Big Data Marketing Day 2016 – Wer Big Data hat ist ein Gewinner, wer sie nicht auswertet verliert trotzdem.

Es war ein spannender Tag in München. Auf dem Big Data Marketing Day ging es um das interessante Thema – man kann es fast erahnen – Big Data. Ich gebe zu, es ist ja eigentlich nichts Neues mehr und bei vielen Marketeers sicherlich angekommen. Aber das spannende an der Veranstaltung war eigentlich, dieses Thema aus verschiedenen Perspektiven zu betrachten mit Hinblick auf eine personalisierte Kundenansprache.

Wie kann man von Big Data sprechen und gleichzeitig den Anspruch verfolgen, seine Kunden personalisiert im digitalen Ökosystem, in welchem er sich befindet, anzusprechen? Big Data hat doch irgendwas mit riesigen Datenmengen zu tun, wo es doch eigentlich keine Individuen gibt. Kunden oder User werden statistisch beschrieben, sie sind Nummern, Visitors, die irgendwelche Seitenaufrufe generieren oder sich fünf Minuten lang in meinem Online-Shop ein Turnschuh angucken und dann doch wieder diese verhasste Bouncerate erhöhen. Wie bei Gottes Namen kann man dann von Personalisierung sprechen oder diese betreiben?

Big Data – Quick-Wins für das Marketing

Nach Torsten Schwarz, Herausgeber des Standardwerks „Big Data im Marketing“, geht es darum, Kundensegmente abzubilden auf dessen Grundlage personalisierte Ansprachen entwickelt werden. Aber dazu müssen wir erstmal den statistisch beschriebenen Nutzer kennenlernen.

Ein Neukunde ist für ein Webseitenbetreiber ein Mysterium. Er weiß einfach nicht, wer da gerade seine Webseite besucht. Reicht das für Personalisierung schon aus? Wahrscheinlich nicht. Wir müssen ihn erstmal kennenlernen und in Erfahrung bringen, mit wem wir es zu tun haben, bevor wir „das Kind beim Namen nennen“ (können).

Versuchen wir es mit Interaktionspunkten auf der Webseite. Mit Hilfe von Interaktionspunkten oder Konfiguratoren und Online-Beratern, erfahren wir eine ganze Menge über den User. Es lassen sich Daten sammeln und diese später zu Segmenten bündeln. Der Laufschuh-Berater von SportCheck hilft zum Beispiel dabei, Informationen über den Nutzer zu sammeln:

SportCheck Laufschuh Berater

Laufschuh-Berater: Mit Konfiguratoren können User gezielt abgeholt werden

In diesem SportCheck Case erfahren wir etwas über demografische Merkmale wie das Geschlecht des Nutzers und können dieses in Bezug zum Produkt setzen. Wer sucht nach einem Turnschuh? Natürlich ist es nicht ausgeschlossen, dass ein Mann bspw. für seine Freundin einen passenden Schuh sucht. Daher wird hier entsprechend eine Fehlerwahrscheinlichkeit berücksichtigt, welche diese Abweichung einkalkuliert.

Das Thema Email-Marketing ist entgegen allgemeiner Aussagen, es sei nicht mehr relevant, für Torsten Schwarz nach wie vor nicht zu vernachlässigen. Kein Kanal eignet sich besser dazu seine Kunden personalisiert anzusprechen und für das eigene Up & Crossselling zu sensibilisieren. Voraussetzung ist natürlich, dass sich Big Data logisch segmentieren lassen, um gezielt seine Kunden ansprechen zu können.

Das Problem von Big Data liegt nicht an der Datenmenge

Wer Big Data hat, sollte Big Data nutzen. Soweit klar. Doch es gibt auch Hürden, die sich teilweise auf Unternehmenseinheiten beziehen bzw. auf deren Wechselbeziehungen. Dies zeigt folgende Grafik, die Torsten Schwarz im Rahmen seines Vortrages aufgegriffen hat.

auswertung von big data

Quelle: hays.de/documents/10192/118775/Hays-Studie-Von+starren+Prozessen+zu+agilen+Projekten-2015.pdf

Die Anwendung bzw. die richtige Auswertung von Big Data stehen oftmals Konkurrenzgedanken zwischen innerbetrieblichen Abteilungen gegenüber. Auch sind die unterschiedlichen Verständnisgerade zwischen den Abteilungen für das Thema Big Data ganz unterschiedlich. Die einen sagen völliger Quatsch, die anderen sagen, es ist ein elementarer Bestandteil. Wer hat nun Recht? Hier hilft wohl nur gegenseitiges Vertrauen zu stärken und Scheuklappen in die Tonne zu verbannen gegenüber denen, welche die Kompetenzen tragen – abteilungsübergreifend.

Ein Datenleck und wer davon profitiert

Daten sind wertvoll, quasi das Öl in der Digitalbranche, welches es zu schützen gilt. Für diesen Schutz der eigenen Daten sollten sich Unternehmen einsetzen, wenn es nach Christian Sauer von der Webtrekk GmbH geht.  Er referierte in seinem Vortrag „Data Leakage: Wie Sie Ihre Konkurrenz erfolgreicher machen“ darüber, dass Unternehmen die Ihre Daten herausgäben, sich perspektivisch schlechter stellten.

Ich persönlich bin mir noch nicht ganz sicher, wie ich dazu stehen soll. Sobald ein Unternehmen ein externes Tool zur Messung von Nutzerverhalten, Conversions & Co einsetzt, liegen die Daten natürlich bei dem entsprechenden Anbieter auf dem Server. Das gilt selbstverständlich auch für Google. Sobald der Trackingcode auf der Seite eingebunden ist, wandern die erfassten Daten nach Übersee und laufen entsprechend dort auf den Servern ein. Meine Meinung dazu ist, dass es davon abhängt in welchem Wettbewerbsverhältnis das Unternehmen mit dem Datensammler steht. Google ist nach wie vor die wichtigste Suchmaschine in Deutschland und bietet mit seinen Tools, wichtige Grundlagen, um erfolgreich Online Marketing betreiben zu können. Meine eigene Erfahrung zeigt, dass man mit vielen verschiedenen Tools zwar Big Data generiert, aber es oftmals zu Inkonsistenz führt, wenn verschiedene Datentöpfe miteinander verglichen werden sollen. Hier besteht die Gefahr von verzerrten Datenbildern.

Predektive Customer Interaction – Der Blick in die Glaskugel

Lets do some Math! Wenn es um die Auswertung von Big Data geht, dann kommt man sicherlich irgendwann nicht mehr drum herum, diese auf mathematischen Grundlagen aufzubauen. In dem Vortrag „Predictive Customer Interaction – Einsichten jenseits von Attribution“ von Alwin Haensel ging es zu dem um das Attributions-Problem bzw. die Frage, welcher digitale Touchpoint den größten Einfluss auf die Kaufentscheidung des Users hat. Nur wie findet man dies heraus? Hier hilft Statistik. Mit ihr können Prognosen aufgestellt und Hypothesen be –oder wiederlegt werden.

Es geht also um den Versuch, die Zukunft vorherzusehen bzw. Trends abzuleiten. Wichtig dabei ist, dass die kurze Zukunft und die kurze Vergangenheit betrachtet werden. Grund dafür sind Dynamiken, welche das Nachfrageverhalten bzw. einen Markt ständig verändern und somit Prognosen oder die Bewertung vergangenheitsbezogener Daten erschweren. Es soll bspw. möglichst genau vorhergesagt werden, wie viele Kunden oder Umsatz weniger generiert wird, wenn einer bestimmten Kampagne x Prozent Budget abgezapft wird. Weitere Fragegestellungen wären, in welchen Touchpoints eine Mehrinvestition an Werbespendings im Verhältnis zu den anderen Kanälen den meisten Uplift einfährt. Es geht um die Definition einer theoretischen Ursache und die Analyse ihrer Wirkung, verpackt in mathematische Modelle, die auf Big Data basieren.

Fazit

Wie in einzelnen Gesprächen vor Ort auch schon erwähnt: Das interessante an dieser Veranstaltung war, wie die einzelnen Speaker aus ihrem eigenen Schwerpunktbereich das Thema Big Data mit Hinblick auf Personalisierung verstanden haben. Für den Zuhörer ergab sich damit am Ende des Tages ein umfangreiches Bild zu dem Thema und man ist sicherlich in der Lage, da einige Impulse oder Denkanstöße für sich selber mitzunehmen. Auch wenn ich nicht jeden einzelnen Vortrag hier erwähnt habe, war doch jeder einzelne ein wichtiger Beitrag für diese umfassende Diskussion zum Thema Big Data.

Infos zu weiteren Online Marketing Konferenzen 2016

Verwandte Artikel

0 Antworten

Hinterlassen Sie einen Kommentar

Wollen Sie an der Diskussion teilnehmen?
Feel free to contribute!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.