IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-658-33809-1_13.html
   My bibliography  Save this book chapter

Customer Lifetime Value – Neue Anwendungsmöglichkeiten durch Prognosemodelle

In: Marketing Analytics

Author

Listed:
  • Timo Focht

    (STAT-UP Statistical Consulting & Data Science GmbH)

Abstract

Zusammenfassung In vielen Unternehmen zeigt sich das Pareto-Prinzip, nämlich dass 20 % der Kunden für 80 % der Umsätze verantwortlich sind. Auch wenn die Verteilung für Ihr Unternehmen eventuell anders aussieht, gibt es auch bei Ihnen Kunden, die im Lauf der Zeit mehr Umsätze bringen als andere. Die Rentabilität Ihres Unternehmens wird maßgeblich davon beeinflusst, ob es Ihnen gelingt, diese Kunden durch gezielten Einsatz der dem Unternehmen zur Verfügung stehenden Mittel (Marketing, Vertriebsaufwände, Zuwendungen, Rabatte) zu halten, aber auch gezielt zu akquirieren. Der sogenannte Customer Lifetime Value (die Kürzel CLV, LTV oder CLTV werden dafür im Englischen verwendet) ist daher für die meisten Unternehmen inzwischen eine strategische Unternehmenskennzahl. Mit dem CLV können Sie die zu erwartenden Umsätze mit bestehenden Kunden auf Basis der Kaufhistorie berechnen und die zukünftigen Umsätze neuer Kunden prognostizieren. Er kann aber auch als Kriterium verwendet werden, um zu entscheiden, welche Zielgruppen gezielt beworben werden, wie hoch die Werbeinvestitionen maximal sein dürfen oder wie man gezielt Kundenbeziehungen auf ein höheres Umsatzniveau bringt. Dieser Beitrag beschreibt im ersten Kapitel, warum die Customer-Lifetime-Value-Analyse für nachhaltiges Marketing Pflicht ist, wie man den Wert berechnet und wo hier die Schwierigkeiten bei der Datenerhebung und Analyse liegen. Im zweiten Kapitel geht es darum aufzuzeigen, welche Voraussetzungen für die Prognose notwendig sind. Abschließend wird der Frage nachgegangen, wie der Customer Lifetime Value für die (Echtzeit-)Optimierung der Kundenansprache gewinnbringend genutzt werden kann.

Suggested Citation

  • Timo Focht, 2022. "Customer Lifetime Value – Neue Anwendungsmöglichkeiten durch Prognosemodelle," Springer Books, in: Marion Halfmann & Katharina Schüller (ed.), Marketing Analytics, pages 229-241, Springer.
  • Handle: RePEc:spr:sprchp:978-3-658-33809-1_13
    DOI: 10.1007/978-3-658-33809-1_13
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a search for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-658-33809-1_13. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.