Big Data im Marketing E-Book

Torsten Schwarz

• Herausgeber: Haufe Lexware
• Kategorie: Fachliteratur
• Serie: Haufe Fachbuch
• Sprache: Deutsch
• Veröffentlichungsjahr: 2015

Seitenzahl: 471

Beschreibung

Nutzen Sie Big Data als Innovation für das moderne Marketing! Erkennen Sie neue Marktpotenziale und steuern Sie Vertriebskampagnen perfekt aus! Ziehen Sie aus den Daten die richtigen Schlüsse! Durch die zunehmende Digitalisierung des Kundenkontakts entstehen völlig neue Marketingstrategien. Damit sind Sie der Konkurrenz immer eine Nasenlänge voraus! Über 20 führende Experten aus Praxis und Wissenschaft erklären die Marketingrevolution Big Data: - Data-Mining: Big Data erheben und systematisch auswerten - Umsetzung in konkrete Marketingmaßnahmen - Kundenwünsche in Echtzeit erkennen und bedienen - Alles zur Rechtslage und dem Datenschutz rund um Big Data

Leseprobe

Inhaltsverzeichnis

Hinweis zum UrheberrechtImpressumEinleitung – Big Data im Marketing1   Dialoge in Zeiten des Internets der Dinge1.1   Das Internet der Dinge wird Realität1.2   Das Internet der Dinge führt zu neuen Herausforderungen1.3   Wie soll der künftige Marketingmixbeschaffen sein?1.4   Neue Anforderungen an das Marketingder Zukunft1.5   Fazit2   Big Data, ein Missverständnis? Oder: Warum Daten erst sprechen, wenn man über sie spricht.2.1   Algorithmen als Geschäftsmodell2.2   Die digitale Überforderung2.3   Die trügerische Kraft des Algorithmischen2.4   Digitaler Echtzeithandel: Finanzmarkt und Werbemarkt2.5   Von Menschen und Maschinen3   Big Data: Daten sammeln, aggregieren, analysieren, nutzen3.1   Einführung3.2   Use Cases für Big Data3.3   Technologie zur Handhabung von Big Data3.4   Wie man Big Data nutzen kann3.5   Zusammenfassung und Ausblick4   Streaming Analytics: Management in Echtzeit4.1   Streaming Analytics4.2   Mehrere Modelle bei komplexen Problemen4.3   Anwendungsbeispiele4.4   Planung und Realisierung4.5   Fazit5   Von der Webanalyse zur Digitalen Intelligenz5.1   Big Data in der Analyse5.2   Business Intelligence als integriertes Gesamtkonzept5.2.1   Der Begriff Business Intelligence5.2.2   Der Wert von Web Analytics5.2.3   Schnelle erste Schritte zum Involvieren von Web Analytics in Managemententscheidungen5.2.4   Steigerung der digitalen Intelligenz5.3   Der Gartner Hype-Cycle innerhalb digitaler Information5.4   Positionierung von Analytics im Unternehmen5.5   Investition in Fachkräfte und Synergien5.6   Quo vadis Analyse, quo vadis Intelligence?6   Marketing und IT im digitalen Zeitalter: Liebesheirat statt Zwangsehe!6.1   Die veränderte Rolle des Marketing: Digitale Kundenerfahrungen stehen im Mittelpunkt6.1.1   Umfangreiches Erfahrungsmanagement statt reiner Markenkommunikation6.1.2   Integrierte Kundeninteraktion statt unübersichtlicher Kanalvielfalt6.1.3   Datenbasierte Personalisierung statt kreativen Bauchgefühls6.1.4   IT-Lösungen werden zum zentralen Handwerkszeug von Marketingentscheidern6.2   Erfolgreiche Digitalisierungsstrategien in Zusammenarbeit mit der IT: Fünf Tipps für Marketingentscheider7   Denken in Seen, nicht in Silos7.1   Zielbild: Eine neue und alltägliche Umgangsform?7.2   Ausgangslage: Die etablierte Umgangsform scheitert7.2.1   Organisation und Kultur7.2.2   Strukturierung und Technologie7.2.3   Fähigkeiten und Denkweisen7.3   Sammeln7.3.1   Technische Heterogenität7.3.2   Semantische Heterogenität7.3.3   Schema- und Modell-Heterogenität7.3.4   Syntaktische Heterogenität7.3.5   Sammeln – Integriert oder as-is7.3.6   Die Technologie gibt die Sammelmethodik vor7.4   Verwalten7.5   Verwerten7.6   Ein verändertes Mindset8   Always-On – eine Wunschvorstellung?8.1   Gefühlte Wirklichkeit versus Realität8.2   Globale Ergebnisse im Überblick8.3   Weltweite Selbstüberschätzung8.4   Wer führt den Markt an?8.5   Hilfe zur Selbsthilfe9   Offensive im Datenschutz9.1   Was bedeutet Data-driven Marketing für die Verbraucher?9.2   Datenschutzaufsichtsbehörden sind weltweit besorgt9.3   Die Lösung – wie versuchen die Gesetze die Verbraucher zu schützen?9.4   Das Verbraucherinformationsportal Aboutthedata.com9.5   Die Selbstdatenauskunft9.6   Margaret Smith und ihre Daten9.7   Die Struktur der Auskunftsinformation9.8   Die Hauptkategorien im Detail9.9   Die Reaktionen9.10   Zu Datenschutz und der Ära von Big Data10   Passende Inhalte an die richtigen Empfänger10.1   Mailing, Newsletter und „einmal das Internet bitte”10.2   Direktmarketing 2.010.3   Eine Plattform – tausend Möglichkeiten10.4   State of the Art – leider10.5   Konzert der Systeme10.6   Erfolg – reich?10.7   Willkommen in der Matrix10.8   Digital – mir egal?10.9   Social Media – für fast alle10.10   „Wir machen jetzt Big Data!”, „Ja, wir auch!”10.11   Automatisierung in kleinen Schritten10.12   Daten und ihre Summe10.13   Max Mustermann soll zurückkommen10.14   Vorbereitung und Standards sind alles10.15   Glaskugel und Kaffeesatz11   Programmatic Advertising und Real Time Bidding11.1   Was hat Big Data mit der Anzeige von Werbebannern zu tun?11.2   Die technische Evolution vom Ad-Server zum Programmatic Advertising11.3   Vorteile für Werbekunden und konkrete Anwendungsfälle11.4   Programmatic Advertising als Nucleus für Marketingautomation der zweiten Generation11.5   Herausforderungen11.6   Ausblick12   Tag Management – so werden Sie Herr über die Customer Journey12.1   Was versteht man unter der Customer Journey?12.2   Erfolgsrezepte für die übergreifende Messung von Customer-Journey-Daten12.3   Tag Management als Alternative zu „vollintegrierten” Marketing-Cloud-Lösungsansätzen12.4   So funktioniert Tag Management12.5   Eine neue Generation von Marketing-Middleware12.6   Die Marketingverantwortlichen können nicht warten12.7   Kundendaten im Sinne eines Mehrwerts für die Kunden nutzen12.8   Marketing Performance steigern und gleichzeitig Kosten sparen12.9   Von Produktivitätssteigerungen zu einer betriebsnotwendigen, erfolgskritischen Middleware13   Big Data und Social Media Analytics13.1   Social Media Analytics13.2   Ein Konzept zur Analyse von Social Media13.3   Konstruktion eines Bewertungsrahmens13.4   Der Facebook-Ansatz13.4.1   Fans13.4.2   Reichweite13.4.3   Interaktionen13.5   Conversions13.6   Sammeln, speichern und auswerten14   Optimierung digitaler Touchpoints14.1   Warum müssen digitale Touchpoints optimiert werden?14.2   State-of-the-Art-Optimierungen – Wie werden digitale Touchpoints aktuell optimiert?14.3   Digitale Touchpoints und Big Data14.4   Der Weg zur 1:1-Kundenbeziehung – Optimierungslösungen mit Big Data15   Customer Lifecycle und Customer Value – mit optimierten Daten zu optimierter Kundenkommunikation15.1   Die Bedeutung von Big Data im modernen Marketing15.2   Der Customer Lifecycle – Basis für die Kundenkommunikation15.3   Optimale Ansprache durch Kundenwertberechnung15.3.1   Kundenwertberechnung – ein Modell mit drei Variablen15.3.2   Clusterung als zentrales Element der Segmentierung15.3.3   Predictive Modelling zur Bestimmung der Variable Wahrscheinlichkeit15.3.4   Daten bereinigen – Fehlerquellen minimieren15.4   Effektive Kommunikationsstrategien mittels Kundenwert und -lebenszyklus16   Big Data für Webshops16.1   Erfolgsfaktoren eines Webshops16.2   Big Data für Webshops scheitert früh: falsche Strategie und Fehlerquellen16.3   Optimierung der Website durch Big Data16.3.1   Big Data als Basis für das Kundenscoring16.3.2   Index für Reihenfolge der Produkte durch Big Data16.3.3   Persönliche Empfehlungen durch Big Data16.4   Einsatz von Big Data bei der Preisgestaltung16.5   Sortiment und Big Data16.6   Service und Big Data16.7   Customer Relationship Management (CRM) mit Big Data16.8   Onlinemarketing und Big Data16.9   Image und Big Data16.10   Big Data in der Technik16.11   Prozesse und Big Data16.12   Organisation und Mitarbeiter Know-how für Big Data16.13   Zusammenfassung17   Kunden und kausale Zusammenhänge verstehen17.1   Die Ansprüche des Kunden sind gestiegen17.2   Kundenverhalten prognostizieren17.3   Der Gewinn liegt im Preis: Dynamic Pricing17.4   Zusammenhänge zwischen Preis und Kaufverhalten aufdecken17.5   Immer vernetzt, immer online …17.6   Leistungsstarke Software17.7   Kausalitäten beim Katalogversand18   Amazon, das zahlengetriebene Unternehmen18.1   Big Data – oder „Sexy Little Numbers”18.2   Amazon, Google und die Werbung18.3   Und der „klassische” Einzelhandel?19   Data-driven Marketing in der Gaming-Branche19.1   Spiele für alle – kostenlos19.2   Eine Menge Daten19.3   Der Weg des Kunden19.4   Maximale Relevanz für den Kunden19.5   Verhaltensgesteuerte und durch Events ausgelöste Kampagnen20   Data Driven Advertising bei Google und Facebook20.1   Das Google-Modell20.1.1   Die Enkel des Adam Smith20.1.2   Die Suche als Vorfilter für Kaufinteressierte20.1.3   Daten zur Steigerung der Werberelevanz20.1.4   Google erzieht seine Werbekunden20.2   Google-Werbung innerhalb der AIDA20.2.1   Suchmaschinenmarketing als Direktvertriebstool20.3   Werbeausgaben pro Zeiteinheit20.4   Real Time Bidding – Das Google-Modell in tausend Teilen20.4.1   Strategische Positionierung im Real Time Advertising Markt20.4.2   Das Ad-Exchange-Modell20.4.3   Supply-Side- und Demand-Side-Plattformen20.4.4   Retargeting als Datenalternative zu Google20.5   Facebook – Exhibitionismus als Teil des Systems20.5.1   Facebook adaptiert das Google-Werbesystem20.5.2   Die sich selbst definierende Zielgruppe20.5.3   Kampagnenoptimierung aufgrund der Userreaktion in Echtzeit20.5.4   Social Targeting als neue Dimension20.6   Die technologische S-Kurve20.6.1   Der Sprung in den Premiummarkt20.6.2   Real Time Bidding setzt Google unter Druck21   Big Data im Marketing: Rechtliche Eckpunkte21.1   Einführung21.2   Rechte an den Datenbanken und den Erkenntnissen21.3   Datenschutzrecht21.3.1   Wann ist das Datenschutzrecht anwendbar?21.3.2   Welche Konsequenzen hat die Anwendung des Datenschutzrechts?21.3.3   Welches Datenschutzgesetz gilt und welche Relevanz hat das?21.3.4   Big Data mit Einwilligung – geht das?21.3.5   Big Data – Eckpunkte der gesetzlichen Zulässigkeitsregelungen21.3.6   Big Data im Onlinebereich21.3.7   Offline-Nutzungsprofile21.3.8   Beauftragung von Dienstleistern21.3.9   Wie ist die Praxis?22   Regulatory Challenges for Big Data22.1   The New Data Protection Regulation22.2   Main Direction and Key Provisions Impacting BusinessDie AutorenStichwortverzeichnis

[1]

Hinweis zum Urheberrecht

Haufe-Lexware GmbH & Co. KG, Freiburg

Impressum

Bibliografische Information der Deutschen Nationalbibliothek

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.dnb.de abrufbar.

Print ISBN: 978-3-648-06585-3 Bestell-Nr. 10116-0001EPUB ISBN: 978-3-648-06586-0 Bestell-Nr. 10116-0100EPDF ISBN: 978-3-648-06587-7 Bestell-Nr. 10116-0150

Torsten Schwarz (Hrsg.)

Big Data im Marketing

1. Auflage 2015© 2015 Haufe-Lexware GmbH & Co. KG, Freiburg [email protected]

Produktmanagement: Jutta Thyssen

Lektorat: Redaktions- und Lektoratsbüro Helmut Haunreiter, 84533 Marktl Satz: kühn & weyh Software GmbH, Satz und Medien, 79110 Freiburg Umschlag: RED GmbH, 82152 Krailling Druck: BELTZ Bad Langensalza GmbH, 99947 Bad Langensalza

Alle Angaben/Daten nach bestem Wissen, jedoch ohne Gewähr für Vollständigkeit und Richtigkeit.

Alle Rechte, auch die des auszugsweisen Nachdrucks, der fotomechanischen Wiedergabe (einschließlich Mikrokopie) sowie der Auswertung durch Datenbanken oder ähnliche Einrichtungen, vorbehalten.

Einleitung – Big Data im Marketing

Über Jahrhunderte war die Veredelung physischer Rohstoffe die wichtigste Quelle der Wertschöpfung. Was im letzten Jahrhundert die Förderung und Raffination von Rohöl war, ist heute die Gewinnung und Veredelung von Daten. Der Ölmulti Exxon Mobil führte die Liste der wertvollsten Unternehmen der Welt. Inzwischen wurde er von Apple auf Platz zwei verbannt. Apple produziert beides: physische Produkte und Daten. Auf Platz drei folgt mit Google ein Unternehmen, das den Löwenanteil seines Umsatzes mit Daten verdient. Daten sind das neue Öl.[2]

Wer aus Daten die richtigen Schlüsse zieht, ist der Konkurrenz eine Nasenlänge voraus. Algorithmen können Muster erkennen, Trends vorhersagen sowie Autos und Drohnen steuern. Durch künstliche Intelligenz kann Sprache verstanden und können Gesichter erkannt werden. Unternehmen wie Narrative Science lassen Sport- und Geschäftsberichte von Computern statt von Journalisten schreiben. Maschinen wie IBMs Watson gewinnen bald nicht nur die Quizshow Jeopardy, sondern beraten Ärzte bei der Diagnose von Krankheiten. Bald gibt es solche Expertensysteme auch als handliche persönliche Assistenten auf dem Smartphone. Bei Apple heißt es Siri, bei Android ist es Google Now. Cortana, der Assistent von Microsofts Windows Phone, kann beispielsweise Hunderassen erkennen. Die Objekterkennung kann unterscheiden, ob der Corgi vor Ihnen ein Pembroke Welsh Corgi oder ein Cardigan Welsh Corgi ist. Beide Hunde sehen fast gleich aus. Die Queen bevorzugt den Pembroke Corgi.

Nicht nur Amazon personalisiert mit Daten das Einkaufserlebnis und löst konkrete Kaufentscheidungen aus. Auch wer offline unterwegs ist, kann mit Daten mehr Kunden in die Filialen locken. Investitionsgüterhersteller nutzen Daten, um neue Interessenten anzusprechen. Täglich zeigen Kunden über Smartphone und PC, was sie interessiert. Mit dem Internet der Dinge kommen Smartwatch, Navi, Thermostat und iBeacons als Messfühler für Kundenwünsche hinzu. Unternehmen können aus diesen Informationen maßgeschneiderte Angebote machen.[3]

Was ist neu? Zunächst einmal die technische Entwicklung, die es erlaubt, immer mehr Daten immer schneller zu verarbeiten. Früher wurden beim Data-Mining mühsam Daten aus der Vergangenheit manuell analysiert, um das Konsumverhalten zu erforschen. Heute wird vollautomatisch in Echtzeit berechnet, welches Produkt dem Besucher eines Webshops innerhalb der nächsten Millisekunde präsentiert werden soll.

Wo früher vielleicht gerade einmal bekannt war, welche Kunden wann welches Produkt gekauft haben, gibt es heute ein Vielfaches an Daten. Der Grund: immer mehr Touchpoints sind digital. Digitale Kontaktpunkte werden automatisch als Daten protokolliert. Das Internet der Dinge und Industrie 4.0 tun ein weiteres: Nicht nur Kunden, auch Fabriken, Produktions- und Logistikprozesse sind vernetzt. Wem es gelingt, all diese Daten richtig zu interpretieren, kann neue Marktpotenziale erkennen und Vertriebskampagnen besser aussteuern.

Die Meisten sammeln zwar Daten, nutzen sie jedoch nicht. Big Data kann viele Fragen beantworten. Wie funktionieren Treueprogramme? Wie können Kaufabbrecher umgestimmt werden? Wie werden inaktive Kunden reaktiviert? Wie kann Predictive Intelligence die Kosten pro Neukunde drücken? Wie kann die Wirkung teurer TV-Spots gemessen werden? Was bringen statistische Zwillinge? Was lehrt uns die Gaming-Branche? Was ist ein Next-best-offer? Daten helfen, den richtigen Kunden im richtigen Moment das richtige Angebot zu machen.[4]

Dieses Buch beleuchtet ausgewählte Aspekte des großen Themas Big Data in Bezug auf ihre Relevanz für Marketingverantwortliche. Die Autoren geben Denkanstöße und liefern Hintergründe, deren Kenntnis schon bald wettbewerbsentscheidend sein kann.

Martin Nitsche leitet mit Co-Autor Christian Gründig das Buch damit ein, dass sie die Auswirkungen der zunehmenden digitalen Vernetzung von Menschen und Dingen aufzeigt. Die Grenzen zwischen Branchen verschwinden und Unternehmen, die in der Vergangenheit nicht miteinander in Konkurrenz standen, kämpfen plötzlich auf den gleichen Märkten um die Aufmerksamkeit der Kunden. Die Kaufentscheidung wird in Zukunft weniger von der Qualität des Produkts selbst als von der Vernetzung und dem damit empfundenen Servicegrad beeinflusst werden. Es ergibt sich ein hochkomplexes System mit Milliarden von Dialogen, die in Echtzeit geführt werden müssen.

Dr. Christian Bachem setzt sich mit der Frage auseinander, inwieweit die Big-Data-Geschäftsmodelle von Amazon, Facebook und Google auf „normale” Unternehmen übertragen werden können. Er betont, wie wichtig es ist, Daten auf ihre Relevanz zu überprüfen und mit Erfahrung und Augenmaß zu interpretieren, um aus ihnen Handlungen ableiten zu können.

Anschließend erläutert Prof. Dr. Gottfried Vossen detailliert, was genau Big Data eigentlich ist. Ein Rennauto ist mit rund 200 Sensoren ausgestattet, die permanent Motorleistung, Kupplung, Schaltung, Differential, Kraftstoffversorgung, Öl, Lenkung, Reifen und sogar den Gesundheitszustand des Fahrers überwachen. Boxenmannschaft und Fahrer können sekundenschnell Anpassungen vornehmen, wenn sich Veränderungen am Auto oder an den Rennbedingungen ergeben. Neue Technologien ermöglichen es, komplexe Analysen durchzuführen, Verbindungen und Zusammenhänge zu erkennen und Voraussagen zu treffen, die noch vor kurzem als weitgehend unmöglich galten.[5]

Den Übergang von der Analyse von Daten aus der Vergangenheit zur Echtzeitverfügbarkeit von Informationen beschreibt Dr. Ilias Ortega. Heute erhalten Organisationen Daten in Form von kontinuierlichen Datenströmen, die von Sensoren, Geldautomaten, Websites und Smartphones rund um die Uhr und dezentral gesammelt werden. Entscheidungen werden sofort gefällt. Welches Produkt wird vorgeschlagen? Welche Zahlungsart vorgegeben? Liegt Betrug vor? Wandert ein wertvoller Kunde bald ab?

Die vielfältigen Möglichkeiten der Analyse von Nutzerverhalten im Internet erklärt Ralf Haberich. Die Anzahl der Seitenaufrufe, Bounce Rate, Online Revenue oder Stornoraten werden weiterhin relevante Informationen sein, jedoch deutlich an Bedeutung verlieren. Viel wichtiger werden Echtzeitreaktionen aufgrund digitaler Aktionen. Wer diese Erkenntnisse gekonnt in einem Datenumfeld nutzt und umsetzt, kann schneller und besser auf veränderte Angebote des Wettbewerbs reagieren.[6]

Nicole Dufft liefert erschreckende Zahlen darüber, wie wenig Marketingmanager auf die Digitalisierung vorbereitet sind. Zwar ist die Interaktion mit Kunden über immer mehr digitale Kanäle für über achtzig Prozent aller deutschen Marketingentscheider die wichtigste Aufgabe. Trotzdem fühlt sich jeder Dritte für diese Herausforderung nicht hinreichend gerüstet. IT-Leiter dagegen haben das Know-how, erkennen aber die Bedeutung nicht. Jeder Kundenkontakt wird zum Aushängeschild einer Marke: ob das Gespräch mit einem Mitarbeiter im Servicecenter, der Einkauf im Onlineshop, die Nutzung einer mobilen App oder die Interaktion über soziale Medien. Die Rolle des Marketings entwickelt sich in der digitalisierten Welt damit weit über die Markenkommunikation hinaus. Nichtsdestotrotz meinen nur 39 Prozent der IT-Leiter, dass die Marketingkollegen an der Definition und Umsetzung der digitalen Strategie beteiligt werden müssen.

Der Status quo im Umgang mit Daten in deutschen Unternehmen gibt auch keinen Anlass zur Hoffnung. Dr. Thomas Franz liefert einen fundierten und gleichzeitig schockierenden Bericht zur Lage der IT. Es gelingt heute kaum einem etablierten Unternehmen, die Gesamtheit der Daten zu überblicken. Im alltäglichen Geschäft ergeben sich vielfach Reibungsverluste, die aus dem mangelnden Überblick über Informationen im Unternehmen resultieren. Informationshoheiten, Informationserzeugung und Informationsverwertung spiegeln die Unternehmensorganisation wider und verhindern den Informationsaustausch im Unternehmen über organisatorische Grenzen hinweg. Viele Unternehmen betreiben hunderte – größere Unternehmen oft tausende – von IT-Anwendungen. Informationen sind also in zahlreichen Datenbanken, Logfiles, oft auch in Tabellenkalkulationen zersplittert und dort isoliert.[7]

Sascha Martini bläst ins gleiche Horn: Während Kunden heute über Smartphone & Co. perfekt vernetzt sind, schlummern Unternehmen noch in Ahnungslosigkeit. So sind gerade einmal 38 Prozent in der Lage, einen neuen Kunden anders anzusprechen als einen wiederkehrenden. Nur 18 Prozent der deutschen Unternehmen analysieren die digitalen Daten, um daraus Wissen über ihre Kunden abzuleiten.

Auf einen der wichtigsten Aspekte von Big Data geht Dr. Sachiko Scheuing ein: Wie gehen Kunden damit um, dass massenhaft Daten über ihr Verhalten gesammelt werden? Sie beschreibt die Erfahrungen, die einer der größten Anbieter aggregierter Daten in den USA gesammelt hat. Dort erhielten Kunden die Möglichkeit, alle über sie gesammelten Daten online einzusehen und selbst zu bearbeiten. Die Möglichkeiten reichten von einer kompletten Sperrung sämtlicher Daten bis zur selektiven Löschung oder Korrektur. Der große Shitstorm blieb aus und viele Nutzer haben ihre Daten aktiv korrigiert. Dies zeigt, dass mehr Transparenz zumindest in den USA auch zu mehr Akzeptanz der Nutzung persönlicher Daten für die Individualisierung von Angeboten führt.

Dass dies grundsätzlich auch in Deutschland möglich ist, zeigt das Beispiel Payback. Das Unternehmen hat die Einwilligung seiner Kunden zum Sammeln feingranularer Nutzungsdaten. Horst Müncheberg[8] beschreibt, wie die Akzeptanz erreicht wird: Durch den Beweis, dass die Daten auch für eine Verbesserung des eigenen Angebots eingesetzt werden. Jedes Mailing ist auf die persönlichen Vorlieben des Kunden hin individuell konfiguriert. Bei einer Auflage von elf Millionen eines Mailings sind acht bis neun Millionen Stück inhaltliche Unikate. Dank Big Data ist das Unternehmen in der Lage, die hochpersonalisierten Werbemittel wie Newsletter oder Punkteübersichts-Mailings mit tausenden von Zielgruppen und hunderten von einzelnen Werbeflächen vergleichsweise einfach zu administrieren. Allein in Deutschland sind es 25 Millionen Kunden, die Payback nutzen. Transparenz und persönlicher Nutzen sind die Gründe für die hohe Akzeptanz dieses datengetriebenen Geschäftsmodells im datenkritischen Deutschland.

Nicht immer müssen es personenbezogene Daten sein, die für die Personalisierung von Inhalten eingesetzt werden. Schon lange setzt sich Stephan Noller für eine Individualisierung von Inhalten ein, die auf Personendaten aus Datenschutzgründen bewusst verzichtet. In seinem Beitrag demonstriert er, wie Werbebanner in Echtzeit so ausgewählt werden, dass sie mit der höchstmöglichen Wahrscheinlichkeit den Interessen des Besuchers entsprechen. Heutige Werbebanner lösen vor ihrer Auslieferung oft eine Kette von Serveranfragen, Echtzeitauswertungen und datengetriebenen Entscheidungen aus, die allein wegen der technischen Kosten nicht selten die Erlöse übersteigen. Was für Onlinebanner gilt, wird bald auch für Plakate an Bushaltestellen möglich sein: Wenn unter den Wartenden jemand ist, der kurz vor einer Kaufentscheidung steht, kommt auf diese Person zugeschnittene Werbung.[9]

Eine große Herausforderung ist und bleibt die Tatsache, dass Kunden über ganz unterschiedliche Endgeräte kommunizieren. Die „Customer Journey” korrekt zu erfassen, ist eine nicht zu unterschätzende Aufgabe, wie Timo von Focht aus langjähriger Erfahrung weiß. Statt jetzt von unterschiedlichen Systemen jeweils eigene Sensoren zu installieren, beschreibt er eine Technik zur Bündelung dieser Messfühler. Da Unternehmen immer mit einer Vielzahl unterschiedlicher Anbieter von Trackingsystemen zusammenarbeiten, ist das Management der Messfühler oft aufwendig. Da nun auch immer mehr Kommunikationskanäle erfasst werden müssen, gerät das System schnell außer Kontrolle. Moderne Tag-Management-Systeme lösen das Dilemma.

Die größte Datenquelle ist das Social Web. Anders als im „normalen” Web sind Menschen in Netzwerken wie Facebook, Twitter oder Xing meist eingeloggt unterwegs. Nutzungsdaten sind also mit Personendaten verknüpft und der Nutzer hat dem in den allgemeinen Geschäftsbedingungen zugestimmt. Die meisten Informationen werden von den Netzwerken nur intern verwertet, um damit die Relevanz der Informations- und Webeangebote zu steigern. Andreas Werner erläutert, welche Kenngrößen Unternehmen nutzen können, um ihre eigenen Angebote dort zu optimieren.[10]

Alle digitalen Kontaktpunkte zwischen Kunden und Unternehmen sollten so optimiert sein, dass der Kontakt nicht verloren geht. Dr.-Ing. Ralph Hünermann beschreibt, wie Unternehmen an den Kontaktpunkten für ein durchgängig angenehmes Erlebnis sorgen. Weil aber Kunden ganz unterschiedlich reagieren, muss auch das positive Erlebnis am Touchpoint auf den jeweiligen Nutzer abgestimmt werden. Er erläutert die unterschiedlichen Targeting-Ansätze und führt aus, wie Unternehmen mithilfe von Big Data die Optimierung ihrer digitalen Kontaktpunkte deutlich verbessern und ihre Kommunikation kundenzentrisch ausrichten können.

Sind alle Informationen über den Weg des Kunden, die eingesetzten Werbemittel und die präferierten Touchpoints vorhanden, kann die Lifecycle-Analyse eingesetzt werden, um noch weiter zu personalisieren. Dr. Stefan Schulte erläutert, wie bei der Verteilung der Budgets auf möglichst profitable Kundensegmente und Kampagnen vorgegangen wird.

Ein wahres Eldorado für Big-Data-Fans ist der eigene Onlineshop. Olaf Grüger erläutert detailliert, welche Methoden heute schon eingesetzt werden und wie deren Erfolg gemessen wird. Um einen Webshop profitabel zu gestalten, gilt es, das Zusammenspiel von Image, Sortiment, Preisen, Service, CRM, Werbung und der Website an sich zu prüfen und zu optimieren. Pure-Player haben hier gegenüber etablierten Multi-Channel-Händlern und Marken den Vorteil, dass sie das Setup onlineoptimiert aufsetzen können und nicht historisch gewachsene Systeme und Datenbanken mit viel Aufwand adaptieren müssen. Während der Schwerpunkt von Webshops lange Zeit auf der Neukundenakquisition lag, setzt sich zunehmend der Blick auf die Bestandskunden und deren Wert durch. Mithilfe von Big Data wird das Verhalten von Kunden analysiert, bevor sie nicht mehr kaufen oder kündigen. Die Auswertung der Häufigkeit der Nutzung der diversen digitalen Tools, Teilnahme an Veranstaltungen, Webinaren, Events oder No-Shows können wesentliche Indikatoren für die bevorstehende Abwendung vom Unternehmen sein.[11]

Einer der spannendsten Aspekte des Data-driven Marketing ist die Vorhersage in Echtzeit. Dunja Riehemann zeigt, wie Predictive Analytics dazu genutzt werden kann, Preise dynamisch anzupassen. Beim Katalogversand verschickt ein Unternehmen seine teuren Pakete nur an Kunden, von denen errechnet wurde, dass sie durch den Erhalt des Katalogs in ihrem Kaufverhalten positiv beeinflusst werden.

Einen Schritt weiter geht der weltweit größte Onlineshop Amazon. Carsten Knop beschreibt kenntnisreich den Weg des Unternehmens vom Buchhändler zum Universalversand und schließlich zum Datenhändler. Wobei die Daten natürlich nicht verkauft werden, sondern nur die datengetriebene Platzierung von Produkten und Werbung. Knop zeigt sehr schön, was Unternehmen von Amazon lernen können. Er schreibt: „Zunächst sollte die Tatsache, dass man in der Erhebung, Analyse und Verwendung von Daten versiert ist, fester Bestandteil einer jeden Unternehmenskultur werden. Zahlen und konkrete Ergebnisse werden danach zur validierbaren Grundlage von Entscheidungen; der hierarchische Rang von Mitarbeitern beziehungsweise ihren Vorgesetzten – oder ihre Protektion durch Dritte zum Beispiel über Beziehungen – werden in der Folge unwichtiger oder gar bedeutungslos.”[12]

Eine andere Branche ist ebenfalls sehr weit in der Evolution zum datengetriebenen Unternehmen: Die Spieleindustrie. Sven Schmidt erläutert die gravierenden Veränderungen der Vertriebsmodelle. Früher wurden die Spiele physisch verpackt, massiv beworben und im Handel verkauft. Heute verbreiten sich kostenlose Basisvarianten viral und das Geld wird durch nachgelagerte Prozesse verdient. Hier zählt nicht mehr das Werbebudget, sondern die Qualität des Produkts. Neben einem hervorragenden Spiel selbst ist die Servicequalität und die kundenspezifische Relevanz der angebotenen Güter und Services ein kritisches Alleinstellungsmerkmal. Dazu arbeiten Marketing- und Akquisemanager sowie Datenanalysten, Monetarisierungsexperten und Spieldesigner eng zusammen, um den von ihnen verantworteten Abschnitt des Kundenfunnels ständig zu optimieren. Von der Registrierung an wird der gesamte Kundendialog datengetrieben personalisiert.

Das rein datengetriebene Geschäftsmodell beschreibt Nicolas Clasen am Beispiel von Google und Facebook. Beide Unternehmen verdienen ihr Geld damit, dass Sie dem Endkunden alles gratis anbieten und den Kontakt zu diesen Kunden anschließend an Unternehmen vermitteln. Der Spagat dabei besteht darin, dass Nutzer sich von dem System abwenden, sobald es langweilig wird oder die Werbung stört. Werbung muss informativ sein und für den Nutzer einen Mehrwert bieten. Inhalte müssen relevant sein, damit die Nutzer wiederkehren und die Verweilzeit steigt. All das ist nur durch die Analyse sämtlicher Nutzungsdaten möglich. Clasen schreibt: „Und nur durch den Einsatz von Daten über die Reaktion der Google-Nutzer auf die Werbeanzeigen kann die Zielgenauigkeit der Anzeigenauslieferung sichergestellt werden, sodass die Werbeanzeige auch auf die richtige Zielgruppe trifft. Google unterscheidet beispielsweise zwischen ‚Long Klicks’ und ,Short Klicks’. Kehrt ein Nutzer direkt nach dem Klick auf eine Anzeige wieder auf die Suchseite zurück und klickt eine andere Anzeige oder einen anderen Link in den Suchergebnissen an, wird die Anzeige in der Relevanzsortierung herabgestuft. Klickt ein User jedoch auf eine Anzeige und kehrt dann nicht direkt wieder zur Suchseite zurück, geht Google davon aus, dass die Anzeige hilfreich war: sie rutscht im Ranking nach oben.”[13]

Zum Abschluss des Buches erläutert Rechtsanwalt Dr. Jens Eckhardt die rechtlichen Rahmenbedingungen des datengetriebenen Marketings. Im Vordergrund steht dort die Selbstbestimmung des Nutzers. Dieser muss wissen, was mit seinen Daten geschieht und muss damit einverstanden sein. Eckhardt geht auch auf die Möglichkeit der Anonymisierung und Pseudonymisierung ein.[14]

Quasi als Ausblick beschreibt Alain Heureux schließlich, was sich derzeit in Brüssel zusammenbraut. Die EU wird eine neue Datenschutzrichtlinie verabschieden, die voraussichtlich 2017 in Kraft treten kann. Hier geht es ganz konkret um die Transparenz bei der Verarbeitung personenbezogener Daten.

So möge Ihnen dieses Buch ein Wegweiser im Dschungel des noch jungen Themas Big Data sein. Ich wünsche Ihnen, dass die verantwortungsbewusste Nutzung von Daten Ihrem Unternehmen und Ihren Kunden einen Mehrwert bietet, der sich nicht nur in Ihren Geschäftszahlen, sondern auch im guten Ruf Ihres Unternehmens widerspiegelt.

Waghäusel im Juni 2015

Dr. Torsten Schwarz

1   Dialoge in Zeiten des Internets der Dinge

Martin Nitsche/Christian Gründig

Heute sind mehr Objekte mit dem Internet verbunden, als es Menschen gibt. Es wird davon ausgegangen, dass das Internet inzwischen über 10 Milliarden Geräte vernetzt. So ganz genau weiß das keiner mehr. Eines aber ist sicher: Die Zahl wird weiter wachsen und mit ihr das Internet der Dinge. Gartner schätzt, dass bis zum Jahr 2020 rund 26 Milliarden Geräte miteinander vernetzt sein werden, andere sprechen gar von 50 bis 100 Milliarden. Das sind unglaubliche Zahlen angesichts einer fast unmerklichen, gleichzeitig aber sehr massiven Entwicklung.

Schon jetzt sprengt dieses Wachstum alle Grenzen. In den Anfangstagen des Internets konnte sich niemand vorstellen, dass man mehr als 4,3 Milliarden eindeutige Internetadressen brauchen könnte. Inzwischen wurde das alte IPv4-System auf IPv6 umgestellt, sodass nun 340 Sextillionen Internetadressen zur Verfügung stehen. Das sollte eine Zeit lang ausreichen. Hoffentlich. Doch wie wird es werden, wenn bald jeder Joghurtbecher über RFID-Technologie mit dem Internet in Kontakt tritt?[15]

1.1   Das Internet der Dinge wird Realität

Ein normales Auto hat heute schon rund 60 Mikroprozessoren, die miteinander vernetzt sind. Sensoren überprüfen beispielsweise, welche Airbags im Falle eines Unfalls ausgelöst werden. Ergänzt werden sie um GPS zur Positionsbestimmung und Radartechnologie. Das Fahrerlebnis wird immer besser, die Technologie unterstützt uns und macht das Fahren komfortabler und sicherer. Langsam übernimmt die Technik und das selbstfahrende Auto wird Realität. Gleichzeitig wissen wir aber auch, wie hoch die Komplexität eines solchen Systems ist und was passiert, wenn nur einer der 60 Computer im Auto ausfällt.

Die Vernetzung innerhalb des Autos ist jedoch erst der Anfang. Die mobile Datenübertragung vernetzt jedes einzelne Auto mit dem Hersteller. In Echtzeit lassen sich die vom Auto gesammelten Informationen aggregieren und selektieren, um dann zwischen Auto und Servicecenter des Herstellers ausgetauscht zu werden. Auch hier steigt der Komfort, wenn das Auto den Termin für den Ölwechsel selbst festlegt oder bei einem Unfall selbstständig Hilfe holt. Gleichzeitig steigt aber auch die Abhängigkeit, denn die Wahl der Werkstatt für den Ölwechsel liegt dann beim Auto, nicht mehr beim Besitzer. Das muss nicht unbedingt schlecht sein. Am Beispiel von Apple sieht man, dass sich viele Menschen durchaus freiwillig in die Abhängigkeit eines geschlossenen „Ökosystems” begeben. Sie schätzen den damit verbundenen Komfort. Dies führt zu glücklichen und gleichzeitig sehr eng an das Unternehmen gebundenen Kunden. Aus dem Einmalverkauf wird so eine dauerhafte Beziehung, die sich immer wieder erneuert.