Data Driven Marketing – Erfolgsstrategie für Unternehmen
Gastbeitrag von Jakob Rehermann, Geschäftsführer des Softwareentwicklers datapine
Big Data, Smart Data, Data Analytics, Data Science, Data Driven Marketing – diese Liste könnte man beliebig lang fortführen. Der Begriff „Data“ ist heute aus dem Wirtschaftsleben nicht mehr wegzudenken. Studien belegen, dass die Mehrheit der wertvollsten börsennotierten Unternehmen einen gemeinsamen Nenner haben: Die intelligente Nutzung von Daten*. Das unterstreicht die Bedeutung der Daten im Hinblick auf wirtschaftlichen Erfolg und welche Rolle sie in Unternehmen spielen. Da sich laut McKinsey die Menge der verfügbaren Daten rund alle drei Jahre verdoppelt, wird sich diese Tendenz künftig noch verstärken. So wundert es nicht, dass Daten mittlerweile für beinahe alle Unternehmensbereiche und -Abteilungen relevant sind: Von der IT bis hin zum Management oder das Marketing.
Dabei geht es nicht nur um das Sammeln von Daten. Denn das allein macht Unternehmen noch nicht erfolgreicher. Die Herausforderung besteht darin, aus Big Data, Smart Data zu machen. Sprich aus den Unmengen an Daten, die tagtäglich ins Unternehmen hineinströmen, die relevanten herauszufiltern und hieraus Erkenntnisse und Informationen abzuleiten. Mit den Daten muss also etwas passieren. Intelligente Algorithmen und spezielle Analyse-Software helfen, die in den Datenmengen versteckten Informationen, teils sogar automatisiert, herauszulesen. Wie Detektive spüren diese Softwareprogramme die in den Datenmassen versteckten Informationen auf. Dafür müssen die Daten erst einmal in ein einheitliches Format gebracht werden, schließlich stammen sie aus zahlreichen unterschiedlichen Quellen, wie internen Datenbanken, Webseiten, ERP-Systemen, Social Media Plattformen oder Excel-Dateien. Erst wenn alle Daten das gleiche Format haben, können sie analysiert werden, also miteinander in Bezug gesetzt werden.
Mit konventionellen Methoden, wie Excel-Tabellen oder einzelnen Datenbanken etc., sind die Massen an Daten, denen Unternehmen heute gegenüberstehen, nicht mehr beherrsch- und interpretierbar. Daten-Visualisierungstools, die aus umfangreichen Zahlen- und Datenkolonnen übersichtliche und interpretierbare Grafiken machen, sind daher im data-driven Management nicht mehr wegzudenken. Laut BARC Trendmonitor liegt dementsprechend Data Visualization unter den Top drei Trends im Bereich Datenanalyse.
Der rasante technologische Fortschritt im Bereich Künstliche Intelligenz lässt die Analysemethoden dabei immer raffinierter und ausgeklügelter werden. Dank intelligenter und selbstlernender Algorithmen können Unternehmen aus der permanent wachsenden Datenmenge immer mehr Wissen generieren.
Es besteht kein Zweifel: Wir leben im Zeitalter der Daten und deren Analyse. Sie sind heute die wichtigste Quelle der Wertschöpfung. Das geflügelte Wort des englischen Philosophen Francis Bacon ‚Wissen ist Macht` könnte man heute wie folgt neu interpretieren: Daten sind Wissen und Wissen ist Erfolg.
Wie verändern Daten das Marketing?
Erfolg haben Unternehmen dann, wenn potenzielle Neukunden überzeugt werden und Bestandskunden loyal sind. An dieser Stelle kommt das Marketing ins Spiel, das sich um die Kundenkommunikation kümmert. Mit einer 08/15 Gießkannenkommunikation überzeugt oder gewinnt man Kunden heute nicht mehr. Die Menschen erwarten Botschaften, die für sie persönlich relevant sind und zu ihrem Leben passen. Marketing-Experten suchen daher nach Wegen, die Kundenansprache individuell und möglichst personalisiert zu gestalten. Das jedoch setzt tiefgehende Kenntnisse über die Adressaten voraus. Denn wenn man jemand nicht kennt, kann man ihn auch nicht individuell ansprechen.
Dass eine individuelle Ansprache erfolgreich ist, beweist eine IBM-Studie. Sie belegt, dass Unternehmen, die ihre Kunden gut kennen, um 60 Prozent besser performen. Ein gutes Beispiel ist der E-Commerce-Riese Amazon, der durch personalisiertes Einkaufserlebnis konkret Kaufentscheidungen auslöst. Diese Erkenntnis lässt Marketingabteilungen zunehmend datengetrieben agieren. Gartner hat gar prognostiziert, dass Marketingabteilungen künftig mehr Geld in die IT investieren, als die IT-Abteilungen selbst.
Bedingt durch eine zunehmend digitale Lebensweise, eine starke Social Media-Nutzung sowie hohe Verbreitung mobiler Endgeräte, hinterlassen Kunden heute zahlreiche Spuren im Netz und geben Informationen über sich preis. Und zwar in Form von Daten, welche den Unternehmen zugänglich sind. Wie das funktioniert kann am Beispiel einer Unternehmenswebsite einfach erklärt werden: Ein Webanalyse-Tools registriert und misst alle Besucher sowie deren Navigation und Verhalten auf der Webseite. Auf diese Weise können Unternehmen dann Rückschlüsse auf Interessen und Vorlieben ihrer Kunden ziehen.
Ziel ist dabei nicht, Konsumenten auszuspionieren. Schließlich müssen persönliche Daten anonymisiert werden. Es geht vielmehr darum, die Marketingaktionen besser an den Bedürfnissen auszurichten. Um dies zu ermöglichen, werden Daten aus allen Consumer-Touch-Points – also z.B. von Facebook, der Webseite und dem E-Commerce Shop – zusammengeführt und analysiert. So erhalten Marketingexperten ein umfassendes Bild. Hilfreich ist dies auch für die strategische Marketingplanung und das Zielgruppen-Clustering.
Heute werden Zielgruppen nicht nur nach groben demographischen Kriterien definiert. Zielführender ist es, Zielgruppen in Micro-Targets aufzugliedern. Beispielsweise nach Interessen, Vorlieben oder Kaufverhalten. In der Praxis sieht das dann so aus, dass ein technikbegeisterter Student einen anderen Newsletter oder eine Werbebotschaft erhält, als die modeinteressierte Studentin. Oder dass ehemalige Stammkunden, die seit längerer Zeit nichts gekauft haben, anders angesprochen werden, als treue Kunden. Genau das ist Data Driven Marketing. Die hierzu benötigten Daten werden durch Tracking des Kaufverhaltens, der Online-Interaktionen, des Web-Browsing-Verhaltens, des Online Suchverhalten oder auch durch direkte Befragung der Konsumenten, gesammelt.
Im Wesentlichen geht es also um das Verstehen der Kunden durch die gezielte Analyse von Daten. So können im Ergebnis Markenbotschaften insofern modifiziert werden, als diese punktgenau auf bestimmte Personengruppen passen. Aus Daten kann darüber hinaus auch herausgelesen werden, welchen Artikel ein bestimmter Kunde mit einer hohen Wahrscheinlichkeit als nächstes kauft. Je mehr Daten dem Marketing bekannt sind, desto höher ist die Trefferquote hinsichtlich dieses ‚next best offer’.
Was ist konkret der Mehrwert von Data Driven Marketing?
Data Driven Marketing bringt Unternehmen vielfältige Vorteile, die durch Studien und Umfragen belegt sind. In einer Forbes-Umfrage gaben beispielsweise 57 Prozent der Befragten an, den Return of Investment ihrer Kampagnen messbar gesteigert zu haben. Im Rahmen von Data Driven Marketing kann der Erfolg von Kampagnen nicht nur genau gemessen, sondern auch spürbar gesteigert werden. Kampagnen lassen sich optimieren und Social Media Kommunikation kann zielgruppenspezifischer erfolgen. Auch Themen und Inhalte lassen sich besser planen, denn Marketingentscheider sind durch Datenanalyse über aktuelle Trends und Entwicklungen informiert und wissen, worüber gerade im Netz gesprochen wird. Durch individuelle Angebote, können Kaufentscheidungen generiert werden und ggf. sogar Rücksendungen minimiert werden. Durch eine individuellere und personalisierte Ansprache erhöht sich die Kundenbindung und -zufriedenheit. Besonders attraktiv ist die bereits oben erwähnte Eruierung des ‚next best offer’ – also die Vorhersage, für welches Produkt der Kunde sich wahrscheinlich interessiert. Neben einer besseren Kundenbeziehung können Themenplanung und Angebote optimiert werden und so letztlich der Umsatz gesteigert werden. Das macht Data Driven Marketing für Unternehmen attraktiv und wohl auch unverzichtbar, wenn sie auch künftig wettbewerbsfähig bleiben wollen.
*Quelle: Pressemitteilung McKinsey vom 8.12.2016
Über den Autor:
Jakob Rehermann ist Geschäftsführer des in Berlin ansässigen Softwareherstellers datapine. In diesem Zusammenhang beschäftigt er sich intensiv mit der Auswertung von Daten, u.a. unter Einsatz von künstlicher Intelligenz.