Vorheriger Artikel Nächster Artikel

In 8 Schritten zum erfolgreichen Big-Data-Projekt

Aus dem
t3n Magazin Nr. 41

09/2015 - 11/2015

Jetzt kaufen

Dieser Artikel zeigt im Rahmen unserer „Themenwoche Marketing: Content, SEO, CRM", wie datenbasierte Marketingkampagnen von Smart Data profitieren können und welche Hürden dabei zu nehmen sind. Obwohl die Buzzwords Big Data und Smart Data in den letzten drei Jahren inflationär genutzt wurden, ist der Output der Big-Data-Manie bisher relativ gering. Zwar werden inzwischen bei vielen Unternehmen massenhaft Daten gesammelt, die zielgerichtete Verwertung und die Nutzung im Tagesgeschäft steckt aber noch in den Kinderschuhen.

In 8 Schritten zum erfolgreichen Big-Data-Projekt

Grafik: vasabii / iStock

Dem richtigen Kunden das richtige Produkt zur richtigen Zeit zu präsentieren – das ist, vereinfacht gesagt, das Ziel eines idealen datenbasierten Marketings. Dabei spielt es keine Rolle, über welchen Kanal ein Kontakt entsteht. Egal, ob der Kunde gerade einen Newsletter öffnet, seine App nutzt, beim Kundenservice anruft oder einfach im Internet surft – idealerweise erhält er überall die Werbeeinblendung, die in diesem Moment für ihn relevant ist.

Dieses einfach klingende Ziel zu erreichen stellt Marketer allerdings vor mehrere Herausforderungen. Denn zum einen müssen sie die Vorlieben und Kaufpräferenzen des Kunden genau kennen, wissen, in welcher Situation er sich gerade befindet und welches Produkt aktuell für ihn relevant ist. Und sie müssen in der Lage sein, diese Informationen zentral zu sammeln, zu verknüpfen und kanalübergreifend relevante Produktangebote ausliefern. Schließlich ist eine Werbeeinblendung für ein Hotel in Rom für einen Kunden, der gerade einen Flug dorthin gebucht hat, relevanter als die für eine Kreuzfahrt.

Die gesamtheitliche Betrachtung des Kunden wird das Marketing stark verändern. Denkweisen in Marketingkanälen wie etwa Display, Newsletter, Call Center, Affiliate werden bald der Vergangenheit angehören.

Inkonsistenz auf allen Ebenen

Viele Unternehmen sammeln schon heute massenhaft Daten, jedoch ohne eine zielgerichtete Verwertung. Tatsache ist, dass kaum ein Online-Marketing-Manager seine Zielgruppe kennt und allein seine einzelnen Kanäle und die Erreichung des Return on Invest (ROI) im Auge hat. Auch die tatsächliche Verknüpfung und Nutzung von Daten in Echtzeit ist reine Zukunftsmusik. Die Konsequenz sind ein inkonsistentes Verhalten gegenüber dem Kunden und unnötige Kosten für das Unternehmen.

Ein Beispiel: Angenommen, das Dialog-Marketing schließt bestimmte Kunden, zum Beispiel Hochretournierer, für Werbemaßnahmen aus. Im besten Fall findet anschließend eine Kennzeichnung der Kunden im CRM statt, die für Call-Center-Mitarbeiter einsehbar ist. Das Online-Marketing erfährt davon jedoch nichts und nimmt weiterhin die Bewerbung des Kunden vor. Noch paradoxer wird das Szenario, wenn Kunden bereits darüber informiert wurden, dass sie aufgrund ihres Retourenverhaltens gesperrt sind. Im schlimmsten Fall erhält der Kunde am selben Tag einen Newsletter mit einem Gutschein und wird weiterhin mit SEA-Anzeigen, Display-Werbung und Remarketing umworben. Offensichtlich, dass dieses Szenario Verbesserungspotenzial hat.

In einem ersten Schritt werden aus den verschiedensten Quellen wie CRM oder der Webanalyse zahlreiche Kundendaten in einer Datenbank aggregiert. Aus dieser zentralen Marketing-Datenbank werden dann Kundencluster gebildet – also Gruppen von Kunden mit ähnlichen Merkmalen, die dann zu Zielgruppen modelliert werden. Diese Daten wandern dann durch einen sogenannten Audience-Container, der die Daten anonymisiert an die Vermarkter weiterleitet.
In einem ersten Schritt werden aus den verschiedensten Quellen wie CRM oder der Webanalyse zahlreiche Kundendaten in einer Datenbank aggregiert. Aus dieser zentralen Marketing-Datenbank werden dann Kundencluster gebildet – also Gruppen von Kunden mit ähnlichen Merkmalen, die dann zu Zielgruppen modelliert werden. Diese Daten wandern dann durch einen sogenannten Audience-Container, der die Daten anonymisiert an die Vermarkter weiterleitet.

Von Big Data zu Smart Data: So funktioniert's

Um aus einem Wust an Daten Smart Data zu machen, werden Daten aus unterschiedlichen Datenquellen wie CRM, Business Intelligenz und Webanalyse zentral in einer Marketingdatenbank erfasst, aggregiert und miteinander verknüpft. Voraussetzung für ein Mapping der CRM- und Webanalyse-Daten ist eine Unique-User-ID (UUID), über die Kundenprofile anonymisiert verdichtet werden.

Datenanalysten können Kundendaten genauer unter die Lupe nehmen und Handlungsempfehlungen daraus ableiten. Durch den Abgleich dieser Daten bilden sie Kundencluster, die sowohl den Kundenlebenszyklus, die Kaufhistorie als auch das Surfverhalten und die momentanen Interessen in Echtzeit ausgeben. Ein so erstelltes und anonymisiertes Userprofil besteht aus zahlreichen Attributen wie Geschlecht, Alter, Wohnort, Interessen oder Nutzungsgewohnheiten von Online-Geräten. Diese Informationen lassen sich nun clustern und daraus Zielgruppen (Audiences) ableiten, die dann etwa „männlicher Student, der sich in den letzten Monaten über Mobilfunktarife informiert hat“ oder „junge Mutter aus München mit Interesse an Radsport“ heißen. Je feiner die Zielgruppen geclustert werden, desto treffsicherer beziehungsweise personalisierter kann anschließend die Werbeansprache erfolgen.

Am einfachsten lassen sich die Bereiche Newsletter, Display und Remarketing mit einer datenbasierten Marketingkampagne aussteuern. Weitere Ausbaustufen mit zunehmender Komplexität sind die Kanäle SEA und Facebook Ads.

Zur Ansprache von Neukunden können so genannte statistische Zwillinge eingesetzt werden. Hierfür werden die Erkenntnisse aus der Datenanalyse genutzt und die Präferenzen und Merkmale der Zielgruppe auf potenzielle Kunden in Facebook und Google übertragen. Die Kundengruppe „Junge Mütter“ kann beispielsweise in Facebook durch ähnliche Interessen (Likes von Babyseiten) angesprochen und die Produktpräferenzen aus den vorhandenen Daten ermittelt werden. Das Ergebnis sind potenzielle Neukunden, die sich mit personalisierten und in Echtzeit optimierten Inhalten ansprechen lassen. Das auf der UUID basierende Kundenprofil wird dabei stetig verdichtet, mit Daten etwa über geräteübergreifende Nutzung, verwendete Browser, App-Daten, aber auch Bestellrhythmus, Markenaffinität und bevorzugte Zahlungsmittel. Diese Informationen stehen dann für die Kundenansprache und auf den Landing-Pages zur Verfügung.

Sind die Kundencluster gebildet und passende Kommunikationsmaßnahmen überlegt, fungiert ein so genannter Audience-Container als Weiche und gibt die entsprechenden anonymisierten Daten an die Vermarkter weiter. Die Responsedaten (Klickdaten, Käufe etc.) werden anschließend in Echtzeit in die Datenbank zurückgespielt und dienen sowohl für die Aussteuerung weiterer Kampagnen als auch für die fortlaufende Optimierung.

Smart Data und Erfolgskontrolle: Was es zu bedenken gilt

Nachdem die Aussteuerung der Kampagne und die gesamte Ausrichtung der Marketingdatenbank auf Zielgruppen basiert, sollte nun auch das Reporting entsprechend der Zielgruppen aufbereitet werden. Im Mittelpunkt der Auswertung steht nicht mehr die Kosten-Umsatz-Relation oder der ROI des SEA-, Affiliate- oder Newsletter-Kanals, sondern der Customer-Lifetime-Value (CLV) und der ROI des Kundenclusters. Die personalisierte Wertausschöpfung des Kunden ist das maßgebliche Bewertungskriterium.

Die gängigen KPIs müssen nun um einige Kriterien erweitert werden: Je nach Lebenszyklusphase sind die Aktivierungs-, Reaktivierungs- und Neukundenquote, sowie das Wiederkaufspotential, Verbundkaufwahrscheinlichkeit und der CLV entscheidend für die Bewertung von Kampagnen. Die klassischen Kriterien aus dem Dialogmarketing und dem Online-Marketing vermischen sich und werden zur integrativen Bewertung der Kundencluster herangezogen. Es zählt nicht mehr nur der Umsatz pro Kunde/Kanal, sondern der Wert des Kunden für das Unternehmen. In der Praxis könnten Unternehmen Kunden mit einem höheren Wert beispielsweise Angebote ein bis zwei Tage früher unterbreiten. Auch die Aktivierungsquote spielt bei Kunden, die den Bestellrhythmus überschritten haben, eine entscheidende Rolle. Kurz: Die Bewertung der Kampagnen wird zukünftig individueller auf das Ziel der Kampagne und den Kundencluster zugeschnitten.

Datenbasiertes Marketing: So gelingt der Start

Der folgende 8-Punkte-Plan erleichtert den Einstieg:

1. Big-Data-Projekte sind keine IT-Projekte
Big-Data-Projekte sollten nicht allein in der IT angesiedelt werden. Ein Mehrwert ergibt sich erst durch die Nutzung der Daten im Marketing. Daher muss dieser Bereich im Projekt federführend sein.
2. Use-Cases erstellen und Ziele ableiten
Um die Anforderungen, das Ziel und vor allem den Nutzen der zentralen Marketingdatenbank für den jeweiligen Fachbereich greifbarer zu machen, sollte jede Abteilung ein bis zwei Use-Cases erstellen, aus denen sich dann die entsprechenden Ziele und Anforderungen ableiten lassen.
3. Externes Know-how für die Datenbankmodellierung nutzen
Um dem komplexen Thema der Datenmodellierung Herr zu werden, empfiehlt es sich, externes Know-how in Anspruch zu nehmen. Schließlich ist die richtige Modellierung Grundlage für die Nutzbarkeit der Daten. Werden die Daten nicht korrekt verknüpft, resultieren daraus fehlerhafte Analysen.
4. Das Projekt endet nicht mit dem Analysetool
Das volle Potenzial der zentralen Marketingdatenbank entfaltet sich nur, wenn die Kundencluster für die Aussteuerung genutzt werden können, die Responsedaten in Echtzeit zurück- und in die weitere Kampagnenoptimierung mit einfließen. Durch den Rückfluss der Daten werden nicht nur die Kundenprofile stetig verdichtet, sondern auch die Kampagne fortlaufend verbessert.
5. Testcases einplanen
Das Projekt sollte auch Testcases für die Ausführung von Kampagnen enthalten. Das ist zum einen wichtig, um die ersten Erkenntnisse aus den verdichteten Daten zu nutzen, und zum anderen, um Kinderkrankheiten vor dem Go-Live zu beseitigen. Bei den Testcases empfiehlt sich eine relativ pragmatische Vorgehensweise – es geht hier vorwiegend darum, den Prozess durchzuspielen und erste Erfahrungen zu sammeln.
6. Stufenweise Überführung ins Tagesgeschäft
Das Projekt sollte schrittweise ins Tagesgeschäft überführt werden. Für den Beginn der Aussteuerung eignen sich einfach erschließbare Kanäle, erst danach erfolgt die komplexere personalisierte Ansprache. Und keine Angst: der mittelfristig eintretende Mehrwert für das Unternehmen kompensiert anfängliche Holprigkeiten bei Weitem!
7. Anpassung der Prozesse und Organisationsstruktur
Silodenken bzw. Kanalbetrachtung gehören jetzt der Vergangenheit an. Die übergreifende Kampagnenplanung sollte an strategische Marketingplaner übergeben, die Umsetzung der Kampagnen von operativen Marketingmanagern übernommen werden. Der strategische Planer fungiert dabei auch als Kommunikator zwischen Datenanalysten, operativen Marketingmanagern und dem Category Manager.
8. Anpassung der Reportings und der KPI
Das Reporting muss, analog zur Datenbank, nun auf Zielgruppen basieren und die gängigen KPIs um Bewertungskriterien wie Aktivierungs-, Reaktivierungs- und Neukundenquote, Wiederkaufspotenzial, Verbundkaufwahrscheinlichkeit und CLV erweitert werden.
Newsletter

Bleibe immer up-to-date. Sichere dir deinen Wissensvorsprung!

Vorheriger Artikel Zurück zur Startseite Nächster Artikel
Deine Meinung

Bitte melde dich an!

Du musst angemeldet sein, um einen Kommentar schreiben zu können.

Jetzt anmelden

Alle Hefte Jetzt abonnieren – für nur 35 €

Kennst Du schon unser t3n Magazin?