print logo

Data- und Analytics-driven Sales und Marketing

MarTech 4.0 bedeutet Data- und Analytics-driven Sales und Marketing für eine optimierte Customer Journey. Kundenbedürfnisse stehen an erster Stelle.
© Pixabay / Geralt
 
Um richtig erfolgreich zu sein und alle Potenziale zu nutzen, müssen Marketing, Online-Marketing, Vertrieb und E-Commerce ganzheitlich und integriert betrachtet werden. Heute werden viel zu häufig noch Online-Werbung und Onsite-Optimierung, aber sogar einzelne Kanäle wie SEO, SEA, Display und Social-Media getrennt betrachtet und bewertet. Dabei ist diese ganzheitliche Umsetzung sogar oft mit bereits vorhandenen Tools realisierbar - auch ohne große, teure und unflexible vollintegrierte Suites einzuführen. Und neue Ansätze durch künstliche Intelligenz und massiven Fokus auf die Auswertung und Nutzung von bereits vorhandenen Daten sind ein echter Game Changer.

Erfolg im Online-Marketing ist nicht von einem einzelnen Kanal abhängig. Ganz im Gegenteil zahlen die einzelnen Online-Marketing-Aktivitäten und -Kanäle aufeinander ein, genauso wie auch Offline-Marketing einen gewissen Einfluss auf den Gesamterfolg hat. Der Grund dafür ist die Customer-Journey des potenziellen Kunden. Denn der Kaufimpuls bei einem neuen Kunden wird nur in den wenigsten Fällen beim ersten Kontakt mit einem Werbemittel ausgelöst. Vielmehr sind oft schon mehrere Kontakte mit einem Werbemittel notwendig, um überhaupt einen Klick auszulösen. Je nachdem, welcher Studie man glauben mag, sind durchschnittlich sechs Werbemittelkontakte optimal für die Klickwahrscheinlichkeit. Und auch wer klickt, kauft nicht sofort - sondern guckt erstmal und geht dann wieder. Erst durch die kontinuierliche weitere Ansprache - in diesem Fall dann auch über zielgerichtete Ansprache z.B. via Remarketing - wird der Kaufimpuls ausgelöst. Die Customer-Journey endet aber bei weitem nicht beim Werbemittel, sondern die Nutzererfahrung auf der jeweiligen Website oder im jeweiligen Onlineshop hat dabei große Bedeutung.

Innerhalb der Customer-Journey durchläuft der mögliche Käufer zudem verschiedene Phasen, in denen auch unterschiedliche Arten von Werbemitteln und Ansprache notwendig sind. Oft beginnt der Nutzer mit informationsgetriebenen Suchen in einer Suchmaschine (meistens Google), sucht dann konkreter nach einzelnen Eigenschaften und Funktionen, bis er dann weiß, was er ungefähr kaufen möchte, und konkreter nach bestimmten Produkten oder direkt Shops für solche Produkte sucht. Danach folgt häufig der Vergleich von Preisen, Lieferbedingungen und sonstigen Konditionen - bis dann letztendlich die Kaufentscheidung getroffen wird. Und so enthält die gesamte Customer-Journey den gesamten Weg des Onlineshoppers: von der ersten Informationssuche bis zur Wiederansprache von Besuchern, die ohne Kauf den Shop verlassen haben.

Um (Online-)Werbung also effektiv und effizient planen und aussteuern zu können, müssen alle Maßnahmen intelligent miteinander verknüpft werden: beginnend bei SEO und SEA, über Display-Advertising und Remarketing bis hin zur Optimierung der Website an sich - verbunden mit einem durchgängigen Tracking und der möglichst automatischen Optimierung der einzelnen Kanäle. Denn wer hier nicht alle möglichen Daten nutzt, möglichst datengetrieben arbeitet und innovativer Technologien ignoriert, wird letztendlich immer abgehängt werden.

Künstliche Intelligenz ist selbst bei der Generierung der organischen Suchergebnisse bei Google schon längst an der Tagesordnung - und wirft damit das gesamte klassische SEO vollkommen durcheinander. Denn auf einmal stehen keine klassischen Rankingkriterien mehr im Fokus, sondern der Nutzer mit seinen individuellen Wünschen und Erfordernissen.

Daten im Mittelpunkt der Customer-Journey-Optimierung


Um die Customer Journey optimieren zu können, ist es notwendig, möglichst viele Daten über das Verhalten der Nutzer im gesamten Entscheidungsprozess zu haben und miteinander zu verknüpfen. So lässt sich erfahren, wie der Weg vom ersten Kontaktpunkt bis zur Conversion optimiert werden kann, um die Conversion-Rate zu erhöhen und kanalübergreifend Kosten einzusparen. Durch das Tracking von verschiedenen Devices können Synergieeffekte zwischen den Touchpoints erkannt und diese zur Steigerung der Performance der verschiedenen Marketingkanäle genutzt werden. Insgesamt erhält man so wertvolle Customer Insights, um das Kaufverhalten der Zielgruppe zu verstehen.

Insbesondere vor dem Hintergrund der wachsenden Sensibilität für Datenschutz und die aktuelle Gesetzgebung (z.B. DSGVO) sind hierbei Tools aus Deutschland vorzuziehen. Dadurch gibt es deutlich weniger juristische Problemstellungen und das Tracking kann vollständiger aufgesetzt werden, ohne in juristische Risiken zu laufen.

Ein Beispiel dafür aus Deutschland ist “intelliAd”. Ursprünglich als Bid-Management-Lösung für Google Ads entwickelt, vereint die IntelliAd-Plattform mittlerweile die Möglichkeiten der Messung, des Verständnissen und der Optimierung aller Werbekanäle auf einer einzelnen Plattform - insbesondere mit Fokus auf dem Tracking, der Optimierung der Suche und der Integration von E-Commerce-Funktionen wie Google Shopping und Amazon Advertising.

So lassen sich die Customer-Journey-Ketten erkennen, die am häufigsten und besten konvertieren – und die zu Conversions mit besonders hohem Warenkorbwert führen. Mit diesen Insights lassen sich die Marketingaktivitäten deutlich effizienter orchestrieren.

Das jeweilige “optimale Attributionsmodell” hängt dabei vom spezifische Geschäftsmodell, die Zielsetzung des Unternehmens sowie die Komplexität des Marktes ab und kann individuell abgebildet werden, um diese Anforderungen zu erfüllen. Dabei muss zwischen statischen und dynamischen Attributionsmodellen unterschieden werden: Statische Modelle basieren auf simplen Regeln, während dynamische Modelle auf berechneten Zusammenhängen beruhen. Letztere bieten dabei offensichtlich ein deutlich größeres Potenzial und benötigen weniger manuelle Pflege und Entwicklung - und sind entsprechend auch das, was die Intelliad-Technologie ermöglicht.

Diese Attributionsmodelle können als Grundlage für Budget-Analysen sowie die optimale
Allokation des Marketingbudgets herangezogen werden, so dass das optimale Attributionsmodell individuelle auf Basis der eigenen Daten ermittelt werden kann und bei der Ermittlung des Modells vielfältiger Einflussfaktoren berücksichtigt werden können. So findet sich ein Modell mit hoher Stabilität, dass auch über Saisonalitäten hinweg funktioniert.

Damit wird sichergestellt, dass alle Daten in einer Plattform vorgehalten werden. Angetrieben durch Machine Learning und selbstlernende Algorithmen kann die Aussteuerung der einzelnen Werbekanäle automatisiert optimiert werden - mit individuell einstellbaren Zielen und Gewichtungen der einzelnen Touchpoint in der Customer-Journey. Wobei das Tracking nicht nur auf bezahlte Kanäle begrenzt ist, sondern auch den organischen Traffic berücksichtigt und so SEO-Erfolge nicht nur einzeln messbar macht, sondern im Kontext der gesamten Customer-Journey bewertet werden können.

SEO verändert sich rasant: Fokus auf den Nutzer!


Google lebt von relevanten Suchergebnissen. Nur mit dem Fokus auf die wirklich relevanten Suchergebnisse konnte Google überhaupt eine solche Vorherrschaft bei den Suchmaschinen erlangen und alle anderen Mitbewerber - inklusive dem einzigen noch wirklich vorhandenen Konkurrenten Bing - verdrängen. Bei Google findet man immer schneller und besser, nach was man eigentlich gesucht hat. Um dies zu erreichen, investiert Google von vorne herein viel Arbeit, um immer bessere Suchergebnisse zu generieren und jede Manipulation der Suchergebnisse zu stoppen.

Aus Sicht der Suchmaschine ist klassische Suchmaschinen-Optimierung (SEO), die über die reine technische Optimierung der Indexierbarkeit hinaus geht, nämlich genau das: Manipulation. Mit vielfältigen Taktiken wird versucht, Google dazu zu bringen, eine Seite höher in den Suchergebnisse zu platzieren. Denn nur wer ganz oben in den Suchergebnissen steht, bekommt viele Klicks - und so nicht nur das größte Potenzial für Conversions, sondern auch Möglichkeiten, diese Besucher über andere Kanäle erneut anzusprechen und so langfristig ein Targeting der relevanten Zielgruppe aufzubauen. Entsprechend hoch ist die Motivation, ein wenig (oder auch mehr) nachzuhelfen.

Dabei war schon immer klar, was Google möchte: Seiten, die dem Besucher gefallen. Die erste Unternehmensregel von Google ist seit Beginn: “Der Nutzer steht an erster Stelle, alles weitere folgt von selbst”. Künstliche Links und für die Suchmaschine optimierte Texte stellen mit Sicherheit nicht den Besucher in den Mittelpunkt - und sind entsprechend nicht der richtige Weg, um langfristig bei Google erfolgreich zu sein.

Aber egal, ob man den kurzfristigen oder den langfristigen Erfolg bei Google sucht: User-Signals sind für Google immer einfacher messbar und werden immer wichtiger für die Darstellung der Suchergebnisse.

Denn bei genauerer Betrachtung ist Google viel mehr als eine Suchmaschine. Mit mindestens 70 Prozent Marktanteil ist Googles “Chrome” einer der meistgenutzten Browser - insbesondere in Deutschland. Dazu ist Google Analytics ist eine der meist genutzten Webanalyse-Lösungen weltweit. Googles “Android” ist eines der meistgenutzten Betriebssysteme für Smartphones. All diese Programme und Geräte sammeln Daten und senden viele Informationen an Google.

Welche Daten Google davon nun konkret für seine Suchmaschine verwendet, ist ein von Google wohl gehütetes Geheimnis und unterliegt wahrscheinlich einem stetigen Wandel. Aber Google weiß (theoretisch) ganz genau, auf welchen Websites die Besucher länger bleiben (weil sie die gesuchten Informationen oder Produkte finden) und bei welchen sie schnell wieder gehen. Und natürlich weiß Google auch, bei welchen Arten von Seiten ein kurzer Besuch besser ist, als ein langer (z.B. bei der Suche nach der aktuellen Wetterlage). Alle Studien zu den Rankingfaktoren bei Google zeigen entsprechend, dass dieser User Signals immer wichtiger werden.

Nach einer Studie der Agentur “diva-e Advertising” (vorm. One Advertising) können 46 Prozent der Google-Nutzer dabei die organischen Suchergebnisse der Suchmaschine nicht von den Anzeigen unterscheiden. Zwar entfallen laut Zahlen von diva-e nur 6,8 Prozent aller Klicks in Google auf die “Google Ads”, dies ist jedoch ein enormer Anteil an den für das Marketing relevanten Suchanfragen, wenn man berücksichtigt, dass Google Ads bei vielen Longtail-Suchen (wie sie häufig ganz am Anfang der Customer Journey stehen) gar nicht angezeigt werden und die Nutzer häufiger auf die Google Ads klicken, je näher sie der Kaufentscheidung kommen - also bei sog. transaktionalen Suchanfragen.

Conversion-Optimierung: Besuchererlebnis entscheidet über Umsatz und Ranking


Optimierung von Websites für den Nutzer zahlt also nicht nur auf die Conversion-Rate ein, sondern auch auf das Ranking. Conversion-Optimierung muss deshalb nicht nur für Landingpages im Fokus stehen, sondern für jegliche Art von Seiten, mit denen der Besucher in Kontakt kommt. Denn letztendlich entscheidet das Besuchererlebnis nicht nur über den Umsatz, sondern auch über das Ranking - und ist somit ein doppelter Treiber für den Conversion-Erfolg.

Klassische Conversion-Optimierung nutzt dabei möglichst viele Daten, um Besucherverhalten zu erkennen und entsprechend darauf zu reagieren. Insbesondere A/B-Tests sind hier sehr beliebt, um genau zu sehen, wie die Website-Besucher auf Veränderungen reagieren. In Kombination mit weiteren Tracking-Daten kann so nicht nur erkannt werden, welche Inhalte und Gestaltungselemente insgesamt am besten funktionieren, sondern es lässt sich die optimale Darstellung jedes messbare Nutzersegment ermitteln. Nutzer-Segmente können dabei ganz unterschiedlich sein: angefangen bei unterschiedlichen Traffic-Quellen und Devices, bis hin zur jeweiligen Phase in der Customer Journey - und alles dazwischen. So werden Ergebnisse aus A/B-Tests im Optimalfall nicht als statische Versionen der jeweiligen Seite umgesetzt, sondern daraus dynamische Targeting-Regeln entwickelt.

Die Qualität der Ergebnisse von A/B-Tests hängt wie überall, wo mit Daten gearbeitet wird, von der Menge der auswertbaren Daten - und damit von der Anzahl der Besucher auf der Website - ab. Die Menge der Besucher ist häufig der limitierende Faktor für A/B-Tests, denn je weniger Besucher, desto weniger komplex kann der A/B-Test geplant werden. Weniger Testvarianten sind möglich und stärkere Unterschiede zwischen den Testvarianten sind notwendig. Entsprechend ist es wichtig, bereits bei der Planung von Tests vorhersagen zu können, welche Veränderungen wahrscheinlich einen hohen Einfluss auf die Conversion-Rate haben.

Eine gute Möglichkeit dafür ist die Nutzung von Conversion-Heuristiken, also dem Wissen aus vergangenen Optimierungen und A/B-Tests und die Anwendung dieser Erfahrungen auf die eigene Website. Tools wie “ConversionBoosting Analyze” nutzen eine solche Heuristiken-Datenbank als Grundlage für die Analyse von Websites und Onlineshops. Sie können so Optimierungspotenziale vorhersagen und konkrete Vorschläge zur Optimierung und für A/B-Tests machen.

Hierzu wird von Analyze die Darstellung und der Aufbau einer Website analysiert, Elemente erkannt und Metadaten abgeleitet. Die Heuristik-Datenbank wird von einem Analysten-Team gepflegt, die Heuristiken evaluiert und der Datenbank hinzufügt sowie bestehende Heuristiken re-evaluiert und weiter optimiert. Wichtig ist hierbei insbesondere die Anreicherung der Heuristiken mit Informationen zum Kontext, in dem diese Heuristik funktioniert sowie zum erwarteten Einfluss und dem üblichen Aufwand der Umsetzung der Heuristiken.

Eine solche Heuristik-Analyse zeigt dann das konkrete Potenzial zur Optimierung der Conversion-Rate und des Nutzerverhaltens. Je nach Art der konkreten Ergebnisse und abhängig von der individuellen Website können und sollen die Ergebnisse dann direkt umgesetzt werden oder bieten die perfekte Grundlage für deutlich erfolgreichere A/B-Tests.


In Teil 2 des Beitrags geht es um die 5 Schritte, um zu einer optimalen Customer Journey zu gelangen.