Marketingautomation: So kommen Shops in 5 Schritten an Daten für's Targeting

Auf den ersten Blick sind die nötige Segmentierung und Datenselektion hochkomplexe Prozesse. Aber der Weg lohnt sich und die Belohnung sind extrem zielgerichtete und für den Kunden relevante Kampagnen, die auch im großen Maßstab geplant und implementiert werden können. Und tatsächlich lässt sich die Grundlage für echtes "Consumer First-Marketing" in nur wenigen Schritten legen. Bei der Implentierung einer Datenbank-Struktur für ihre Customer Intelligence sollten Unternehmen und Marken die folgenden fünf Fragestellungen beachten

1. Woher bekomme ich meine Daten?
   
   Der erste Schritt zu einer umfassenden und hochwertigen Datenbank ist die Identifikation der Datenquellen. Um irrelevante oder sogar fehlerhafte Daten von vornherein auszuschließen, gilt es klar zu definieren, auf welche vorhandene Datenquellen zurückgegriffen werden kann (z.B. Datawarehouse, CRM, ERP, Commerce-Systeme, etc.). Es empfiehlt sich eine interne Prüfung, um alle erfassten und zur Verfügung stehenden Daten zu eruieren und über ihre weitere Aufbereitung zu entscheiden.
   
   Hierzu müssen keinesfalls riesige Datensätze oder unbedingt alle verfügbaren Daten unter die Lupe genommen werden. Bereits mit kleineren Mengen von leicht verfügbaren Daten kann das Marketing-Team beträchtliche Verbesserungen erzielen, ohne auf die Unterstützung durch die IT-Abteilung angewiesen zu sein. Kurz gesagt: Man braucht keine riesigen, komplexen Datensätze, um nachhaltige Verbesserungen im Kundendialog zu erzielen. Im ersten Schritt reichen auch Daten, die ohnehin schon zur Verfügung stehen und leicht zugänglich sind.


2. Welche Daten sind relevant?
   
   Nachdem festgelegt ist, über welche Kanäle ein Unternehmen mit seinen Kunden kommuniziert und woher es die nötigen Informationen generieren will, steht die Relevanz der Daten im Mittelpunkt. Denn: Nichts ist weniger zielführend als willkürliche Werbung, die von Usern als Zeitverschwendung oder im schlimmsten Fall sogar als Spam bewertet wird.
   
   Vor dem Kundenkontakt stehen also eine exakte Analyse der Zielgruppe sowie die Entscheidung an, welche Art von Daten die Kommunikation wirklich unterstützt. Beispielsweise: Sind die Bestellungen der letzten 10 Jahre oder die Bestellungen der letzten drei Monate relevanter? Je nach Art der Kommunikation ändert sich diese evtl. bei jedem Mal aufs Neue (z.B. bezieht sich ein täglicher Flash-Sale mehr auf die Daten der letzten Wochen als auf die der letzten zehn Jahre).
   
   Zudem muss ein Unternehmen im Beispiel der E-Mail-Kommunikation konkret analysieren, wie wichtig Öffnungsrate im Vergleich zu der Response-Rate ist. Das hängt in erster Linie von der ausgearbeiteten Strategie ab, die von Unternehmen zu Unternehmen natürlich unterschiedlich ist. Wo sich jedoch alle einig sind, ist die Konvertierungsrate (Verkauf von Produkten oder Nutzerregistrierungen) - die muss stimmen.


3. Wie gut ist mein Datenmodell?
   
   Sind die relevanten Kundendaten erst einmal identifiziert, ist es an der Zeit, dieses "Wissen" in ein entsprechendes Datenmodell zu integrieren. Basierend auf der unternehmenseigenen Kundendefinition werden die nötigen Attribute (z.B. Alter, Geschlecht oder präferierter Kommunikationskanal) sowie die Relation zu seinen Transaktionsdaten selektiert. Das betrifft u.a. Interaktionen, wie beispielsweise ein Webseitenbesuch, der Erhalt einer E-Mail oder ein Facebook-Post, aber auch sämtliche Commerce-Daten, wie Bestellungen oder abgebrochene Warenkörbe.
   
   Darüber hinaus ist es für eine optimale Zielgruppenmodellierung ratsam, nicht mit Personas zu arbeiten, da diese zu komplex sind. Denn: im Optimalfall wächst die Kundenbasis kontinuierlich und somit auch der Arbeitsaufwand. Die Lösung ist deshalb eine inkrementelle Zielgruppenmodellierung mit einer zu Beginn recht groben Segmentierung (z.B. Demographie, Kaufverhalten, etc.) und einer Begrenzung auf maximal fünf Segmente.
   
   Ebenfalls wettbewerbsentscheidend ist die Fähigkeit, Nachrichten anhand komplexer Datenmodelle und Customer Intelligence zu automatisieren. Grund: Statt auf ein Call-and-Response Muster angewiesen zu sein, können automatisierte Nachrichten nun ausgehend von prognostizierenden Modellen versendet werden, die den nächsten Schritt des Käufers vorhersagen; z.B. welche Produkte, oder welches Angebot am schnellsten zu einem Kauf führen werden.
   
   Aber: Obwohl diese Weiterentwicklungen neue und aufregende Möglichkeiten im Marketing erschließen, besteht die Gefahr, dass einige Marketer in vorhandene Fettnäpfchen treten. Im Umkehrschluss kann das zu automatisierten Kampagnen führen, die entweder nicht funktionieren, oder ihr volles Kundenbindungs- und Salespotential nicht erreichen.



4. Wie will ich meine Daten nutzen?
   Sobald die relevanten Daten vorliegen, beginnt die Segmentierung und zielgerichtete Kommunikation - sei es durch personalisierte Kampagnen, die verschiedene Kanäle nutzen oder unterschiedliche Inhalte haben (z.B. ein automatisiertes E-Mail-Template, das je nach Webseitenverhalten des Kunden andere Inhalte ausspielt): Ein User, der sich für Schuhe interessiert, erhält eine E-Mail mit den neuesten Schuhtrends, ein anderer Nutzer, der nach Anzügen sucht, eine E-Mail zur aktuellen Businessmode. Somit können die verfügbaren relevanten Daten personalisierte Kundendialoge deutlich wertiger gestalten.
   
   Entscheidend ist, dass Marketer profitable Kundenbeziehungen pflegen und umgehend und auf allen Kanälen auf Kunden reagieren und mit ihnen kommunizieren können - und zwar mit relevanten Botschaften, die genau auf den aktuellen Kontext jedes Nutzers abgestimmt sind. Das sind personalisierte, datengestützte Inhalte, die genau im richtigen Moment, durch Verknüpfung von verhaltensbezogenen Echtzeit-Kundendaten mit individuellen Kundenprofilen, geliefert werden.
   
   Dafür sollte auch die Unternehmenswebsite den individuellen Aktivitäten der Kunden angepasst werden, sodass jede angezeigte Seite noch relevanter ist als die vorherige. Dabei ist es hilfreich mit Kontaktpunkten - über E-Mail, SMS, Push-Nachrichten, Social Media und Website - Lifecycle-Kampagnen zu erstellen. Die Folge: hoch relevante Cross-Channel-Kampagnen können gestaltet, personalisiert, getestet, eingeführt und optimiert werden. Darüber hinaus steigt die Produktionseffizienz deutlich und die dadurch gewonnene Zeit kann stattdessen in die Optimierung strategischer Prozesse investiert werden.
   
   Eines steht jedoch fest: Es gibt nicht mehr nur den einen Kanal, der wichtig ist. Der richtige Mix macht den Unterschied und dieser muss zur Zielgruppe und der Geschäftsstrategie passen. Social ist keine Allzweckswaffe. Ein Like ist demnach in vielen Fällen keine Konvertierung und kann als solche nicht gewertet werden. Wichtig ist es außerdem zu erkennen, wann ein Kanal nicht funktioniert. Am Ende kommt es wirklich auf die Strategie an. Für einige Retailer ist Facebook nur ein "nice to have", denn sie haben erkannt, dass andere Kanäle - wie zum Beispiel E-Mail - immer noch am besten für sie funktionieren.


5. Wie flexibel ist mein Datenmodell?
   Nichts bleibt für die Ewigkeit. Wie in so vielen Lebenssituationen ändern sich natürlich auch im Online-Marketing die Anforderungen - wenn nicht sogar schneller. Neue Kommunikationskanäle kommen hinzu, andere werden mit der Zeit irrelevant und fallen weg. Mit der Zeit gibt es auch die ersten Erkenntnisse darüber, wie sich die einzelnen Segmentierungen entwickeln: Segmente die schrumpfen kann man auflösen, stark wachsende Segmente können weiter spezifiziert und durch zusätzliche Kriterien (z.B. Webseitenaktivität) optimiert werden. Segmente die sehr groß werden, ordnet man in mehrere Untersegmente, etc.
   
   Als Faustregel gilt hierbei: Die Gesamtanzahl der Segmente sollte nicht die zehnfache Größe des Teams haben, das diese Segmente betreut (1 Person = max. 10 Segmente), um die professionelle Übersicht und Pflegbarkeit zu gewährleisten. Aber nicht nur Segmente, sondern vor allem auch die Kundenerwartungen entwickeln sich regelmäßig weiter und sind deshalb ein weiterer wesentlicher Faktor. Die Folge: Die neuen Erwartungen und Ansprüche der Kunden müssen auch in den Daten widergespiegelt werden. Das lässt sich jedoch nur realisieren, wenn das Model flexibel um neue Kundenattribute und -relationen angepasst werden kann. Diese Flexibilität ist die Grundlage, um die Kommunikation mit dem Kunden sinnvoll zu optimieren und ihn dadurch dauerhaft an das Unternehmen und die Marke zu binden.

In unserer schnelllebigen Zeit sind Kunden einem schier unüberschaubaren wie unkontrollierbaren Bombardement an Botschaften ausgesetzt sind. Dabei müssen Marketer mit einer wertvollen und zunehmend seltenen Ressource sehr sorgfältig umgehen: der Aufmerksamkeit des Konsumenten.

---

iBusiness-Autor Sebastian Fleischmann ist Head of Sales bei Selligent   

Co-Autor Sebastian Mengewein ist Presales Consultant DACH bei Selligent   , dem Anbieter von Lösungen zur Marketingautomatisierung