//Personalisierung, Predictive Analysis – was wir wissen sollten

Personalisierung, Predictive Analysis – was wir wissen sollten

Nicht ohne Grund sind die Budgets für E-Mail-Marketing, Suchmaschinen- und Social Media Marketing gleich bleibend hoch oder werden für 2018 sogar erhöht. Im Überangebot von Informationen wird das Thema Personalisierung immer wichtiger. Besonders die Startseite ist gerade im B2B Segment immer wieder zu überprüfen.

Um erfolgreich zu personalisieren, müssen zuerst Datenanalysen erfolgen

Die Fragen lauten also:

  • Wie kläre ich meine Zielgruppe, kann ich diese in bestimmte Segmente unterteilen?
  • Was möchte ich an Inhalten/Lösungen/Produkten anbieten?
  • Wo genau möchte ich auf der Website personalisieren?
  • Habe ich ein realistisches Konzept dafür, wann der Besucher personalisierten Content angezeigt bekommt?

Sind diese Fragen geklärt, sollte viel Aufwand in den Prozess der Segmentierung fließen. Vom Standard (Erstbesucher/Wiederkehrer, mobiler Besucher, Desktopanwender) über die fortgeschrittene Phase (weitere Besuchermerkmale und Details) bis hin zum Predictive Targeting, wo die gewünschte Zielgruppe identifiziert wurde.

Von der Personalisierung zur Analyse

Klarer Fall: die Datenanalyse betrifft mittlerweile fast alle Bereiche im Unternehmen. Und die Schnittmengen zwischen Marketing/Sales und der IT werden umfangreicher, getrieben durch Digitalisierungsprozesse, neue Anwendungen, den Blick auf Mobile Content und Social Media, Reports, Controlling sowieso. Umso besser, wenn wir uns schon frühzeitig mit den Fragestellungen rund um Big Data und Auswertungsverfahren beschäftigen.

Eines der Schlagworte mit hoher Relevanz für Marketing und Sales ist mit Sicherheit Predictive Analytics. Hier geht es darum, auf der Basis von vorhandenen Daten und -modellen Voraussagen darüber zu treffen, wie sich ein Bereich/eine Situation künftig entwickelt. Dabei werden historische und Transaktionsdaten genutzt, um Muster in den Daten zu entdecken. Um den Begriff kurz einzuordnen: Predictive Analytics ist eine Teilmenge von Business Analytics. Man muss jedoch kein Data Scientist sein, um sich damit zu beschäftigen. Mittlerweile gibt es viele professionelle Plattformen, wo man mittels Dashboard einen Überblick über die relevanten Daten erhält.

Warum sollten sich Entscheider zunehmend mit Predictive Analytics auseinandersetzen?

Beispiel Klickmessung: Bislang stellen die meisten Analysen gerade den Zusammenhang des ersten bzw. letzten Clicks als Erfolgsmessung dar. Ein wenig ist das ja wie ein Spiel mit schwarzen Löchern, denn in der Regel werden viele Kanäle über einen längeren Zeitraum eingesetzt. Problem dabei:  was diese im Detail oder als Gesamtsystem in Zahlen ausgedrückt bringen, bleibt viel zu häufig ein recht kreatives Zahlenspiel. Das wäre übertragen auf ein Unternehmen so, als würde jeder Mitarbeiter aus Marketing oder Vertrieb so ein bisschen für sich wirbeln, ohne Zielvorgabe. Der Return of Investment, Conversion Rate Berechnungen mit detektivischem Spürsinn, Abbild von reellen Kosten – und darum geht es ja – müssen also durch professionelle Datenanalysen dargestellt werden. Interaktionsmodelle stellen die Bewegungen und Aktionen der Kunden beim Besuch der Website in Beziehung zu sämtlichen Interaktionen im jeweiligen individuellen Conversion Pfad. Auf einen Blick wird sichtbar, über welche Wege, Kanäle oder Kampagnen die Aufmerksamkeit hergestellt wurde bzw. welche Aktionen im Zusammenspiel letztendlich zum Erfolg bzw. Leadgenerierung geführt haben.

Und so wie es bei Predictive Analysis um die Zukunft geht, liefert Prescriptive Analytics die Vorschläge. Die Methode setzt auf Predictive Analytics auf. Zusätzlich werden Erklärungen gegeben, warum ein zukünftiges Ereignis eintreten wird und Empfehlungen, wie man dann reagieren sollte.

2017-11-22T11:07:14+00:00

Hinterlassen Sie einen Kommentar