Upload
managementforum
View
635
Download
2
Embed Size (px)
DESCRIPTION
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
Citation preview
Thomas Ramge
Data Unser – Big Data, predec4ve analy4cs und wie wir Kundendaten wirklich intelligent nutzen
Vortrag SMK 2013
"A4rb_Business"_v01_20110801 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
"A4rb_Business"_v01_20110801 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 Daten 3
Schlechte Datenqualität 4
Kampagnenangebote austauschbar 5
Zu hohe Kosten 6
Strategie
Organisation
Kultur Techno-logie
Kunden Inter-aktion
Kunden identifizieren
Kunden-potenziale
ausschöpfen
Ergebnisse messen
Kunden binden
"A4rb_Business"_v01_20110801 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
"A4rb_Business"_v01_20110801 5
Das Marktmosaik – Märkte in beliebiger Granularität bis auf Einzelkundenebene bearbeiten
Das Marktmosaik
Welt
Region
Land
Zielgruppe
Einzelkunde
"A4rb_Business"_v01_20110801 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
"A4rb_Business"_v01_20110801
Commerce
7
"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
✓ ✓
"A4rb_Business"_v01_20110801 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
"A4rb_Business"_v01_20110801 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!?)
HOCH NIEDRIG
NIEDRIG
HOCH
Transparenz der Datennutzung
Kundennutzen aus Datenanalyse
"A4rb_Business"_v01_20110801 10
Data Unser oder der "New deal on data"
Anforderungen Grenzen
Datensicherheit garantiert 1
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
Regulierung 1
Gütesiegel zur Datennutzung
2
Kundenakzeptanz • Nutzung der Angebote • Informationsberücksichtigung • Einstellung zur "Privatsphäre"
3
Grenznutzen der Datenanalyse
4
Erfolgreiches Marketing
201x
thomasramge.de