RTB - Real Time Bidding

Performance Marketing: Goldschürfen mit Data Driven Marketing

Wie es die Goldgräber der Marketing-Szene schaffen, solide datengetriebene Advertising-Konzepte an den Start zu bringen.

© Nebojsa Markovic - Fotolia.com

© Nebojsa Markovic - Fotolia.com

Es herrscht Goldgräberstimmung im Performance Marketing. Auf der Suche nach den glitzernden Nuggets des Data Driven Advertising (DDA), suchen Marketer nach gangbaren Wegen, um aus Rohdaten Trends und Handlungsempfehlungen herauszulesen sowie daraus Steuerungs-Algorithmen abzuleiten. Tatsächlich helfen erst exakte Analysen von aufbereiteten und aggregierten Daten, zu den Goldadern des Data Driven Advertising vorzustoßen. Und: aus großen, konsistent gemachten Datenmengen („Big Data“) Wissen zu extrahieren, um daraus wiederum aktive Handlungen und Mehrwerte abzuleiten („Smart Data“).

Anzeige:

Gewappnet für Data Driven Advertising?

Das elementare Schürfwerkzeug für Data Driven Advertising stellt eine Mischung aus Mathematik und Informatik dar – ein Mix aus Analysen und Algorithmen, die den Daten Strukturen verleihen und Zusammenhänge erkennen. Doch sind Marketer mit der Kombination aus strukturierten Daten, fundierter Analytik und cleveren Algorithmen allein tatsächlich gewappnet für Data Driven Advertising? – Immerhin scheitern laut einer aktuellen Gartner-Studie mehr als die Hälfte aller Analyseprojekte. Denn: Zum einen ist oft unklar, wie die Datenanalyse eine Frage bzw. Hypothese korrekt beantworten kann. Zum anderen können Verantwortliche oft nicht ableiten, welche Ergebnisse der Analysen zu welchen konkreten Handlungsmaßnahmen führen sollen. Die Idee, dass Daten Antworten liefern, formulieren Unternehmen im Vorfeld häufig nicht konkret genug aus.

Daher lautet die Kardinalfrage: Wie wird aus der Gleichung „Big Data + Data Science = Data Driven Advertising“ ein erfolgreiches Projekt, wie macht man es besser als jene, die zwar nach Gold suchen, aber nur Sand finden? Zu oft wird vergessen, dass bevor die eigentlichen Schürfwerkzeuge zur Arbeit kommen, eine solide Planung und Abstimmung zwischen Data Scientist und Marketern erfolgen muss, um alle relevanten Fragen zu beantworten: Welche Daten stehen zur Verfügung? Welche Zusammenhänge sollen aufgedeckt werden und durch welche Analysen ist dies möglich? Welchen Wert haben die möglichen Ergebnisse einer Analyse und mit welchem Aufwand lassen sich die Analysen durchführen? Diese und mehr Fragen müssen im Vorfeld bedacht werden, damit die Unternehmung gelingt und das Schürfen nach Gold nicht nur Sand zu Tage fördert. Ist die Planung abgeschlossen, kann die eigentliche Arbeit beginnen und diese kann sehr unterschiedlich aussehen.

Erste Aufgabe: Datenflut kontrollieren, Fakten visualisieren

Das interdisziplinäre Team hat in seiner informationellen Goldmine verschiedene Aufgaben zu erledigen: erstens die Datenflut zu kontrollieren und die relevanten Fakten ohne Informationsverluste nutzerfreundlich zu visualisieren. Eine Performance-Analyse beispielsweise sorgt mit Hilfe von Datenaggregationen zuverlässig und ohne Informationsverlust dafür, dass Unternehmen erste Erkenntnisse schnell erlangen. Idealerweise betreibt die automatisierte Analyse eine intelligente Segmentierung, visualisiert anschaulich die Ergebnisse und ermöglicht unterschiedliche Betrachtungstiefen – egal ob auf Kanalebene (z.B. Search) oder auf Keyword-Niveau. Dies liefert lediglich Entscheidungsgrundlagen für das Marketing. Denn auch wenn Algorithmen viele Optimierungspotenziale ausfindig machen können, strategische Entscheidungen werden von Menschen getroffen. Aber nur wenn die Fakten sowohl übersichtlich als auch detailliert betrachten und bewerten werden können, sind die Verantwortlichen in den Unternehmen auch in der Lage, auf multidimensionale Entwicklungen in Echtzeit zu reagieren und informationelle Goldadern auch zu erschließen.

Stufe zwei: Kontaktepunkte bewerten und Attributionsmodell implementieren

Zweitens ermöglicht erst ein datengetriebenes Attributionsmodell – anders als eine statische Gewichtung – eine optimale Budgetplanung. Das System bestimmt die Wertigkeit der Kontaktpunkte. Wer jedem Kanal einen eindeutigen Wert zuweisen (lassen) kann, legt die Basis für gezielte Budgetverschiebungen. Erst damit können Marketer beispielsweise aus besonderen Effekten Handlungsempfehlungen ableiten. Per Attributionsmodell rücken etwa Stärken und Schwächen eines Kanals in den Vordergrund – und an welchen Kontaktpunkten zu viel oder zu wenig Budget ausgegeben wurde. Wo muss das Budget angepasst werden? Soll ein Kanal auf Werbeausgaben optimiert werden, dann lassen sich außerdem die Wertigkeiten der vor- und nachgelagerten Kanäle innerhalb der Customer Journey gleich mit anpassen.

Stufe drei: Plattformen für Data-Management und Mediaeinkauf verzahnen

Drittens eröffnet das Zusammenspiel von intelligenten Technologien neue Möglichkeiten für den User-zentrierten Mediaeinkauf. Beim Real Time Bidding werden neben den Sales als Performance-Indikator u.a. die Interessen einer Zielgruppe, abgeleitet von deren Surf-Verhalten, in die Betrachtung einbezogen. Spezielle Interessen können so gezielt beworben werden. Auch produktbezogene Faktoren, Neu- und Bestandskundenwerte sowie geräteabhängige Vektoren gehören dazu. Damit gelingt es trotz flexibler Formeln, Erträge auf Werbemittel-Ebene zu sammeln, zu bewerten und den tatsächlichen Kosten gegenüberzustellen. Erklärtes Ziel: Die richtige Werbung für den richtigen Kunden zum angemessenen Preis auszuliefern. Dieser Zusammenhang lässt sich nur anhand von Daten ermitteln. Und nur so gelingen aufschlussreichere Kosten-Nutzen-Rechnungen. Etwa wenn Data-Management- (DMP) und Demand-Side-Plattform (DSP) im Sinne eines konsistenten Realtime Advertising (RTA) für den ganzheitlichen Blick eng mit einander verzahnt sind. Dann sorgt RTA beispielsweise dafür, dass nur an User mit langer Verweildauer auf der Site und in einem bestimmten geografischen Gebiet gezielt Werbung ausgeliefert wird.

Wirkungsgrad von Echtzeitbetrachtungen im Auge behalten

Der Goldrausch im Data Driven Advertising übt Faszination aus. Profiteure werden aber nur diejenigen sein, die eigene Intelligenz oder die spezialisierter Berater in ihr „Data-trifft-Analyse“-Konzept investiert haben und nicht vermeintlichen „One-fits-all“-Lösungen hinterhergejagt sind. Die professionellen Goldsucher sind gut vorbereitet auf ganzheitliches, datengetriebenes Marketing. Darum lohnt es sich, Hirnschmalz in Ziele, Ressourcen und die einzelnen Projektschritte zu investieren und dabei den Wirkungsgrad von Echtzeitbetrachtungen im Auge zu behalten. Dann stehen die Chancen gut, Optimierungsmöglichkeiten zu erkennen, zu nutzen und weit mehr als nur ein an der Oberfläche liegendes Data-Driven-Advertising-Nugget zu schürfen.

Über Christian Liguda

eprofessional.de/

Christian Liguda ist Data Scientist bei der Hamburger Performance Agentur eprofessional. Seine Aufgaben im Consulting-Team sind die methodische Bewertung von Cross- und Omnichannel-Effekten, die detaillierte Analyse der Wertschöpfung der einzelnen Touchpoints in der Customer Journey und das Ableiten fundierter Aussagen zur optimalen Verteilung von Werbebudgets. Der Informatiker und Mathematiker war zuvor wissenschaftlicher Mitarbeiter am Deutschen Forschungsinstitut für Künstliche Intelligenz (DFKI) in Bremen.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *