Daten – sie stecken in deinen Kunden, auf deiner Website, in der Online-Werbung, in Social Media und an vielen weiteren Stellen. In ihnen schlummert das Potenzial, Marketingziele planvoll und strukturiert zu erreichen.
Wenn es darum geht, einen Maßnahmenplan für mehr Leads, mehr Kunden und mehr Umsatz auf die Beine zu stellen, wird die Macht der Daten jedoch häufig unterschätzt. Stattdessen werden Entscheidungen „aus dem Bauch heraus“ getroffen oder auf Grundlage unvollständiger beziehungsweise fehlerhafter Daten, denen zu wenig Aufmerksamkeit gewidmet wird.
Es zeigt sich immer wieder, dass bestehenden Daten zum einen nicht vertraut wird und zum anderen, dass die Ressourcen fehlen, mit diesen Daten zu arbeiten. Grund hierfür sind sowohl zeitliche Ressourcen als auch solche in Bezug auf die erforderlichen Kompetenzen. Zu häufig noch werden CRM, Analytics oder andere Auswertungen lediglich als Beiwerk empfunden, die in einen monatlichen Report münden, aber nicht als Entscheidungsgrundlage dienen.
Was es braucht, sind einfache, leicht konsumierbare „Datenhäppchen“, die entsprechend mit Handlungsempfehlungen verknüpft sind. Und zwar für jeden Mitarbeiter genau jenes „Häppchen“, für das er im Tagesgeschäft verantwortlich ist. Auf diese Weise zahlen Daten direkt auf den Erfolg ein. Das Bauchgefühl und die Erfahrungen des einzelnen Mitarbeiters sind und bleiben wichtig, sollen und müssen aber mit der Realität (den Daten) abgeglichen werden.
Was ist Data Quality?
Data Quality ist die Genauigkeit, Richtigkeit, Vollständigkeit, Aktualität und Einheitlichkeit von Daten, um deren Wert für den geplanten Einsatzzweck zu gewährleisten.
Wie helfen dir Daten, richtige Entscheidungen zu treffen?
Egal ob du die Führungsebene, das Team oder die Kunden überzeugen möchtest – eine valide Datenanalyse, bei der die Qualität der Daten und ihre richtige Interpretation im Vordergrund steht, ist von immenser Bedeutung.
Am Anfang der datengetriebenen Arbeitsweise geht es immer darum, andere Menschen zu verstehen. Was genau wollen oder brauchen diejenigen, die überzeugt werden sollen? Wenn dieses Wissen vorliegt, kannst du an jedem Kontaktpunkt die bestmögliche Nutzungserfahrung bieten und überzeugen. Dabei solltest du neben der Analyse des Endkunden auch immer die Mitarbeiter im Blick behalten, die mit den Lösungen arbeiten und sie bedienen werden. Es ist wichtig, zu sehen und zu verstehen, welchen Mehrwert sie daraus ziehen sollen.
Was ist für die Qualität von Nutzungserfahrungen ausschlaggebend? Zum einen ist es die Gestaltung eines jeden einzelnen Kontaktpunktes, damit jede Interaktion ein hochwertiges und konsistentes Erlebnis bereithält. Verschließe dich auch nicht vor den Möglichkeiten der Personalisierung: Wenn du individuelle Kundenbedürfnisse personalisierst, bietest du einen Service, der Kunden begeistert.
Ein anschauliches Beispiel: Stell dir vor, ein Gast übernachtete in einem Hotel und ernährte sich während des Aufenthalts durch und durch vegetarisch. Es würde keinen Sinn ergeben, diesem Gast via Newsletter ein Angebot für ein Wochenend-Spezial mit Steak-Menü zu schicken. Die Wahrscheinlichkeit dürfte bei nahezu null Prozent liegen, dass der Gast die Website besucht oder die dazugehörige Landingpage aufruft. Es wird kein Lead generiert und damit auch kein Umsatz. Eine deutlich bessere Entscheidung wäre gewesen, die Daten über das Essverhalten der Gäste auszuwerten und dann passgenaue Angebote per Newsletter zu verschicken – darunter auch ein Veggie-Spezial.
Die folgende Abbildung visualisiert, welche Kundenreaktionen Aktivitäten von Marketing und Vertrieb hervorrufen können, die nicht auf Kundendaten basieren:
Welche Daten solltest du sammeln?
Vorweg: Die Sammlung der Daten muss vor allem „wie von Zauberhand“ automatisch im Hintergrund ablaufen, denn, sind wir ehrlich: Kein Marketer möchte und kann sich mit Datasets oder Strukturen befassen oder gar Datentöpfe manuell zusammenziehen.
Wichtige Stichworte sind hier die Enterprise-Architektur, das Datenkonzept und vor allem die „Sparsamkeit“. Letzteres meint, dass du nur jene Daten sammeln solltest, die du tatsächlich benötigst. Auf diese Weise sparst du Geld für Datenspeicher und Zeit bei der Auswertung. Deine Datenarchitektur wird weniger komplex und fehleranfällig in den Schnittstellen oder der Geschwindigkeit von Datenflüssen. Ein positiver Nebeneffekt ergibt sich auch für die Einhaltung der DSGVO, zu der du dich mit einer sparsamen Datennutzung erfreulich konform verhältst.
Welche Eigenschaften sollten nun Daten auszeichnen, um die Aktivitäten zur Leadgenerierung erfolgreich unterstützen zu können? Gute Daten zeichnen sich durch ihre Korrektheit, Gültigkeit und Vollständigkeit aus. Auch sollten sie aktuell sein und konsistent. Das heißt, es sollte keine Dubletten der Daten geben, wie sie beispielsweise entstehen, wenn diese aus verschiedenen Quellen zusammengetragen werden.
Um deine Kunden besser kennenzulernen, genügt es allerdings nicht, Daten und Informationen einfach zu sammeln und anzuhäufen. Du solltest dich bereits im Vorfeld fragen: Welche Daten benötige ich? Wähle die wichtigen Daten nach dem Relevanzkriterium aus: Welchen Nutzen bringen dir die Daten beziehungsweise welchen Nutzen sollen sie dir bringen?
Als vielversprechend hat sich herausgestellt, zuerst nach dem Zweck zu fragen (Was möchte ich wissen?) und im Anschluss diejenigen Daten auszuwählen, die dieses Wissen vermitteln. Dann ist noch die Frage zu beantworten: Wie kann ich die Daten selektieren? Und wie lassen sie sich mit den strategischen Unternehmenszielen abstimmen?
Welchen Sinn hat die Datenerhebung?
Zuallererst geht es darum, die Grundlagen der Datenerhebung strategisch zu planen. Warum und für welchen Zweck sollen Daten erhoben werden?
Typische Ziele, für deren Umsetzung Daten erhoben werden, sind die
- Leadgenerierung,
- die Stärkung des Markenimages,
- die Prozessoptimierung sowie
- die Verbesserung von Kundenzufriedenheit und Kundenerfahrung.
Auch die Optimierung des gesamten Nutzungserlebnisses steht häufig im Vordergrund.
Für alle Geschäftsentscheidungen bedarf es der Datenerhebung und -analyse sowie vorgelagert einer Datenstrategie, aus der hervorgeht, was, warum, wie gesammelt wird – und wo es gegebenenfalls noch zu schließende Lücken gibt.
Beispielsweise willst du Geburtstags-Gutscheine versenden und verfügst nur über einen Bruchteil an Datensätzen mit Geburtsdatum. Dann solltest du diese Lücke in der Datenstrategie berücksichtigen. Dafür braucht es entsprechende Expertise und neue Rollen im Unternehmen, etwa Data Scientists, Data Analysts, Data Officers oder Datenmanager.
Mit welchen Methoden kommst du an die richtigen Daten?
Damit du dir nicht ziellos Daten aus verschiedenen Quellen ziehst, solltest du zunächst diejenigen Metriken und Messwerte identifizieren, die den größten Erfolg für dein Business versprechen. Es geht hier um Daten, die die besten Rückschlüsse im Hinblick auf die Zielsetzung erlauben.
Für die gängigen Metriken gibt es geeignete Methoden, die quantitativ oder qualitativ messen und die mittels Befragungen erhoben oder aus Bewegungs- und Interaktionsdaten ablesbar sind. Wichtig ist, dass du beachtest, dass häufig nicht jedes Team vollumfänglichen Zugriff auf alle Daten besitzt. Vor dieser Herausforderung stehen viele Unternehmen. Eine Lösung ist die sogenannte Demokratisierung der Daten und Tools. Das bedeutet, dass allen Mitarbeitern, die mit digitalen Kanälen arbeiten, die relevanten Informationen auch zur Verfügung stehen müssen.
Welche Methoden sind am sinnvollsten? Diese Frage kann nicht pauschal beantwortet werden, sondern hängt immer von den zeitlichen, technischen und finanziellen Rahmenbedingungen ab. Du musst die passende Methode immer neu im Hinblick auf die zu erreichenden Ziele auswählen. So lässt sich die Leistungsfähigkeit beispielsweise quantitativ an Geschwindigkeit, Ladezeit oder Zugänglichkeit messen.
Wenn du zum Beispiel die Nutzbarkeit deines Shops optimieren möchtest, können Testuser zur Menüführung und zur Funktionalität auf verschiedenen Endgeräten und auch zur Barrierefreiheit qualitativ befragt werden. Ihr Verhalten lässt sich andererseits auch etwa über Eye-Tracking quantitativ messen. Engagement und Konversion kannst du aus Nutzer- und Interaktionsdaten ablesen sowie aus dem Net Promoter Score, Visitor Intent und Task Completion erheben.
Eine rein subjektive Einschätzung zur Abgrenzung vom Wettbewerb liefert eine Befragung der Kunden.
Warum hilft es, Datensilos aufzulösen?
In Unternehmen ist der Umgang mit Kundendaten in der Regel historisch so gewachsen, dass jede Abteilung Datensilos aufgebaut hat, die auch nur von der jeweiligen Abteilung genutzt werden können. Übrigens betreffen Bereichssilos nicht nur die Daten, sondern auch die Ziele, spezielle Touchpoints und Tools.
Wenn du die Herausforderung angehst und diese Silos auflöst, profitieren alle davon. Hintergrund ist, dass den Abteilungen neue relevante Informationen zur Verfügung stehen, die für datengetriebenes Marketing ebenso wertvoll sind wie für Service- und Vertriebsaktivitäten.
Eine unternehmensübergreifende Zusammenarbeit sorgt für einen größeren Datenpool, eine bessere Auswertung und schließlich für erfolgversprechende Entscheidungen. Mitarbeiter erhalten entsprechend ihrer Aufgabe abgestufte Zugriffe auf den Datenpool. Diese Maßnahme ist im Hinblick auf die DSGVO entscheidend, da für den Pförtner beispielsweise sensible Informationen über die Bonität von Kunden oder die Art gekaufter Produkte nicht von Relevanz sind. Er sollte sie demnach auch nicht einsehen können.
Wie zahlen Daten auf die Optimierung von digitalen Touchpoints ein?
Die Daten müssen aus verschiedenen Silos zusammengeführt werden. Dabei ist es wichtig, Muster und Zusammenhänge zu erkennen, aus denen du wiederum Marketingaktionen ableiten kann.
Woran lassen sich Nutzungserfahrungen messen? Die Qualität deiner Daten hängt in erster Linie von Faktoren wie der Nutzbarkeit ab. Wie ist dein Webauftritt gestaltet und welche Funktionalitäten hält er bereit? Auch die Leistungsfähigkeit der Seite spielt mit hinein.
Hinzu kommen die subjektiven Faktoren wie Ästhetik oder Einzigartigkeit im Vergleich zu Marktbegleitern, denn Kunden kennen nicht nur deine Website oder deinen Online-Shop. Die Ansprüche der Nutzer sind in den letzten Jahren immer weiter gestiegen – und diese Ansprüche sollten erfüllt oder im Idealfall sogar übertroffen werden.
Um diese Ziele zu überprüfen, bietet sich ein Set an Kennzahlen an, die zusammengefasst zum Beispiel einen „Usability Score“ erzeugen. Im einfachsten Fall bietet der Score in Form einer Ampeldarstellung einen schnellen Überblick.
Dein Ziel bei der Erhebung von Daten sollte immer sein, wichtige Hinweise für die Gestaltung der Kontaktpunkte zu erhalten und daraus Handlungsbedarfe abzuleiten. An welcher Stelle besteht Verbesserungsbedarf, weil Nutzer den Shop verlassen oder ihren Kaufprozess nicht abschließen? Auf welche Weise kann ein Kontaktpunkt optimiert werden? Online-Marketer führen im Optimierungsprozess in der Regel A/B-Tests durch, um zu idealen Ergebnissen zu kommen – auch hier stehen die ermittelten Daten im Zentrum.
Wann müssen Datenquellen und Tools auf den Prüfstand?
Gestern. Jetzt. Und morgen. Im laufenden Betrieb solltest du deine Daten immer wieder neu analysieren und auch die bereits vorhandenen Datenquellen und Tools zur Analyse genau unter die Lupe nehmen. Wenn bereits verwendete Technologien eines Anbieters erfolgreich im Einsatz sind, dann ergibt ein Sprung zu einem anderen Anbieter möglicherweise weniger Sinn. Wird allerdings im Zuge der Bestandsaufnahme eine umfassende Überarbeitung des Webauftritts erwägt, kann etwa ein neues Analysetool oder ein neues Content-Management-System in Betracht gezogen werden.
Unseren Kunden Stadtwerke Rostock AG haben wir beim Relaunch der Internetseite unterstützt. Ziel war es, die Online-Angebote besser auf die verschiedenen Zielgruppen und deren spezielle Bedürfnisse anzupassen. Mithilfe von Trackingsystemen und Funktionsmodulen haben wir gemeinsam die Wirksamkeit der Kundenansprache gemessen und die Website anhand der Daten optimiert.
Wer wie die Stadtwerke Rostock einen großen Relaunch plant, muss sich im Klaren über den Projektaufwand sein. Ein Relaunch wird in der Regel alle vier bis fünf Jahre durchgeführt und bedeutet einen großen Aufwand sowohl im eigenen Unternehmen als auch bei externen Dienstleistern. Von großem Nachteil ist, dass das Angebot quasi kurz nach dem Go-live schon wieder veraltet ist und dann fünf Jahre bis zu einer Optimierung gewartet wird. Besser ist daher eine kontinuierliche Optimierung und eine Erfolgsüberprüfung dieser mittels A/B-Testmethoden, noch bevor größere Anpassungen vorgenommen werden.
Kunden und ihre Ansprüche entwickeln sich stetig weiter, ebenso sollten Anpassungen stetig erfolgen. Wer wichtige Daten und Erkenntnisse regelmäßig analysiert, kann auch aus ihnen Optimierungspotenziale ablesen und regelmäßig Anpassungen durchführen. Du musst nicht bis zu einem Relaunch warten.
Von Daten zu Erkenntnissen, zu Maßnahmen und neuen Daten!
Der fortlaufende Prozess lässt sich in einem Kreislauf darstellen: Du startest mit der Erfassung von Daten für eine Rundumsicht auf Kunden und Nutzer an allen Berührungspunkten. Im nächsten Schritt verknüpfst du Daten aus verschiedenen Quellen in einen „Goldenen Datensatz“, dem zentralen Kundenprofil. Dies erleichtert dir das Identifizieren von Mustern und Verhaltensweisen verschiedener Zielgruppen – du kannst eine personalisierte Customer Journey gestalten. Jetzt bist du in der Lage, personalisierte Inhalte und Angebote für verschiedene Zielgruppen mit jeweils relevanten Inhalten auszuspielen.
Wie ist der Kreislauf zu verstehen? Es geht dabei sowohl um das stetige Hinterfragen des Status quo als auch um kontinuierliche Anpassungen. Behalte dabei dein Ziel im Hinterkopf, konkrete Maßnahmen möglichst automatisiert abzuleiten.
Fazit
Datengetriebene Maßnahmen zur Leadgenerierung und Umsatzsteigerung gewinnen immer mehr an Bedeutung, da die Nutzererwartungen steigen und Marktbegleiter ebenfalls mit Strategien arbeiten, die auf hochwertigen Daten beruhen. Leite strategische Entscheidungen von strukturierten Daten ab und erkenne Chancen für deinen Geschäftserfolg!
FAQ
Was macht Datenqualität aus?
Datenqualität zeichnet sich durch Genauigkeit, Aktualität, Relevanz, Konsistenz, Vollständigkeit und Zugänglichkeit aus. Setze auf strukturierte Datenprozesse und effektive Datenmanagement-Tools, um qualitativ hochwertige Informationen für fundierte Entscheidungen zu gewährleisten.
Wie kann man Datenqualität messen?
Datenqualität messen gelingt über fünf Kriterien: Vollständigkeit, Konsistenz, Genauigkeit, Aktualität und Eindeutigkeit. Verfolge einen systematischen Ansatz, indem du für jedes Kriterium klare Standards definierst und sie konsequent überprüfst. Analysiere deine Daten regelmäßig und arbeite kontinuierlich an deren Optimierung. So stellst du sicher, dass deine Datenbasis solide bleibt und du fundierte Geschäftsentscheidungen treffen kannst.
Was macht ein Data Quality Manager?
Ein Data Quality Manager verantwortet Datenqualität in Unternehmen, indem er Prozesse optimiert, Datenmonitoring durchführt und Analysen entwickelt. Er stellt sicher, dass Daten zuverlässig, aktuell und konsistent sind, um effektive Geschäftsentscheidungen zu treffen und datengetriebene Strategien umzusetzen.
Welche Data Quality Tools gibt es?
Data Quality Tools zur Verbesserung deiner Datenqualität sind Talend, Informatica, SAP Data Services, Trifacta und IBM InfoSphere. Teste und vergleiche sie, um das passende Tool für dein Business zu finden und deine Datenauswertung zu optimieren.
Wieso ist Data Quality wichtig für mein Unternehmen?
Data Quality ist entscheidend für dein Unternehmen, da es die Basis für fundierte Entscheidungen, effizientes Marketing und optimierte Geschäftsprozesse bildet. Ohne saubere, genaue Daten riskierst du Fehlentscheidungen, sinkende Conversions und verpasste Geschäftschancen.
Welche Data Quality Strategien gibt es?
Data Quality Strategien umfassen Datenbereinigung, -anreicherung, -validierung, -integration und -regulierung. Setze auf fundiertes Datenmanagement, automatisierte Datenprüfungen und nutze externe Datensätze zur Verbesserung deiner Datenqualität. Implementiere regelmäßige Audits und Schulungen für optimalen Erfolg.
Ronald Schulz
Ronald Schulz beschäftigt sich seit über 15 Jahren mit digitalem Marketing, Kampagnen und der dazu passenden Erfolgsmessung. Seit 2009 arbeitet er bei T-Systems MMS und baut dort den Bereich und das Thema Data & Content Driven Services weiter aus.
