Sie sind auf Seite 1von 14

www.beckinfo.

de

Distribution - Wissensbilanz
Jörg Becker
2

Analyse der Bedarfsdeckung und Markenbindung

Einkaufsmenge eines Käufers einer Marke A


Bedarfsdeckung = ----------------------------------------------------------------------
Gesamte Einkaufsmenge des Käufers in der Warengruppe

d.h. eine Bedarfsdeckung von 25 % heißt, dass ein Viertel der gesamten gekauften
Warengruppenmenge dieses Haushalts auf die betreffende Marke und 75 % auf
andere Marken entfallen. Die Höhe der Bedarfsdeckung drückt auch die Loyalität
der Käufer zu der Marke aus:

Bedarfsdeckung
1- 33 % 34 - 66 % 67 - 99 % 100% Gesamt
   
 Anz. Käufer Marke A  1.450 675 720 160  3.005
Anteil Käufer in %  48% 22% 24% 5%  100%

 Anz. Käufer Marke B  780 1.020 1.500 320  3.620


Anteil Käufer in %  22% 28% 41% 9%  100%

 Anz. Käufer Marke C  2.300 540 15 0 2.855


Anteil Käufer in %  81% 19% 1% 0%  100%
Anteil der Käufer in einzelnen Bedarfsdeckungsklassen

Die nachfolgende Grafik zu diesem Beispielmodell verdeutlicht:


 die Bindung der Käufer von Marke B ist zu dieser Marke deutlich höher,
immerhin 9 % der Käufer decken ihren gesamten Bedarf mit dieser Marke
 die Bindung der Käufer von Marke C ist relativ gering, niemand deckt
seinen bedarf über 66 % hinaus mit dieser Marke
3

Bedarfsdeckung

100%

67 - 99 %
Käufer Marke C
Käufer Marke B
34 - 66 %
Käufer Marke A

1- 33 %

0% 10% 20% 30% 40% 50% 60% 70% 80% 90%

Anteil Käufer
Grad der Markenbindung

Zur Ermittlung der Markentreue werden Käufer-Teilgruppen danach gebildet, wie-


viel verschiedene Marken sie jeweils gekauft haben und dann die Marktanteile in
den Gruppen untersucht:
 Haushalte, die nur eine Marke gekauft haben: Marken mit hohen Marktanteilen
in dieser Gruppe haben besonders viele loyale Käufer (im nachfolgenden
Beispielmodell Marke A)
 Haushalte, die viele Marken gekauft haben: eine Marke mit hohen Marktantei-
len in dieser Gruppe hat vor allem unloyale Käufer (im nachfolgenden Beispiel
modell Marke C)
4

Käufergruppe: Marke A Marke B Marke C

1 nur 1 Marke gekauft  55% 25% 5%

2 2 verschiedene Marken gekauft  15% 20% 10%


3 3 verschiedene Marken gekauft  15% 20% 20%
4 4 verschiedene Marken gekauft  10% 20% 30%

5 5 und mehr verschiedene Marken gekauft  5% 15% 35%

100% 100% 100%


Marken-Marktanteile bei unterschiedlich loyalen Käufergruppen

100%

90%

80%

70%

60%
Marke C

50% Marke B
Marke A
40%

30%

20%

10%

0%
nur 1 Marke gekauft

Marken gekauft

Marken gekauft

Marken gekauft
2 verschiedene

4 verschiedene
3 verschiedene
Marken gekauft

verschiedene
5 und mehr
x

x
x
x

Marke A hat mehr loyale Käufer, Marke C hat mehr unloyale Käufer
5

Aktionsanalysen

a) Analyse der Aktionshäufigkeit pro Produkt:

Im nachfolgenden Modellbeispiel wurden in einer bestimmten Periode


die meisten Aktionen für die Produkte B und F durchgeführt:

90
80
70
60
50
40
30
20
10
0
Produkt

Produkt

Produkt

Produkt

Produkt

Produkt
C

D
B

F
A

Aktionshäufigkeit

b) Analyse der Aktionsprofile:

Die Analyse verdeutlicht die für die einzelnen Produkte unterschiedlich


durchgeführten Aktionsstrategien, z.B. liegt das Schwergewicht:
 bei den Produkten E und C auf reinen Preisaktionen
 bei den Produkten B und D auf reinen Kommunikationsaktionen
(Handzettel, Handelsanzeigen, Plakate u.a.)
 bei Produkt F auf reiner Display-Aktion
 bei Produkten D und F auf kombinierten Preis-/Display-Aktionen
6

100%
90%
80% Preis/Display/Kommunik.
70%
60% Display/Kommunik.
50% Preis/Kommunik.
40%
30% Preis/Display
20% Kommunikation
10%
Display
0%
Produkt E

Produkt F
Produkt

Produkt

Produkt

Produkt

Preisaktion
C

D
B
A

c) Aktionsindexanalyse:

Es wird untersucht, welcher Anteil des Gesamtumsatzes im Rahmen von Aktionen


erzielt wird. Beispielsweise soll erkannt werden, ob die Markenposition eines Pro-
duktes dadurch gefährdet sein kann, dass das Normalgeschäft mit „Normal“-
preisen immer mehr durch Preisaktionen zurückgedrängt wird. Der Kunde gewöhnt
sich zu sehr an niedrige Aktionspreise, d.h. die eigentlich geplante strategische
Preisstellung kann am Markt nicht mehr durchgesetzt werden. Im nachfolgenden
Modell liegt der Anteil des Aktionsgeschäftes für die Produkte B und C mit > 50 %
besonders hoch:
7

100%
90%
80%
70%
60%
50%
Normalgeschäft
40%
Aktionsgeschäft
30%
20%
10%
0%
Produkt E
Produkt C

Produkt D

Produkt F
Produkt B
Produkt A

Aktionsgewichte der Produkte

Distributions-Potentialanalyse

Es werden zusätzliche Umsatzreserven -aufgeschlüsselt nach Verkaufsflächengrö-


ße- berechnet, die durch Verbesserung der Distribution ausgeschöpft werden könn-
ten. Beispielsweise ließen sich aus nachfolgendem Modellbeispiel folgende Aussa-
gen ablesen:
 die Bedeutung von Produkt A streut in den unterschiedlichen Verkaufsflächen,
d.h. obwohl nur 7,69 % aller Geschäfte eine Verkaufsfläche von > 750 qm
haben, erbringen diese 39,41 % des Umsatzes der Warengruppe.
 bei der Verkaufsfläche > 750 qm eine atypische Situation vorliegt, da die
numerische Distribution über der gewichteten Distribution liegt
 bei der Verkaufsfläche 400-749 qm besonders umsatzstarke Geschäfte ge-
wonnen wurden, d.h. obwohl hier nur 8,46 % Produkt A führen, wird hier
28,1 % des Umsatzes erzielt
8

Verkaufsfläche in qm
1-49 50-99 100-399 400-749 > 750 GESAMT

Anzahl

 Geschäfte  18.425 16.850 11.200 8.750 4.600  59.825


 in %  30,80% 28,17% 18,72% 14,63% 7,69%  100,00%

Umsatz

 Warengruppe  825.600 1.350.000 1.575.000 3.245.000 4.550.900  11.546.500

 in %  7,15% 11,69% 13,64% 28,10% 39,41%  100,00%

Anz. Geschäf-
te
die Prod. A

 führen  2.255 5.450 2.950 1.250 2.875  14.780

 in %  15,26% 36,87% 19,96% 8,46% 19,45%  100,00%

Numerische

 Distribution  12 32 26 14 63  25

Umsatz der
Geschäfte, die

 A führen  327.500 687.000 872.000 1.520.000 2.125.000  5.531.500


  5,92% 12,42% 15,76% 27,48% 38,42%  100,00%

Gewichtete

 Distribution  40 51 55 47 47  48

Errechnung der numerischen und gewichteten Distribution

Ergänzt man die Analyse um die durchschnittliche Umsätze pro Geschäft, erhält
man Anhaltspunkte dafür, bei welchen Geschäftsgrößen (Verkaufsfläche) sich
zusätzliche Potentiale durch einen weiteren Ausbau der Distribution erfolgreich
erschließen lassen. In nachfolgendem Modellbeispiel hätte beispielsweise die Ver-
9

kaufsfläche > 750 qm Priorität, da der durchschnittliche Warengruppen-Umsatz der


nicht erreichten Geschäfte um fast das doppelte höher als bei den erreichten Ge-
schäften wäre (1.406 : 739):

Verkaufsfläche in qm
1-49 50-99 100-399 400-749 > 750 GESAMT

Erreichte

 Geschäfte  2.255 5.450 2.950 1.250 2.875  14.780

 in %  15,26% 36,87% 19,96% 8,46% 19,45%  100,00%

nicht erreichte

 Geschäfte  16.170 11.400 8.250 7.500 1.725  45.045

 in %  35,90% 25,31% 18,32% 16,65% 3,83%  100,00%

Durchschn.-
Umsatz der WG
der erreichten

 Geschäfte  145 126 296 1.216 739  374

Durchschn.
Umsatz der WG
der nicht erreich-

 ten Geschäfte  31 58 85 230 1.406  134

Umsatz WG er-

 reicht. Geschäfte  327.500 687.000 872.000 1.520.000 2.125.000  5.531.500

 in %  5,9% 12,4% 15,8% 27,5% 38,4%  100,0%

Umsatz WG nicht

 erreicht. Gesch.  498.100 663.000 703.000 1.725.000 2.425.900  6.015.000

 in %  8,3% 11,0% 11,7% 28,7% 40,3%  100,0%

Errechnung zusätzlicher Distributionspotentiale


10

Ergänzt werden können die o.a. Analysen durch


 Distributionswanderungs-Analysen
 Distributionsdichte-Analysen

Distributionswanderungs-Analyse
Es wird untersucht, ob Geschäfte, die das Produkt einmal distribuiert haben, dieses
auch noch weiter zu- bzw. abverkaufen. Damit können u.U. Distributionsprobleme
frühzeitiger erkannt werden. Aus dem nachfolgenden Modellbeispiel lässt sich
ablesen:
 die positive Entwicklung der Gesamtdistribution von 18 Geschäften (Periode 1)
auf 30 Geschäfte (Periode 4) konnte nur dadurch erreicht werden, dass überpro-
portional Neugeschäfte hinzugewonnen wurden
 problematisch könnte sein, daß in allen Perioden erhebliche Distributions-
verluste hingenommen werden mußten, d.h. von der Ausgangsbasis der
ursprünglich 14 Geschäfte in Periode 1 waren in Periode 4 genau die Hälfte
verloren gegangen
 von den 8 Geschäften, die das Produkt in Periode 2 zum ersten Mal distri-
buiert haben, waren in Periode 2 nur nur 5 Geschäfte aktiv
11

Gesamt-
Periode
distribution

Anz. Geschäfte Neu-


1 18
Periode 1 distribution

2 22 14 8

Anz. Geschäfte Neu-


Periode 2 distribution

3 28 10 6 12

Anz. Geschäfte Neu-


Periode 3 distribution

4 30 7 5 10 8

Distributionswanderungsanalyse

Distributionsdichte-Analyse
Es wird untersucht, ob es sich für einen Anbieter lohnen würde, wenn er mehrere
Sorten eines Produktes anbieten würde. Im nachfolgenden Modell wird dies für die
Sorten 1-4 -jeweils mit und ohne Einbeziehung von Konkurrenzprodukten- unter-
sucht. Werden für das Produkt mehrere Sorten angeboten ergibt sich ohne Berück-
sichtigung von Konkurrenzprodukten:
 der Absatz in Stück/Monat steigt, wenn mehrere Sorten angeboten werden
 die Steigerungen sind je nach Vertriebstyp unterschiedlich: insbesondere
bei dem Vertriebstyp Verbrauchermärkte ließen sich durch Hinzunahme
weiterer Sorten hohe Abverkaufssteigerungen erzielen
Werden in den outlets zusätzlich auch Konkurrenzprodukte angeboten, ergibt sich
nach diesem Modell:
12

 die zusätzliche Distribution von Konkurrenzprodukten würde zu einer Re-


duzierung der Abverkäufe von Produkt A führen
 der positive Effekt aus der Hinzunahme weiterer Sorten würde sich deutlich
abschwächen

Durchschn. Verkauf
Stück/Geschäft
Sorte 1 Sorte 2 Sorte 3 Sorte 4
ohne mit ohne mit ohne mit ohne mit

 Trad. Einzelhandel 220 108  202 112  245 110  248 118

 Discounter 380 240  420 265  428 285  442 305

 Verbauchermärkte 425 280  465 305  520 335  850 385

Abverkauf einzelner Sorten - jeweils mit und ohne Konkurrenzprodukt


13

Diese und ähnliche Themen werden vor dem Hintergrund von Konzepten der
Wissensbilanz entwickelt u.a. von Becker, Jörg: Wissensbilanz mit Kunden-
barometer – Kapital der Kundenbeziehung, 2009, ISBN 9783837051773

Geschäfte mit bereits existierenden Kunden werfen oft den höchsten Ge-
winn ab. An kaum einer anderen Stelle finden sich ähnlich hohe Gewinnpo-
tentiale im Vergleich zu denen beim Ausbau des Geschäfts mit den eigenen
Kunden. Neben den Potentialen der bestehenden Kundenbasis spielt insbe-
sondere auch das Kostenverhältnis im Vergleich Kundengewinnung zu
Kundenbindung eine Rolle: Statistisch gesehen kann jede ernsthafte Störung
der Kundenbeziehung zum Verlust von 3-15 weiteren, potentiellen Käufern
führen. Es kostet fünf- bis zehnmal mehr, einen neuen Kunden zu gewinnen,
als einen bestehenden Kunden durch dessen Zufriedenheit an sich zu bin-
den.
Diese banale, allseits bekannte Feststellung hat es trotzdem verdient, sie
sich von Zeit zu Zeit wieder ins Gedächtnis zu rufen. Voraussetzung für
eine Stärkung von Kundenbindungsfaktoren ist die Verfügbarkeit detaillier-
ter Informationen. Wichtig ist deshalb ein laufendes Monitoring der beste-
henden Geschäftsbeziehungen, aus dem mit kontinuierlicher Datenerfassung
sukzessive trennscharfe Kundenprofile aufgebaut werden können.

- Strategiethema Kundenbindung
- Zielgruppenbewusstes Segment-Vorgehen
- Kaufkraft und andere Kennziffern
- Andocken am Gerüst der Wissensbilanz
- Ausgangslage: Bewertung Wissensfaktoren
- Ausgangslage: Wissensbilanz-Ampeldiagramme
- Ausgangslage: Wissensbilanz-Portfolios
- Wissensbilanz-Beziehungsfaktor: Kundenzufriedenheit
- Kunden binden statt finden
- Kundenklassifizierung und –struktur
- Auftragsdaten mit Informationspotential
- Betrachtung des Kundenwertes
- Kundenbeziehung im Potential-Portfolio
- Kundenbeziehung im Wissensbilanz-Wirkungsgeflecht
- Im Lifecycle der Kundenbeziehungen
- Ausblick
14

Offensive Strategien zur Gewinnung von Neukunden sind teuer, Defen-


sivstrategien zur Bindung treuer Käufer versprechen bei gleichem Mit-
teleinsatz mehr an Wirkungen. Große Teile des Umsatzes setzen sich oft
aus Wiederholungskäufen zusammen. Ergebnis: Kundenbindung geht
vor Kundenfindung. Stärkere Kundenbindung bedeutet für das Unter-
nehmen gleichzeitig mehr Sicherheit. D.h. weniger Risiko, dass der
Kunden beim geringsten Anlass zur Unzufriedenheit gleich zu einem
anderen Lieferanten wechselt. Höhere Kundenbindung bedeutet gleich-
zeitig auch bessere Kenntnisse der Kundenbedürfnisse und –wünsche,
daraus folgend wiederum geringere Risiken bei Produktinnovationen. In
einem Scoring-Modell können sowohl monetäre als auch nicht-monetäre
Größen der Kundenbeziehung durch die Vergabe von Punkten bewertet
werden, die dann zum Kunden-Scorewert aufsummiert werden. Neben
Mechanismen der Kundenklassifizierung und –portfolios wird die Ar-
beitsweise von Lifecycle-Rechnungen für Kundenbeziehungen erörtert.