| Dialogmarketing

"Big Data Scientists und Kreative müssen eng zusammenarbeiten"

"Für uns als Dialogmarketer ist die Zusammenarbeit mit Datenlieferanten extrem wertvoll", sagt André Lutz.
Bild: defacto x

Big-Data-Spezialisten liefern den Kreativen in Agenturen und Marketingabteilungen die Informationen, die diese brauchen, um wirklich zielgruppenorientiert kreativ werden zu können. Je enger und besser die Kommunikation zwischen beiden Seiten, desto besser wird die Kreation. Davon ist André Lutz überzeugt, Geschäftsführer der Dialogmarketingagentur Defacto Be/One.

Die Data Scientists und die Kreativen – wie unterhalten die sich? Oder unterhalten die sich gar nicht?
Die beiden Seiten unterhalten sich sehr, sehr intensiv, denn das Schlimmste, was man sich als Kreativer vorstellen kann, ist, dass man kein gutes Briefing bekommt. Es kommt nichts Gutes dabei heraus, wenn die Ziele nicht messerscharf sind, wenn die Ausgangssituation nicht klar ist, wenn man nicht weiß, wie die Zielgruppe tickt – viele Dinge, für die man ein sehr gutes Planning braucht, um als Kreativer eine wirklich gute Startrampe zu haben. Und gerade, wenn harte Faktoren vorliegen, wenn man viele Insights aus den Data Sciences hat, wie die Zielgruppe tickt – und zwar nicht in Bezug auf weiche Faktoren, sondern als Antwort auf die Frage, wer kauft was warum, wer interessiert sich für welche Produkte, wer reagiert wie auf den Preis – genau dann habe ich ein sehr sehr gutes Briefing. Insofern kann ich dann kreativ werden: Wenn die Aufgabe lautet, das Segment der mittelalten männlichen Jeanskäufer zu reaktivieren, dann bekomme ich auf der einen Seite vom Kunden eine grobe Beschreibung der Situation mit einer konkreten Zielvorgabe, gegebenenfalls von der Marktforschung Informationen zu weichen Faktoren, während aus dem Bereich Data Science dann das konkrete Inter- und Transaktionsverhalten der Zielgruppensegmente dargestellt wird. Am Ende entwickelt das Planning aus allen Informationen dann so genannte Insights, die den zentralen Mittelpunkt eines Creative Briefings und damit einer kreativen Startrampe darstellen. Insofern ist der kontinuierliche Dialog von Kreativen und Data Scientists und Kreative Gegenstand der täglichen Kreativarbeit.

Kommen die Daten bei Ihnen aus Ihrem eigenen Research, oder liefert die Ihr Kunde an?
Das ist ganz unterschiedlich. Bei den Kunden, bei denen das möglich ist, ist es uns am liebsten, wenn wir zwei Quellen haben. Einerseits Daten, die aus unserem Data Science kommen, aus dem klassischen Data Warehouse, in dem wir konkret die Transaktionsdaten der Kunden analysieren. Andererseits die weichen Faktoren, die wir aus regelmäßigen Befragungen der Kunden ziehen. Wir nennen das Consumer Pulse. Wir fügen dann die Daten aus der Transaktionsanalyse und aus den Befragungen zusammen. So erhalten wir ein sehr genaues Profil, wer was warum tut und kauft. Das ist ein perfektes Fundament für das Planning, um kreationsrelevante Insights zu entwickeln und ein Creative Briefing zu erstellen. Es ist für die Kreation ja beispielsweise wichtig zu erkennen, dass ein Segment, das immer ganz loyal war, auf einmal nicht mehr kauft. Wenn man über diese Analysen erkennt, dass sich beispielsweise die Kleidergrößen verändert haben, dass Größe 36 immer größer geworden ist, dann weiß ich, die Kundinnen, die 36 benötigen, brauchen quasi Größe 34. Und dann kann ich über Produktanpassungen reagieren. Und in der Kreation greife ich das dann auf und kommuniziere: Jetzt auch Größe 34! Insofern sorgt eine gute Datengrundlage für eine richtige Kreation.

Bei der Kreation muss man sowieso zwei Dinge voneinander unterscheiden. Zum einen die "richtige" Kreation, die eben stark auf Daten basiert, und zum anderen die "emotionale" Kreation. Also: Wie setze ich die richtigen Informationen möglichst kreativ und ansprechend um. Das sind zwei Paar Schuhe, die man da berücksichtigen muss. Und wir wollen immer sicherstellen, dass das, was wir tun, auf Grundlage der richtigen Sachverhalte geschieht. Wenn es uns dann noch gelingt, kreativ im Sinne von originell zu kommunizieren, haben wir unseren Job gut gemacht.

Das zielt auf meine nächste Frage. Wie komme ich von den harten Fakten aus dem Data Warehouse zu einer wirklich coolen Kampagne, die alle aus dem Sessel schmeißt?
Ein gutes Beispiel sind schnelldrehende Konsumgüter. Die haben selten einen Direktvertrieb, es geht also nicht darum, den nächsten Kauf anzustoßen. Sondern es geht um den next best content, wie wir das nennen. Es geht um Content Marketing, und da muss man eben wissen, ob man es mit einem promotionalen Käufer zu tun hat, der sehr stark auf Gewinnspiele reagiert, oder geht es um einen Menschen, der sehr interaktiv orientiert ist. Oder will der Kunde einfach nur einen Coupon. Wenn man das genau weiß, kann man ein schönes Storytelling aufbauen, weil es nicht um den nächsten Kauf geht, sondern um die nächsten Klicks, die nächsten Shares. Beim Handel wiederum geht es in erster Linie darum, den nächsten Kauf auszulösen. Und deshalb steht da nicht immer die möglichst originelle Verpackung im Vordergrund, sondern da geht es in erster Linie darum, dass die KPI maximiert werden: dass die Öffnungsraten möglichst hoch sind, genauso wie die Click-through-Raten, dass Coupons eingelöst werden, dass der Cost per Order optimiert wird. Dafür muss eine Agentur ein anderes Portfolio spielen als wenn man Dialog für Markenartikler betreibt.

In einem Spot von Adobe wird ein Raketenstart immer wieder unterbrochen, weil die Mafo zeigt, dass Kunden immer mehr und andere Dinge wollen, als ursprünglich geplant. Immer wieder Überarbeitungen, immer wieder Neustarts, bis am Ende alles abgeblasen wird, weil das Geld ausgeht ... Können zu viele Daten auch hemmen?
Der Spot zeigt sehr gut, warum Data Scientists und Kreative dringend eng zusammenarbeiten arbeiten müssen. Eben damit das nicht passiert! Wenn ich mich auf detaillierte Datenanalysen stütze, ist der Anteil der weichen Faktoren, die man nicht richtig greifen kann, sehr gering. Diese Unsicherheit, von der Sie sprechen und die der Spot zeigt, die habe ich allenfalls, wenn ich anfange, datengestützt zu arbeiten. Aber dann lerne ich ja immer dazu. Man macht ein A/B-Testing. Ich überprüfe E-Mail-Betreffzeilen in unterschiedlichen Segmenten, ich sehe, welche Art der Umsetzung, welche Kreation erfolgreicher ist als die anderen. Und durch eine Historisierung der Daten weiß ich sehr genau, welche Segmente auf welche Impulse positiv reagieren und worauf nicht. Und dieses fünf- oder sechsfache Pretesting, dieses Hin und Her wie im Spot, das passiert im datengestützten Marketing und der datengestützten Kreation genau nicht. Weil die Unsicherheit minimal ist. Wir haben in diesem Punkt mit unseren Kunden nur gute Erfahrungen gemacht.
Im Handel ist da ja sowieso so. Da geht es darum, den Kunden zur richtigen Zeit mit der richtigen Info zu erwischen, um ihn zum Kauf zu bewegen. Sie haben gar nicht die Zeit, noch 25 Schleifen zu drehen. Da gibt es einmal im Monat das Reporting, das wir dann diskutieren. Und so, wie man die Chance hat, jeden Tag operativ zu optimieren, versucht man es in diesem Fall dann einmal im Monat auf strategischer Ebene. Auf der anderen Seite haben Sie auch im Content Marketing für Markenartikel Informationen, auf deren Basis Sie die Dinge ausspielen. Wenn ein Unternehmen aus der Zigarettenbranche eine personalisierte Website anbietet, dann kommen auf diese Website ja nur Menschen, die sich vorab registriert und nachgewiesen haben, dass sie volljährig und Raucher sind. Andere dürfen gar nicht zugreifen. Das heißt: Wir wissen, wer der Kunde ist, was für ein Typ er ist, was ihn interessiert, worauf er reagiert. Ich bin also ganz nah an ihm dran. Und jetzt muss ich ihm neue Dinge anbieten, die zu seinem Profil passen. Und dann muss ich messen, was er macht. Und so kann ich den Kunden dann im Sinne einer Kundenbindungskarriere positiv entwickeln. Das heißt: ich erhöhe seine Verweildauer auf der Website, er nutzt vielfältigere Content-Kategorien. Während er anfangs vielleicht direkt auf ein Gewinnspiel geht, befasst er sich später mit weiteren Facetten der Marke. Deshalb ist für uns als Dialogmarketer die Zusammenarbeit mit Datenlieferanten extrem wertvoll. Idealerweise mit Data Scientists. Warum? Weil diese mit ihren Prognosemodellen Dinge antizipieren können, so dass wir viel näher an die richtige Kommunikation herankommen, als wenn wir uns nur auf das Bauchgefühl verlassen würden.

Beschleunigt die Datennutzung das Konzipieren und die Umsetzung einer Kampagne?
Der Prozess ist relativ kurz, weil wir kontinuierlich an Insights, wie u.a. aus der Data Science arbeiten. Wenn wir dann ein neues Briefing vom Kunden bekommen, können wir schnell aus den Daten die richtigen Schlüsse für die jeweiligen Zielgruppensegmente ziehen, um direkt ins Creative Planning zu gehen. Und diese Prozessschritte laufen tatsächlich viel schneller.

Haufe Online Redaktion

Big Data, Dialogmarketing, Werbung