Transfer datenbasierter Geschäftspotenziale für eine Verbesserung der Aftersales-Prozesse von Automobilhändlern

In dieser Masterthesis werden Optimierungsmöglichkeiten des Aftersales-Prozesses der Automobilbranche untersucht. Dafür werden industriespezifische Pioniere (Best Practice) analysiert, branchenübergreifende Plattform-Geschäftsmodelle beleuchtet sowie Trends in Form von Anwendungsfällen kategorisiert. Auf Basis datenbasierter Informationen wird das Geschäftsmodell eines Autohändlers innoviert. Aktuelle Marktentwicklungen und Meinungen von Industrieexperten werden durch leitfadengestützte Experteninterviews einbezogen.
Hersteller als auch Händler befinden sich gegenwärtig vor verschiedenen Herausforderungen der Digitalisierung, wie z.B. die Dringlichkeit Geschäftsprozesse zu digitalisieren. Die dafür notwendigen Informationen entstehen verstärkt beim Kundenkontakt und im Fahrzeug.
Volkswagen verkauft jährlich mehrere Millionen Fahrzeuge und erzielte im ersten Halbjahr 2018 trotz des Abgas-Skandals steigende Gewinne. Jeder Kunde generiert mit diesen Fahrzeugen wertvolle Daten. Aufgrund der fortschreitenden Digitalisierung neuer Fahrzeuggenerationen wächst zugleich die Anzahl dieser Daten. Die Automobilindustrie steht somit im branchenübergreifenden Wettbewerb.
Seit einigen Jahren werden zunehmend Plattform-Unternehmen erfolgreicher. Dieser Trend ist ebenfalls in der Automobilindustrie Realität geworden. Unternehmen wie Uber zeigen dies eindrucksvoll. Stationäre Autohändler und Uber vereint dabei der direkte Zugriff auf Kundendaten. Ein Vorteil den die Händler gegenüber der Industrie derzeit nicht ausspielen.
Mit dieser Arbeit werden praxisrelevante Handlungsempfehlungen zur Optimierung des Aftersales eines Autohändlers erstellt. Diese Empfehlungen sind auf eine Digitalisierung des Geschäftsmodells ausgerichtet. Folgende Themen stehen dabei im Fokus: Optimierung interner Prozesse, Kosten der Kundenakquise reduzieren sowie Kundenzufriedenheit messbar verbessern.