Datengetriebenes Marketing Flashcards
Woher stammt der Trend des datengetriebenen Marketings?
Er kommt aus der 2000er Wende, verursacht durch erhöhtes Datenvolumen, Internetpenetration und neue Blogs, Social Mediaplattformen, Smartphone (“Daten Generation”).
Durch das große Datenaufkommen, das aufgrund der rasant wachsenden Entwicklungen im Cloud-Computing Bereich digital gespeichert werden konnte, hatten Marketers und Statistiker erstmal die Möglichkeit durch fortgeschrittene statistische Techniken unstrukturierte Kundendaten wie Videos, Audiodateien, aber auch Bilder und Konversationen zu analysieren. Dadurch wurde es erstmal möglich, Direktmarketing in den Kontext von Personalisierung und individualisierten Angeboten im Bereich der Digitalisierung zu setzen.
Marketing galt einst als “Kreativ-Gebiet”. Heute ist es ein Bereich, in dem analytisches Denken benötigt wird. Zur Entfaltung neuer Potenziale sollten Marken verstärkt kreative und analytische Fähigkeiten verbinden, um Konsumenten individuell anzusprechen (Personalisierungsgrad). Es braucht heterogen zusammengesetzte Teams.
In welche fünf Bereiche lässt sich die Evolution des Marketings in Rolle und Anwendung seit der 2000-er Wende gliedern? (5)
nach Shah
- Kreativität: Anhand von ansprechenden Inhalten für Konsumenten basierend auf ihren Interessen, z. B. im Bereich von bezahlten Werbeanzeigen.
- Relevanz: Vom Produktfokus hin zum Kundenansatz als Basis des Kundenbeziehungsmanagements, erstmal messbar durch z. B. Kundenlebenszykluswert, Kundenzufriedenheitsrate.
- Analytische Fähigkeiten: Big Data prägt den Begriff, ein hohes Datenvolumen zu analysieren. Daraus entwickelten sich vermehrt der Trend zu den Jobrollen Data Scientist und Data Analyst. Im Marketing werden diese Fähigkeiten zunehmend wichtiger im Bereich des Online-Marketings, um beispielsweise Kampagneneffektivität zu analysieren.
- Rechenschaftspflicht der Marketingrolle: Durch wachsende Kundendaten und –quellen können auch CMO’s den Mehrwert von Marketing argumentieren und in messbaren Größen darstellen.
- Technologie: In der digitalen Disruption transformieren neue Technologien wie Augmented Reality und künstliche Intelligenz, Algorithmen den Kundenservicebereich mithilfe von Sentiment Analysen oder die Verarbeitung der natürlichen Sprache (NLP).
Was steht im Mittelpunkt einer jeden guten Markenstrategie?
Wiederkehrende Kunden (Aufbau und Erhalt der Kundenbeziehung). Um das zu erzielen, benötigt es ein Verständnis über die Bedürfnisse, Motivation, aber auch Herausforderungen der zu adressierenden Personen.
Was versteht man unter einer Buyer Persona?
Es handelt sich um eine Repräsentation des idealen Kunden. Anhand dieser kann man Personenprofile mit ähnlichen Interessen und Einstellungen ansprechen.
Was steht im Fokus der Buyer Persona?
Ein aussagekräftiges Narrativ, mit dem sich die Personengruppe identifizieren kann.
Was ist die große Herausforderung bei der Erstellung von Buyer Personas?
Die Datengrundlage fehlt, welche das imaginative Bild und die Attribute der potenziellen Käufer bekräftigt.
Dabei wird zwischen impliziten – einer Annahme über das Verhalten der Person – und expliziten Informationen – tatsächliche Fakten über die Person, welche über diese selbst eingeholt wurden – unterscheiden. Ein Beispiel zur Veranschaulichung der wesentlichen Unterschiede bietet der Vergleich der demografischen Zwillinge Ozzy Osbourne und Prinz Charles aus Großbritannien. Beide sind augenscheinlich im gleichen Alter, britisch und wohlhabend, leben jedoch einen sehr unterschiedlichen Lebensstil. Aufgrund Letzterem benötigt es eine differenzierte Ansprache in der Markenkommunikation.
Warum spricht man heute von datengetriebenen Personas?
Heute ist es durch das User-Verhalten auf Webseiten und dem Engagement mit Markeninhalten möglich, Interessen der User abzuleiten.
Die Grundlage dafür sind Daten, die ein User angibt, als auch Webverhaltensdaten. Im Gegenzug zum abstrakt kreierten Kundenprofil ist es Marken dadurch möglich, mithilfe von automatisierten Algorithmen, in Echtzeit auf die Bedürfnisse der Konsumenten einzugehen und individuell angepasste Inhalte zu erstellen. Somit bleibt das Profil aktuell und wird sukzessive durch Informationen angereichert. Beispielsweise können datengetriebene Personas weitere Informationen wie den Status einer Sentiment Analyse aufgrund der veröffentlichten Beiträge liefern, sowie Marken einen Überblick über ihre Kundenloyalität verschaffen.
Was versteht man unter einer Omnichannel Customer Experience?
Man muss eine konsistente Markenbotschaft über eine kanalübergreifende Customer Journey gewährleisten: Hybride Erlebnisse (digitale + physische Infromations- und Einkaufskanäle)
Wie funktioniert die Omnichannel Customer Experience?
Es werden Daten von potenziellen Käufern (inkl. User-Verhalten in Bezug auf E-Commerce, Marken-App, Marketingengagement) für ein einheitliches Personenprofil gesammelt. Man zentralisiert Daten und kann damit Kunden personalisiert am gewünschten Kanal mit der richtigen Botschaft ansprechen und redundante Informationen ausschließen.
Aufgrund der steigenden Anzahl an Kanälen und der sinkenden Aufmerksamkeitsspanne und dem Bedürfnis von Konsumenten personalisiert angesprochen zu werden, können technologische Entwicklungen wie künstliche Intelligenz und Marketing Automationsplattformen helfen, die Individualisierung skalierend voranzutreiben.
Nur zum wiederholten Lesen: Praxisbeispiele von Omnichannel Customer Experience
Amazon
Amazon als Omnichannel Beispiel zeigt, dass durch den Lock-In Strategie Effekt die Kundenbeziehung an jedem Touchpoint im Mittelpunkt steht. Angefangen bei Amazon Prime ist es dem Unternehmen möglich sowohl Einkaufsverhaltens- als auch Filmpräferenz-Daten zu sammeln und gleichzeitig einen premium Kundenservice zur Verfügung zu stellen. Zudem hat Amazon mit Amazon Pay einen simplifizierten Bezahlprozess über externe Webseiten geschaffen, um Kunden einen Mehrwert auch außerhalb des Amazon Ökosystems zu bieten. Auch im Bereich Voice Shopping, mit Amazon Smart Assistant Alexa, hat die Marke es geschafft das Einkaufserlebnis zu vereinfachen.
Mit Amazon Go hat das Unternehmen weitere Schritte in die Weiterentwicklung des hybriden Kundenerlebnisses gesetzt. Als First Mover der „Just Walk Out“-Shopping Technologie basierend auf Deep Learning Algorithmen gepaart mit Computer Vision werden Produkte in einem virtuellen Einkaufswagen abgelegt. Beim Verlassen des Shops erfolgt die Abrechnung direkt über den Amazon Account. Neben den ersten Lebensmittelsupermärkten dringt Amazon auch in die Kleidungsindustrie mit physischen Stores vor.
Wahr oder Falsch.
Im Jahr 2022 gibt es bereits beinahe zehntausend Marketing Technologie Tools. Das entspricht einer Vervierfachung innerhalb von nur fünf Jahren. Im Durchschnitt kommen beispielsweise in der B2B-Industrie in den Vereinigten Staaten zwischen fünf und zehn Tools zum Einsatz. Unter Marketingtechnologien fallen Softwarelösungen u. a. in den Bereichen Social Media, Content, Advertising, CRM, Marketing Automation, Commerce, Datenmanagement.
Fast richtig. Im Jahr 2022 gibt es bereits beinahe zehntausend Marketing Technologie Tools. Das entspricht einer Verdoppelung innerhalb von nur fünf Jahren. Im Durchschnitt kommen beispielsweise in der B2B-Industrie in den Vereinigten Staaten zwischen fünf und zehn Tools zum Einsatz. (Statista, 2021) Unter Marketingtechnologien fallen Softwarelösungen u. a. in den Bereichen Social Media, Content, Advertising, CRM, Marketing Automation, Commerce, Datenmanagement.
Wie groß ist der Umsatzwert von Marketingtechnologien.
Rund 350 Milliarden USD.
Die Hälfte davon in UK in USA
Nur zum wiederholten Lesen: MarTech
Der Markt wird derzeit auf einen Umsatzwert von rund 350 Milliarden Dollar weltweit geschätzt, knapp die Hälfte davon in den Vereinigten Staaten und Großbritannien. Dementsprechend planen Marketers u. a. in den Bereichen Augemented Reality, Virtual Reality, Künstliche Intelligenz Assistenten, sowie der Personalisierung ihren Marketing Technologie (MarTech) Stack zu erweitern. Der Hauptfokus liegt bei über 80 Prozent der Unternehmen in den Vereinigten Staaten im Bereich E-Mail Marketing, gefolgt von sozialen Medien und dem Einsatz von Landing-Pages. Auf der Konsumentenseite bevorzugt die Mehrheit den Einsatz von MarTech im Bereich künstliche Intelligenz Assistenten sowie Virtual Reality und empfindet dadurch das Einkaufserlebnis als bequemer und angenehmer.
Was versteht man unter Marketing Automation?
Es handelt sich um eine etablierte Software Technologie, die Marketingabläufe automatisiert. Die Art der Automation ist einer der zentralen Aspekte jeder Markenstrategie, nicht zuletzt aufgrund der Skalierung und Individualisierung im Bereich des Kundenbeziehungsmanagements.
Wofür nutzt man Marketing Automation? (2)
- Verhaltensbasiertes Targeting
- Automatisierte Personalisierung
Um Marketing Automation als Software in eine Unternehmenskultur zu verankern, benötigt es nicht nur eine ausgereifte Technologie. Was braucht es noch? (2+1)
Es braucht digitale Fähigkeiten der Mitarbeiter und integrierte, digitale Unternehmensprozesse.
Demnach ist der digitale Reifegrad eines Unternehmens die Basis einer jeden Marketing Technologie Implementierung. Ist der digitale Reifegrad vorangeschritten und eine qualitative, datenschutzkonforme Kundendatenbasis gegeben, kann angefangen vom klassischen E-Mail Marketing mit einem Newsletter, die gesamte Customer Journey über diverse Kommunikationskanäle in der Software eingepflegt und realisiert werden.
Bsp: Salesforce Marketing Cloud
Was versteht man unter einer Customer Data Plattform oder Kundendatenplattform?
Eine Kundendatenplattform bezeichnet aus Marketingsicht eine zentrale Kundendatenbank, die es ermöglicht sowohl interne als auch externe Marketingdatenquellen von Unternehmen und Partnern zu integrieren, um somit eine eindeutig identifizierbare Sicht über mehrere Datenpunkte auf den Kunden zu bekommen.
Welche Daten fließen in die Kundendatenplattform oder Customer Data Plattform (CDP) mit ein? (7)
- Transaktionsdaten
- CRM-Daten
- Website-Daten
- Social-Media-Daten
- Werbeplattformdaten
- Marketing Automations-Daten
- E-Mail-Marketing-Quellen
Wozu dient eine Customer Data Plattform? (2)
- Omnichannel-Marketing: Das Kundenprofil wird sukzessive mit potenziellen Kaufinteressen angereichert
- Richtigen Moment für Kauf erkennen: Customer Insights werden durch Anhaltspunkte wie implizitem Interesse beispielsweise über das Websiteverhalten gemessen und anschließend mit Transaktionsdaten gepaart um Cross- und Upselling Potenziale zu erkennen.
Vervollständige
Laut einer Umfrage im Bereich Marketing Technologie von Statista (2021) geben Entscheidungsführer in den Vereinigten Staaten an, dass ihre Kundendatenplattform signifikante Verbesserungen auf den Online ________ und die ________________ bewirken konnte, gefolgt von einer Optimierung des ________________________ und gesamtheitlich im ________________-Prozess. Der Mehrwert einer CDP wird dabei der ________________ im Marketing zugeordnet.
Laut einer Umfrage im Bereich Marketing Technologie von Statista (2021) geben Entscheidungsführer in den Vereinigten Staaten an, dass ihre Kundendatenplattform signifikante Verbesserungen auf den Online Umsatz und die Kapitalrendite bewirken konnte, gefolgt von einer Optimierung des Kundenlebenszyklus und gesamtheitlich im Kundenakquise-Prozess. Der Mehrwert einer CDP wird dabei der Effektivität im Marketing zugeordnet.
z.B. AEM
Wahr oder Falsch
Im Zuge der Marketing-Evolution entstanden über die letzten Jahre eine Vielzahl an Tools, welche sich auf einzelne Bereiche des Such- und Kaufverhaltens der Nutzer spezialisierten. Suchmaschinen-Werbung, sowie Suchmaschinen-Optimierung wurden zunehmend wichtiger und Performance Messmetriken sind neben der kreativen Auslegung des Inhalts zum essenziellen Teil einer datengetriebenen Markenstrategie geworden.
Wahr.
Wozu dient Marketing Analytics?
Es hilft Unternehmen Erkenntnisse über die Probleme von Konsumenten zu erlangen und schafft für Kunden einen Mehrwert anhand von individualisierten Produkten.
Dabei geht es um die Analyse von Marketingdaten innerhalb der Customer Journey, um diese mithilfe von abgeleiteten Erkenntnissen zu optimieren.
In welcher Phase auf dem Analytics Kontinuum befinden wir uns momentan?
In der dritten Phase (Analytics 3.0).
Welche Phasen des Analytics Kontinuum gibt es? Worin geht es in den einzelnen Phasen.
Früher ging es darum, operative Aufgaben anhand von Datenanalysen in Unternehmen zu verbessern und man befasste sich in der „Data Generation“ mit unstrukturierten, großen Datenmengen. Heute entwickelt sich Analytics 3.0 in die Richtung der Integration von neuen Technologien in bestehende Anwendungen weiter.
- Analytics 1.0: Data, tlw. Data warehouses
- Analytics 2.0: tlw. Data warehouses, Big Data, tlw. Internet of things
- Analytics 3.0: tlw. Internet of thing, Intelligent things
In Bezug auf den Reifegrad der Datenanalyse waren früher Erkenntnisse durch die beschreibende Analyse möglich. Durch das hohe Datenaufkommen beschäftigte man sich zusätzlich mit der diagnostischen Betrachtung und konnte Beziehungen durch systemische Analysen erkennen. Mit Big Data wurde eine Anreicherung der prädiktiven Sichtweise, möglich welche historische Daten als Basis für zukünftige Ereignisse in den Kontext stellte. Heute analysieren künstliche Intelligenz Algorithmen Daten und geben als Resultat Handlungsempfehlungen ab.