Die Basis für ein erfolgreiches Adressmanagement sind saubere Stammdaten, in der Regel bestehend auf Kundenadressen, Interessenten, Lieferanten und Partner. Das ist die Grundlage für effizientes Kundenbeziehungsmanagement. Das p17 Datenaudit liefert eine genaue Übersicht zum Status-Quo der Adressqualität und das zu einem kleinen Preis. Beim Datenaudit werden die von Kunden angelieferten Firmenadressen mit einer externen Datenbank mit rund 5,5 Millionen B2B Adressen gematcht und wichtige Aussagen zum Adressbestand abgeleitet. Das Fundament für eine Anreicherung mit Zusatzinformationen für den Vertrieb und das Marketing.
Doch was genau ist im Daten Audit enthalten? Genau das möchten wir Ihnen hier vorstellen.
Strukturanalyse
Es ist wichtig, dass eine eindeutige ID, wie zum Beispiel eine Kundennummer, beim Datenaudit berücksichtigt wird. Bei der Strukturanalyse werden die Straße, Hausnummer, PLZ, Ort und das Länderkennzeichen geprüft.
Intra Dubletten
Die angelieferten Adressen werden mit einer speziellen Dubletten Software geprüft. Mehrfach vorkommende Datensätze werden so schnell identifiziert. Im weiteren Verlauf des Datenaudits werden versteckte Dubletten durch einen Abgleich mit einer externen Datenbank identifiziert.
Ein Beispiel
Interne Dubletten (Basis = Anzahl der eingelieferten Firmenadressen im Datenaudit)
| Resultat | Anzahl | % |
| Single-/Kopfadresse | 38.788 | 97 % |
| Dublette | 1.212 | 3 % |
| Summe | 40.000 | 100 % |
Rechtsform
Der vorliegende Datenbestand wird nach der Anzahl der Adressen mit und ohne Rechtsform geprüft. Berücksichtigt werden dabei viele verschiedene Schreibformen und Schreibweisen. Die Erkenntnis bezieht sich auf die Zusammensetzung der Rechtsformen in Ihrem Datenbestand: Unternehmen mit Eintrag im Handelsregister, Kleingewerbetreibende, Non-Profit Organisationen etc. Übrigens: Enthaltene Niederlassungen von im HR eingetragenen Unternehmen werden ebenfalls identifiziert.
Ein Beispiel
Verteilung nach Rechtsform:
| Resultat | Anzahl | % |
| Mit Rechtsform | 34.643 | 86,6 % |
| Ohne Rechtsform | 5.357 | 13,4 % |
| Summe | 40.000 | 100 % |
Kundenverteilung
Gemeint ist eine Übersicht der regionalen Verteilung der Kundenadressen bzw. der Treffer im Audit. Die Anzahl der Unternehmen insgesamt (auf Ebene der Bundesländer) zeigt die Relation.
Die Trefferquoten Prognose
Bei der Trefferquoten Prognose werden die eingelieferten Firmenadressen mit einer externen Datenbank abgeglichen, die mit rund 5,5 Millionen Firmenadressen befüllt ist. Die Trefferquoten Prognose gibt Auskunft darüber, wie viele der angelieferten Kundendaten maschinell mit „gematcht“ werden können. Je höher die Anzahl, desto besser (da günstiger) ist dies für die Datenanreicherung. Neben den maschinellen Treffern wird außerdem ausgezählt, welche Adressen einer manuellen Recherche unterzogen werden müssten, um diese eindeutig zu identifizieren. Und natürlich werden Nicht-Treffer und nicht identifizierbare Gewerbebetriebe identifiziert.
Die Trefferquoten Prognose stellt die Grundlage zur Erstellung eines genauen Angebots für eine Anreicherung Ihrer B2B Adressen dar. Alle Treffer können sicher mit Merkmalen versehen bzw. angereichert werden. Damit wissen Sie mehr über ihre Kunden und können die Erkenntnisse für weitere Schritte nutzen.
Versteckte Dubletten
Im Gegensatz zur internen Dublette oder der „Intra Dublette“ können versteckte Dubletten nur durch den Abgleich mit einer externen Datenbank identifiziert werden. Dadurch können angelieferte Kundendaten nach den folgenden Änderungen überprüft werden:
- Umfirmierungen
- Änderung der Rechtsform
- Umzüge
Eine Dubletten-Software kann diese Informationen nicht liefern da der Abgleich gegen eine externe Datenbank nicht möglich ist.
Datenaktualität
Die Datenaktualität der Firmenadressen wird auf Basis der maschinellen „Matches“ der Trefferquoten-Prognose ermittelt. Das Ergebnis kann dann wie die folgende Abbildung aussehen:
| Resultat | Anzahl | % |
| Adresse korrekt | 16.422 | 61,0 % |
| Adresse historisch | 5.669 | 21,1 % |
| Insolvenz | 789 | 2,9 % |
| Löschung | 2102 | 7,8 % |
| Liquidationen und Firmen in Auflösung | 345 | 1,3 % |
| Nicht mailingrelevant | 187 | 0,7 % |
| Gewerbe nicht mehr feststellbar | 223 | 0,8 % |
| Nixi-Kennung | 45 | 0,2 % |
| Werbeverweigerer | 1.135 | 4,2 % |
| Summe | 26.917 | 100 % |
Die Erklärung zu den einzelnen Resultaten in der Übersicht:
- Umbenennungen der Firma, Umzüge sowie Anschriften und Firmen mit Fehlern = Adressen historisch
- Vorliegende Infos über ein laufendes Insolvenzverfahren = Insolvenz
- Bei abgemeldetem Gewerbe oder vorliegenden Löschinformationen = Löschung
- Zum Beispiel „unbekannt verzogen“, sprich vorliegende Unzustellbarkeitsinfo = Nixi-Kennung
- Vermögens- und Verwaltungsgesellschaften und ruhende Firmenadressen = nicht mailingrelevant.
- Zur Abwicklung des Unternehmens liegen Infos vor = Liquidationen und Firmen in Auflösung
- Es liegt keine Information zum feststellbaren Gewerbe vor = Gewerbe nicht mehr feststellbar
- Es liegt ein Widerspruch der Datennutzung gemäß EU-DSGVO widersprochen vor. = Werbeverweigerer
Zeitliche Verteilung der historischen Treffer und Insolvenzen
Die Einordnung der Änderungen in den Firmenadressen wird wie folgt ausgeben. Die daraus zu schließenden Erkenntnisse besprechen wir gerne mit Ihnen.
| Ergebnisse | Anzahl | Prozent |
| Änderungszeitraum < 1 Jahr | 294 | 6,6 % |
| Änderungszeitraum zw. 1 & 2 Jahren | 354 | 8,0 % |
| Änderungszeitraum zw. 2 & 3 Jahren | 332 | 7,5 % |
| Änderungszeitraum zw. 3 & 4 Jahren | 284 | 6,4 % |
| Änderungszeitraum zw. 4 & 5 Jahren | 198 | 4,5 % |
| Änderungszeitraum > 5 Jahre | 2.969 | 67,0 % |
| Summe | 4.431 | 100 % |
Verteilung nach Märkten
Die Information aus welchen Märkten die maschinellen Treffer stammen, ist ein wichtiger Hinweis auf die Branchenschwerpunkte im eigenen Adressstamm. Enthalten ist ein Vergleich mit dem Bestand in der externen Firmendatenbank. Die Einteilung nach Märkten beinhaltet zum Beispiel die Branche der freien Berufe, Gastgewerbe, Einzelhandel, Finanzen & Versicherungen, Handwerk, Hersteller etc.
Neben der Verteilung nach Märkten ist auch eine Ausweisung des Branchencodes WZ möglich und im Datenaudit enthalten.
Top 25 Branchen WZ 3- und 5 stellig
Die Abkürzung WZ steht für „Klassifikation der Wirtschaftszweige“ und ist in Deutschland sehr verbreitet. Die statistischen Landesämter und das statistische Bundesamt (destatis) nutzen den WZ Code zur Einordnung von Unternehmen nach Branche. Die Analyse zur Branche im Rahmen des Datenaudits auf 3- bzw. 5-stelliger Ebene sieht beispielhalft wie folgt aus:
| WZ-Schlüssel 3-stellig | Kundenbestand (Anzahl) | Kundenbestand (Prozent) | Externe Datenbank (Anzahl) | Externe Datenbank (Prozent) |
| 432 = Bauinstallation | 582 | 3,3 % | 139.570 | 2,8 % |
| 551 = Hotels, Gasthöfe und Pensionen | 284 | 1,6 % | 40.112 | 0,8 % |
| 651 = Rechtsberatung | 215 | 1,2 % | 58.386 | 1,2 % |
| WZ-Schlüssel 5-stellig | Kundenbestand (Anzahl) | Kundenbestand (Prozent) | Externe Datenbank (Anzahl) | Externe Datenbank (Prozent) |
| 62019 = Sonstige Softwareentwicklung | 284 | 1,6 % | 33.344 | 0,7 % |
| 7311 = Werbeagenturen | 180 | 1,0 % | 35.891 | 0,7 % |
| 69102 = Rechtsanwaltskanzleien ohne Notariat | 145 | 0,8 % | 46.459 | 0,9 |
Es erfolgt also ein Abgleich der Kundenbestände mit den Werten der externen Datenbank aller Unternehmen in Deutschland. Der Vergleich mit einem Indexwert lässt einen Schwerpunkte der Branchenverteilung direkt erkennen. Gleichzeit ermöglich das natürlich einen Blick auf das Kundenpotenzial. Im oben aufgeführten Beispiel ist die jeweilige Gesamtzahl der Firmen nach Branche aufgeführt. Ein wichtiger Indikator zur Ableitung der Zahl der potenziellen Kunden.
Neben der Branchen sollten weitere Kriterien bei der Identifikation des Potenzials berücksichtigt werden.
Verteilung der Mitarbeiterklassen und Umsatzgröße
Die „gematchten“ Firmenadressen werden, wie schon bei der Branche, mit einer externen Datenbank aller Unternehmen, in Relation zur Gesamtzahl der Unternehmen gesetzt. Daraus ergibt das Daten Audit eine Übersicht der Verteilung der Mitarbeiter- und Umsatzgrößenklassen im Kundenstamm.
Verteilung nach Mitarbeiterklasse
Hier ein Beispiel für die Auswertung zur zugehörigen Beschäftigtenklasse bis 2.000 Mitarbeiter und darüber hinaus. für einen möglichen Adresskauf.
| Mitarbeiterklasse | Kundenbestand (Anzahl) | Kundenbestand (Prozent) | Externe Datenbank (Anzahl) | Externe Datenbank (Prozent) |
| ohne Angabe | 1.098 | 6,3 % | 608.158 | 12,0 % |
| 1 – 4 Mitarbeiter | 6.120 | 35,0 % | 3.684.545 | 72,7 % |
| 5 – 9 Mitarbeiter | 1.620 | 9,3 % | 349.588 | 6,9 % |
| 10 – 19 Mitarbeiter | 1.865 | 10,7 % | 210.168 | 4,1 % |
| 20 – 49 Mitarbeiter | 1.105 | 6,3 % | 125.852 | 2,5 % |
| 50 – 99 Mitarbeiter | 2.421 | 13,9 % | 43.842 | 0,9 % |
| 100 – 199 Mitarbeiter | 985 | 5,6 % | 23.547 | 0,5 % |
| 200 – 499 Mitarbeiter | 1.020 | 5,8 % | 13.987 | 0,3 % |
| 500 – 999 Mitarbeiter | 575 | 3,3 % | 4.485 | 0,1 % |
| 1.000 – 1.999 Mitarbeiter | 385 | 2,2 % | 1.815 | 0,0 % |
| ab 2.000 Mitarbeiter | 269 | 1,5 % | 1.110 | 0,0 % |
| Summe | 17.463 | 100 % | 5.067.097 | 100 % |
Die Verteilung nach Umsatzklasse
Die Verteilung der Umsatzklassen in den Kundendaten liefern ebenfalls wichtige Informationen zur Betriebs- bzw. der Unternehmensgröße und damit ein wichtiger Baustein zur Zielgruppensegmentierung und der besseren Ansprache potenzieller Kunden. Clustern Sie ihre potenziellen Kunden im CRM zum Beispiel nach Umsatzklassen.
| Mitarbeiterklasse | Kundenbestand (Anzahl) | Kundenbestand (Prozent) | Externe Datenbank (Anzahl) | Externe Datenbank (Prozent) |
| ohne Angabe | 7.812 | 46,1 % | 3.544.841 | 72,0 % |
| bis 100.000 Euro | 258 | 1,5 % | 404.864 | 8,2 % |
| 100.001 – 250.000 Euro | 750 | 4,4 % | 345.125 | 7,0 % |
| 250.001 – 500.000 Euro | 523 | 3,1 % | 217.152 | 4,4 % |
| 500.001 – 2.500.000 Euro | 710 | 4,2 % | 285.308 | 5,8 % |
| 2.500.001 – 5.000.000 Euro | 2.498 | 14,7 % | 57.146 | 1,2 % |
| 5.000.001 – 25.000.000 Euro | 1.201 | 7,1 % | 60.185 | 1,2 % |
| 25.000.001 – 50.000.000 Euro | 2.841 | 16,8 % | 9.450 | 0,2 % |
| über 50.000.000 Euro | 351 | 2,1 % | 2.246 | 0,0 % |
| Summe | 16.186 | 100 % | 4.926.317 | 100 % |
Das Wissen um die Mitarbeiter- und Umsatzklasse in den eigenen Stammdaten ermöglicht eine klare, deutliche Zielgruppenprofilierung und damit eine bessere Zielgruppenansprache. Zusammen mit der Brancheninformation wird so deutlich, welche potenziellen Kunden zum Unternehmen passen.
Töchter/Filialen mit Zentralen
Die im Matching-Prozess identifizierten Kundenadressen werden mit Informationen zu zugehörigen Unternehmenszentralen angereichert. Diese Informationen werden im nächsten Schritt wiederum mit der Kundendatei verknüpft, um rauszufinden, ob die Unternehmen bereits zu den Bestandskunden gehören.
Basis im Beispiel (siehe Abbildung) = Töchter/Filialen im Kundenbestand
Unternehmen mit Töchter/Filialen
Die im Matching -Prozess identifizierten Kundenadressen werden mit Informationen zu zugehörigen Töchtern und Filialen angereichert. Diese Informationen werden im nächsten Schritt wiederum mit der Kundendatei verknüpft, um rauszufinden, ob die Töchter und Filialen bereits zu den Bestandskunden gehören.
Basis in der Abbildung= Mütter/Zentralen im Kundenbestand.
Neupotenziale
Die Neupotenziale berücksichtigen die Branche und die Mitarbeiterklassen. Die Erkenntnisse aus dem Datenaudit werden genutzt und mit einer externen Datenbank abgeglichen. So bekommen Sie eine klare Aussage zu ihren Kundeneigenschaften. Das Ergebnis ist eine Übersicht der Potenziale nach Folgendem Aufbau:
| WZ2008 | WZ2008 Text | Kunden | Potenzial | ohne Angabe | 1-9 | 10-49 | 50-99 | 100-499 | ab 500 |
| 7022 | Unternehmensberatung | 444 | 93.694 | 7.360 | 81.389 | 4.258 | 4.030 | 250 | 34 |
| 823 | Messeveranstalter | 284 | 8.714 | 701 | 7.219 | 687 | 75 | 32 | 0 |
| 8411 | Allgemeine Verwaltung | 255 | 17.537 | 11.472 | 1.555 | 2.334 | 776 | 1.001 | 389 |
| … |
Die nächsten Schritte nach dem Datenaudit
Nachdem Sie die Ergebnisse ausgeliefert bekommen, gibt es mehrere Optionen der Folgeschritte. Hier die wichtigsten Maßnahmen in der Übersicht:
Inaktive Adressen
Lassen Sie sich nicht mehr aktive, insolvente oder umgezogene Firmen in Ihrem Kundenbestand markieren. Das gleiche gilt für (versteckte) Dubletten in den Firmenadressen. Sparen Sie Zeit und Geld und bereinigen Sie Ihre Kundendatenbank durch Identifikation falscher Daten.
Anreicherung mit Zusatzinformationen
Steigern Sie das Wissen über Ihre Kunden und reichern Sie die Kundendaten mit externen Informationen und Datenelementen an. Gerne stellen wir Ihnen eine Übersicht der Merkmale zur Verfügung, die Sie anreichern lassen können.
Unsere Experten für Firmenadressen freuen sich auf Ihre Anfrage.
