Tagein tagaus werden wichtige Entscheidungen aus dem Bauch heraus getroffen. Meistens geht das gut, aber nicht selten geraten in der Folge ganze Unternehmen in Schieflage. Data-Driven Marketing kann Dir dabei helfen, Fehlentscheidungen zu verhindern.
>Marketing Manager verlassen sich immer seltener auf ihr Gefühl. Stattdessen generieren sie Wissen aus einem Rohstoff, der im Überfluss vorhanden ist: Daten.
Tools wie Google BigQuery oder Amazon Redshift machen es einem leicht, mehrere Terabyte an Daten zusammenzuführen und zu analysieren. Bei der Visualisierung helfen Tools wie Google Data Studio oder Datapine. Worauf wartest Du also noch?
Im digitalen Zeitalter hinterlassen potenzielle Kunden über all Spuren. Wer sich das zunutze macht und daraus einen Wissensvorsprung erklimmt, lässt Mitbewerber hinter sich. Das prominenteste Beispiel ist zweifelsohne Amazon.
Auch Entscheider aus dem B2B-Umfeld erkennen mittlerweile, welches Potenzial in Data-Driven Marketing schlummert. Anders als im E-Commerce liegen die Datenschätze hier jedoch oft etwas versteckt. Manchmal unter einen dicken Staubschicht. Deshalb scheitern entsprechende Initiativen regelmäßig an Unwissen und Ängsten.
Was ist Data-Driven Marketing?
In Daten stecken viele Informationen, die man auf den ersten Blick gar nicht erkennt. Für datengetriebenes Marketing betrachtet man vor allem Transaktionsdaten aus der Vergangenheit. Mit Hilfe von Data Science lassen sich auf deren Basis oft neue Erkenntnisse gewinnen. Zum Beispiel über die Existenz bislang unentdeckter Zielgruppen. Antrainierte KI-Modelle können dazu genutzt werden, den Wert eines Kunden genauer zu prognostizieren und seine nächste Transaktion hervorzusehen.
Was bringt Data-Driven Marketing?
Data-Driven Marketing hilft dabei, bessere Entscheidungen zu treffen. Und somit bestimmte Unternehmensziele schneller und kostengünstiger zu erreichen:
- Zielgruppe besser verstehen
- Leads generieren
- Nachfrage erhöhen
- Umsatz maximieren
- Kundenbindung erhöhen
- Servicequalität und Kundenzufriedenheit verbessern
- ROI und ROMI (Return on Marketing Investments) steigern
Im B2C-Handel beschränkt sich Data-Driven Marketing meistens auf Umsatzmaximierung und Kundenbindung. Man spricht hier auch vom Data-Driven Commerce. Im Kontext von Werbung spricht man von Data-Driven Adverstising.
Quelle: PwC
Die Entwicklung von Data-Driven Marketing
Marketingabteilungen nutzen seit jeher Daten, um den Erfolg von Kampagnen zu bewerten. Wenn ein Plakat auf der Litfaßsäule den Absatz einer Zahnpasta spürbar angekurbelt hat, wusste man: Das Plakat performt. Zumindest glaubte man es zu wissen, denn tatsächlich wird ein Kauf von viel mehr Faktoren beeinflusst, als von der Gestaltung eines Werbemittels.
Mit dem Computerzeitalter in den 50er-Jahren begann auch das Zeitalter von Analyse-Lösungen – im Fachjargon ist die Rede von Business Intelligence. Für Marketing und Sales waren Erfolgsmessungen jedoch nach wie vor mit viel Aufwand verbunden, weil Daten zunächst händisch erfasst werden mussten.
Der Durchbruch für datengetriebenes Marketing gelang erst mit dem Siegeszug der digitalen Medien und der Möglichkeit, große Datenmengen (Big Data) zusammenführen zu können. Erstmals war eine detaillierte Erfolgsmessung nahezu in Echtzeit möglich. Damit öffneten sich viele neue Möglichkeiten.
Die Zukunft von Data-Driven Marketing
Mit Hilfe KI-gestützter Systeme ist viel mehr möglich, als bloß historische Daten aufzubereiten und zu visualisieren (BI bzw. Business Intelligence). Sie hilft bei der Suche nach versteckten Mustern und Zusammenhängen. Daraus lassen sich Eintrittswahrscheinlichkeiten berechnen. Kauft ein individueller Kunde als nächstes Produkt A oder B? (Siehe Next-best-Action Marketing.) Rechnet sich eine Kampagne bei der zu erwartenden Konversionsrate?
Hemmnisse und Hürden
Mit Data-Driven Marketing können sich Unternehmen von Wettbewerbern absetzen. Warum ergreifen sie dann nicht ihre Chance? Häufigstes Hemmnis ist eine unzureichende Datenqualität. Oft sind Datensätze unvollständig oder nicht mehr auf dem neuestens Stand.
Ein anderes großes Hemmnis sind Bedenken in Bezug auf den Datenschutz, denn relevante Daten sind sehr oft personenbezogen und unterliegen folglich der DSGVO. Haben betroffene Personen jemals einer Nutzung zu Marketingzwecken zugestimmt?
Vor allem große Unternehmen mit dezentraler Struktur und generisch gewachsener IT stehen nicht selten vor einer weiteren Herausforderung: Kundendaten sind an verschiedenen Standorten gespeichert und müssen zunächst zusammengeführt werden.
Absichtsdaten (Intent Data)
Naturgemäß wissen B2B Inbound Marketer eher wenig über Nichtkunden. Deshalb ist datengetriebene Leadgenerierung relativ schwierig und in der Praxis noch nicht besonders groß verbreitet. Was fehlt ist sogenannte Intent Data, also Daten zur Intention einzelner User.
Das Problem: Zwar hinterlassen B2B-Kunden reichlich Daten, welche auf ihre Kaufabsicht hindeuten. Zugriff hat jedoch nur auf die eigenen Kanäle (Website, Social Media und E-Mail). Dabei konsumieren laut FocusVision B2B-Kunden vor einem Kauf rund 13 Inhalte (Artikel, Videos, Podcasts).
Spezielle Anbieter für Intent Data versprechen, Licht ins Dunkel zu bringen. Tatsächlich gibt es Third Party Intent Data in den unterschiedlichsten Ausprägungen. Genauso sehr variiert deren Qualität. Größte Hürde bei der Nutzung gekaufter Daten ist jedoch der Datenschutz: Ohne Zustimmung betreffender Personen dürfen Daten nicht einfach so an Dritte weitergegeben und genutzt werden.
Tipp
Die erste Wahl sind und bleiben in Eigenregie generierte Daten (First Party Intent Data). Setze daher frühzeitig auf Content-Marketing - vorzugsweise einen Corporate Blog. Mittelfristig kann sich dieser zu einer ergiebigen Datenquelle entwickeln, die niemals versiegt.
Datengetriebenes Marketing umsetzen
Bevor Data-Driven Marketing Früchte tragen kann, muss zunächst ein Implementierungsprojekt folgende Schritte durchlaufen:
1. Projektteam zusammenstellen
Die strategische Projektleitung erfolgt naturgemäß aus der Marketingabteilung. Sie zieht jedoch Personen anderen verschiedenen Abteilungen hinzu, welche direkt oder indirekt mit dem Kunden zutun haben. Dazu gehören zum Beispiel Sales, Service und IT.
2. Ziele definieren
Das Team legt zunächst wenigstens ein Ziel fest. Zum Beispiel Erhöhung der durchschnittlichen Kauffrequenz. Es wirkt sich motivierend aus, wenn alle Mitglieder den Sinn in dem Ziel erkennen.
3. Neue Prozesse konzipieren
Das Marketing-Team schlägt Wunsch-Prozesse vor, auf deren Basis Daten ausgewertet und in Entscheidungen umgesetzt werden. Je mehr Automation, desto besser.
4. Ist-Zustand ermitteln
In einem Workshop eruiert das Team, wo Kundendaten gespeichert werden. Die Relevanz und Qualität der Daten spielt zunächst keine Rolle.
5. Machbarkeit und Aufwand feststellen
Analytics-Experten und Data Engineers ermitteln, ob die bereitliegenden Datenbestände geeignet sind, das Ziel im gewünschten Prozess zu realisieren. Darüber hinaus recherchieren sie nach Tools, mit denen sich die gewünschten Prozesse abbilden lassen. Ggf. empfehlen sie einen alternativen Prozess.
6. Beginn der Umsetzung
Sofern der prognostizierte Aufwand den anvisierten Nutzen rechtfertigt und eine Freigabe erfolgt, startet die Umsetzung.
7. Geeignetes Plattformen und Tools implementieren
Für datengetriebenes Marketing kommt immer Marketing-Technologie (“MarTech”) zum Einsatz. Zu dem Tech Stack gehören fast immer Lösungen für Web Analytics und E-Mail-Marketing. Häufig auch ein Dashboard Tool zur Visualisierung der Daten.
Neben so einen modularen Ansatz setzen viele Marketer aber auch auf All-in-One. Dann kommt normalerweise eine Marketing Cloud zum Einsatz. Die verbreitetsten Lösungen sind HubSpot, die Salesforce Marketig Cloud (SFMC) sowie die Adobe Experience Platform (AEP).
Offene Schnittstellen (REST API, Webhooks etc.) stellen eine nahtlose Anbindung an vorhandene Applikationen sicher. Zum Beispiel an das CRM. Für die zentrale Datenhaltung wird der Einsatz einer Customer Data Platform (CDP) immer beliebter.
8. Vorhandene Daten bereinigen und zusammenführen
Mit relativ großem Zeitaufwand kann das Zusammenführen und Aufbereiten von Daten verbunden sein.
9. Prozesse schrittweise einführen
Et voilà! Zum Abschluss werden die neuen datengetriebenen Marketingprozesse final getestet und eingeführt.
Gründe für das Scheitern von Data-Driven Marketing
Vor allem zwei Umstände sorgen regelmäßig für das Scheitern von Projekten: Zum einen die Nicht-Einbindung wichtiger Stakeholder aus betroffenen Abteilungen. Zweites Problem sind unzureichende Skills und Ressourcen.
Je nach Branche ist der Mangel an unterschiedlich ausgeprägt. Aber natürlich sind auch die Projekte unterschiedlich anspruchsvoll.
Beispiel Fazoli's
Fazoli’s ist eine US-amerikanische Schnellrestaurantkette, die sich auf die italienische Küche spezialisiert hat. Mithilfe von Data-driven Marketing gelingt es ihr, Zielkunden besser anzusprechen. Dabei hilft eine spezielle App…
Technologische Entwicklung
Verstärkt kommt KI zum Einsatz und nimmer dem Marketer viel Arbeit ab. Zum Beispiel Salesforce Einstein als Add-on für deren Marketing Cloud. Künstliche Intelligenz dient hier dazu, die Kaufbereitschaft von Usern oder den optimalen Versandzeitpunkt für eine E-Mail zu ermitteln.
Fazit
Data-Driven Marketing ist kein Allheilmittel - kann aber zu besseren Entscheidungen und zu einer präziseren Kundenansprache führen. Die Implementierung ist mit gewissen Anstrengungen verbunden. Auf lange Sicht lohnt sich der Aufwand jedoch fast immer.
Moin aus Hamburg! Mein Name ist Frank und ich beschäftige mich seit über 20 Jahren mit E-Mail- und Content-Marketing. Als Diplom-Wirtschaftsinformatiker interessiert mich immer auch die technologische Seite.
Du bist im B2B-Marketing unterwegs? Gern helfe ich Dir bei der Entwicklung einer schlagkräftigen Demand-Generation-Strategie.