Kunden fĂŒr Versorger

Mit CASA ENERGY bietet Infas 360 eine integrative intelligente Datenbank fĂŒr die Energiebranche, mit der sich potentielle Kundengruppen genau identifizieren und rĂ€umlich zuordnen lassen.

Potenziale hausgenau definieren: Beispiel AffinitÀt auf Ebene der GebÀude. Fotos: infas 360 GmbH

Potenziale hausgenau definieren: Beispiel AffinitÀt auf Ebene der GebÀude. Foto: infas 360 GmbH

In Zukunft ist die Versorgung von privaten Haushalten und Unternehmen mit Strom und Gas fĂŒr Energieversorger wie Stadtwerke möglicherweise kein tragfĂ€higes GeschĂ€ftsmodell mehr. Um auf dem Markt zu bestehen, beschĂ€ftigen sich deshalb schon heute viele Anbieter mit neuen GeschĂ€ftsfeldern, vom flexiblen Tarif bis hin zu energienahen Dienstleistungen. Technische Entwicklungen wie Smart Home und gesetzliche Vorgaben wie die Ausstattung der Haushalte mit digitalen MessgerĂ€ten (Smart Metering) bringen in diesem Zusammenhang neue Herausforderungen wie auch neue Chancen mit sich. Doch welche Kunden könnten sich fĂŒr ein Mieterstromangebot, ein PV-Contracting, eine Speicherlösung oder LadesĂ€ulen interessieren? Um segmentspezifische Versorgungsangebote und zusĂ€tzliche Dienstleistungen planen, kommunizieren und konkret platzieren zu können, bedarf es prĂ€ziser Informationen ĂŒber die regionalen B2B- und B2C-Zielgruppen. Diese Informationen bietet infas360 nun mit der CASA ENERGY-Datenbank speziell fĂŒr Unternehmen im Energiesektor an.

Die Datenbank beinhaltet neben Netz-, Versorgungs- und logistischen Informationen auch beschreibende Kriterien zu Unternehmens- und Konsumentenzielgruppen. Die B2C -Sparte enthĂ€lt neben zahlreichen anderen auch Informationen zu Konsumenten, wie Soziodemographie, Kaufkraft, AnbieterloyalitĂ€t, AffinitĂ€t zu E-MobilitĂ€t, Solarenergie und Smart Home sowie Channel-AffinitĂ€ten. FĂŒr den B2B-Bereich sind beispielsweise Branchenzugehörigkeit, Anzahl Mitarbeiter, Zugehörigkeit zu Gewerbe- oder Industriegebieten und auch Unternehmensverflechtungen hinterlegt. DarĂŒber hinaus erhĂ€lt der Auftraggeber Informationen zu den GebĂ€uden im Versorgungsgebiet, so etwa GebĂ€udetyp und -nutzung, Anzahl Etagen, GrundflĂ€che, Heizungsart, Energiebedarf und auch, ob eine Solaranlage vorhanden ist. Speziell fĂŒr den Wachstumsmarkt Photovoltaik enthĂ€lt die Datenbank weitere relevante Zusatzdaten wie zum Beispiel Sonnenscheindauer, Durchschnittstemperaturen sowie Frost- und Eistage.

Beim Auftraggeber vorhandene B2Bund B2C-CRM-Daten werden dabei angereichert und profiliert und so der Kundenbestand segmentiert. „infas 360 identifiziert und beschreibt auf diese Weise die fĂŒr den Auftraggeber interessanten Kundengruppen“, erklĂ€rt Silke Martin, Consultant Research & Customer Analytics bei infas360. „So kann beispielsweise ein Energieanbieter konkrete Marketingund Vertriebs-Maßnahmen zur Kundenbindung ausgestalten.“ DarĂŒber hinaus bietet infas 360 an, weitere Potenziale sowohl im Stammmarkt, als auch in anderen Zielregionen zu identifizieren. „So können Anbieter zum Beispiel ihre eigene Marktabdeckung bestimmen und strategische Entscheidungen optimieren“, erlĂ€utert Martin. Dazu gehören zum Beispiel auch, die potenziellen Kunden ĂŒber ihre favorisierten KanĂ€le im richtigen Ton und mit der passenden Rhetorik direkt zu adressieren und die Produkte und Preise auf die individuellen BedĂŒrfnisse, wirtschaftliche LeistungsfĂ€higkeit und Erwartungen dieser Kunden zuzuschneiden.

Smart Research

CASA ENERGY ist, wie alle anderen branchenspezifischen Datenbanken von infas360, aus der mikrogeographischen CASA Deutschland-Datenbank entstanden. Als Basisdatenbank sind dort mehrere hundert Daten zu den rund 22 Millionen vorhandenen HĂ€usern, den etwa 40 Millionen Haushalten und auch allen ca. 4,5 Millionen Firmen frei kombinierbar und lassen sich fĂŒr jede gewĂŒnschte Region flĂ€chendeckend auswerten.

Grundlage fĂŒr die CASA Datenbank und damit auch fĂŒr CASA ENERGY ist das von infas 360 entwickelte Smart Research-Verfahren. Im Gegensatz zur klassischen Marktforschung, deren stark aggregierte Daten normalerweise keine rĂ€umliche Lokalisierung von Personengruppen zulassen, kombiniert Smart Research die klassisch erhobenen Befragungsdaten und die CRM-Daten der Auftraggeber mit amtlichen, wirtschaftlichen und wissenschaftlichen SekundĂ€rdaten, um sie mittels verschiedener Tools aus CRM-Analytik, Geomarketing und Marktforschung auszuwerten.

CASA MONITOR

Ein Grundprinzip bei infas 360: Alle Daten sind auf alle Ebenen transferierbar. Beispiel AffinitÀt auf Ebene der Siedlungsblöcke. Foto: infas 360 GmbH

Ein Grundprinzip bei infas 360: Alle Daten sind auf alle Ebenen transferierbar. Beispiel AffinitÀt auf Ebene der Siedlungsblöcke. Foto: infas 360 GmbH

Aktuelle Daten, etwa zu Einstellung, Ausstattung, Verhalten oder Kaufabsichten werden regelmĂ€ĂŸig mittels CASA MONITOR ermittelt und fließen in die CASA Datenbank ein. DafĂŒr werden etwa dreimal im Jahr ĂŒber 10.000 Haushalte in Deutschland befragt. Neben Soziodemographie und Wohnsituation hat jede dieser Befragungsrunden stets einen wechselnden thematischen Schwerpunkt, fĂŒr den die Teilnehmer zu spezifischen Themenschwerpunkten wie beispielsweise Freizeit und Finanzen, Einkaufsverhalten, Digitales Wohnen oder – fĂŒr CASA ENERGY – zum Thema Energie und E-mobility befragt werden.

Small Area Methoden

Die Adressen der befragten Haushalte werden geokodiert, validiert und mit einer lagegenauen Koordinate und einem dazugehörigen GeoschlĂŒssel angereichert. Kernverfahren dabei sind die sogenannten Small Area Methoden (SAM), ein neues SchĂ€tzverfahren, mit dem auch fĂŒr kleine Gebiete verlĂ€ssliche Statistiken erstellt werden können. Dazu werden die aggregierten Daten regionalisiert, das heißt, die statistischen Daten grĂ¶ĂŸerer Gebiete werden auf kleinere Gebiete heruntergerechnet.

Bei infas360 basieren die SAM auf sogenannten Small Statistic Areas, also kleinen geographischen Einheiten, die anhand von amtlichen Daten entwickelt werden. Small Statistic Areas beinhalten Geo- und Marktdaten wie beispielsweise Lage, Typ, GrĂ¶ĂŸe und Baujahr von GebĂ€uden, Wohnungsoder Haushaltsanzahl, Alter der HaushaltsvorstĂ€nde, Kfz-Daten, Kaufkraft und Lebensstil. Diese Small Statistic Areas lassen sich wiederum zu jedem beliebigen Gebiet aggregieren und passen in alle postalisch-amtlichen Systeme. Außerdem fließen in das SAM Modell – anders als bei ĂŒblichen SchĂ€tzmodellen – sowohl Informationen aus ĂŒbergeordneten Raumebenen, als auch Informationen aus Ă€hnlichen Regionen. So können sehr genauen Angaben gemacht werden, obwohl die entsprechenden Regionen nur kleine oder gar keine Fallzahlen aufweisen.

www.infas360.de