Phase zwei: Erzeugung
Ist die Datenbasis erfasst und entsprechend strukturiert, ist es Zeit, die Profile zu erzeugen. Es gibt unterschiedliche Methoden, um zum Ziel zu kommen. Welche Sie anwenden, hängt wesentlich von Ihrer Zielsetzung ab.
Der einfachste Weg ist die Bildung von Durchschnittswerten. Ein anderer das Zusammenfassen in Kundengruppen. Sehr effektiv ist die Segmentierung im Rahmen einer Clusteranalyse. Sie ist insbesondere hilfreich, wenn es darum geht, die Kundendaten im Rahmen der Marketing Automation für Prozesse des maschinellen Lernens zu verwenden.
Eine alternative Herangehensweise ist die Erstellung von Personas, um sie dann mit der Datenbasis abzugleichen. Das mag bei besonders grossen Kundendatenbeständen durchaus ein gangbarer Weg sein. Allerdings birgt er das Risiko in sich, dass die aus kleinen Kundengruppen entwickelten Personas im realen Datenbestand nur wenige Entsprechungen finden.
Die erzeugten Profile eignen sich neben dem Einsatz im Customer Relationship Management und in Empfehlungssystemen auch als Eingangsvariablen für die Erfassung von Kundenmigrationsbewegungen durch die Churn Prediction. Mit einem Wort: Machine Learning ist ohne Kundenprofile nicht denkbar.