Vereinfacht gesagt ist das Ziel von datenbasiertem Marketing, dem Kunden das richtige Produkt zur richtigen Zeit am richtigen Ort zu präsentieren. Egal, ob der Kunde einen Newsletter öffnet, seine App benutzt, beim Kundenservice anruft oder im Internet surft – idealerweise erhält er überall die Werbeeinblendung, die in diesem Moment relevant für ihn ist. Ein 8-Punkte-Plan kann werbetreibenden Unternehmen helfen, das Potenzial von kanalübergreifenden Marketingkampagnen für sich zu nutzen:
1. Behalten Sie das Heft in der Hand.
Smart-Data-Projekte sollten nicht allein in der IT angesiedelt werden, da die Nutzung der Daten schließlich im Fachbereich Marketing stattfinden wird. Entsprechend muss auch dieser Bereich im Projekt federführend sein.
2. Erstellen Sie Use-Cases.
Um Anforderungen, Ziel und Nutzen der zentralen Marketingdatenbank für den jeweiligen Fachbereich greifbarer zu machen, sollte jede Fachabteilung 1 bis 2 Use-Cases erstellen. Daraus können dann die entsprechenden Ziele und Anforderungen abgeleitet werden.
3. Nutzen Sie externes Know-how.
Das komplexe Thema der Datenmodellierung sollte externen Fachleuten überlassen werden. Schließlich ist die richtige Modellierung Grundlage für die Nutzbarkeit der Daten.
4. Nur die kontinuierliche Nutzung der Daten führt zum Ziel.
Erst wenn Kundencluster des Unternehmens für die Aussteuerung genutzt werden, die Responsedaten in Echtzeit zurückfließen und diese in die weitere Kampagnenoptimierung einfließen, entfaltet sich das Potenzial einer zentralen Marketingdatenbank.
5. Planen Sie Test-Cases ein.
Vor der „Live“-Schaltung sollten verschiedene Test-Cases durchgeführt werden, um erste Erkenntnisse aus den verdichteten Daten zu nutzen und um etwaige Fehler zu beseitigen. Es lohnt sich, bei Test-Cases pragmatisch zu sein, denn es geht hier vorwiegend darum, den Prozess durchzuspielen und erste Erfahrungen zu sammeln.
5. Planen Sie Test-Cases ein.
Vor der Live-Schaltung sollten verschiedene Test-Cases durchgeführt werden, um erste Erkenntnisse aus den verdichteten Daten zu nutzen und um etwaige Fehler zu beseitigen. Es lohnt sich, bei Test- Cases pragmatisch zu sein, denn es geht hier vorwiegend darum, den Prozess durchzuspielen und erste Erfahrungen zu sammeln.
6. Überführen Sie die Testumgebung stufenweise.
Das Projekt sollte schrittweise ins Tagesgeschäft überführt werden. Mit der Aussteuerung sollte stets in relativ einfach erschließbaren Kanälen begonnen werden. Erst danach erfolgt die komplexere, personalisierte Ansprache.
6. Überführen Sie die Testumgebung stufenweise.
Das Projekt sollte schrittweise ins Tagesgeschäft überführt werden. Mit der Aussteuerung sollte stets in relativ einfach erschließbaren Kanälen begonnen werden. Erst danach erfolgt die komplexere, personalisierte Ansprache.
7. Reorganisieren Sie interne Strukturen.
Die übergreifende Kampagnenplanung sollte an strategische Marketingplaner übergeben werden; die Umsetzung der Kampagnen wird von operativen Marketingmanagern übernommen. Der strategische Planer fungiert dabei auch als Kommunikator zwischen Datenanalysten, operativen Marketingmanagern und dem Category Manager.
8. Passen Sie Reportings und KPIs an neue Strukturen an.
Analog zur Datenbank muss auch das Reporting auf Zielgruppen basieren. Die gängigen Key Performance Indicators (KPIs) müssen um Bewertungskriterien wie Aktivierungs-, Reaktivierungs- und Neukundenquote, Wiederkaufs-Potenzial, Verbund-Kaufwahrscheinlichkeit und Customer Lifetime Value erweitert werden.
Foto: Fotolia / vege
Autorin Margit Lugstein ist Head of Analytics bei der Blue Summit Media GmbH.
Weitere Informationen: www.bluesummit.de
Verwandte Marketing-Themen werden auch beim EHI Marketing Forum 2015 behandelt: www.ehi-marketingforum.de
Foto: Fotolia / vege
Autorin Margit Lugstein ist Head of Analytics bei der Blue Summit Media GmbH.
Weitere Informationen: www.bluesummit.de
Blickpunkt: Big Data und Cloud-Architekturen
Datengetriebene Geschäftsmodelle, so die Prognose, werden traditionelle Methoden der Wertschöpfung zunehmend ergänzen oder gar verdrängen. Als wichtiger Trend gilt derzeit die Analyse von Maschinen-generierten Daten, die beispielsweise in den Sensoren von Produktionsmaschinen und Fertigungsanlagen, in Gebäuden oder auf den Funkchips von Transportbehältern und Werkstücken permanent anfallen.
