Es wird beschrieben, wie die Leads und bestenden Kontakte einer Online-Druckerei bewertet werden. Hierbei werden moderne BIG DATA-Verfahren
eingesetzt, die eine tiefe neue Erkenntnis bringen.
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data Driven Marketing
1.
2. BESTELLFAX an +49 (0)7254 / 95773-90 oder
ONLINE: http://shop.marketing-boerse.de
marketing-BÖRSE GmbH, Melanchthonstr. 5, 68753Waghäusel, Tel. 07254/95773-0, info@marketing-boerse.de
NEU: Leitfaden Data
Driven Marketing
Hrsg.: G. Braun & T. Schwarz,
416 S., geb., 2015
Wer aus seinen Daten die richtigen
Schlüsse zieht, ist seiner Konkurrenz eine
Nasenlänge voraus. Die meisten sammeln
zwar Daten, nutzen sie aber nicht. Anhand
konkreter Beispiele holen Sie sich
Anregungen.
Leitfaden Marketing Automation
Hrsg.: T. Schwarz, 288 S., geb., 2014
Digital neue Kunden gewinnen: Vom Lead
Management über Big Data zum Lifecycle
Marketing.
Leitfaden Digital Commerce
Hrsg.: T. Schwarz, 384 S., geb., 2013
Der E-Commerce-Umsatz wächst seit
Jahren zweistellig. In diesem Buch zeigen
innovative Unternehmen, worauf es
ankommt und wie sie Digital Commerce
umsetzen.
Leitfaden Digitaler Dialog
Hrsg.: G. Braun, 444 S., geb., 2012
Professioneller Kundenkontakt via Social
Media, E-Mail und Mobile birgt neue Chancen
und Risiken für Unternehmen. Wie damit
umgehen? 55 Experten berichten aus der
Praxis und geben Tipps für die Umsetzung.
Leitfaden Online Marketing
Band 2
Hrsg.: T. Schwarz, 1.120 S., geb., 2011
Band zwei des Standardwerks liefert
aktuelle Trends der Online-Kundenge-
winnung. 166 Top-Experten verraten Tipps
und Tricks zu SEO, Adwords-Kampagnen,
Targeting und Social Media.
Leitfaden WOM Marketing
Hrsg.: Anne M. Schüller & T. Schwarz,
450 S., 2010
Durch Mundpropaganda und Empfehlungen
Neugeschäft sichern. Führende Experten aus
der „Word-of-Mouth-Welt“ geben in diesem
Leitfaden Wissen aus der Offline- und
Onlinewelt preis.
Die Bücher gibt es teilweise auch im PDF und Epub-Format vor.
JA, ich bestelle: NEU: Leitfaden Data Driven Marketing 39,90 Euro
Leitfaden Marketing Automation 29,90 Euro
Leitfaden Digital Commerce 34,90 Euro
Leitfaden Digitaler Dialog 39,90 Euro
Leitfaden Online Marketing, Band 2 49,90 Euro
Leitfaden WOM-Marketing 39,90 Euro
Die Preise enthalten 7% MwSt. Hinzu kommen pro Lieferung 3,- Euro Versandkosten.
Bei internationalem Versand werden die tatsächlichen Portokosten in Rechnung gestellt.
Datum/Unterschrift
Vor-/Nachname Firma
Straße PLZ/Ort
Telfon / Fax / Telefon / E-Mail
5. Wer dem richtigen Kunden im richtigen Moment das richtige Angebot machen will, braucht dazu
Informationen. Um diese Informationen zu gewinnen und auszuwerten, stehen heute eine Reihe
neuer Methoden zur Verfügung. Dieses Buch soll die wichtigsten vorstellen.
Während der Versandhandel seit jeher alle Möglichkeiten des Data-Driven Marketings nutzt,
ist dieser Bereich für viele Investitionsgüterhersteller noch Neuland. Dabei finden Geschäfts-
anbahnungen heute immer seltener auf Messen und immer häufiger online statt. In vielen B2B-
Unternehmen kommen die meisten Leads für den Vertrieb inzwischen aus dem Internet.
Wer sich an Verbraucher richtet, muss keine teuren Werbekampagnen mit riesigem Streuverlust
mehr bezahlen. Eine Reihe von Techniken erlauben es, die richtigen Zielgruppen in genau
dem Moment zu erreichen, in dem auch Interesse besteht. Auch beim Direktmarketing haben
undifferenzierte Mailings ausgedient. Inhalte werden heute auf die Interessen der Empfänger
ausgerichtet. Predictive Targeting kann voraussagen, welches Angebot bei einem Empfänger auf die
höchste Kaufbereitschaft trifft.
Was ist neu? Zunächst einmal die technische Entwicklung, die es erlaubt, immer mehr Daten immer
schneller zu verarbeiten. Früher wurden beim Data Mining mühsam Daten aus der Vergangenheit
manuell analysiert, um das Konsumverhalten zu erforschen. Heute wird vollautomatisch in Echtzeit
berechnet, welches Produkt dem Besucher eines Webshops innerhalb der nächsten Millisekunde
präsentiert werden soll.
Und wo früher vielleicht gerade einmal bekannt war, welche Kunden wann welches Produkt gekauft
haben, gibt es heute ein Vielfaches an Daten. Der Grund: immer mehr Touchpoints sind digital.
Und digitale Kontaktpunkte werden automatisch als Daten protokolliert. Täglich zeigen Kunden
über Smartphone und PC, was sie interessiert. Mit dem Internet der Dinge kommen Smartwatch,
Navi und iBeacons als Messfühler für Kundenwünsche hinzu. Unternehmen können aus diesen
Informationen maßgeschneiderte Angebote machen.
Internet der Dinge und Industrie 4.0 tun ein weiteres: Nicht nur Kunden auch Fabriken sowie
Produktions- und Logistikprozesse sind vernetzt. Wem es gelingt, all diese Daten richtig zu
interpretieren, kann neue Marktpotenziale erkennen und Vertriebskampagnen besser aussteuern.
In diesem Buch wird beschrieben, was derzeit schon umsetzbar ist und wie Unternehmen dabei
vorgehen. Wie funktionieren Treueprogramme? Wie können Kaufabbrecher umgestimmt
werden? Wie werden inaktive Kunden reaktiviert? Wie kann Predictive Intelligence die Kosten
pro Neukunde drücken? Wie kann die Wirkung teurer TV-Spots gemessen werden? Was bringen
statistische Zwillinge? Was lehrt uns die Gaming-Branche? Was ist ein Next Best Offer? Anhand
konkreter Beispiele holen Sie sich Anregungen für Ihre eigene Strategie und können mitreden.
Viel Erfolg bei der Umsetzung!
Gabriele Braun & Torsten Schwarz
Vorwort
3
G. Braun, T. Schwarz: Leitfaden Data Driven Marketing / Vorwort
6. 4
Inhalt
Data-Driven Marketing wird zum Standard
Gabriele Braun, Torsten Schwarz ..... 7
1. Die Grundlage: Daten, Daten, Daten
Big-Data-Marketing: Chancen und Herausforderungen
Heinrich Holland ..... 15
Marketing Analytics – Daten analysieren, Kunden gewinnen
Stefan Müller ..... 39
Data-Driven Marketing braucht: Gute Daten
Carsten Kraus ..... 53
Basis eines CRM: Die Kundeninformation
Ralf T. Kreutzer ..... 61
2. Daten anreichern und veredeln
Datenmodellierung mit Data Vault – ein Komplettbild auf den Kunden
Michael Müller ..... 109
Mit Webanalyse zu einer gezielteren Besucheransprache
Olaf Brandt ..... 121
Location Intelligence – Unternehmenssteuerung mit Raumbezug
Andreas Lehr ..... 131
Location-based Marketing und Geofencing
Michael Arthen ..... 143
3. Optimieren und vorhersagen
Marketing Optimierung ermöglicht Gewinnsteigerung und Forecasting
Jörg Reinnarth, Heiko Solmsdorff ..... 153
Predictive Targeting
Andrea Ahlemeyer-Stubbe ..... 171
Realtime Advertising – das Prinzip
Nico Loges ..... 187
7. 5
G. Braun, T. Schwarz: Leitfaden Data Driven Marketing / Inhaltsverzeichnis
Programmatic Advertising im Mediamix
Wolfgang Bscheid ..... 207
Triple D – Data-Driven Display Performance Advertising
Wolfgang Schilling ..... 225
Datengetriebene Vermarktung mittels Content Marketing
Fabian Siegler ..... 233
Data-Driven Engagement-Marketing
Jürgen Seitz ..... 241
4. Anwendungen in den Branchen
Smart Data Marketing bei Payback
Oliver Bohl, Stefanie Shanahan-Kleikamp ..... 253
Preisbeobachtung und -optimierung im Fashion/E-Commerce
Alexander Reschke ..... 267
E-Commerce – wenn Technologie auf Neurologie trifft
John Fleming ..... 277
Big Data: Leadbewertung einer Onlinedruckerei
Meinert Jacobsen ..... 283
Mit dem Servicecenter die Customer Journey aufwerten
Friedbert Schuh ..... 293
Data-Driven Marketing für kleine Unternehmen
Felix Holzapfel, Sarah Petifourt ..... 297
5. Rechtliche Grundlagen
Data-Driven Marketing – Rechtliche Herausforderungen in der Umsetzung
Jens Eckhardt ..... 315
6. Praxisbeispiele
Mehr Umsatz mit Bestandskunden
Loyalty-Programm bindet Lifestyle-Kunden Reinhard Janning ..... 344
Kundendialog im Advent bei fotokasten Alexander Handcock ..... 346
Datengestützt die richtigen Schuhe empfehlen Markus Nagel ..... 348
E-Mails wecken inaktive bonprix-Kunden Volker Wiewer ..... 350
Noch mehr Neukunden gewinnen
DFDS senkt mit Big Data Kosten für neue Kunden Paco Panconcelli ..... 352
Durch intelligentes Scoring mehr Autos verkaufen Marco Kersch ..... 354
Modehändler verdoppelt Wirkung von TV-Werbung Andreas Schwabe ..... 356
Hilton rettet gestrandete Fluggäste in Echtzeit Ron Warncke ..... 358
8. 6
Targeting – die richtigen Zielgruppen ansprechen
Daten machen Banner für Autokunden interessant Carsten Diepenbrock ..... 360
Elektronikhändler verkauft mit E-Mail-Retargeting Elisabeth Paech ..... 362
Vente Privée personalisiert auf jedem Kanal Timo Kohlberg ..... 364
Mit Content Marketing klickstarke Inhalte liefern
Individueller Content steigert Absatz im Webshop Katrin Meier ..... 366
Wie Weltbild Produktdaten den Kanälen zuordnet Petra Kiermeier ..... 368
Comvel hebt verborgenen Kundendatenschatz Stefan Oertel ..... 370
Realtime-Marketing und Realtime-Evaluation Oliver Tabino ..... 372
Lifecycle Marketing hält den Kontakt zu Kunden
DER Touristik hält den Kontakt über alle Kanäle Matthias Postel ..... 374
Travian aktiviert Spieler mit Willkommensstrecke Laurentius Malter ..... 376
Wie InnoGames dank Daten effektiv wirbt Ulf Richter ..... 378
Nürburgring: 30 Prozent weniger Bestellabbrüche S. Berchtenbreiter ..... 380
B2B steigt ins datengetriebene Marketing ein
Panasonic senkt Aufwand und steigert Kampagnen Melanie Gipp ..... 382
Onlinedruckerei bewertet Leads mit Big Data Meinert Jacobsen ..... 384
Daten verdreifachen Abschlüsse im Maschinenbau Rainer Packbier ..... 386
E-Mail-Marketing ist und bleibt das Arbeitspferd
Marketing Automation bei 1000jobboersen.de Martin Philipp ..... 388
Optimiertes E-Mail-Marketing bei Brille24 Denis Ehlicke ..... 390
Erotikhändler prüft Newsletter-Zustellbarkeit selbst Marcel Hartwig ..... 392
Personalisierte E-Mails im Onlinehandel Philip Nowak ..... 394
Die Datenfalle für Onlineshops Andreas Landgraf ..... 396
Anhang
Autoren ..... 400
Stichworte ..... 408
G. Braun, T. Schwarz: Leitfaden Data Driven Marketing / Inhaltsverzeichnis
9. Klären, welche
Investitionen
in Kunden und
Leads sinnvoll
sind
Die Grundlage zur Optimierung von Marketing und Vertrieb ist ein
umfassendes Wissen über die Zielgruppe. Dies gilt sowohl in Märkten mit
privaten Endkunden (B2C), als auch in Märkten mit Geschäftskunden
(B2B). Die Kernfrage ist „Wie kann das Wissen über eine Zielgruppe
sowohl kostengünstig als auch treffsicher gewonnen werden und wie
können aus der Flut verfügbarer Informationen die richtigen Erkenntnisse
herausfiltert werden?“
Hier kann Big Data helfen. „Mit ‚Big Data’ werden große Mengen an
Daten bezeichnet, die unter anderem aus Bereichen wie Internet und
Mobilfunk, Finanzindustrie, Energiewirtschaft, Gesundheitswesen und
Verkehr und aus Quellen wie intelligenten Agenten, sozialen Medien,
Kredit- und Kundenkarten, Smart-Metering-Systemen, Assistenzgeräten,
Überwachungskameras sowie Flug- und Fahrzeugen stammen und
die mit speziellen Lösungen gespeichert, verarbeitet und ausgewertet
werden.“ [1]
Durch eine intelligente Verknüpfung von Datenerhebung und statistisch-
mathematischer Modellierung werden so aus unübersichtlichen,
unstrukturierten Informationsmengen die relevanten Erkenntnisse
extrahiert und in der Folge für die Weiterentwicklung der eigenen
Marketing- und Vertriebsstrategie, aber auch der Umsetzung in
Maßnahmen genutzt.
Für eine effiziente Ausschöpfung des auf dem Markt vorhandenen
Kundenpotenzials, sowohl im Neukundenbereich als auch bei
Bestandskunden, muss erkannt werden, welche Investition in jede
einzelne bekannte oder unbekannte Adresse sinnvoll ist. Durch eine
detaillierte mathematische Analyse der vorliegenden Umsätze und
Käufe werden statistische Modelle entwickelt, die den Zusammenhang
zwischen den Eigenschaften der Kunden und den durch sie generierten
Umsätzen beschreiben. Diese statistischen Modelle können anschließend
dazu verwendet werden, das Umsatzpotenzial von bislang unbekannten
http://www.marketing-boerse.de/Experten/details/Meinert-Jacobsen
Big Data: Leadbewertung
einer Onlinedruckerei
Meinert Jacobsen 4
283
10. 284
95 Prozent der
Unternehmen
sind im Internet
vertreten
Marktteilnehmern vorherzusagen. Anhand eines Beispiels aus dem
Druckereimarkt wird im Folgenden gezeigt werden, was Big Data in
der Praxis für das Marketing bedeutet.
Ausgangslage
Der Markt für Druckerzeugnisse unterliegt großen Veränderungen. Bei
einem konstanten Umsatzvolumen von 13 Milliarden Euro findet eine
Konsolidierung der Branche [2] und Konzentration zu Onlineanbietern
statt, die ihre Effizienz nutzen, um mit niedrigen Preisen Marktanteile
zu gewinnen. Es liegt daher verstärkt im Interesse jeder Druckerei, gute
Kunden frühzeitig zu identifizieren und zu binden.
Onlinedruckereien befinden sich primär in B2B-Märkten, in denen
häufig die Merkmale Branche und Größe zur Zielgruppenbeschreibung
herangezogen werden. Problematisch kann hierbei zum einem die
Aktualität der Daten sowie die Eindeutigkeit der Branchenzuordnung
sein und zum anderen die Erhebung der Unternehmensgröße und
des Unternehmensumsatzes. Diese Unzulänglichkeiten bestehender
Unternehmensdatenbanken können mit einem Big-Data-Ansatz
umgangen werden.
Die meisten Unternehmen und damit auch die B2B-Zielgruppe haben
heutzutage eine Website. Schon 2010, also vor über vier Jahren, waren
nahezu 95 Prozent der deutschen Unternehmen im Internet vertreten [3].
Auf diesen Websites werden in der Regel Dienstleistungen, Produkte und
dasUnternehmenselbstbeschrieben.DamitliegenfürdieseUnternehmen
allerelevantenInformationenfreizugänglichvorundkönnen–zumindest
theoretisch – zur Leadbewertung herangezogen werden. Diesen Umstand
nutzen erfolgreiche Außendienst- und Vertriebsmitarbeiter, indem sie
vor einem Kundentermin die Webseite des Unternehmens aufsuchen
und neue Informationen in den Verkaufsgesprächen mit den Kunden
und Interessenten nutzen. Dies ist aber ein manueller und individueller
Prozess.
Praktisch stehen viele Marketing- und Vertriebsabteilungen vor der
ersten Hürde: Eine manuelle – nicht automatisierte – Ermittlung
und Bewertung der Unternehmenswebseiten bedeutet einen nicht zu
rechtfertigenden Arbeitsaufwand. Für eine eigene, selbst entwickelte
automatisierteUmsetzungfehlthäufigdastechnischeKnow-how,dieZeit
oder das Budget. Hier kommen zuverlässige und erfahrene Dienstleister
G. Braun, T. Schwarz: Leitfaden Data Driven Marketing / Kap. 4 Anwendungen in den Branchen
11. Meinert Jacobsen: Big Data: Leadbewertung einer Onlinedruckerei
285
Datenübernahme
zum Zug und kümmert sich neben der Entwicklung des Score-Modells
auch um die Datenerhebung und -verarbeitung.
Datenerhebung
In einem ersten Schritt werden die existierenden Kundendaten
und -informationen (insbesondere die Umsatz-, Kauf- und Bestell-
informationen) als Rohdaten an den Dienstleister übermittelt. Hier
werden die nötigen Qualitätstests durchgeführt. Dies bedeutet
insbesondere, dass die Daten auf ihre Vollständigkeit, Konsistenz,
Plausibilität und Eindeutigkeit hin überprüft werden. Außerdem werden
Dubletten zusammengeführt. Ebenso werden Plausibilitätschecks
durchgeführt, um zu gewährleisten, dass alle weiteren Prozesse möglichst
reibungslos ablaufen.
URL-Prüfung und Ermittlung
Bereits bei der Datenübernahme wird festgestellt, ob die URL (Uniform
Ressource Locator, entspricht Unternehmenswebseite) vorliegt und ob
diese plausibel ist. Bei Kunden, von denen bisher keine oder zumindest
keine plausible URL vorliegt, startet die Datenerhebung mit der
Ermittlung der URL der Unternehmenswebseite. Um die URL zu
ermitteln, werden auch die E-Mail-Adressen der Kunden berücksichtigt,
die häufig die URL enthalten (zum Beispiel bei meinert.jacobsen@
marancon.de). Über eine Kombination automatisierter Verfahren und
Crowd-basierter Methoden können fehlende URLs der Unternehmen
sehr schnell und exakt ermittelt werden. Die ermittelten URLs bilden
den Kern der weiteren Analyse.
Crawling
Beim Crawling wird für eine URL auf der Ebene des HTML-Codes der
Inhalt der Unternehmenswebseite ausgelesen. Dies erfolgt inklusive aller
Unter-Webseiten der entsprechenden URL. Aus dem HTML-Code wird
ein Textstring (also eine lange Zeichenkette) gewonnen. Der Textstring
wird untersucht und mithilfe von speziell entwickelten Algorithmen in
eine strukturierte und bereinigte Form gebracht. Anschließend werden
aus dieser Zwischenform des Webseiteninhalts einzelne Worte und
Wortkombinationen gewonnen und in einer Analysedatenbank abgelegt.
Bei komplexen Websites kann die Zahl der extrahierten Wörter mehr
als zehn Millionen betragen.
12. 286
Füllwörter
bereinigen
Begriffe zu
Stammwort
zusammenfassen
Neben dem sichtbaren Text einer URL können auch die Schlagworte,
die zur Optimierung des Suchmaschinenmarketings verwendet werden
(Stichwort: Search-Engine-Optimization, SEO) extrahiert werden.
Dieser Wortschatz wird insbesondere bei Onlinewerbung treibenden
Unternehmen zunehmend größer und liefert gute Indikatoren in den
weiteren Analysen.
Textformatierung
Bei der Textformatierung werden zunächst Umlaute und Sonderzeichen
vereinheitlicht. Die so vereinheitlichten Daten werden um „nicht
relevante“ Zeichenketten bereinigt, die mit Sicherheit keine inhaltliche
Bedeutung für die Analyse aufweisen, wie etwa die HTML-Steuerbefehle
„DIV“oder„HREF“.IneinzelnenFällenkommteshierbeizuinhaltlichen
Konflikten: So muss zum Beispiel entschieden werden, ob das Wort
„Script“ als irrelevant zu betrachten ist oder nicht.
Es werden ebenfalls die Füllwörter bereinigt, insbesondere Artikel,
Hilfsverben, Partikel, Fragewörter und andere Wörter, wie zum Beispiel
„und“, „der“, „die“, „das“, „wer“, „wie“ „was“ et cetera. Diese Wörter
sind in großer Zahl auf jeder Website zu finden, tragen aber nicht zur
inhaltlichen Differenzierung der einzelnen Websites bei.
Die verbleibenden Wörter werden durch eine komplexe Stammwort-
ermittlung und Synonymableitung vereinheitlicht und vereinfacht.
So werden beispielsweise die Begriffe „Stellenbörse“, „Job-Börse“,
„Stellenanzeige“, et cetera zu dem Stammwort „Stellenanzeigen“
zusammengefasst. Durch dieses Verfahren wird die Menge der Parameter
im statistischen Modell reduziert, ohne auf wichtige Informationen zu
verzichten.
Die Bildung der Stammwörter ist ein entscheidender Schritt und
erfordert einen hohen manuellen Aufwand. Auf Basis erfolgreich
durchgeführter Projekte weist der Dienstleister ein Verzeichnis von
über 40.000 Stammwörtern aus, denen eine hohe sechsstellige Zahl an
relevanten Begriffen zugrunde liegt.
Als Ergebnis der Datenerhebung liegt pro Unternehmenswebseite eine
Liste von Stammwörtern vor, die um irrelevante Wörter bereinigt und aus
den einzelnen dort auftretenden Wörtern aggregiert wurde. Dies heißt
insbesondere, dass die Zahl der Stammwörter für jede URL ermittelt
wird.
G. Braun, T. Schwarz: Leitfaden Data Driven Marketing / Kap. 4 Anwendungen in den Branchen
13. 287
Abb. 1: Verdichtung des Wortuniversums auf Stammwörter.
Modellerstellung
Bei einer Regressionsanalyse wird zunächst eine Funktionsform gewählt,
die den Zusammenhang zwischen Kundenumsatz (Regressand) und
gesammelten Parametern (Regressoren) beschreiben soll. In aller Regel
wird zunächst eine lineare Funktionsgleichung verwendet. Nur falls sich
die lineare Gleichung als untauglich erweist, wird eine kompliziertere
Funktionsform gewählt.
Im Fall der linearen Funktion werden die Umsätze (Y) als einfache
lineare Kombination der gesammelten Parameter (x1
) dargestellt,
wobei die ß1
unbekannte Gleichungsparameter sind (sogenannte
Regressionskoeffizienten):
Das gewählte Modell wird an die vorliegenden Daten angepasst. Mit
Hilfe der Methode der kleinsten quadratischen Abweichung werden
diejenigen Werte für die Regressionskoeffizienten bestimmt, die für die
Daten der Stichprobe von 70 Prozent der Kunden optimal sind. Als
Ergebnis der Anpassung ergibt sich eine spezifizierte lineare Gleichung,
mit der für neue Fälle durch Einsetzen der entsprechenden x1
-Werte in
die Gleichung ein y-Wert als Prognose berechnet werden kann.
Meinert Jacobsen: Big Data: Leadbewertung einer Onlinedruckerei
14. Da die auf Grundlage der ausgewählten 70 Prozent der Kunden
angepasste Gleichung nicht unbedingt auch für andere Kunden
gültig ist, muss das Modell validiert werden. Dabei wird geprüft, ob
das Modell verallgemeinert werden kann. Dazu werden die Daten der
verbleibenden 30 Prozent der Kunden verwendet. Für diese sind sowohl
die tatsächlich realisierten Umsätze, als auch die Werte der Regressoren
(Auftreten, Anzahl und Anteile der Stammworte) bekannt. Mit Hilfe
der Regressionsgleichung werden für die 30 Prozent die Umsätze
prognostiziert. Dann werden vorhergesagte und tatsächliche Werte
verglichen: Weichen die beiden Werte für die 30 Prozent Kunden stark
voneinander ab, ist das Prognosemodell nicht allgemein gültig. Stimmen
sie weitgehend überein, kann das Modell als valide betrachtet und zur
Prognose von potenziellen Neukunden verwendet werden.
Um Verzerrungen zu vermeiden, ist bei der Auswahl der Kunden für die
Modellerstellung darauf zu achten, dass Ausreißer und saisonale oder
aktionsgetriebene Artefakte nicht berücksichtigt werden.
In Abb. 2 ist anhand einiger ausgewählter Stammwörter schematisch
dargestellt, welchen Einfluss selbige auf den Umsatz haben. Es ist
offensichtlich, dass einige Begriffe für den Printbereich große Bedeutung
haben, andere hingegen nicht. So machen Firmen, die das bereits
erwähnte Stammwort „Stellenanzeigen“ auf ihrer Webseite haben, einen
durchschnittlichen Umsatz von 490 Euro, Firmen ohne das Stammwort
hingegen nur knapp 350 Euro, also +140 Euro mit Stammwort
„Stellenanzeigen“.
Noch deutlicher fallen die Unterschiede bei den Stammwörtern „Druck“
(+270 Euro) oder „Amtsgericht“ (+225 Euro) aus, während es bei den
Stammwörtern „Handwerker“ (+2 Euro), „Kinder“ (-9 Euro) oder
„E-Mail“ (+14 Euro) nur sehr geringe Unterschiede in Bezug auf den
durchschnittlichen Gesamtumsatz pro Unternehmen gibt.
Sollen, wie in dem vorliegenden Beispiel aus dem Druckereibereich,
nicht nur Bestandskunden, sondern unbekannte Leads bewertet
werden, müssen die im Modell verwendeten Parameter entsprechend
angepasst werden. So werden für die Modellierung Auftreten, Anzahl und
abgeleiteteAnteilederStammwortevondenFirmenwebseitenverwendet.
Zielgröße ist dabei der Umsatz der bekannten Kunden, für welche die
Stammworte ermittelt wurden. Es können abhängig von der Fragestellung
auch andere Zielgrößen wie beispielsweise Kaufwahrscheinlichkeiten
oder Produktaffinitäten ermittelt werden.
288
Ausreißer und
saisonale oder
aktionsgetriebene
Artefakte nicht
berücksichtigen
G. Braun, T. Schwarz: Leitfaden Data Driven Marketing / Kap. 4 Anwendungen in den Branchen
15. Abb. 2: Schematische Darstellung des Einflusses von ausgewählten
Stammwörtern auf den Umsatz.
Die Produktaffinität kann je nach Art der Firma und den auf der Webseite
enthaltenen Stammwörtern durchaus unterschiedlich ausfallen. Enthält
die Webseite eines Unternehmens beispielsweise das Wort „Handwerker“,
so hat dies zwar, wie bereits erwähnt, keinen nennenswerten Einfluss
auf den Gesamtumsatz, schlägt sich jedoch positiv beim Abverkauf von
Visitenkarten nieder. Während bei anderen Firmen im Durchschnitt 3,9
Prozent des getätigten Umsatzes auf Visitenkarten entfallen, sind es bei
Firmen mit dem Wort Handwerker auf der Webseite 5,2 Prozent. Der
durchschnittliche Umsatz für Visitenkarten pro Firma beträgt 19 Euro
für Firmen mit und 14 Euro für Firmen ohne das Stammwort.
289
Meinert Jacobsen: Big Data: Leadbewertung einer Onlinedruckerei
16. Einsatz
Trennt das Score-Modell in Hinblick auf die interessierende Zielgröße
gute und schlechte Kunden ausreichend treffsicher und zuverlässig,
kann es auf jede beliebige URL angewendet werden. Anhand des
vorhergesagten Umsatzes wurden für das Druckereiunternehmen alle
Kunden in Gruppen mit großem und weniger großem Umsatzpotenzial
eingeteilt. Ein Beispiel für einen solchen Score ist in Abb. 3 dargestellt.
Kunden mit dem höchsten Potenzial befinden sich in Score-Gruppe 1,
die mit dem geringsten in Gruppe 10.
Abb. 3: Ergebnisse des Scorings, Kunden nach Score-Gruppe.
In diesem Beispiel wurden mit den besten beiden Score-Gruppen 3,4 von
6,6 Millionen Euro Gesamtumsatz erzielt. Somit realisieren 20 Prozent
der Kunden über 50 Prozent des Unternehmensumsatzes. Die Einteilung
in Score-Gruppen ermöglicht also eine differenzierte Beschreibung des
Potenzials eines jeden Bestandskunden.
Im operativen Marketing sind die erzielten Ergebnisse unmittelbar
verwendbar: Statt einer gleichmäßigen, von Umsatzprognosen
weitgehend unabhängigen Bewerbung wird der Score als Richtschnur
für planvollere und konzentriertere Marketingkampagnen herangezogen.
Die Bestimmung von Kerngruppen, bei denen eine häufigere Ansprache
290
G. Braun, T. Schwarz: Leitfaden Data Driven Marketing / Kap. 4 Anwendungen in den Branchen
17. lohnenswert ist, reduziert die Anzahl der überflüssigen Werbekontakte
und minimiert so die entstehenden Kosten.
Ein einmal entwickeltes Score-Modell kann neben der Bewertung von
BestandskundenauchfürandereZweckeeingesetztwerden.Beispielsweise
kann das hier vorgestellte Verfahren bei der Leadgenerierung und
-beurteilung sehr hilfreich sein. Anstelle einer Anwendung auf die
URLs von Bestandskunden werden die Adressen und URLs von
Marktteilnehmern aus den interessierenden Branchen verwendet, die
bislang keine Kunden sind. Die Informationen der neuen URLs werden,
wie im Abschnitt über die Datenerhebung dargelegt, extrahiert und
aufbereitet. Auf die dann vorliegenden Informationen wird im Folgenden
das anhand von Bestandskunden entwickelte Modell angewendet.
So wird für jede neue URL ein Score bestimmt, anhand dessen
entschieden wird, ob es sich um einen Marktteilnehmer mit großem
oder kleinem Umsatzpotenzial handelt. Wie auch bei Bestandskunden
können somit bislang unbekannte Marktteilnehmer entsprechend
ihrem Umsatzpotenzial gezielt beworben und schneller als Neukunden
gewonnen werden. Big Data hilft so, das Marketingbudget optimal
einzusetzen und den Nutzen für ein Unternehmen zu maximieren.
Doch der Nutzen von Score-Modellen geht weit über den operativen
Bereich hinaus. Auch im strategischen und taktischen Bereich können
die Ergebnisse aus den Scoring-Modellen verwendet werden.
Im strategischen Bereich hilft der Fokus auf die Zusammenhänge
zwischen Kundenverhalten und Kundenmerkmalen bei der
Produktentwicklung und der langfristigen Planung und Entwicklung
von spezifischen Marketingstrategien. Je klarer das Zusammenspiel
von Kundeneigenschaften und Kaufverhalten aufgezeigt und
erkannt wird, desto besser können Produkte und Marketing auf die
zielgruppenspezifischen Bedürfnisse zugeschnitten werden. Dies sorgt
nicht nur für zufriedenere und somit kaufwilligere Bestandskunden,
sondern erlaubt durch die Einbeziehung von frei zugänglichen
Informationen über bislang unbekannte Marktteilnehmer auch eine
verbesserte Ansprache von auf dem Markt verfügbaren Potenzialen.
Im taktischen Bereich helfen die Erkenntnisse mittel- und langfristig
die richtige Marketingaktion und den richtigen Kunden einander
zuzuordnen. Durch die Möglichkeit der Differenzierung der Ansprachen
und der daraus erfolgenden Kostenoptimierung, können Adressbestände
291
Meinert Jacobsen: Big Data: Leadbewertung einer Onlinedruckerei
Score-Modelle für
den operativen,
strategischen
und taktischen
Unternehmens-
bereich
18. besser ausgeschöpft werden, indem bei den potenzialstarken Adressen
begonnen wird.
Literatur
[1] Gabler Wirtschaftslexikon – 18. Auflage, Springer-Gabler, Wiesbaden 2013.
[2] Statista: Prognostizierte Umsatzentwicklung in der Druck- und
Datenträgerindustrie in Deutschland in den Jahren von 2007 bis 2018 – http://
de.statista.com/statistik/daten/studie/248478/umfrage/prognose-zum-umsatz-
in-der-druck-und-datentraegerindustrie-in-deutschland/ – Zugriff: 11.07.2015.
[3] Statista 2015 sowie ECC Handel, November 2010 – http://de.statista.
com/statistik/daten/studie/150666/umfrage/anteil-von-unternehmen-mit-
internetpraesenz-in-deutschland/ – Zugriff: 14.07.2015.
292
G. Braun, T. Schwarz: Leitfaden Data Driven Marketing / Kap. 4 Anwendungen in den Branchen
19.
20. marketing-boerse.de
DAS DIENSTLEISTERVERZEICHNIS
INFO-TELEFON +49 7254 / 95773-0
Das reichweitenstärkste Spezialverzeichnis für
Marketing mit über 20.000 Anbietern präsentiert:
• pfiffige und innovative Marketing-Profis für Ihre Kommunikation
• kompetente Anbieter aus allen Branchen von Außenwerbung
über Suchmaschinen-Optimierung bis Zielgruppenanalyse
• interessante Jobangebote und Projektausschreibungen
• wertvolle Fachartikel und Pressemeldungen
• wichtige Branchentreffs
• alle Marketingtermine des Tages
• nützliche Marketing-Tipps und -Tricks
• spannende Webinare für Ihr Marketing-Wissen
marketing-boerse.de
Das
Dienstleister-
verzeichnis
für Marketing
Unternehmen. Experten. Jobs.Ausschreibungen.
Produkte.Termine. News. Fachartikel.
n
Jetzt
eintragen!