Data Unser – Big Data, predictive analytics und wie wir Kundendaten wirklich intelligent nutzen I Thomas Ramge, Technologie-Korrespondent des Wirtschaftsmagazins brand eins, auf dem 4. Social Media Kongress
Vortrag von Thomas Ramge, Technologie-Korrespondent des Wirtschaftsmagazins brand eins, auf dem 4. Social Media Kongress in Köln zum Thema: Data Unser – Big Data, predictive analytics und wie wir Kundendaten wirklich intelligent nutzen
4. Social Media Kongress
28. und 29. August 2013 im Radisson Blu Hotel Köln
Veranstalter: Management Forum der Verlagsgruppe Handelsblatt GmbH
Weiter Infos unter: www.managementforum.com
Semelhante a Data Unser – Big Data, predictive analytics und wie wir Kundendaten wirklich intelligent nutzen I Thomas Ramge, Technologie-Korrespondent des Wirtschaftsmagazins brand eins, auf dem 4. Social Media Kongress
Semelhante a Data Unser – Big Data, predictive analytics und wie wir Kundendaten wirklich intelligent nutzen I Thomas Ramge, Technologie-Korrespondent des Wirtschaftsmagazins brand eins, auf dem 4. Social Media Kongress (20)
Das neue Konsumentenverhalten von Dr. Robert Kecskes auf dem Deutschen Handel...
Data Unser – Big Data, predictive analytics und wie wir Kundendaten wirklich intelligent nutzen I Thomas Ramge, Technologie-Korrespondent des Wirtschaftsmagazins brand eins, auf dem 4. Social Media Kongress
1. Thomas
Ramge
Data
Unser
–
Big
Data,
predec4ve
analy4cs
und
wie
wir
Kundendaten
wirklich
intelligent
nutzen
Vortrag
SMK
2013
2. Von Tante Emma zum datenbasierten Marketing
Kundenorientierung
Reichweite
Tante Emma
CRM
Online-
Marketing
Integriertes,
datenbasier-
tes Marketing
Professionali
-sierung des
Marketing (Marken, Mafo, Zielgruppen
etc.)
Massenmarketing
und großflächiger
Handel
3. CRM – Oft gescheitert an der Komplexität
CRM: Voraussetzungen
und Kernprozesse
Typische Probleme
Fokussierung auf IT-Tools ohne
klare Definition der Ziele
1
Mangelnde Einbindung von
Marketing und Vertrieb
2
Mangelnde Verknüpfung der Daten3
Schlechte Datenqualität4
Kampagnenangebote austauschbar5
Zu hohe Kosten6
Strategie
Organisation
Kultur
Techno
-logie
Kunden
Inter-
aktion
Kunden
identifizieren
Kunden-
potenziale
ausschöpfen
Ergebnisse
messen
Kunden
binden
4. 360° Segmentierung – Welche Daten relevant sind
Verhalten
Verhaltenstreiber
• Demographika
B2C: z.B. Alter, Beruf, HH Größe
B2B: z.B. Branche, MA-Anzahl
• Psychographika
• Bedürfnisse
– Notwendig
– Erwünscht
(entlang des Kauflebenszyklus)
Informationssuche
• Passiv (z.B. Surfverhalten)
• Aktiv (gezielte Produktsuche)
Responseverhalten auf Marketing
Beratung
Abschluss
Nutzung
Kauf Zusatzprodukte
Reklamation / Kundendienst
Recycling
Kaufhistorie
5. Das Marktmosaik – Märkte in beliebiger
Granularität bis auf Einzelkundenebene
bearbeiten
Das Marktmosaik
Welt
Region
Land
Zielgruppe
Einzelkunde
6. Kontrollgruppen – Der Schlüssel zur Messung des
wahren Marketingerfolges
Charakteristika von Kontrollgruppen
• Repräsentative Teilmenge einer
Zielgruppe
• Ausgeschlossen von der
jeweiligen Marketingaktion
• Dient als Basisszenario
• Repräsentativität wird mit
statistischen Verfahren geprüft
Kontrollgruppe
Zielgruppe
C
Zeit
Kontroll-
gruppe
Erfolg
A
Zeit
Kontroll-
gruppe
Erfolg
Kampagnenperiode
B
Zeit
Kontroll-
gruppe
Erfolg
7. Commerce
"Social Burger" – Beispiel für neue Kampagnen
SITUATION
• Erheblicher
Wettbewerbsdruck in der
Fast-Food-Industrie
ANSATZ
• Burger King: Whopper umsonst für
Facebook-Verbindung
• Burger King: Social-Media-Kam-
pagne "Create your own burger"
ERGEBNISSE
• Kurzfristige Kundenkontakte
und Zusatzumsatz
• Kundeninteraktion, Produkt-
empfehlungen und
Innovationen
Einfach … … komplex
Connect
✓
Create
✗
Communi-
cate
✗
Commerce
✗
Connect
✓
Create
✓
Communi-
cate
✓✓
8. Die Umkehrung der Wertschöpfungskette
Traditionelle Organisation Kundenzentrierte Organisation
Entwicklung
Produktion/
Service
Marketing
Vertrieb
Kunde
Innovationen
Fertigung/
Dienstleistung
Absatzwirtschaft
Verkauf
Leistungs-
empfänger
Kundenorientierte Produktneu-
und -weiterentwicklung
Individualisierte Produkte
und Services
Anpassung des Marketingmix
an Kundenanforderungen
Kundenberatung, Aufnahme
der Anforderungen
Wünsche, Bedürfnisse und
Anforderungen
9. Die Transparenz-Nutzen-Matrix des
datenbasierten Marketings
Geduldete Werber Partner
Unerwünschte Spione Geduldete Spione
• Transparente Datensammlung,
-nutzung und -weitergabe aber
wenig Vorteile für den Kunden
• Klassische Opt-ins zur
Datennutzung für Kampagnen –
• Bsp: Strom, Telefon, Zeitschriften
• Transparente Datensammlung,
-nutzung und -weitergabe
• Gleichzeitig attraktive USP
• Bsp.: Amazon, eBay,
Vielfliegerprogramme,
Rabattkarten (Payback etc.)
• Hohe Intransparenz über die
gesammelten Daten, deren
Analyse und Weitergabe
• Kein klar erkennbarer
Kundennutzen daraus
• Bsp.: einige Finanzdienstleister
• Hohe Intransparenz über die
gesammelten Daten, deren
Analyse und Weitergabe
• Aber: Attraktive USP
• Bsp.: Online Profiling (incl.
Facebook und Google!?)
HOCHNIEDRIG
NIEDRIG
HOCH
Transparenz der Datennutzung
Kundennutzen aus
Datenanalyse
10. Data Unser oder der "New deal on data"
Anforderungen Grenzen
Datensicherheit garantiert1
Transparenz der
Datenspeicherung und
-nutzung inklusiver "Rest
Button"/Kunde kann jederzeit
alle Daten löschen
2
Mehrwert aus der
Datennutzung
• Relevanz
• Frequenz
• Mehrwert
3
Verhältnismäßigkeit - Nur
wirklich nötige Daten
sammeln und auswerten
4
Regulierung1
Gütesiegel zur
Datennutzung
2
Kundenakzeptanz
• Nutzung der Angebote
• Informationsberücksichtigung
• Einstellung zur "Privatsphäre"
3
Grenznutzen der
Datenanalyse
4
Erfolgreiches
Marketing
201x