Marketing mit Daten erfordert Umdenken

Der Wechsel von „Data“ zu „Big Data“ in Marketing und Werbung ist so fundamental, dass nicht nur Technologien ausgewechselt werden müssen. Auch die Teamstrukturen und die Unternehmensziele sollten infrage gestellt werden. Dafür ist ein Change-Management-Prozess sinnvoll.

Change Management bezeichnet ein Strategieprojekt mit geplanten Auswirkungen auf das Management. Ziele und erwartete Resultate sind klar definiert; ihr Erreichen unterliegt einer laufenden Kon­trolle. Das Beschreiben des Prozesses soll zudem dazu führen, dass die Mitarbeiter die Veränderungen aktiv mittragen. Nur dann ist das gewünschte Unternehmens- oder Geschäftsziel zu erreichen.

Change ist immer auch mit Kosten verbunden. Will ein Unternehmen ernsthaft Veränderungen herbeiführen, muss es investieren. Das bedeutet zum Beispiel, dass auch die Budgets analysiert werden sollten, um die Kosten des Wechsels zu finanzieren.

Angefacht von der großen Diskussion um Data-driven Marketing und Marketing-Automatisierung lautet eine häufige Vorgabe von Marketingleitern oder Vorständen: „Wir müssen mehr mit Daten machen.“ Also werden teure Lösungen angeschafft. Dennoch bleibt der gewünschte Effekt, dass Kundendaten besser und ­intensiver für Marketing und Werbung herangezogen werden, oft genug aus.

Warum ist das so? Die Antwort lautet: Weil ungünstige Teamstrukturen und unzureichende Kommunikation die Einführung von datengesteuertem Marketing oft zu Fall bringen. Es geht folglich nicht nur darum, in neue Technologie zu investieren, sondern pa­rallel auch darum, einen Change-Management-Prozess einzuleiten, der dafür sorgt, dass die einzelnen Mitarbeiter und Teams darauf vorbereitet werden, die neue datengesteuerte Marketing-Strategie umzusetzen. Das praktische Framework für Change Management im datenbasierten Marketing hat sich im Arbeitsalltag bewährt. Es besteht aus sechs Punkten:

Bislang waren für den Advertiser meist die Größe des Werbe­budgets und die Umsetzung des Brandings, für den Publi­sher meist die Reichweite oder das kontextuelle Umfeld ausschlaggebend für das Marketing. Daten und deren Nutzung als Wettbewerbsvorteil zu definieren, bedeutet einen fundamentalen Wechsel. Kern jeder Datenstrategie ist die Antwort auf die Frage: Wie kann sich ein Unternehmen auf Daten­ebene von anderen differenzieren und dadurch einen Wettbewerbsvorteil erreichen?

Für Werbetreibende bedeutet es, ­ihre Kunden besser kennenzulernen, und so die Relevanz und das Targeting zu verbessern. Für Publisher bedeutet es, das eigene Produkt nicht nur als Reichweite, Kontext und Werbemittel zu definieren, sondern ihre Audience (Webseitenbesucher) als Produkt zu verkaufen. Sobald die Profile der Webseitenbesucher als Zielgruppe gebündelt zum Kernprodukt oder zum maßgeblichen Wettbewerbsvorteil werden, gewinnen Daten­exklusivität und Datenqualität als Zielvorgabe eine hohe Priorität.

Daten sind dann also nicht mehr ein Nebenprodukt, sondern ein wichtiges Firmen-Asset, das solide aufgebaut und gepflegt wird. Derzeit ist oft das Gegenteil der Fall: Mangelnde Datenqualität und -exklusivität prägen den Markt. Vor allem Publisher scheinen ihre Daten seit Jahren nicht gehütet zu haben – eine ­Datenstrategie ist nicht vorhanden.

Eine Datenstrategie umfasst verschiedene Aspekte der Organisation (siehe Diagramm). Alle Aspekte, die das Team und die Organisation, die Marketingeffizienz, die eingesetzten Technologien und Datenqualität betreffen, sollten in einem Change-Management-Projekt erfasst und implementiert werden. Wichtig ist hier, dass der Prozess nicht bei der Datensammlung und der Auswahl der Technologien aufhört.

Eine große Herausforderung für Unternehmen ist, die erwünschten Ergebnisse der Datenstrategie festzulegen. Diese an sich schon schwierige Aufgabe ist im datengesteuerten Marketing noch härter, denn oft werden die Komplexitäten unterschätzt: Viele Technologien sind noch unausgereift, die Herkunft und die Qualität von Daten im Advertising-Markt sind intransparent. Enttäuschungen bei der Implementierung von Technologien und der Nutzung von möglicherweise minderwertigen Daten-Sets sind vorprogrammiert.

Technologie-Implementierungen sind kleinteilig und mühselig. Deshalb hat die richtige ­Erwartungshaltung bei einem Projekt für datenbasiertes Marketing besondere Bedeutung.

Tipp: Wichtig ist, dass sich jedes Team echte Use Cases vor Augen führt und ­diese dann priorisiert.