Für Unternehmen ist es sinnvoll, erfolgsabhängige Komponenten in die Verträge mit dem Influencer einzubauen, um einen hohen Einbezug bei der Produktion der Werbeinhalte sicherzustellen. Durch das digitale Controlling können Erfolgskennzahlen definiert werden, die schnell und leicht messbar sind.
Eine hierfür häufig genutzte Kennzahl ist die sog. Engagement Rate, die die Intensität der Reaktion der Follower eines Influencers auf dessen werberelevanten Social Media-Beitrag misst. Die Erfolgsabhängigkeit ist sinnvoll, da anders als beim Einsatz von Prominenten oder Sportlern als Werbebotschafter im Rahmen der Fernsehwerbung beim Influencer Marketing der Influencer für die Erstellung des Inhalts seiner Social Media-Beiträge verantwortlich ist. Das Unternehmen kann dies (sinnvollerweise) nur zum Teil beeinflussen, da die Unabhängigkeit die Glaubwürdigkeit des Influencers erhöht und den Kern eines erfolgreichen Influencer Marketings darstellt.
Abb. 6 und Abb. 7 zeigen eine kennzahlenbasierte Erfolgskontrolle des Influencer Marketings. Diese basiert auf der klassischen Marketing Funnel-Logik von McKinsey zur Strukturierung der Customer Journey, die wir in Abb. 4 aufgeführt haben. Danach ist es wichtig, beim Kunden die eher kognitiven Konstrukte, "Bekanntheit" und "Interesse" sowie das affektive Konstrukt "Präferenz" zu beeinflussen, um Kauf und Kundenbindung zu erreichen. Dies ist der Kernbereich der von Unternehmen gebildeten Kennzahlen.
Abb. 6: Kennzahlen zur Messung der Bekanntheit[1]
Während einige in Abb. 6 gezeigten Kennzahlen, wie Markenbekanntheit und Werbeerinnerung, klassisch durch Befragungen erhoben werden müssen – was zusätzlichen Aufwand erzeugt, lassen sich etliche Kennzahlen direkt mit entsprechenden Social Media Monitoring Tools erheben. Dies ist ein erheblicher Vorteil digitaler Customer Touchpoints.
Abb. 7 zeigt Kennzahlen und Instrumente für die Ziele "Interesse" und "Präferenz". Im Gegensatz zum klassischen analogen Marketing können im digitalen Kommunikationscontrolling sehr viele Daten automatisch und fortlaufend generiert werden. Daher fallen im Rahmen der Customer Journey nicht nur an einem, sondern an vielen Customer Touchpoints für etliche Produkte oder Marken schnell erhebliche Datenmengen an. Diese müssen gesammelt und ausgewertet werden. Auf klassischem Weg ist dies kaum sinnvoll möglich – es bedarf Big Data Methoden.
Abb. 7: Kennzahlen und Instrumente zur Messung von Interesse und Präferenz[2]
Das ist nur ein Ausschnitt aus dem Produkt Haufe Finance Office Premium. Sie wollen mehr?
Jetzt kostenlos 4 Wochen testen
Anmelden und Beitrag in meinem Produkt lesen