✨ AI Kontextualisierung
Datenstrategie. Gastkommentar von Alexander Igelsböck, Gründer und CEO von Adverity.
Als Internetnutzer produzieren wir alle eine gigantische Menge an Daten, ob wir wollen oder nicht. Jede noch so kleine Interaktion bei Facebook, Amazon oder anderen Online-Plattformen wird registriert und als Dateneintrag gespeichert. Und diese Daten bieten den sammelnden Firmen einen großen Wert: das Wissen, was uns gefällt, was wir tun, was wir suchen, kann zu Geld gemacht werden.
+++ Warum die Digitale Transformation in der Marketing-Abteilung beginnt +++
“Wenn du nicht dafür bezahlst, bist du selbst das Produkt”
Es gibt den bekannten Ausspruch: “Wenn Du nicht dafür bezahlst, bist Du nicht der Kunde. Dann bist Du das Produkt, das verkauft wird.” Die gewieften Betreiber der Online-Plattformen verkaufen die Nutzungsdaten an Werbetreibende, die wiederum angepasste Werbung ausspielen. Die Werbetreibenden selbst sammeln ebenso Daten der Kunden ein und gewinnen Rückschlüsse über einen Webseitenbesucher: die Zeit, die ein möglicher Kunde auf bestimmten Seiten verbringt, ist ein starker Indikator, wie interessiert er ist. Ein einfaches Beispiel wäre der Besuch einer Seite mit Preisinformationen – je ausführlicher diese studiert wird, umso wahrscheinlicher ist ein Vertragsabschluß. Kurzum: deine Daten sind enorm wertvoll für Unternehmen, die etwas verkaufen wollen.
Kann man im Daten-Heuhaufen tatsächlich eine Nadel finden?
Doch diese vereinfachte Darstellung wird bei näherer Betrachtung kompliziert: Denn nicht alle Daten sind aussagekräftig. Wir wissen aus unserer täglichen Arbeit mit Werbetreibenden: Nur wenn man sich auf die richtigen Bereiche fokussiert, erhält man auch wertvolle Erkenntnisse – andernfalls droht man sich in der Zahlenwüste zu verlaufen. Ein häufiges Beispiel ist der Marketingverantwortliche, der zu Beginn seiner “Datengetriebenen Strategie” einfach alles analysieren will, in der Hoffnung, eine grandiose Erkenntnis würde ihm schon in den Schoß fallen. Die Nadel im Heuhaufen wäre eine richtige Analogie, wenn man sich sicher wäre, dass man eine Nadel sucht. Wenn man sich der Frage nicht sicher ist, kann es keine befriedigende Antwort geben.
Die richtigen Fragen für die Datenstrategie
Am Ende des Tages muss man seine Datensammlung wie jedes andere Produkt betrachten: Entweder bringt es einen Mehrwert oder eben nicht. Um einen entsprechenden Wert überhaupt bestimmen zu können, muss man die richtigen Fragen stellen. Überraschenderweise gehört das aber zu den größten Herausforderungen für Marketingentscheider: implizites Wissen über sein Produkt zu konkreten, mit Daten verifizierbare Fragestellungen zu formulieren ist schwierig, aber die Grundlage für eine Datenstrategie.
Wenig verwunderlich, ist eine Datenstrategie viel mehr als nur eine Anhäufung von Nutzerdaten: Es beginnt mit der Definition der Ziele und führt ohne Umwege zu den Fragen: welche Daten brauche ich, um die Frage zu beantworten? Wo speichere ich diese Daten überhaupt – reicht eine Excel-Pivot-Tabelle oder brauche ich eine aufwändigere Lösung? Welche Software brauche ich für die Analyse – und welcher Mitarbeiter kümmert sich eigentlich um all diese Prozesse?
Man braucht Geduld
Um die Erwartungen gleich zu Beginn richtig einzuordnen: Man braucht sehr viel Geduld, so trivial das klingen mag. Wir wissen von unseren Marktumfragen, dass 70 Prozent aller CEOs die genaue Analyse ihrer Marketingdaten für den Unternehmenserfolg als wichtig betrachten – aber nur 27 Prozent geben an, derzeit in einer guten Ausgangsposition für erfolgreiche Analytics zu sein. Und es wäre falsch, einzig den Marketingabteilungen die Schuld zu geben: Wir hören in unseren Diskussionen mit Kunden, wie dringend eine Problemlösung gesucht wird, ohne dass unternehmensintern die vielen Implikationen und der Umfang dieser Transformation beachtet wird.
7 Punkte für die bessere Datenstrategie
All dies zeigt, wie weit Ambition und Unternehmensrealität derzeit auseinander liegen – und diese Lücke muss geschlossen werden, bevor man den Anschluss an den wettbewerbsstarken Markt verliert. Daher haben wir nochmal eine handliche Checkliste mit den wichtigsten Punkten zusammengestellt, die man im Auge behalten sollte:
- Wenn man eine Datenstrategie erstellt, muss man die richtigen Fragen stellen. Das Ziel sollte auch sein, seine eigenen Annahmen infrage zu stellen, anstatt ausschließlich eigene Hypothesen zu bestätigen. Es kann ein durchaus reinigender Prozess sein, vermeintliche Selbstverständlichkeiten nochmal zu überprüfen.
- Unternehmens- und fachliche Ziele sollten deutlich formuliert sein, um diese mit den Ergebnissen der Analyse bestätigen zu können. Mit einem klaren Blick kann man die neu gewonnen Erkenntnisse auch gleich in wirkungsvolle Maßnahmen umwandeln.
- Eine realistische Zeitvorgabe und die richtigen Tools sind notwendig, um ans Ziel zu kommen. Auch die Aufgabenverteilung muss klar geregelt sein, womöglich braucht es Experten im Team, die sich ausschließlich um die Marketinganalysen kümmern.
- Kennziffern oder Key-Performance-Indicators (KPI) sollten bewusst und in begrenztem Rahmen gewählt werden – man kann nicht in alle Richtungen gleichzeitig marschieren. Wichtig hierbei: die Komfortzone verlassen und auch neue KPIs erforschen bzw. Erfinden: jedes Unternehmen ist anders und vielleicht braucht dein Produkt eine besondere Herangehensweise.
- Kontext ist extrem wichtig. Daten sind vor allem in Relationen sinnvoll, ein Kampagnenerfolg ist nur mit ähnlichen Aktivitäten oder über ähnliche Zeiträume vergleichbar. Im Vordergrund sollte hier eine kontinuierliche Verbesserung der relevanten KPIs stehen.
- Wie in vielen anderen betrieblichen Zusammenhängen gilt bei Marketing Analytics: Führungsstärke ist die wichtigste Disziplin. Als Marketing Leader muss man nicht nur Verantwortung übernehmen, sondern auch als Vorbild agieren: KPIs und Ziele genau kennen, realistische Ziele setzen, dem Team auch Raum für Experimente und Fehler einräumen, allen Mitarbeitern die Möglichkeit geben, die Details zu erlernen und Routinen zu optimieren.
- Nicht alle Ergebnisse werden befriedigend oder in konkrete Maßnahmen umwandelbar sein. Auch das ist OK. Die Gewissheit, vieles (noch) nicht zu wissen, kann gewissermaßen ermunternd sein, noch weiter am Produkt, am Targeting oder an der Kampagne zu arbeiten.
+++ Big Data: Nach dem Hype ist vor der Chance +++
Alexander Igelsböck ist Mitgründer und CEO des Wiener Startups Adverity, das sich als Ziel gesetzt hat, Agenturen und Werbetreibenden die Arbeit mit ihren Marketingdaten radikal zu vereinfachen.
