2008 nutzte der Sportartikelhersteller Nike aus seinen Kundendaten gewonnene Insights als Basis für einen grundlegenden Strategiewandel im Marketing hin zu einem Ansatz, den das Unternehmen „Category Offense“ taufte. Nike begann, die Zielgruppen nicht mehr geographisch zu segmentieren, sondern nach den betriebenen Sportarten. Die Idee dahinter: Basketballspieler haben mehr mit anderen Basketballspielern gemeinsam, Läufer mehr mit anderen Läufern als jeweils mit ihren unsportlichen Nachbarn – unabhängig von dem Land, in dem sie leben.
Das Unternehmen machte so einen entscheidenden Schritt hin zum datenzentrierten Unternehmen; in der Folge stiegen die Sales um mehr als 70 %.
Fast zehn Jahre später hörte Nike erneut auf die in seinen Daten verborgene Botschaft und initiierte die „Consumer Direct Offense“: Der Fokus dieser demographiebasierten Marketingstrategie liegt darauf, Kunden persönlich anzusprechen und zu bedienen – und zwar in großem Maßstab. Mit dem Ziel, „ein lokales Unternehmen in globalem Maßstab aufzubauen“, will Nike in dieser Initiative Kunden in zwölf zentralen Städten in zehn Ländern besonders intensiv zu Diensten sein.
Man erwartet, dass diese zwölf Städte mehr als 80 % des erwarteten Wachstums von Nike bis zum Jahr 2020 repräsentieren. Bereits sechs Monate nach Start der Initiative vermeldete Nike ein Umsatzplus von 5 %. Zwar lassen sich zum langfristigen Erfolg der Initiative noch keine Aussagen treffen, aber das ist zumindest schon mal ein ausgesprochen erfolgreicher Start.
Als Brand oder Retailer stehen euch große Mengen von Kundendaten zur Verfügung. Doch seid ihr bereits ein datenzentriertes Unternehmen? Oder sitzt ihr lediglich auf einem großen Berg mehr oder minder ungenutzter Daten? Zwar ist heute bereits jedem Werbetreibenden bewusst, welche entscheidende Rolle Daten für das Geschäft spielen, doch die wenigsten haben einen effektiven Plan, um dieses Potenzial richtig auszuschöpfen.
Nur 1,3 % der Werbetreibenden haben „großes Vertrauen“ in ihre Daten.
Für den aktuellen Report „The Data-Centric Organization 2018“ befragte die Winterberry Group in Zusammenarbeit mit der Data and Marketing Association (DMA) und dem Interactive Advertising Bureau (IAB) mehr als 110 Werbetreibende und Publisher: 90,1 % der Befragten „konzentrieren sich aktuell massiv auf das Ziel der Datenzentriertheit für ihre Unternehmen“.
Nur 1,3 % vertrauen aktuell umfassend darauf, dass ihre Unternehmen über die richtige Expertise, Erfahrung und Qualifikationen verfügen, um das Potenzial ihrer Daten optimal auszuschöpfen. Mehr als 87 % der Befragten gaben an, dass die dafür am dringendsten benötigte Expertise in der Datenanalyse liegt.
Echte Datenzentriertheit erfordert jedoch mehr als nur ein Team von Datenexperten. Der Report definiert „Datenzentriertheit“ als „den Umfang, in dem eine Organisation kulturell und in ihren Prozessen darauf vorbereitet ist, Kundendaten nicht nur als Quelle von Insights für Werbung, Marketing und Engagement zu nutzen, sondern auch als Grundlage für breiter angelegte Unternehmensinitiativen.“
Das heißt: Euer Unternehmen muss nicht nur in die eigentliche Datenanalyse investieren, sondern Datenzentriertheit basiert auf vier entscheidenden Säulen: People, Plattformen, Partner und Prozesse.
Es ist nicht ungewöhnlich, sich bei der Frage nach den für Datenzentriertheit benötigten Mitarbeitern vor allem auf ein starkes Datenteam zu konzentrieren. Doch um wirklich zum datenzentrierten Unternehmen zu werden, braucht ihr mehr als nur gute Analytiker.
Für Charlie Cole, Chief Digital Officer bei Tumi, begann der Weg des Unternehmens zum Premium-Anbieter im Bereich Business, Accessoires und Reise-Lifestyle bei den Daten. Und – vielleicht noch viel wichtiger: Jedes einzelne Team, vom Vertriebspersonal bis hin zum Kreativdirektor, wurde darin geschult, die Omnichannel-Effekte von Daten in vollem Umfang zu verstehen.
„Man sollte niemals vergessen, dass diese Daten dazu dienen sollten, um eure Produkte und eure Brand zu unterstützen“, so Cole kürzlich auf dem AgilOne Customer Data Platform Summit. „Wenn ihr eure Mitarbeiter nicht darin schult, zu erkennen, welchen Effekt Daten haben, hat euer Unternehmen bei der Wahrnehmung des wirtschaftlichen Umfelds große tote Winkel.“
In der Praxis bedeutet das zum Beispiel, die Daten dafür zu nutzen, dem Creative Director nicht nur zu zeigen, welche Produktlinien gut (oder schlecht) laufen – sondern auch warum. Genauso kann man mit Insights aus den Daten die Verkäufer in den Geschäften dazu motivieren, ihre Zeit in Omnichannel zu investieren und nicht nur in Aktivitäten im Geschäft selbst.
Coles Team nutzte die im Unternehmen vorhandenen Daten, um die Strategien zur E-Mail-Segmentierung, Personalisierung und Kundenansprache neu auszurichten. Tumi verschickte 2016 40 Millionen weniger E-Mails als im Vorjahr – und erzielte gleichzeitig einen Umsatzanstieg von 28,5 %. Tumi modifizierte auch das Marketing im stationären Handel: Das Verkaufspersonal in den Geschäften investiert jetzt Zeit, potentielle Kunden persönlich anzurufen, anstatt sich nur auf die Sales im Geschäft selbst zu konzentrieren.
(Mehr Informationen: Clean Your Data, Trust the Machine: 6 Key Takeaways from AgilOne’s Customer Data Platform Summit 2018 (in englischer Sprache))
Nehmen wir mal an, ihr wisst, wie ihr die richtigen Mitarbeiter für euer Unternehmen gewinnt. Jetzt liegen zwei ganz entscheidende Schritte vor euch: Ihr müsst euren Mitarbeitern zum einen die richtigen Tools zur Verfügung stellen und zum anderen dafür sorgen, dass diese Tools in eure bestehenden Systeme integriert werden.
Die vielen, oft heterogenen Datenströme, die euer Unternehmen täglich verarbeiten muss, um eure Kunden und ihr Verhalten zu verstehen, können eine echte Herausforderung darstellen. Hier eine kurze und keinesfalls vollständige Liste potentieller Datenquellen:
- Web Analytics
- Cloud POS Kundendaten
- Cloud POS Produktdaten
- SKU-Daten
- Social Media
- E-Mail-Marketing
- Mobile
- App
- CRM
- Externe Quellen
In der Summe ergibt das eine gigantische Menge Daten. Wie könnt ihr sicherstellen, dass ihr nicht nur jede einzelne Datenquelle, sondern auch das sich aus allen Datenströmen ergebende Gesamtbild richtig erfasst und nutzt? Die richtigen Werkzeuge für Zielgruppenaufbau, Analyse und Messung bieten euch dafür leistungsstarke Funktionen und Features. Das erspart euch mühsame Arbeit.
Im Folgenden stellen wir euch ein paar Standardwerkzeuge vor – aufgeteilt in die drei wesentlichen Phasen der Datenanalyse.
1. Datenintegration und Datenmanagement
Dies ist der erste grundlegende Schritt jeder Datenanalyse. Er wird auch ETL genannt: Extraction, Transformation and Loading. Daten werden den unterschiedlichen Quellen entnommen, bereinigt (dedupliziert, sortiert und den Anforderungen eures Geschäfts entsprechend validiert) und dann an die Datenbank oder an das Daten-Warehouse geliefert, wo ihr eure datengetriebenen Geschäftsinitiativen abwickelt.
Bei Problemen in dieser Phase sind die weiteren Phasen der Analyse und Visualisierung nicht so effektiv oder akkurat, wie sie sein könnten.
Zu den typischen Plattformen in der ETL-Phase gehören:
- SAS Data Management
- IBM InfoSphere Information Server Enterprise Edition
- Powercenter Informatica
2. Datenanalyse
In dieser Phase kommt häufig zum ersten Mal Machine Learning zum Einsatz. Um eure Daten als Grundlage für die Transformation eures Kundenerlebnisses und eure Geschäftsmodelle zu verwenden, müsst ihr die Daten erst einmal richtig verstehen und nutzen – so strategisch und prädiktiv wie möglich. Es reicht nicht mehr, auf die Erkenntnisse aus euren Daten nur zu reagieren: Ihr müsst aus ihnen lernen und eure Geschäfts- bzw. Marketingstrategien entsprechend flexibel und vorausschauend anpassen.
Hierfür ist eine gute Datenanalyse unabdingbar. Um noch einmal zu dem Beispiel Nike zurückzukehren: Basis für ihre „Category Offense“ war die aus den Daten gewonnene Erkenntnis, dass nicht Geographie die entscheidende Verbindung zwischen den besten Kunden darstellt, sondern ihre gemeinsame Liebe zu einer Sportart.
Mit diesen weit verbreiteten Tools zur Datenanalyse optimiert ihr die aus euren Daten gewonnenen Insights deutlich:
- Targit
- Domo
- Google Analytics
- Adobe Predictive Analytics
3. Datenvisualisierung
Es gibt große Überschneidungen zwischen den Werkzeugen zur Datenvisualisierung und den oben beschriebenen Tools zur Datenanalyse. Doch jedes Unternehmen ist anders und profitiert entsprechend unterschiedlich von den verschiedenen Methoden der Datenvisualisierung: So hilft zum Beispiel die Visualisierungslösung Tableau Unternehmen beim Verständnis ihrer Daten durch die Aufbereitung in verschiedenen grafischen Formaten; Highcharts hingegen bietet unterschiedliche Typen von Diagrammen von Splines oder Area-Splines bis hin zu Säulen- oder Streudiagrammen.
Dies sind ein paar beliebte Tools zur Datenvisualisierung:
- Qlik
- Tableau
- Highcharts
- Microsoft Power BI
Viele Unternehmen verkürzen ihren Weg zur Datenzentriertheit, indem sie sich auf Partner stützen.
Allgemein betrachtet, so stellt der Winterberry-Report fest, haben die befragten Werbetreibenden nur begrenztes Vertrauen in ihre aktuellen Marketing-Technologien und den Umfang, in dem diese Technologien die Nutzung ihrer Zielgruppendaten wirklich sinnvoll unterstützen. Zu den fünf am häufigsten genannten Maßnahmen zur Unterstützung eines datengetriebenen Marketings gehört daher „die engere Zusammenarbeit mit Anbietern von Marketingservices und -technologie“.
Das gilt auch für die Kunden von Criteo: Sie vertrauen auf die Criteo Engine und den Criteo Shopper Graph. Die Criteo Engine organisiert und analysiert die Daten von mehr als 1,2 Milliarden aktiven Käufern pro Monat und aus E-Commerce-Transaktionen in einem jährlichen Gesamtwert von mehr als 600 Milliarden US$. Der Shopper Graph nutzt drei Arten von granularen Daten – Identität, Interessen und Messung – und bildet so die Grundlage für die Lösungen zur Akquisition, Conversion und zum Reengagement von Käufern im Criteo Marketing Ecosystem.
Durch die Partnerschaft mit Criteo konnte New Look, ein führender, international aktiver Fashion Retailer aus Großbritannien, eine größere Zielgruppe ansprechen und mehr Umsatz generieren. Über Machine Learning und personalisierte Produktempfehlungen half Criteo New Look dabei, die Neukundenrate um 62 % zu steigern.
Einige Unternehmen entscheiden sich für die Zusammenarbeit mit einem erfahrenen Technologiepartner, um auch rechtlich auf der sicheren Seite zu sein. So ist vor Kurzem die DSGVO in Kraft getreten: Unternehmen, die jetzt nicht die richtigen Prozesse und Überwachungsmechanismen bei der Datenverarbeitung implementiert haben, sehen sich möglicherweise dem Risiko hoher Bußgelder und langfristiger Belastungen für ihr Unternehmen gegenüber.
Die Compliance mit der DSGVO kann zeitaufwendig und teuer sein; daher ist es möglicherweise sinnvoll, mit einem Lösungsanbieter zusammenzuarbeiten, der die „regionalen Gegebenheiten versteht und über die Fähigkeiten verfügt, mit den regulatorischen Herausforderungen jeweils richtig umzugehen“. Das legt zumindest ein aktueller TBR-Report nahe.
Unternehmen suchen zunehmend nach externer Unterstützung bei der optimalen Nutzung ihrer Daten über Plattform- und Kanalgrenzen hinweg. Der Wettbewerb wird immer härter; der Löwenanteil der Profite geht dabei an Unternehmen, die nicht nur über die meisten Daten verfügen, sondern auch über die Tools, die Strukturen und die Mitarbeiter, dieses Potenzial richtig zu nutzen.
(Weitere Informationen: DSGVO: Keine Revolution, sondern Evolution)
Ist die übergreifende Organisationsstruktur eures Unternehmens bereits auf ein effektives Sammeln, Verwalten und gemeinsames Nutzen von Daten ausgerichtet? Habt ihr bereits entsprechende Governance-Richtlinien implementiert?
Ein häufiges Missverständnis ist übrigens die Gleichsetzung von Datenmanagement mit Daten-Governance. Ganz grundlegend beschreibt Daten-Governance, was Daten für ein Unternehmen bedeuten: wo sie verwendet werden, welchen Regeln diese Verwendung folgt und – ganz wichtig – wie genau und korrekt diese Daten sind.
Die Struktur kann in verschiedenen Unternehmen unterschiedlich ausfallen, aber es gibt drei wesentliche Schritte, die jede Organisation unternehmen sollte, um Daten-Governance richtig zu implementieren:
1. Bestandsaufnahme
Der erste und entscheidende Schritt für erfolgreiche Daten-Governance ist, ein gutes Verständnis für die Art und die Qualität der Daten zu entwickeln. Gleichzeitig gilt es sicherzustellen, dass alle mit den Daten beschäftigten Mitarbeiter die gleichen Definitionen nutzen und das gleiche Verständnis von der jeweiligen Sachlage haben. Zudem sollte man sich fragen, wie sensibel die Daten sind und wie man im eigenen Unternehmen „saubere Daten“ definieren möchte. Das klingt zwar einfach, doch es kommt ausgesprochen häufig vor, dass Kollegen, die eng zusammenarbeiten und daher vor den gleichen Herausforderungen stehen, vollkommen unterschiedliche Definitionen für die gemeinsam genutzte Terminologie haben.
Sobald diese Schritte etabliert sind, geht es vor allem darum, allen Personen im Unternehmen zu vermitteln, wo und wie diese Daten zugänglich sind.
2. Transparenz, Fortbildung und Tracking
Transparenz, Fortbildung und Tracking gehen Hand in Hand.
Für den Geschäftserfolg von Tumi war es ausschlaggebend, dass bei allen Mitarbeitern im Unternehmen ein klares Bewusstsein für die Ergebnisse der Datennutzung etabliert wurde. Fortbildung bedeutet, dass diejenigen, die Zugang zu den Daten haben, lernen, wie sie diese nutzen und analysieren müssen bzw. können.
Tracking ist in einer Zeit, in der ein Datenleck für ein Unternehmen ganz schnell das Aus bedeuten kann, von besonderer Bedeutung. Es kommt entscheidend darauf an, genau zu wissen, wer warum welchen Zugang zu den Daten hat. Nur so lässt sich sicherstellen, dass diese Daten nicht missbraucht oder einfach nur falsch interpretiert werden.
Die Umsetzung dieser drei Elemente in Hinblick auf die Ziele und Interessen des Unternehmens ist häufig die Aufgabe der Mitarbeiter mit dem besten Verständnis der Daten und stellt daher eine gute Roadmap für Unternehmen auf ihrem Weg durch Programme zur Daten-Governance und die dafür notwendigen Maßnahmen dar.
3. Rollen und Verantwortlichkeiten
Die besten Mitarbeiter, Plattformen und Partner nützen einem Unternehmen wenig, wenn es nicht die richtigen Prozesse implementiert hat, um die Sicherheit und Langlebigkeit dieser Säulen sicherzustellen.
Manchmal spielt aber auch die rechtliche Situation eine Rolle. Mit der gerade neu eingeführten DSGVO zum Beispiel gehen Unternehmen ein großes Risiko für hohe Bußgelder und möglicherweise langfristige Belastungen für ihr Unternehmen ein, wenn sie nicht die richtigen Prozesse und Governance-Richtlinien für die Datenverarbeitung implementiert haben. Und viele Unternehmen sind auch jetzt, nach der Einführung, nicht richtig auf die DSGVO vorbereitet.
Manchmal, zum Beispiel im Rahmen der neuen Bestimmungen der DSGVO, ist die Ernennung eines Datenschutzverantwortlichen gesetzlich vorgeschrieben. Abhängig von Größe und Art eures Unternehmens ist das möglicherweise der richtige Schritt, auch ohne, dass euch der Gesetzgeber dazu zwingt.
Durch das Etablieren klarer Rollen und Verantwortlichkeiten von der Strategie bis zum Betrieb vermeidet ihr Verwirrung und Irrtümer darüber, wer in welcher Form für die Daten und Prozesse eures Unternehmens Verantwortung trägt.
(Weitere Informationen: DSGVO: Keine Revolution, sondern Evolution)
Datenzentriert = Kundenzentriert
Unternehmen, die in Datenzentriertheit investieren, können in allen Bereichen Botschaft, Effizienz und Kundenerfahrung verbessern – nicht nur im Marketing.
So ist es zum Beispiel nicht die Aufgabe von Nikes „Consumer Direct Offense“, die Bewegungen der Kunden nachzuvollziehen, sondern diese vorherzusagen und ihnen so einen Schritt voraus zu sein. Gleiches gilt für Tumi: Dieses Unternehmen hat seine Daten so organisiert, dass sie nicht mehr rein reaktiv, sondern prädiktiv genutzt werden.
Am Ende des Tages gilt: Wenn ihr eure Daten in den Mittelpunkt eures Unternehmens stellt, stellt ihr gleichzeitig den Kunden in den Mittelpunkt eures Geschäfts.
Jetzt den Report lesen!
https://www.slideshare.net/CriteoReports/dma-iab-winterberry-group-the-data-centric-organization-february-2018
