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.

Solution

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

Result

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.

Are you interested in your own use cases?

Our Case Studies

- Get even more detailed insights into our customer projects -

Smart cooking with Thermomix

Smart cooking with the Thermomix

Download
Case Study AI at Munich Re

Data Operations at Munich Re

Download

Data & AI Knowledge

Creating added value from data & AI together

Blog

Discover professional articles on Data & AI as well as the latest industry news.

Webinars

Dive into our Best Practices and Industry Exchanges. Discover new dates and recordings of past webinars.

Whitepaper

Learn more about the use of Data & AI in your industry with our white papers, case studies and research.