Die Zukunft der Marketinganalyse: Künstliche Intelligenz für jeden

(Shutterstock / Jinning Li)
Die aussagekräftigsten Daten für Analysen im Online-Marketing sind jene über die Nutzer und deren Verhalten auf den Webseiten. Für die eigene Webseite kommen diese Daten für gewöhnlich aus der Integration von Webanalyse-Tools wie Google Analytics, Adobe Analytics oder Webtrekk. Aber auch externe Datenquellen stehen zur Verfügung: Insbesondere die großen Werbeanbieter, wie Google Adwords und Facebook, bieten ihren Kunden Zugang zu detaillierten Informationen rund um die ausgespielten Werbeanzeigen in ihren Netzwerken.
Es ist dabei nicht verwunderlich, dass gerade die Unternehmen mit den größten Datenbeständen um die Vorreiterrolle im Bereich der künstlichen Intelligenzen buhlen. War das Paradigma bei Google in den vergangenen Jahren noch „Mobile First” ist dieses spätestens seit 2017 „AI first”. Mit Rankbrain hat Google einen selbstlernenden Algorithmus in seinem Kernprodukt der Websuche etabliert, der massiv mitentscheidet, welche Suchergebnisse wir zu sehen bekommen. Smart-Display-Kampagnen von Adwords übernehmen nicht nur automatisch das Targeting und Bidding, sondern erstellen die Anzeigen gleich mit. Und schließlich wertet Google Analytics seit September 2017 mit Analytics Intelligence proaktiv Daten aus. Die Anwendungsmöglichkeiten scheinen nahezu unbegrenzt und so werden weitere Projekte und Produkte nicht lange auf sich warten lassen.
Vom Dashboard zur Analyse
Das reine Vorhandensein von aussagekräftigen Daten ist dabei häufig kein Blocker. Die eigentliche Herausforderung liegt im Zusammenführen und Auswerten. Wenn diese Hürde genommen ist, wird am Ende oft ein regelmäßiges Reporting der wichtigsten Kennzahlen etabliert. Täglich oder wöchentlich landen dann die immer gleichen Reports im E-Mail-Postfach. Doch damit allein ist der Weg zu datengetriebenen Entscheidungen noch lange nicht vollendet. Dass einzelne Kennzahlen massive Veränderungen zeigen, wird bei etablierten Prozessen eher die Ausnahme bleiben. Und selbst wenn doch signifikante Schwankungen auftreten, ist längst noch nicht analysiert, worauf diese zurückzuführen sind. Zusätzliche Ausgaben, saisonaler Einfluss, technische Probleme: Die Liste möglicher Faktoren ist lang. Eine entsprechend erfolgreiche Analyse lässt sich am ehesten mit zwei Methoden durchführen:
Erstens sucht man nach Auffälligkeiten in den Daten. Dies erfordert meist einen Einblick in sehr umfangreiche Daten, zum Beispiel den direkten Vergleich einzelner Kampagnen oder Zielgruppen. Zweitens sollte man sich den Daten mit mindestens einer konkreten Fragestellung nähern. Solche Fragestellungen sind selten die nach dem Warum, sondern eher solche nach bestimmten abweichenden Verhaltensmustern. Welche Zielgruppe hat in der letzten Woche unterdurchschnittlich viele Abschlüsse generiert? Welche Anzeige hat den größten Anstieg an Klicks verzeichnet? Aus welcher Region kommen die meisten Anfragen? Die Identifikation solcher Fragen, natürlich inklusive deren Beantwortung, aber auch das Durchforsten der Daten nach den erstgenannten Auffälligkeiten ist typischerweise die Aufgabe eines Marketing-Analysten.
Künstliche Intelligenz zur Unterstützung
Ein Marketing-Analyst kann diese Fragen beantworten, weil er sich mit den Daten auskennt, die richtigen Tools zur Hand hat und auf Erfahrungswerte zurückgreifen kann. Doch die schiere Menge und Komplexität der Daten machen es oft unmöglich, alle denkbaren und undenkbaren Kombinationen von Faktoren zu testen und zu hinterfragen. Und genau an diesem Punkt setzt die aktuell genutzte Generation der selbstlernenden Algorithmen an. Unzählige Tools und Startups bieten ihre Lösungen an und immer wird dabei unterstrichen, dass eine künstliche Intelligenz die Auswertung übernimmt.
Inzwischen lassen sich aber Einblicke in die neue Technologie und deren Nutzen gewinnen, ohne zusätzliches Budget in die Hand zu nehmen. So etablieren viele Webtracking-Tools automatisierte Überprüfungen abseits von Dashboards oder planen dies für die nahe Zukunft. Auch hier spielt wieder ein großer Name der Branche ganz vorne mit: Google. Millionen von Webseiten weltweit nutzen Google Analytics zur Analyse ihrer Marketingmaßnahmen, ihrer Besucher und deren Verhalten. Das liegt vor allem daran, dass das Tool in einer sehr leistungsstarken kostenlosen Version zur Verfügung steht, aber eben auch an den vielen Analysemöglichkeiten und der Detailtiefe, die dieses Tool bietet. Seit September 2017 gehört ein Feature dazu, das hierzulande nur wenig Beachtung fand, da es bisher nur in der englischen Sprachversion vorliegt: Analytics Intelligence. Dahinter verbergen sich zwei Funktionen, die die Webanalyse vereinfachen und beschleunigen sollen: Erstens die Suche nach Abweichungen und Besonderheiten in den Daten (Anomaly-Detection) und zweitens die Möglichkeit, konkrete Fragen zu formulieren (Ask Analytics Intelligence). Beides steht jedem Google-Analytics-Nutzer zur Verfügung, sobald er seine Spracheinstellungen auf Englisch umstellt.
Anomalien statt starre Kennzahlen
Die Anomalie-Erkennung ist eine statistische Methode, um die Abweichungen in Zeitreihen zu identifizieren. Google trainiert seinen Algorithmus mit den Daten von 90 Tagen und erstellt daraus eigene Vorhersagen. Durch den Abgleich der Vorhersage mit den tatsächlichen Zahlen lässt sich errechnen, ob eine statistisch signifikante Abweichung vorliegt. Und zwar für eine Vielzahl von Kombinationen von Variablen und Metriken. Das ist kein außergewöhnliches Vorgehen, sondern eher so etwas wie der wissenschaftliche Industriestandard. Trotzdem ist die Methode äußerst effektiv. Wenn es zu einer solchen Abweichung kommt, erhält der Nutzer eine Nachricht, sobald er sich im Tool angemeldet hat.
Mögliche Anomalien sind beispielsweise der plötzliche Anstieg an Besuchern einer einzelnen Seite. In einem solchen Fall leitet ein Klick auf den Hinweis direkt weiter auf den entsprechenden Report und ermöglicht dem Nutzer so einen Einstieg in die Ursachenforschung. Das ist alles nicht neu, kann aber sehr effektiv sein.
Vereinfachte Bedienung erleichtert den Einstieg
Der weitaus größere Einfluss auf die Zukunft von Webanalyse-Tools und unsere Nutzung derselben ist aber der zweiten Neuerung zuzuschreiben: Ask Analytics Intelligence bietet Nutzern die Möglichkeit, sich den vorhandenen Daten direkt über die Eingabe von Fragen zu nähern. Es wird schnell klar, was das bedeuten kann: Mit den richtigen Fragen kann jeder sehr detaillierte Analysen und Auswertungen durchführen, ohne besonders tiefe Kenntnisse des Webanalyse-Tools haben zu müssen. Bisher machte allein der Umfang der Funktionen es nahezu unmöglich, Webanalyse-Tools komplett zu durchsteigen, egal wie intuitiv die Navigation auch gestaltet wurde. Insbesondere Nutzer, die nicht regelmäßig mit den Tools arbeiten, konnten so nur sehr oberflächliche Informationen generieren.
Der Trend zu konkret formulierten Fragestellungen ist in vielen Business-Intelligence-Lösungen und ähnlichen Tools schon länger erkennbar. Stellte das Übersetzen einer Frage in eine zielführende Suchanfrage vor einigen Jahren noch eine große Herausforderung dar, sind durch die sich selbst verbessernden Algorithmen sehr große Erfolge erzielt worden.
Die Möglichkeiten, die eine Entwicklung weg von allgemeinen vorgefertigten Reports und Dashboards hin zur spontanen Analyse und Beantwortung akuter Fragestellungen bietet, sind breit gefächert. So gibt es erstens natürlich eine Zeiteinsparung, wenn konkrete Fragen direkt vom Tool beantwortet werden können und nicht immer erst an Dritte weitergegeben und von diesen bearbeitet werden müssen. Zweitens ist es durchaus denkbar, dass gerade Personen, die nicht täglich mit den entsprechenden Daten umgehen, spannende Impulse und vollkommen neue Fragestellungen mitbringen. Drittens kann die Öffnung der Daten für ein breiteres Spektrum an Mitarbeitern auch deren Interesse wecken, sich mit der Datenanalyse auseinanderzusetzen. Der Weg zu einem wirklich datengetriebenen Unternehmen kann nur über die Mitarbeiter selbst funktionieren. Eine einfache und intuitive Bedienung, die trotzdem zu aussagekräftigen Ergebnissen führt, ist ein idealer Einstieg dafür.
Der Weg zum datengetriebenen Marketing
Doch so leistungsstark die Analyse-Tools auch sein mögen und so sehr künstliche Intelligenz bei der Auswertung unterstützt, die ein oder andere Hürde muss genommen werden, bevor erfolgreiche Entscheidungen auf Basis der Webanalysedaten gefällt werden können: Die Auswahl des Webanalyse-Tools, ein guten Tracking-Konzeptes, die erfolgreiche Umsetzung desselben und nicht zuletzt die Schulung der Mitarbeiter. Denn auch, wenn es auf jede Frage aus den Tools eine Antwort geben wird, so bedarf diese immer auch einer Interpretation, die voraussetzt, dass die ausgegebenen Daten grundsätzlich verstanden worden sind.
Deshalb ist der Bereich der Datenanalyse 2018 in einem sehr interessanten Stadium. Die vielen neuen und präziseren Möglichkeiten sind sicher erst der Anfang. In naher Zukunft werden neben noch detaillierteren Auswertungen wohl auch konkrete Optimierungsvorschläge generiert werden. Dies alles benötigt vor allem eins: Daten. Wenn es bisher noch nicht erfolgt ist, dann sollten spätestens jetzt die notwendigen Schritte eingeleitet werden, um eine gute Datengrundlage zu schaffen, um wettbewerbsfähig zu bleiben und datengetrieben zu werden.
Ebenfalls interessant:
hzfghfghfg