Suche
  • Sven Wilms

Warum KI keine Magie ist, sondern „nur“ unser datengetriebenes Arbeiten effektiver werden lässt

Daten aufzeichnen, interpretieren und daraus Handlungen ableiten. Was die künstliche Intelligenz übernehmen könnte, müssen wir zunächst selber verstehen und im Kleinen ausführen können. Dazu braucht es crossfunktionale Teams, die durch und durch datengetrieben arbeiten und sich dabei auf persistente und möglichst einheitliche Kundendaten verlassen können. Der Weg dahin ist noch weit.


Die Komplexität im Online-Marketing steigt

Digital-Marketing-Teams agieren in einem breiten Spektrum von Disziplinen. Die Owned Media mit Website, Blog und Apps bilden das Herzstück. In unterschiedlichem Ausmass gesellen sich Social, Paid und Earned Media dazu. Die Marketing-Kanäle differenzieren sich laufend weiter aus und legen an Komplexität zu, nicht zuletzt, weil der Kampf um die knappe Aufmerksamkeit zunimmt, während parallel dazu die Grösse der Bildschirme abnimmt. Für Generalisten wird es zunehmend herausfordernder, die Marketing-Kanäle parallel zu bespielen und damit Wirkung zu erzeugen. Durch ein Outsourcing an Agenturen steigt zwar die Maturität in den einzelnen Disziplinen. Weil aber die Externen stern- statt netzförmig mit dem Auftraggeber zusammenarbeiten, bleibt die echte Verzahnung aus.


Die erste Stufe im datengetriebenen Marketing

Häufig frage ich die Digital-Marketing-Teams: «Arbeitet ihr in den einzelnen Marketing-Kanälen datengetrieben?» Klar doch, ist meistens die Antwort. Jede und jeder überwacht und reportet schliesslich ein Set an Metriken. Es sind Öffnungsraten, Click-Through-Rates, Konversionsraten, Checkout-Raten und unzählige weitere. Dann stelle ich die Frage etwas anders: «Hat eine veränderte Metrik direkten Impact auf dein Handeln? Leitest du daraus Folgefragen ab, die mit den anderen Kanal-Verantwortlichen und dem Business diskutiert werden?» Diese Antwort kann in der Praxis oft nur mit grösseren Abstrichen bejaht werden. «Und wenn du dir Fragen zum Interaktionsverhalten stellst, denkst du dann an die SOLL-User-Journey aus dem UX-Workshop vom letzten Jahr?» Das Kopfnicken verdeutlicht, dass hier nach wie vor die prospektive, planerische Sicht dominiert.


Für die retrospektive Analyse sind valide Daten der geeignetere Anknüpfungspunkt. Mit differenzierten und segmentierten Analysen des Nutzerverhaltens werden Fakten und Zahlen erhoben, die den Ausgangspunkt für die Hypothesenbildung und laufende Optimierung darstellen. Es ist gemeinhin die Spielwiese für Retargeting, Konversionsoptimierung und Split-Tests. Dabei wird gezielt Einfluss genommen auf ein definiertes User-Segment mit dem Ziel, eine spezifische Kennzahl steigern zu können. Die User-Segmente werden so gebildet, dass User mit ähnlichen Voraussetzungen zusammengefasst werden. Also zum Beispiel «surft aktuell mit einem mobilen Device und/oder hat seit 180 Tagen keinen Kauf mehr getätigt» oder «hat zwar bereits den Warenkorb, nicht aber nicht die Bestätigungsseite aufgerufen» … der Kreativität sind hier keine Grenzen gesetzt.


Warum wir zwar Daten, aber noch nicht den Kunden im Fokus haben

Die bisherigen Ansätze beruhen auf Cookie-basierten Informationen. Dabei können zwar mehrere Besuche zu einer Journey aggregiert werden, jedoch werden die Daten noch nicht über verschiedene Plattformen hinweg verheiratet. Deshalb geschieht es oft in der Praxis, dass das Marketing-Team Massnahmen zum Lead Nurturing auf der einen Plattform durchführt, ohne dabei das Verhalten der gleichen Kunden in der App oder mit dem Kundendienst zu berücksichtigen.


Selbst ausgeprägt datengetriebene Marketing-Teams agieren also häufig in getrennten Silos mit einer fragmentierten Sichtweise auf den Kunden. Ist das zu verantworten? Ja, denn die datenbasierte User-Journey-Optimierung ist eine crossfunktionale Disziplin, die eine Organisation selbst im kleinen, imperfekten Rahmen etablieren kann. Die geringere Komplexität bietet sogar den Vorteil, dass schneller Ergebnisse erzielt werden und so die gemeinsame Lernkurve rascher ansteigt. Vor diesem Hintergrund soll die Organisation sogar in Kauf nehmen, dass der ausgewiesene Uplift einer konkreten Massnahme nur eine vermutete Verbesserung darstellt und die Mitarbeiterinnen und Mitarbeiter methodenfit macht.


Dass wir Daten fehlinterpretieren und Irrwege gehen, wird uns auch in Zukunft noch passieren – hoffentlich dann auf einem etwas höheren Level. Solange die Lernkurve steigt, sind wir auf dem richtigen Pfad. Nur so eignen wir uns ein Grundverständnis an, um dereinst die Algorithmen der künstlichen Intelligenz füttern zu können. Denn bevor wir eine Maschine für ein «intelligentes Verhalten» trainieren können, müssen wir uns ein grundlegendes Verständnis erarbeiten und die Funktionsweise der Nutzerströme zunächst selber verstehen wollen.


Auf unserem Online-Zukunftsforum "KI und VR aus Deutschland" beschäftigt sich der Themenblock "Data-Literacy" explizit mit der Datenkomptenz im Unternehmen, speziell auch im Marketing. Viele Marketingexperten und -Manager nehmen an den entsprechenden Online-Trainings teil.




© 2019 by Software Innovation Bridge

+49 176 51975082