Was soll man nur tun mit all den Daten, die Unternehmen zur Verfügung stehen? Bild: Corbis

Marketing Intelligence ist das Thema der Stunde. Niemals standen Unternehmen so viele Daten über ihre Kunden zur Verfügung wie heute. Und nie waren Unternehmen so hilflos wie heute. Was messen? Wie analysieren? Welche Schlüsse ziehen? Egal, sagen Profis, Hauptsache überhaupt mal loslegen.

Sie wollen zum Wandern gehen und brauchen noch eine Ausrüstung? Na, dann sprechen Sie doch mit Watson. Sie müssen ihm einfach nur sagen, wann Sie wohin reisen. Daraufhin wird Watson in Sekundenbruchteilen alle möglichen Datenquellen – von der Wetterprognose bis zur Geländebeschaffenheit – checken und Ihnen dann aus dem Sortiment von The North Face die geeigneten Produkte empfehlen.

Zugegeben: Was die Outdoor-Marke und das auf Künstlicher Intelligenz basierende Computersystem von IBM da bieten, ist noch weit weg von der Massentauglichkeit – aber es zeigt im wahrsten Sinne des Wortes, wohin die Reise hingeht: zu einer hoch individuellen und extrem nutzwertigen, automatisierten Verwendung von Daten.

Big Data: Nicht im Detail verlieren

Noch beschäftigen sich Händler allerdings weniger mit Künstlicher Intelligenz, sondern haben alle Hände voll damit zu tun, die bereits jetzt schon anfallenden Datenmassen klug auszuwerten und zu nutzen. Insbesondere das Online-Marketing brüstet sich ja damit, dass es hervorragend messbar wäre – was zwar für Aktivitäten auf einzelnen Kanäle zutrifft, aber noch lange nichts darüber aussagt, welchen Wertbeitrag welcher Kanal tatsächlich zum Marketingerfolg leistet.

Und so stehen viele Händler vor einem Wust aus Daten, der ihnen enorm wichtige Erkenntnisse bringen könnte, wenn sie nur wüssten, wie.

„Es gibt Unternehmen, die es können, solche, die es aufbauen wollen, und die, die glauben, dass sie es können”, fasst Matthias Peters, Experte für Digital Fashion & Lifestyle Expertise bei der Beratung MP & Associates in Hamburg trocken zusammen. Insbesondere viele Mittelständler mit 100 bis 200 Millionen Euro Umsatz hätten die Bedeutung der Datenanalyse noch gar nicht erkannt: „Sie verharren in Komplexität”.

Noch immer arbeiten Unternehmen wahlweise mit schlecht geführten Datenbanken oder mit gleich mehreren Datenquellen; beides macht eine ganzheitliche Analyse über alle Touchpoints hinweg unmöglich. Weil die Händler sehr wohl wissen, dass sie in puncto Daten etwas tun müssen, glauben sie häufig den vollmundigen Versprechen von Dienstleistern, Peters aber warnt: „Die Dienstleister wollen oft, dass die Unternehmen gleich in der Champions League spielen, ich halte das für falsch; erst muss die Basis stimmen.”

Unternehmen müssten sich im Vorfeld Gedanken darüber machen, welche Attribute bei Kunden und Produkten relevant sind, die entsprechenden Daten sammeln und diese zusammenführen. Dabei gilt es, alle Touchpoints im Auge zu behalten. „Die Marketiers müssen versuchen, in einem neuem Datenpool offline und online zu verknüpfen”, rät Peters. Insbesondere der Ropro-Effekt (Research Online, Purchase Offline) werde unterschätzt; in Segmenten, wie Fashion und Lifestyle, Sport und Freitzeit oder auch Technik seien teils über 50 Prozent der Käufe online getriggered und offline gekauft. Erwiesen ist: Die besten Kunden nutzen alle Kanäle. Wie genau die Customer Journey eines Kunden aussieht, kann bis heute noch kein Software-Tool genau messen. Peters rät, sich nicht im Detail zu verlieren und immer den Grenzaufwand abzuschätzen.

Datennutzung: Man braucht nicht viel

Einer der versucht, Licht ins Datendunkel zu bringen, ist Damien Frigewski. Er ist auf Marketing Intelligence (MI) und Business Intelligence (BI) spezialisiert, war zuletzt bei der Online-Parfümerie Flaconi tätig und kümmert sich jetzt unter anderem um die Marketingperformance und -optimierung beim Web-Händler Foodspring. „Wir machen Daten für Marketer lesbar und steuerbar”, erläutert Frigewski den Job von MI-Experten. Die Voraussetzungen dafür? „Man braucht nicht viel! Mit Zahlenverständnis und einer guten Datenbank kann man mit geringem Aufwand gute Sachen machen.”

Zu viele Unternehmen verharren bei der Datennutzung in Komplexität, sagt Matthias Peters von MP & Associates. Bild: MP & Associates

Wie lassen sich Marketingaktivitäten anhand welcher KPI optimieren? Wie identifiziert man die wichtigen Traffic-Kanäle? Welche Kanäle bevorzugen Neukunden, welche Kanäle nutzen die Bestandskunden? Welcher Kontakt kostet wie viel Geld? Welche Kunden sind zu teuer? Wie verhindert ein Unternehmen, dass Kunden über den kostspieligen Kanal Google Adwords kommen? Welches sind erfolgreiche alternative Wege? Wie wirken eigentlich Impressions? Welche Kunden kommen wegen eines TV-Spots?

Auf derlei knifflige Fragen sucht Frigewski die Antworten. Er hat einen eigenen Algorithmus entwickelt, um zum Beispiel die Wirkung von TV-Spots in der Datenbank abbilden zu können – und er legt bei der Datenanalyse einen gesunden Pragmatismus an den Tag: „Wir haben es gemacht wie Sir Conan Doyle: Wenn man alle Unmöglichkeiten ausschließt, ist das, was übrig bleibt, richtig”, lacht er.

So ist es zum Beispiel unwahrscheinlich, dass Erstbesteller aus den USA den deutschen TV-Spot gesehen haben; ebenso unwahrscheinlich ist es, dass ein Neukunde über Social Media-Kanäle oder E-Mail-Marketing kommt. Was aber ist mit Neukunden, die zwei Wochen nach Ausstrahlung des TV-Spots bestellen? Spätestens da wird der Wirkungsnachweis schwierig.

Schlagworte zum Thema:  Datenmanagement, Analytics, Kundendaten

Aktuell
Meistgelesen