Wissen was Kunden wollen: gezielter Einsatz von „Big Data“ im Marketing

Personalisierte, relevante Angebote sind kein Hexenwerk mehr

Relevanz ist das Zauberwort im Marketing. Denn es ist kein Geheimnis, dass Kunden Werbung deutlich besser bewerten, wenn sie auf ihre Bedürfnisse zugeschnitten ist. „Big Data“ unterstützt Anbieter und Shops nicht nur dabei, die Customer Journey genauer in den Blick zu nehmen und zu lernen was die Online-Shopper gerade wirklich brauchen, wofür sie sich interessieren. Sondern ermöglicht diese, mit auf sie zugeschnittenen Angeboten anzusprechen und so für sich zu gewinnen.

Gerade beim Online-Shopping kann die riesige Auswahl zur echten Qual werden. Marie sucht für Tom online nach einem Geschenk zum Jahrestag ihrer Partnerschaft – und versinkt in Angeboten. Soll es eine Uhr sein? Oder ein Wochenend-Tripp oder ein besonderes Erlebnis? Für was sie sich auch entscheidet, immer steht sie vor einer Fülle von Möglichkeiten. Doch je länger sie surft, sucht und sich informiert, desto besser werden die Vorschläge, die ihr zum Beispiel Seiten wie Amazon machen. Und am Ende sieht sie immer wieder Online-Banner und bekommt E-Mails eines Event-Anbieters mit sehr konkreten Angeboten für Rafting- oder andere Wildwasser-Angebote. Das dürfte Tom gefallen. Toll. Marie nimmt den Shop daraufhin genauer unter die Lupe. Wie ist das möglich?

Big Data ist kein Hexenwerk

Dahinter steckt kein Hexenwerk. Das Beispiel zeigt vielmehr, wie ein Anbieter oder ein Shop „Big Data“ im Marketing nutzen können, um Website- oder Shop-Besuchern bessere, personalisierte Angebote zu machen. Die Studie Digital Consumer 2015 von Defacto Digital Research bestätigt: Konsumenten bewerten Werbung deutlich besser, wenn sie auf sie zugeschnitten ist – von der schwächsten Form von Personalisierung durch Re-Targeting (+ 16 Prozent) bis zur höchsten Ausbaustufe im CRM-Targeting (+ 50 Prozent), das auf dem eigenen Customer Relationship Management des Anbieters basiert.

Daten sind gewissermaßen der Treibstoff dieser Personalisierung. Der Big Data Report Teil 2, den Telekom MMS gemeinsam mit der Hochschule Reutlingen durchgeführt hat, zeigt, dass im Marketing das Thema „Big Data“ besonders in den Phasen Kundenservice und Retention wichtig ist. Anbieter können ihr Kundenwissen aus dem eigenen CRM mit Informationen aus der Web-Analyse anreichern und diese für gezielte Targeting-Maßnahmen einsetzen, um Kunden auf sie zugeschnittene Angebote zu machen. Allerdings fehlt es in den Unternehmen oft am Know-how und den Kompetenzen, um Big Data strategisch einsetzen zu können.

Eine erste Klippe bildet die Auswahl der relevanten Quellen. Im Marketing sind das neben allgemeinen Kundendaten aus dem Webtracking und der Kaufanalyse auch Informationen aus dem Social Media Monitoring. Spannende Infos liefern außerdem Website-Tracking und Profiling. Das Beispiel von Marie zeigt, wie vielfältig die Datenquellen sind. Über die Google-Suche ist sie auf die Seite eines Erlebnis-Anbieters gestoßen, bei dem sie bereits als Kundin registriert ist. Über das Auto-Log-in wird sie erkannt und mithilfe eines Cookies sammelt der Anbieter weitere Informationen: Woher sie gekommen ist, nach was sie sucht, wie sie sich informiert, bei welchen Angeboten sie länger verweilt. Suchabfragen, Seitenaufrufe, Verweildauer etc. werden in einem pseudonymisierten Profil erfasst und mit den standardisierten Surf-Profilen abgeglichen.

Erst hören, dann anbieten

Besonders interessant wird es, als Marie beginnt, sich mit Freundinnen auf Facebook über das Thema auszutauschen. Interessant – aber auch tricky. Das Social Media Monitoring erschöpft sich nicht darin, einfach das Surfverhalten zu erfassen. Vielmehr geht es darum, Inhalte zu verstehen. Grundsätzlich ist dabei zu unterscheiden zwischen automatischer Text- und Sentiment-Analyse. Die automatisierte Textanalyse bildet ein statistisches Verfahren, um Wörter innerhalb eines Textes und deren Beziehung auszuwerten. Die so genannte Sentiment-Analyse kommt nicht ganz ohne menschliche Intelligenz aus, da diese die Ergebnisse von Text Mining mit Blick auf Einstellungen interpretiert.

Schließlich erhält der Anbieter durch die Daten-Analyse folgendes Ergebnis: Marie sucht nach einem Geschenk für einen Mann. Besonderes Interesse hat sie an Erlebnis- und Abenteuerreisen und Outdoor-Events. Dabei gibt es offensichtlich eine Präferenz für Wassersport, besonders im Wildwasserbereich. Auch Standort-Nähe scheint wichtig zu sein: Angebote, die weit entfernt liegen, werden gleich wieder weggeklickt oder gar nicht erst angesehen.

Ein kleiner Reminder gefällig?

Aus allen wichtigen Informationen wird für Marie ein Profil erstellt, das mit denen anderer Shop-Besucherinnen abgeglichen wird. Daraus lassen sich auch allgemeine Erkenntnisse zu Zielgruppen, Konsumeinstellungen und Kaufverhalten ableiten. Alle diese Daten stehen wiederum in einem Targeting-System zur Verfügung, das Kunden personalisiert mit unterschiedlichen Maßnahmen und Angeboten anspricht.

In unserem Beispiel heißt das: Weil sie sich nicht am selben Tag zum Kauf einer Wildwasser-Tour entschließt, wird Marie einen Tag später per Mail mit weiteren Angeboten angesprochen. Auf Webseiten bekommt sie zudem passende Werbe-Banner eingeblendet – und nicht zuletzt findet sie bei jedem weiteren Besuch der Internetseite des Anbieters, etwa auf eine E-Mail hin, eine personalisierte Landingpage mit passenden Abenteuer-Touren zu sehen.

Big Data unterstützt das Marketing also vor allem in zwei Bereichen: Bei der durchgängigen und vertieften Analyse der Customer Journey sowie in der datengetriebenen Kundenbindung: Wer durch die Relevanz seiner Angebote bei Kunden punktet, festigt zu gleich die Kundenbeziehung – eine entscheidende Voraussetzung für den Erfolg.

Eine starke Kundenbeziehung lohnt den Aufwand

Allerdings sehen laut Big Data Report Teil 2 auch mehr als die Hälfte der Marketing-Verantwortlichen steigende Anforderungen auf sich zukommen mit Blick auf den Ressourcen-Aufwand der mit Big Data verbundenen ist: vor allem der Aufbau von Know-how im Unternehmen und die Einführung einer neuen, datengetriebenen Marketinglogik. Für die Bewältigung dieser Anforderungen sind neue Lösungen notwendig, die Prozesse automatisiert bewältigen.

Unser Beispiel zeigt allerdings, dass sich der Aufwand lohnt. Marie lädt ihren Tom am Ende zu einer Rafting-Tour in einem nahegelegenen Kanupark ein. Der Anbieter von Events und Abenteuern hat durch intelligente Webanalytics genau registriert, wo preislich für sie die Grenze liegt – und durch dynamische Angebote reagiert, so dass Marie am Ende zugeschlagen hat. Zudem hat er die Informationen mit einem konkreten Zeitfenster verknüpft: Eine gute Basis, um im kommenden Jahr proaktiv mit entsprechenden Angeboten auf Marie zuzugehen. So entsteht eine langfristige und feste Kundenbeziehung.