Dieser Text ist Teil 2 von 3 zu datengetriebenem Marketing. In Teil 1 haben wir eine kleine Einführung zu den Vorteilen und Herausforderungen von datengetriebenem Marketing dargestellt, jetzt vergleichen wir traditionelles mit datengetriebenem Marketing hinsichtlich Wachstum und Customer Journey.


[Mit Updates seit Erstveröffentlichung am 31. Mai 2020]

Wie treibt man Wachstum voran?

Wir benutzen das Funnel-Modell (links) seit Jahrzehnten, aber es scheitert daran gute Kunden / Interessenten frühzeitig zu erkennen und diese zu priorisieren. Man benötigt auch eine Skalierung und muss in der Lage sein, seine Marketingmethoden präzise anzupassen und zu skalieren.

Wenn man eine “Karte” der Customer Journey hat, sieht man ziemlich deutlich und früh genug, wer ein potentieller Kunde ist und es ermöglicht einem, ihm relevanten Content zu zeigen. Dadurch kann man Kundengruppen segmentieren und sein Marketing verfeinern.

Um die Rolle der Daten im großen und ganzen zu verstehen, muss man auf diese einfache Formel schauen:

Anzahl der erreichten Ziele = (Anzahl der Kontakte die interagiert haben) * (Durchschnittliche Conversion Rate)

Wenn das Ziel Verkäufe sind, ist der Umsatz eigentlich wichtiger als die Anzahl der Verkäufe. Zum Beispiel ist es besser eine Million Kartoffeln zum Preis von 1€ an Kunden zu verkaufen anstatt, dass irgendwelche Großhändler zwei Millionen Kartoffeln zum Preis von 40 Cent kaufen. Das Rabattproblem 🙂

Aus Traditioneller Perspektive: Der Marketing Funnel

Abonniere unseren Newsletter (max. 3x pro Monat)

Unser Newsletter informiert Dich über neue Themen und Trends im Onlinemarketing und der Leadgenerierung.

* benötigt






Mehr Umsatz geht beim Marketing Funnel in 3 Punkten:

Mehr Volumen:
Indem man mehr Leute in den Trichter wirft, erhöht man alle Ziele, da ein Prozentsatz von diesen zu Conversions führen werden. Statistisch gesehen ist es logisch zu glauben, dass wenn man mehr Leute von derselben Sorte in den Trichter wirft sich alles erhöht, vorausgesetzt, man weiß welche Leute das sind. Selbst dann, ist es sehr schwer und ziemlich teuer. Normalerweise versucht man die Quantität zu reduzieren und Qualität zu erhöhen. Das Gesetz von schlechten Click Through Rates (CTR) besagt:

“Jede Marketingkampagne muss mit immer niedrigeren CTR enden.”

Viel wichtiger ist aber: Deine Zielgruppe ist nicht unendlich groß. Mehr Volumen ist meistens zwingend erforderlich, es gibt aber bessere, datengetriebene Wege, das Volumen zu erhöhen. Der datengetriebene Ansatz ist “mehr von den richtigen Kunden” und man merkt klar den Unterschied zwischen “mehr von den richtigen Kunden” und “mehr Kunden und hoffentlich sind viele richtige Kunden dabei”. Es gibt aber noch weitere Unterschiede zwischen traditionellem und datengetriebenes Marketing hinsichtlich Volumen.

Marketing Analytics / DataDrivenBusiness

Bessere Conversion Rates:
Man kann viel bessere Conversion Rates erhalten indem man
kritische Phasen in der Customer Journey optimiert. Es gibt viele Kunden die anfangs neugierig auf deiner LandingPage oder Website landen. Diese zu optimieren kann helfen und A/B-Testing kann die Customer Journey verbessern. Den Anfang zu optimieren macht Sinn und viele Marketer sind richtig gut darin, aber was ist, wenn die Kampagne trotzdem unterdurchschnittlich abschneidet?

Höherer Umsatz pro Ziel:
Diese Metrik ist schon sehr tricky zu verändern und kaum möglich im traditionellen Sinne. Die traditionellen Methoden sind Rabatte und Gutscheine. Der Umsatz pro Ziel hängt schlussendlich von der Geschäftsstrategie ab, aber grundsätzlich hilft hier eine Änderung des Kundentyps, Qualität des Produkts, Produktstrategie, “Wert” des Produkts oder andere Variablen des Produkts oder Marketings. Der datengetriebene Ansatz “mehr von den richtigen Kunden” ist hier einfacher: “den richtigen Kunden teureren Content zeigen”.

Auf welchen von diesen sollte man sich also nun konzentrieren? Der Einfluss von allen drei ist eigentlich sehr ähnlich. Grob gesagt sind 30% mehr Volumen fast gleich wie 30% bessere Conversion Rate oder 30% mehr Profit. Da aber Conversion Rates relativ kleine Zahlen sind, sind sie auch am einfachsten zu verbessern. Beispielsweise die Conversion Rate von 1% auf 2% zu erhöhen ist einfacher als das Volumen von 30k auf 60k zu erhöhen.

Es gibt aber einen Trick: nicht alle Kunden sind die gleichen. Linear-steigende Ausgaben für Linear-steigenden Umsatz ist kein gutes, zukunftssicheres Ergebnis und nochmal: Deine Zielgruppe ist nicht unendlich groß.

Aus datengetriebener Perspektive: Die Customer Journey

Das Customer Journey Modell geht Wachstum mit einer anderen Philosophie an. Es ist nicht nur eine Kunden zu Conversion Messung, die einfach versucht diese zu erhöhen. Stattdessen versucht es jeden einzelnen Schritt jedes Kundens zu erfassen. Das ist nötig um Muster zu erkennen. Mit diesen Mustern kann man Prioritäten setzen wie z.B. welche Kunden sind die wichtigsten, welche Kunden / Besucher haben das höchste Potential, welche Interaktionen funktionieren am besten und welche müssen verbessert werden? Die Customer Journey löst das größte Problem im Funnel-Modell: Kunden und Aktionen zu priorisieren.

Warum shiften viele Unternehmen gerade zu diesem Modell? Hier kommt der kundenzentrierte Trend ins Spiel. Ein Kunde, der glücklich ist, interagiert und selbst wirbt, bringt einen Kreislauf welches exponentielles Wachstum, dass aufrechterhaltbar ist. Zusätzlich hilft das Wissen, was den Kunden so glücklich gemacht hat, dabei, mehr solcher Kunden zu schaffen. Der Zusammenfluss dieser Faktoren bedeutet, dass die Erwartungen des Kundens übertroffen worden sind und verschiedene Lösungen erfordert und in glücklichen Kunden resultiert. Das ist die Win-Win Situation (Verbinden und Begeistern im Flywheel), welche datengetriebenes Marketing so sehr anstrebt.

Aber was genau ist dieses Wachstumsmodell, aus dem wir Strategien ableiten können? Auch hier kommen Kunden ins Spiel.

  • Fang bei deinen bestehenden und idealen Kunden an. Finde heraus warum Du bei diesen so erfolgreich warst und warum bei den anderen nicht.
  • Aus dieser Erkenntnis heraus kannst du mehr ableiten. Woher kommen sie und woran genau sind sie interessiert? 
  • Basierend auf diesen Erkenntnissen kannst Du den Weg den sie genommen haben optimieren und mehr von solchen Kunden finden. Das führt zu noch mehr Erkenntnissen, die wieder zu Optimierungen führen.

Einfach gesagt: in der datengetriebenen Marketingwelt beantwortet man zuerst die Frage “Was wollen wir damit erreichen: Verkauf, Verkaufsgespräche, o.ä.?” mit Daten und dann fängt man mit diesen Fragen an:

  • Welche Kunden liefern die meisten / besten Ergebnisse?
  • Wie sehen sie aus?
  • Was sind die positiven Trends die zum Ergebnis führ(t)en?

Wie?
Die 80/20 Regel für Produktivität. 20% der Dinge die du unternimmst, bringen 80% der Ergebnisse. Man kann es noch erweitern auf 2% deiner Besucher bringen 80% deines Umsatzes. Das sollte man im Hinterkopf behalten wenn man die Customer Journey untersucht. Welche Dynamiken treiben Deine glücklichen Kunden voran? Diese muss man priorisieren. Falls ein ähnlicher Kunde erscheint, kann man Ihm so angepassten Content und einen schnelleren Weg zum Kauf bieten. Das kann und soll man so oft wie möglich für jede Gruppe machen, bis das Level so hoch ist, dass es einer Konversation ähnelt.

Wie optimiert man die Customer Journey?

Zurück zu den Basics, wir haben im ersten Teil schon Punkte angesprochen, die die Customer Journey definieren und aufbauen. Nun müssen wir diese verfeinern:

  • Bessere Interaktionen
  • Bessere Besucher
  • Bessere Ziele
  • Bessere Daten
  • Bessere Erkenntnisse
  • Bessere Prozesse

Interaktionen:
Interaktionen sind die größte und wichtigste Datenmenge die wir haben. Jeder Besucher hat eine Vielzahl von Interaktionen über verschiedene Channel. Das Ziel von der Optimierung ist das Aufbauen, Anzeigen und Vorantreiben dieser Interaktionen, um die Conversion Rate zu erhöhen.

Traditionelles Marketing: man schätzt und überlegt welche Kampagne man starten will, was man optimieren soll, welche Kunden man ansprechen will. Meistens heißt das, dass die Marketer ein vielfaches härter daran arbeiten müssen und am Ende vielleicht trotzdem nicht ein optimales Ergebnis auf dem Tisch liegt.

Datengetriebenes Marketing: man lernt aus erfolgreichen Kunden und setzt es für die Akquise und Conversion ein. Daten aus der Customer Journey helfen einem, Schlüssel-Schritte zu finden, die einen direkten Einfluss auf die Strategie haben. Das Ziel ist sowas wie ein Zero-Waste System.

Interaktionen optimieren aus datengetriebener Ansicht: Kundenerfolge „Reverse Engineeren“

Optimale Interaktionsmuster sind einzigartig, keine zwei sind identisch. Sie können aber fast gleich sein. Hier kommen Daten ins Spiel. Verhaltens- bzw. Interaktionsmuster zu analysieren ist schon ein riesengroßer Schritt und eine große Möglichkeit für die Meisten.

Fang mit erfolgreichen Conversions an. Was siehst Du? Verhalten sich diese Kunden ähnlich? Was ist der kürzeste, beliebteste Weg, den sie gehen? Welcher Weg ist typisch für die erfolgreichsten Conversions? Diese Art von Analyse ist eine ausgezeichnete Methode um sinnvolle Kundengruppen zu erstellen. Außerdem ordnet man so die Interaktionen nach deren Effektivität und in Kombination miteinander.

Customer Journeys sind laut Definition eine Kette von Interaktionen, deswegen sind Erkenntnisse über diese und deren Kombination unbezahlbar! Auf einer Website durchläuft man i.d.R. Links, Navigation, Banner, Call-To-Action Buttons usw. In einem Verkaufsgespräch verknüpft man bestimmte Vorteile miteinander und steuert so im Wesentlichen den Flow. Welche Vorteile für wen wichtig sind, bringt die Erkenntnis, welche man öfter oder direkter ansprechen muss. Durch das Optimieren dieser Insights verbessert man die Customer Journey.

Bedenke, bei der Analyse der Customer Journey analysiert man jede Seite, die besucht wird, jede E-Mail, die verschickt wird, jedes Dokument, das gedownloadet wird und Millionen anderer Ereignisse (events). Das Google Analytics MCT „Tool“ kann dabei nur der Anfang sein.

Vor jeder Conversion kommt eine Kombination von Interaktionen in einer bestimmten Reihenfolge zu einer bestimmten Zeit vor. Wenn man dann noch versucht, persönlichen Kontext wie Demographie dazu zu bringen, wird’s schwer. Als wenn das noch nicht schwer genug wäre zu analysieren, gibt es Kunden, die auf verschiedenen Channels unterschiedlich interagieren. Beispielsweise war ein Kunde anfangs oft auf deiner Facebook Seite, hat aber keinen Artikel geöffnet und ist von sich selbst aus später auf deiner Website gelandet. Die Daten sind dadurch verstreut.

Die Customer Journey zu visualisieren ist sehr schwer. Allein schon deswegen, weil jeder eine andere hat und die möglichen Wege enorm groß sind. Wenn man aber die Interaktionen und Kundengruppen aufteilt nach erfolgreichen Verhaltensmustern, kann man sehen, dass bestimmte Kombinationen besser sind als andere. Beispiele: Kunden suchen nach Kletterequipment weil sie Outdoor-Enthusiasten sind, Kunden suchen nach Autosicherheit, weil sie Kinder bekommen haben. Wenn man Verhalten mit Demographie kombiniert, findet man Muster, die der Demographie entsprechen.

Versuche diese Fragen zu beantworten: Welche Kombinationen aus Interaktionen funktionieren am besten? Für wen sind diese am nützlichsten?

Eine Möglichkeit, diese Fragen zu beantworten sind Beobachtungen und externe Daten. Angenommen Du schickst eine Umfrage an Deine Kunden und es stellt sich heraus, dass 50% Marketingmitarbeiter sind. Das ist definitiv eine nützliche Information, aber wie klassifiziert man einen als Marketingmitarbeiter, der anonym im Netz ist? Viel wichtiger: weißt Du welche Interaktionen für einen Marketingmitarbeiter effektiv sind? Falls nicht:

  • Ist diese Segmentierung datenbasiert, meinungsbasiert oder beschlossen worden?
  • Welche anderen Segmente könnten bessere, wichtigere Faktoren haben?
  • Sind die bisherigen Customer Journeys genug, um die Mehrheit zu beschreiben?
  • Wie genau und wie schnell kannst Du die Conversion Rates dieses Segmentes vorhersagen?

Diese Fragen sind für die meisten Menschen unmöglich zu beantworten. Um eine sinnvolle Segmentierung Deiner Kunden zu erstellen, muss man unendlich viele Verhaltensmuster und demografische Infos beachten. Die meisten davon werden auch irrelevant sein, aber einige werden richtig sein – das ist dann eine Erkenntnis.

Normale Umfragen o.ä. können diese Fragen nicht beantworten weil:

  • man eine 360 Grad Sicht eines jeden erfolgreichen Kundens braucht
  • die Anzahl der Möglichkeiten steigt exponentiell bis hin zu Millionen Kombinationen. Dabei sind nur eine Hand voll sinnvoll.

Das ist zB. ein Geheimnis von Googles Anzeigen oder Netflixs Vorschlägen. Algorithmen achten darauf, welche Kombinationen am erfolgreichsten sind. Das ist nicht technologisch unmöglich, es ist einfach noch nicht möglich für kleinere Unternehmen.

Im nächsten Teil gehen wir auf näher auf Kunden und deren Segmentierung ein. Außerdem fassen wir alles zusammen, verbinden die Schwerpunkte und schließen ein Fazit. Falls Du den ersten Teil noch nicht gelesen hast, findest Du ihn hier.

Erfahre mehr über die Philosophie von Oplayo in diesem PDF

Bei der Auswahl eines Online-Marketing Beratungs- und Serviceunternehmens oder eines Performance Marketing Teams achten Sie zumindest auf diese Auszeichnungen:PartnerBadge-HorizontalSEO 2015

Oplayo ist nun auch ein autorisiertes Beratungsunternehmen für „Digitale Markterschließung“ und „Digitalisierte Geschäftsprozesse“ 
Lassen Sie sich von uns beraten wie Sie davon profitieren können!