Die Weiterentwicklung von Analytics

Maßgeschneiderte Interaktion und Kommunikation mit Kund:innen sind heute untrennbar mit dem Einsatz von Daten verbunden. Verbraucher:innen erwarten individualisierte Angebote, die auf ihre Lebenssituation, ihre akuten Konsumbedürfnisse sowie auf ihre Präferenzen bezüglich des Kommunikationskanals zugeschnitten sind. Dementsprechend versuchen heutzutage fast alle Unternehmen aus Daten geschäftsrelevante Mehrwerte zu erzeugen. Mit dem schrittweisen Wegfall der Third-Party-Cookies, den Google bis 2024 umsetzen will, sind neue Ansätze und Lösungen gefragt. Eine Veränderung, die insbesondere das digitale Marketing umtreibt und neu strukturiert. Eine spannende Alternative, um auch in Zukunft Kampagnen optimiert ausspielen zu können: Die stärkere Fokussierung auf First-Party-Daten.

Relevante Daten gewinnen

Es gibt mehr als einen Grund, warum Werbetreibende bislang unter anderem auf Third-Party-Daten zurückgreifen, statt voll auf eigene Daten zu setzen. Das muss und wird sich nun jedoch ändern. Um die Einwilligung der Kund:innen zur Datennutzung zu erhalten, müssen Unternehmen mehr denn je relevante Mehrwerte liefern – sei es durch ihre Produkte, Einkaufsvorteile oder eine besonders überzeugende, mitreißende Kommunikation. Hierbei handelt es sich um eine sehr einfache Vereinbarung zwischen Unternehmen und Konsument:innen: Wer Kund:innen davon überzeugen will, ihre Daten zur Nutzung bereitzustellen, muss ihnen eine attraktive Gegenleistung anbieten. Zusätzlich gewinnt noch ein weiterer Faktor an Bedeutung: Vertrauen. Konsument:innen sind heute kritisch, was die Preisgabe und Nutzung ihrer Daten anbelangt. Das Unternehmen muss ihnen daher nicht nur einen deutlichen Vorteil bieten, sondern absolut vertrauensvoll mit den Informationen umgehen – und das auch klar und transparent kommunizieren. Zudem zeigt sich immer deutlicher: Konsument:innen schätzen die Möglichkeit, ihre erhobenen Informationen zu jeder Zeit einsehen und anpassen zu können. Werbetreibende, die diesen Weg nicht alleine gehen möchten, können sich mit Multipartner-Bonusprogrammen wie der DeutschlandCard zusammenschließen und dadurch von bereits bestehenden, aussagekräftigen Informationen profitieren – ohne diese selbst aufbauen zu müssen. Diese Programme vereinen zahlreiche aktive Mitglieder, die von den täglichen Einkaufsvorteilen und Leistungen begeistert sind und ihnen aufgrund des absolut sorgsamen Umgangs mit den Daten vertrauen. Dadurch erhöht sich auch die Bereitschaft bei den Kund:innen, ihr Opt-In zu erteilen.

Daten nutzbar machen

Relevante Daten richtig aufzubereiten sowie datenschutzkonform und zielgerichtet einzusetzen, stellt viele Unternehmen vor Herausforderungen. Erst durch zielgenaue Analysen können echte Insights und somit konkrete Handlungsempfehlungen abgeleitet werden. Man unterscheidet dabei zwischen verschiedenen Formen:

1. Descriptive Analytics: Erste Näherung an Zielgruppen

Um ein erstes Bild der Konsument:innen zu erhalten, können KPIs zu verschiedenen Merkmalen wie zum Beispiel dem Umsatz oder den genutzten Kanälen helfen. Im Rahmen einer Segmentierung werden die vorliegenden Daten beschreibend analysiert und möglichst trennscharfe Segmente definiert. Unternehmen können anhand solcher Informationen besser verstehen, wer ihre Zielgruppen sind, wie sich die Verbraucher:innen in der Vergangenheit verhalten haben und worin sie sich unterscheiden. Angesichts der begrenzten Auswahl an Kriterien und Einflussfaktoren ist das Verfahren allerdings unscharf und reicht als Entscheidungsgrundlage für die Kampagnenplanung oder Selektionen nicht aus.

2. Diagnostic Analytics: Das Aufdecken von Zusammenhängen

Diese Analysen betrachten ebenfalls das Verhalten von Zielgruppen in der Vergangenheit. Diagnostic Analytics gehen jedoch noch einen Schritt weiter und stellen erste Zusammenhänge zwischen Kennzahlen dar. Hierbei kommen unter anderem umfassende Dashboard-Lösungen zum Einsatz, die es ermöglichen, Abhängigkeiten in den Daten zu finden. Sie schaffen eine 360-Grad Perspektive auf Konsument:innen, indem unterschiedliche Aspekte (z.B. Point of Sale, Warenkorb, Kampagnenreaktion oder Touchpoints) berücksichtigt werden. So können ein tieferes Verständnis für die Kund:innen generiert, Potentiale für neue Kampagnen aufgedeckt sowie Schmerzpunkte im Beziehungsmanagement identifiziert werden.

3. Predictive Analytics: Vorhersage des Verhaltens

Für eine maßgeschneiderte Kommunikation müssen Unternehmen vorhersagen können, welche Kund:innen in der Zukunft ein bestimmtes Verhalten mit einer gewissen Wahrscheinlichkeit zeigen werden. Hierfür werden anhand von Daten Verhaltensmuster in der Vergangenheit identifiziert und auf die Zukunft übertragen. Wer wird Neukunde bzw. Neukundin? Bei wem besteht die Gefahr der Abwanderung? Welche Kund:innen werden durch eine Kampagne aktiviert? Diese Fragestellungen können mittels Predictive Analytics beantwortet werden. Dafür kommen KI-basierte Verfahren wie zum Beispiel Machine-Learning-Anwendungen zum Einsatz. Mit verschiedenen Regressionsmodellen sowie Entscheidungsbaum-basierten Verfahren wird für alle Teilnehmer:innen schließlich die individuelle Wahrscheinlichkeit berechnet, dass die vorher definierte Zielgröße – etwa die Wahrscheinlichkeit zum ersten Mal bei dem Unternehmen einzukaufen – eintritt. So kann beispielsweise ermittelt werden, dass Konsumet:innen mit einer Wahrscheinlichkeit von 75 Prozent auf einen App-Push reagieren oder mit einer Wahrscheinlichkeit von 90 Prozent zu Neukund:innen werden. Doch das ist nicht alles: Unternehmen können so auch den individuellen Wert der Kund:innen beispielsweise hinsichtlich des Umsatzes bestimmen – eine enorm wichtige Kennzahl, der zum Teil noch zu wenig Beachtung geschenkt wird. Dabei ist dieser Wert die perfekte Grundlage für jegliche Marketingaktivitäten und ermöglicht es, Budgets optimiert einzusetzen. Scoring-Verfahren erlauben somit maßgeschneiderte Zielgruppenselektionen sowie die Ansprache der Kund:innen mit dem höchsten Response- und Umsatz-Potential.

4. Prescriptive Analytics: State of the Art Kommunikation

Die komplexesten Fragestellungen können mit Hilfe von Prescriptive Analytics beantwortet werden. Hierbei ermitteln KI-basierte Verfahren die jeweils beste Handlungsempfehlung, um eine möglichst hohe Relevanz und Attraktivität der Angebote für die Kund:innen zu gewährleisten. Was ist für meine Zielgruppe der optimale Kanal? Welche Incentivierung wird die besten Ergebnisse erzielen? Was ist relevanter Content für die Zielgruppe? Die Antworten auf diese Fragen sind enorm wichtig. Die aus den Analysen abgeleiteten Modelle können schließlich auch die Kontaktstrecke zu den Konsument:innen im Kontext ihrer Customer Journey steuern. Um zum Beispiel die Aktivität von Verbraucher:innen dauerhaft hochzuhalten, kann eine an den Lebenszyklus der Kund:innen angepasste Kommunikationsstrecke entwickelt werden. Der erste Einkauf löst dann einen Onboarding-Prozess aus, der je nach Response – oder auch ausbleibender Reaktion – zu weiteren, unterschiedlichen Kommunikationsstrecken führt. Auf diese Weise werden Kund:innen in optimalen Abständen auf den von ihnen bevorzugten Kanälen kontaktiert. Ebenfalls spannend: Sobald ein Umsatzrückgang nur droht, greifen automatisierte Prozesse, durch die diese Verbraucher:innen einen neuen, sehr aktivierenden Kommunikationsanstoß erhalten.

Leistungsstarke Strukturen und starke Teams formen

Um derartige Analysen durchführen zu können, sind neben leistungsstarken Datenbanken auch performante Tools nötig. Unabdingbar ist im Regelfall ein Tool für das Kampagnenmanagement. Hier gibt es eine große Bandbreite an Lösungen, die zum Teil KI-Anwendungen integriert haben und ohne großes fachliches Vorwissen erfolgreich eingesetzt werden können. Abhängig vom Umfang und Know-how des Analytics-Teams können auch eigene Lösungen aufgesetzt werden, die sich außerhalb der Standards bewegen und somit noch individueller auf die jeweiligen Anforderungen abgestimmt werden können.

Darüber hinaus bedarf es Expert:innen, die aus den Informationen durch smarte Analysen aussagekräftige Insights generieren. Um sie langfristig zu entlasten, muss ein Großteil der erarbeiteten Modelle automatisiert ausgeführt werden. So liegen ihnen immer die neuesten Werte vor, wodurch manuelle Aufwände deutlich reduziert werden und die Analyst:innen sich auf neue, komplexere Fragestellungen konzentrieren können. Auch über den Data-Bereich hinaus muss ein Umdenken stattfinden. Daten bzw. die gewonnenen Erkenntnisse betreffen mittlerweile fast alle Mitarbeiter:innen eines Unternehmens – vom Key Account bis zum Marketing. Nur wenn alle bereit sind, sich mit den Informationen auseinanderzusetzen und den Mehrwert darin erkennen, können Potentiale voll ausgeschöpft werden.

Optimierte Kommunikation durch hochpersonalisierte Angebote

Auch nach dem Aus der Third Party Cookies können Unternehmen maßgeschneiderte Kommunikation betreiben. Hierfür benötigen sie eigene Daten und gegebenenfalls Partner, die sie auf diesem Weg durch smarte Lösungen unterstützen. Doch nur mit der Gewinnung von Daten ist es nicht getan. Um mit dieser Fülle an Informationen umgehen und Insights generieren zu können, müssen die Daten sinnvoll strukturiert und ausgewertet werden. Hierfür sind hochperformante Analyse- bzw. Vorhersagemodelle essenziell. In welcher Lebenssituation befinden sich meine Kund:innen? Wer kauft bestimmte Warengruppen? Wer erzeugt echte Mehrumsätze? All diese Fragen können so zielgerichtet beantwortet und vorausschauend in der Kommunikation berücksichtigt werden. Auf diese Weise können Budgets optimiert eingesetzt, Umsätze gesteigert, die Bindung gestärkt und auch neue Kund:innen effektiv gewonnen werden.