regionale marktpotentiale pragmatisch ermitteln.

Wo ist eigentlich unser Markt?

„Man darf nicht auf die Kunden warten,
man muss sich den Markt nehmen.“

© Erich Sixt (*1944, deutscher Unternehmer)

 

Vertrieb ist teuer. Daher ist es um so wichtiger, ihn nur dort einzusetzen, wo auch viele Kunden sind. Alle Unternehmen segmentieren ihre Kunden auf die eine oder andere Art. Aber um einen Vertrieb optimal aufzustellen, ist es nicht nur wichtig zu wissen, wer sie sind, sondern auch wo sie sind. Während Hersteller von Konsumgütern die geographische Verteilung ihrer Kunden relativ einfach bestimmen können (Nielsen-Gebiete, etc.), gilt dies für viele Investitionsgüterhersteller nicht. Es gibt zwar ein Bauchgefühl, dass die Filiale in Demmin nicht so viel bringen kann wie die in Stuttgart, aber genau weiß man es oft nicht.

Wir skizzieren hier einen pragmatischen Ansatz, wie man das lokale Marktpotential auf Ebene deutscher Postleitzahlen bestimmen kann, um daraus zum einen operative (Wie ist eigentlich die Performance gemessen am Markt?) als auch strukturelle (Haben wir die richtige Ressourcenverteilung, brauchen wir weniger, woanders oder sogar mehr?) Handlungsempfehlungen abzuleiten.

In der Vergangenheit haben Klienten mit diesem Ansatz Kostensenkungen im Vertrieb von bis zu 30% und Umsatzsteigerungen von bis zu 20% erreicht.

 

„Fish where the fish are – but where are the fish?”

Der Flächenvertrieb ist unter Druck. Die Suche nach Effizienzsteigerungen hat mittlerweile auch den Vertrieb erreicht. Zahlreiche Funktionen werden vom Innendienst, billigeren Vertriebskanälen oder gar Bots übernommen. Die verbliebenen, individuell und persönlich betreuten Kunden werden immer stärker selektiert, die Besuchshäufigkeit nimmt stetig ab. In schwachen Regionen werden zunehmend indirekte Vertriebskanäle (Großhandel, Online) eingesetzt, um die Vertriebskosten im Griff zu behalten. Diese immer feinere Aufteilung der Kundenlandschaft auf Vertriebskanäle erhöht die wirtschaftliche Notwendigkeit, gerade den teuren Direktvertrieb dort aufzustellen, wo tatsächlich ausreichend viele Kunden zu finden sind.

Mit Sicherheit werden auch KI, Digital Sales, Social Selling, Industrie 4.0 in den nächsten Jahren weiter zu anhaltenden Änderungen im Vertrieb sowie ganz neuen Anforderungen an Vertriebsmitarbeiter führen:

  • Digitalisierung des Direktvertriebs im Konsumbereich (Verkaufsparties/ Homeshopping per Smartphone)
  • Digitalisierung der Vertriebsberatung (Online statt Kundenbesuche)
  • Automatisierung von Lead Generation und angrenzenden Teilen des Vertriebsprozesses
  • Zunehmend feinere Marksegmentierungen (Micro Markets) und Potentialerschließung durch Analysen großer Datenmengen
  • Nutzung von KI-Algorithmen für Absatzprognosen, Preis-/Rabattoptimierung,
    Upselling, Cross-Selling und Lead Scoring

Der Anteil des Absatzes über digitale Vertriebswege und Plattformen wird weiter stetig zunehmen. Ein aktiv gesteuerter Vertrieb oder die Notwendigkeit der Neukundenakquise wird dadurch jedoch nicht obsolet, geschweige denn Vertriebsmitarbeiter oder gar der Vertrieb als solches. Die oben skizzierten Entwicklungen werden die Möglichkeiten eines gezielten Vertriebs verbessern, aber weder von allein eine sinnvolle Vertriebsstruktur hervorbringen noch automatisch den Markt und dessen Ausschöpfung ermitteln.Dieser Beitrag adressiert genau diese Situation, er bietet einen pragmatischen Ansatz, der auch für kleinere Unternehmen mit vertretbarem Aufwand und mit eigenen Ressourcen leistbar ist.

Einen „Small Data“-Ansatz dort, wo „Big Data“ nicht zur Verfügung steht oder zu aufwendig wäre.

Schaubild 1

Vorgehensweise

Wie bereits in unserem Beitrag zur Vertriebssteuerung ausführlich dargestellt, ist es sinnvoll und notwendig, Ziele und Dimensionierung des teuren Außendienstes am Marktpotential des jeweiligen Vertriebsgebietes auszurichten. Dazu ist es erforderlich, dass das Marktpotential bekannt ist (der Ist-Umsatz ist in diesem Zusammenhang keine sinnvolle Messgröße).

Zwar liegen häufig Schätzungen des wertmäßigen Volumens des Gesamtmarktes vor, allerdings fehlen diese in der Regel für regionale Märkte und es gibt für viele Märkte auch keine Dienstleister (z.B. Nielsen oder Adressverlage), die genau diese Information anbieten. Daher ist es erforderlich, einen unternehmensspezifischen Ansatz zu entwickeln (Schaubild 1).

 

1. Identifizieren von Einflussfaktoren

Bevor das Marktpotential geographisch verteilt werden kann, muss zunächst das absolute Marktvolumen bestimmt werden, d. h. wie groß ist unser Gesamtmarkt?

Diese Frage führt zu einer zweiten, nicht minder wichtigen Frage: Welches ist unser Markt? Privatleute oder Firmen, große oder kleine Unternehmen, ländliche oder städtische Regionen… Hierbei geht es nicht um präzise Definitionen, sondern eine ungefähre Abschätzung, wer zum Markt gehört und wer nicht.

Erst wenn der Zielmarkt definiert ist, können die Nachfragetreiber identifiziert werden. Ein Beispiel aus der Autovermietung illustriert diesen Punkt (Schaubild 2).

Nicht alle Märkte sind so komplex wie der für Mietwagen. Bei homogeneren Nachfragemustern kann auch mit standardisierten Verbräuchen gearbeitet werden, wie in folgendem Beispiel aus der Friseurindustrie (Schaubild 3). Der bestimmende Einflussfaktor in diesem Beispiel ist einfach „Anzahl Friseure“.

Die erste Ermittlung dieser Einflussfaktoren kann hypothesengetrieben erfolgen, z.B. durch Workshops mit Vertrieb, Marketing und externen Experten. Hier geht es zunächst nur darum, diejenigen Faktoren als „Kandidaten“ zu ermitteln, bei denen ein Wirkungszusammenhang vermutet wird, und gleichzeitig das in der Organisation vorhandene Wissen zu nutzen und auch die Stakeholder in der Organisation einzubinden. Erst in Schritt 2 (Marktmodell) sollten die formulierten Hypothesen dann statistisch auf Validität getestet werden.

Schaubild 2

Bereits in dieser Phase muss sichergestellt sein, dass es für den gewählten Parameter auch Daten gibt. Die schönsten Einflussfaktoren nutzen nichts, wenn deren geographische Verteilung nicht bekannt ist, wie z.B. für das allseits beliebte sozioökonomische Segment „junge Aufsteiger“. Die geographische Verteilung dieses Segments in großen Märkten ist nicht seriös ermittelbar – falls der Markt nicht zu 100% aus einer Stadt besteht. Auch wenn die Versuchung groß ist, interne Daten zu verwenden, sollte wo immer möglich auf eine externe Quelle zurückgegriffen werden. Unsere Erfahrung zeigt, dass die interne Weltsicht unweigerlich „blinde Flecken“ enthält, die das Ergebnis verzerren und den Status Quo reproduzieren, à la „Wo wir stark sind, ist der Markt.“.

Es kommen diverse externe Informationsquellen in Frage wie z.B. Statistisches Bundesamt, Zulassungsstatistik oder GfK Kaufkraftindex. Daten aus diesen Quellen liegen in der Regel auch in geographischer Verteilung vor. Die Kosten für die Beschaffung geeigneter und belastbarer Daten bewegen sich typischerweise im vier- bis niedrigen fünfstelligen Bereich.

Zusätzlich sollten frei zugängliche und in der Regel kostenfreie Datenquellen angezapft werden. So stellt beispielsweise Google detaillierte Daten zu durchgeführten Suchen z. B. nach „Friseurscheren“ zur Verfügung, die ebenfalls eine erste geographische Abschätzung der Nachfrage ermöglichen. Auch können Social Media-Plattformen wie Facebook, YouTube oder LinkedIn zur Gewinnung relevanter Daten herangezogen werden.

Schaubild 3

 

2. Marktmodell

 

2.1 Aufbau

Sobald die wesentlichen Einflussfaktoren bestimmt und die Daten gesammelt sind, kann das Modell aufgebaut und die Zusammenhänge programmiert werden.

Die Strukturierung regionaler Daten erfolgt in Deutschland typischerweise über Postleitzahlen. In den meisten Fällen reicht es, die Daten auf Ebene zweistelliger Postleitzahlen zu ermitteln, damit ausreichende Fallzahlen pro Gebiet als sinnvolle Entscheidungsgrundlage zustande kommen. Ausnahmen bestehen nur in Branchen mit einer sehr hohen Anzahl von Kunden (z. B. Mietwagen) und/ oder einer sehr hohen Besuchshäufigkeit (Pharma, Haarkosmetik), bei denen eine feinere Aufteilung auf dreistellige Postleitzahlen Entscheidungen erst ermöglicht.

Internationale Modelle haben zum Teil andere Möglichkeiten. Außerhalb Deutschlands gibt es teilweise andere Verteilungsschlüssel, z. B. Siret (Unternehmenskennziffer) in Frankreich oder Acorn Scores (sehr fein aufgegliederte regionale Kaufkraft) in Großbritannien.

Wenn es mehrere Einflussfaktoren gibt, sollte eine Gewichtung der einzelnen Faktoren per einfachem Scoring-Modell vorgenommen werden. Es hat sich als praktisch erwiesen, mit einem Basisfaktor zu beginnen (Anzahl Einwohner, Anzahl Krankenhausbetten oder Anzahl Friseure) und diesen mit Faktoren wie z.B.  Kaufkraft zu modulieren.

Endprodukt dieses Schritts ist eine Liste von Faktoren, die die Nachfrage erklären, und Quellen, die diese Daten auf PLZ-Basis zur Verfügung stellen.

Sobald die wesentlichen Einflussfaktoren bestimmt und die Daten gesammelt sind, kann das Modell aufgebaut und die Zusammenhänge in Zahlen abgebildet werden. Dies lässt sich typischerweise in Excel recht einfach bewerkstelligen, da je nach Detailgrad die Datei nur 100 (Grobmodell mit zweistelligen PLZ) bis maximal 990 (feineres Modell mit dreistelligen PLZ) Zeilen hat. Der output kann numerisch dargestellt werden oder graphisch, z. B. mit einem Tool wie Tableau (www. Tableau.com) Nachfolgend ist der Aufbau einer solchen Berechnung dargestellt (Schaubild 4).

Man beachte, dass aufgrund der verschiedenen Gewichtungsfaktoren das Ergebnis in unserem Beispiel um ca. 50% höher ist als bei einer reinen Betrachtung nach Einwohnerzahl. In der Praxis empfehlen wir, die Anzahl der Stufen auf maximal fünf zu beschränken, da sich sonst die Wirkungszusammenhänge zu sehr überlagern und das Modell schwer handhabbar ist.

Schaubild 4

 

2.2 Reality check

Ein erster Output des Modells muss eine Reihe von Qualitätskontrollen durchlaufen:

  • Skalierung: Entspricht die aggregierte Nachfrage laut Modell in etwa dem angenommenen Gesamt-Marktvolumen?
  • Genauigkeit: Entspricht der Modell-Output der bereits bekannten Nachfrage, z. B. in Gebieten mit nur wenigen Kunden, in denen man das  „primär erheben“ kann?
  • Relevanz: Streuen die Parameter gemäß Hypothese das Ergebnis wirklich? (wenn nicht, raus damit)
  • Plausibilität:  In dem o. g. Beispiel entstand die Notwendigkeit, den Einflussfaktor „Airport“ zu berücksichtigen und das Potential entsprechend umzuverteilen, erst in einem späteren Schritt, da der erste Modellansatz zu Marktanteilen über 100% führte.

Nach einer Reihe von Iterationen gibt das Modell einen Output, der das regionale Marktpotential auf Ebene zwei- oder dreistelliger Postleitzahlen abbildet. Für die weitere Bearbeitung kann man diese Modelldaten – wie in unseren Beispielen geschehen – zu den bestehenden Vertriebsgebieten der Organisation zusammenfassen.

Schaubild 5

 

3. Ermittlung des regionalen Marktpotentials

Die Daten können mehreren Zwecken dienen. Der erste ist strukturell: Sind die Vertriebsgebiete richtig geschnitten, gibt es Über- bzw. Unterauslastung, was ist die optimale Größe für ein Vertriebsgebiet? Das folgende Beispiel (Schaubild 5) zeigt, dass Vertriebsgebiete, die rein von der Fläche etwa gleich groß sind, in Bezug auf das enthaltene Marktpotential extrem voneinander abweichen.

Dies allein führt bereits zu ersten relevanten Ansatzpunkten. Die Gebiete 117 bis 311 (die ersten 5 von links) in dem o. g. Beispiel sind einfach zu „dünn“, um einen Verkäufer zu ernähren, hier sollte über effizientere Vertriebskanäle (z.B. Großhandel) nachgedacht werden, oder das Gebiet nur noch durch Mail Order mit gelegentlichen Besuchen großer Kunden aus den Nachbarbezirken abgedeckt werden.

Schaubild 6

 

4. Soll/Ist Vergleich

Wirklich interessant wird die Betrachtung, wenn man neben dem Marktpotential aus dem Modell den Ist-Umsatz einbezieht.

Diese Betrachtung zeigt, dass der „Sweet Spot“ bei der Größe der Gebiete bei ca. € 1 Mio. Potential liegt (Schaubild 6), während bei Gebieten über diesem Wert eine wirkliche Marktdurchdringung nicht mehr möglich ist. Diese Gebiete sollten verkleinert werden, um eine bessere Marktbearbeitung zu ermöglichen.

Auch operativ lassen sich wichtige Schlüsse ziehen. Die Verkäufer in den Gebieten 412, 415 und 218 sind bei der Ausschöpfung deutlich überdurchschnittlich und sollten die Verantwortung für größere Gebiete bekommen. Auch für die Vergütung kann das Marktpotential herangezogen werden, indem man einen Teil der erfolgsabhängigen Vergütung an Ausschöpfungsziele koppelt.

Bei einem breiteren Produktspektrum oder komplexen Kundensegmenten ergeben sich zudem Anhaltspunkte für besonders hohe oder besonders niedrige Fähigkeiten der Vertriebsmannschaft bei einzelnen Produkten, die Ansatzpunkte für Best Practice-Austausch, Cross Training oder spezielle individuelle Coaching-Maßnahmen bieten. (Schaubild 7)

Schaubild 7

Generisch lassen sich die Ansätze ohne Anspruch auf Vollständigkeit wie in Tabelle 1 beschreiben.

 

5. Organisatorische Verankerung

Bevor aus dem Modell organisatorische Schlussfolgerungen abgeleitet werden, ist es erforderlich, in der (Vertriebs-)Organisation Verständnis und Akzeptanz aufzubauen. Dies bedeutet eine intensive Kommunikationsoffensive, um den Prozess zu erklären, Erwartungen zu managen, und die Ergebnisse, eventuell auch in anonymisierter Form, vorzustellen. Die organisatorische Verankerung findet auf mehreren Ebenen statt:

  • Vorstand: Die Struktur der Vertriebskanäle kann überdacht werden. Gebiete mit geringem Potential können durch kostengünstigere Kanäle bedient werden oder aufgegeben werden.
  • Vertrieb:
    • Die Diskussion über Zielvereinbarungen wird rationaler. Die tatsächlichen Gegebenheiten jedes einzelnen Vertriebsgebietes werden den Zielen zugrunde gelegt. Das Vertriebsmanagement kann sehr viel zielgenauer argumentieren.
    • Mitschwimmer können identifiziert und aus ihrer Komfortzone herausbewegt werden.
    • Marketing: Die marktunterstützenden Maßnahmen könne zielgenauer angesetzt werden, um Bekanntheit oder Durchdringung in schwachen Gebieten besonders zu stützen.
    • Controlling: Das Modell muss in gewissen Abständen (alle zwei bis drei Jahre) angepasst werdenn

 

Tabelle 1: Strukturell-Operative Optimierungsansätze

Strukturelle Optimierung

Operative Optimierung

 
  • Durchdringung erhöhen
    Warum ist die Ausschöpfung in bestimmten Gebieten niedrig? Gebiet zu groß, Verkäufer neu/alt/unmotiviert…
 
 
  • Mitschwimmer“ identifizieren
    (starkes Gebiet + durchschnittliche Ergebnisse = schwacher Verkäufer )
 
 
  • Zuschnitt optimieren
    Vertriebsgebiete neu zuschneiden, um Gebiete annähernd gleichen Potentials zu erhalten
 
 
  • Individuelle Leistung ermitteln
    Wer sind eigentlich die wirklichen High Performer, gemessen am Potential, nicht am Umsatz
 
 
  • Bessere Vertriebskanäle
    In Gebieten mit unterkritischem Potential (z.B. Mecklenburg-Vorpommern) neue, effizientere Vertriebskanäle suchen (z.B. Großhandel oder Amazon)
 
 
  • Vergütung
    Ziele am Potential orientieren, spezifischere Vorgaben machen, z. B. PLZ 123 stärker durchdringen
 
 
  • Ausschöpfung erhöhen
    Potentialstarke Regionen teilen, um Skimming zu vermeiden
 
 
  • Training optimieren
    Schulungsmaßnahmen gezielter aufsetzen, High Performer bei Neukunden oder bestimmten Produken für Schulungen nutzen
 
 
  • Abdeckung verbessern
    Lücken im Vertriebsnetz schließen, für die bislang niemand zuständig ist
 
 
  • Reiseoptimierung
    Muster bei Reisen identifizieren, z. B. höhere Marktausschöpfung in wohnortnahen Teilen des Vertriebsgebietes
 
  
  • Pricing
    Opportunitäten identifizieren, z. B. in Gebieten mit geringem Wettbewerb und hohem eigenen Marktanteil
 

 

Fazit

Ein Modell wie hier beschrieben kann wertvolle Ansätze liefern, einen Vertrieb besser aufzustellen und zu steuern. Das Modell ist keine Welterklärungsmaschine, aber es kann der Realität des Marktes nahe genug kommen, um daraus Schlüsse ziehen zu können. Vertriebskosten sind in vielen Unternehmen „the final frontier“, nachdem über Produktion und Verwaltung schon mehrere Optimierungswellen hinweggerollt sind. Mit diesem Ansatz kann die Reorganisation auf eine rationale Basis gestellt werden.

Ansprechpartner