Zu wissen statt zu raten, bedeutet auch für die Kampagnenplanung einen Wettbewerbsvorteil. Big Data ist der Schlüssel zu diesem Wissen, wie eine Masterarbeit an der Hochschule Luzern gezeigt hat.
Die Autorin ist Kommunikationsspezialistin Digitale Medien & Campaigning bei der Suva. Ihre Masterarbeit «Advanced Analytics: Nutzen von integrierter Datenanalyse bei Kampagnen in den Massenmedien am Beispiel einer Kampagne der Suva» entstand im Rahmen ihrer Weiterbildung MAS Digital Marketing & Communication Management an der Hochschule Luzern.
Die Digitalisierung hat dazu geführt, dass sich Kunden-Touchpoints in den letzten Jahren vervielfacht haben. Werbekampagnen werden dadurch komplexer und Marketingverantwortliche müssen mehr Kanäle bedienen – meist ohne, dass dafür auch mehr Budget zur Verfügung stünde. Die Vielzahl an Touchpoints überfordert aber die bis anhin im Kampagnencontrolling übliche isolierte Betrachtung einzelner Massnahmen. Wirkungsbezogene Optimierungen über alle Touchpoints sind mit dem herkömmlichen Ansatz faktisch unmöglich. Doch wie kann bei einer umfassend orchestrierten crossmedialen Kampagne, bei der auch Massenmedien eingesetzt werden, die Wirkung einzelner Kunden-Touchpoints gemessen und deren Einsatz optimiert werden? Nicht einmal innerhalb der digitalen Medien, wo wenigstens teilweise die Customer Journey ermittelt werden kann, gelingt das vollständig. Wie soll das funktionieren, wenn auch noch Offline-Medien dazukommen?
Die Grenzen von Panelstudien: kaum Indizien für die Optimierung
Durch die Werbewirkungsmessung mittels Panelstudien können zwar kampagnenbezogene Faktoren wie Werbeerinnerung, Bekanntheit des Produkts oder der Marke, Produktwissen, Präferenzen oder Kaufabsichten abgefragt werden. Es lassen sich jedoch nur sehr limitiert Hinweise für eine Optimierung bezüglich der Orchestrierung von Kampagnen ableiten. Der inhärente Nachteil von Panelstudien liegt unter anderem darin, dass nur ein Bruchteil der Konsumenten befragt wird. Bei der im Rahmen der Masterarbeit an der Hochschule Luzern untersuchten Kampagne enthielt das Marktforschungs-Panel nur gerade fünf Per-sonen, die gemäss eigenen Aussagen tatsächlich konvertiert haben. Mit einer solchen Fallzahl lässt sich keine signifikante Aussage darüber machen, welche Instrumente oder welche Kombination von Instrumenten in welchem Umfang zur Konversion beigetragen haben. Big-Data-Technologien und Big-Data-Methoden arbeiten nicht mehr mit kleinen Stichprobenmengen, sondern nutzen sämtliche zur Verfügung stehenden Daten, analysieren diese z.T. in Echtzeit und ermöglichen so die Entdeckung bisher unerkannter Korrelationen, die – einmal sichtbar geworden – laufende Optimierungen ermöglichen. Das gilt auch für Kampagnen. Diese generieren Unmengen an Daten, die zwar teilweise heute schon ausgewertet werden, meist jedoch in unabhängigen Silos.
Korrelationen durch Big Data: neue Erkenntnisse für Kampagnen
Wie die Abbildung des Stimulus-Response-Modells von Kotler zeigt (vgl. Abb. 1), soll bei einer Kampagne durch Marketinganreize (Stimuli) eine Reaktion des Rezipienten (Response) hervorgerufen werden. Gemäss Kotler gehen Anreize beispielsweise durch Marketingmassnahmen in die «Black Box» des Konsumenten ein und rufen eine bestimmte Reaktion hervor. Jedoch wird man niemals genau wissen, was in der «Black Box» geschieht. Es ist aber möglich, die Beziehung zwischen den Marketingstimuli und den Reaktionen zu erforschen und besser verstehen zu lernen. Wenn nun also die Datenbestände der Kampagne (Stimuli) mit den Konversionsdaten (Response) zusammengebracht werden, können Korrelationen zwischen den Massnahmen und der Konversion ermittelt und so Wirkungsmuster und Abhängigkeiten nicht nur identifiziert, sondern auch quantifiziert werden. Es mag Stimmen geben, die sagen, dass man eine Kampagne nicht alleine über Korrelationen optimieren kann. Dass Korrelationen zur Optimierung von Kampagnen sehr wohl ausreichend sind, zeigen einige der weltweilt erfolgreichsten Unternehmen wie Google oder Amazon, deren Erfolge ebensolche Korrelationen zu Grunde liegen. Denn, wie es Greg Linden, der ehemalige Chefentwickler von Amazon, treffend formuliert hat: Den Grund zu kennen, ist vielleicht nett, aber unwichtig für die Verkaufszahlen. Man müsse wissen, was und nicht warum.
Beispiel Suva: Trügerisches Bauchgefühl bei der Kampagnenplanung
Im Rahmen der Forschungsarbeit wurde die Fussballkampagne der Suva analysiert. Bei dieser Kampagne kamen verschiedene Instrumente zum Einsatz wie Medienarbeit, TV-Spot, Banner und Aktivitäten auf Facebook. Im Zentrum der Massnahmen stand der Fussballrisikotest der Suva, mit dem sich Amateurfussballer intensiv mit ihrem indivduellen Verletzungsrisiko auseinandersetzen sollten. Bereits bei einer einfachen Gegenüberstellung der kumulierten Anzahl Kontakte pro Tag (Tagesreichweite) über alle Instrumente und dem Verlauf der Konversion ist eine Korrelation zwischen der Kampagne und der Konversion ersichtlich (vgl. Abb. 2). Würde es diese Korrelationen nicht geben, wäre es ja auch sinnlos, Werbung zu machen. Das Ziel der Forschungsarbeit bestand nun darin zu analysieren, welchen Einfluss die einzelnen Instrumente, beziehungsweise deren Ausprägungen, auf die Konversion haben. Es waren mehrere Iterationen notwendig, um sich an den Mechanismus der Kampagne heranzutasten und die angemessene Art der Datenkonsolidierung zu bestimmen. Für die effektiven Analysen kamen jedoch relativ simple statistische Methoden zur Anwendung.
Schon im Rahmen dieser zeitlich sehr begrenzten Forschungsarbeit konnten zahlreiche Korrelationen mit hoher Signifikanz ermittelt und quantifiziert werden. Dabei zeigten sich nicht nur Unterschiede zwischen dem Einfluss einzelner Mediengattungen auf die Konversion, sondern auch der Einfluss von Ausprägungen innerhalb der Gattungen. Konkret wurden die unterschiedlichen Einflüsse verschiedener Umfelder von TV-Spots untersucht. Dabei kam zu Tage, dass nicht das Sportumfeld die höchste Konversion für den Fussballsport der Suva lieferte, obwohl das Bauchgefühl jedes Kampagnenverantwortlichen genau dies suggeriert hätte. Überraschenderweise wurden stattdessen im Umfeld der Zeichentrickserie Simpsons fast doppelt so viele Konversionen pro Kontakt generiert. Wenn man nun bedenkt, dass Spots in diesem Umfeld weitaus günstiger sind, als in Umfeldern, die deutlich schlechtere Ergebnisse liefern, wird klar, dass hier ein enormes Optimierungspotenzial für die Kampagne liegt. Hochrechnungen zufolge könnten durch entsprechende Umbuchungen rund 40 Prozent mehr Konversionen generiert werden. Das sind keine Fantasien, sondern Zahlen, wie man sie von Big-Data-Erfolgsgeschichten über Kampagnen aus dem Kundenmanagement schon kennt. Neben dem unterschiedlichen Einfluss von Umfeldern waren auch andere Einflüsse auf die Konversionsrate zu erkennen, beispielsweise zwei unterschiedliche Spots oder die Dauer der Kampagne. Das lässt darauf schliessen, dass mit dieser Methode der Einfluss von Sujets getestet werden kann oder die Optimierung von Faktoren wie Kampagnenlaufzeit oder Werbedruck möglich sind.
Big Data im Marketing: Wo liegen die Herausforderungen?
Die Vorteile von Big-Data-Methoden für das Kampagnencontrolling sind offensichtlich. Warum also werden diese Methoden nicht schon überall angewendet? Der Hauptgrund liegt darin, dass das Verständnis für Big Data und die Chancen, die sich daraus ergeben, bei den Kampagnenverantwortlichen noch nicht angekommen sind. In Workshops mit Vertretern aus verschiedenen Unternehmen hat sich jedoch gezeigt, dass das nötige Grundverständnis in kurzer Zeit erarbeitet werden kann und dass es dann möglich ist, auch für komplexe Kampagnen äusserst nützliche Analyseskizzen zu erarbeiten. Diese braucht es zum einen, um die richtigen Fragen an die Analysen vorzubereiten, und zum anderen, um allen vorhandenen Datenbeständen der jeweiligen Kampagne auf die Spur zu kommen. Diese sind meist vielfältiger als erwartet und liegen oft über verschiedene Organisationseinheiten verteilt vor oder werden teilweise sogar extern bei Dienstleistern erhoben. Im Zuge der vorliegenden Forschungsarbeit wurden die weiteren Schritte wie die Erhebung und Aufbereitung der Daten, insbesondere der rund 1,7 Millionen Datensätze aus der Webanalyse, und die effektive Analyse mit Analytics-Spezialisten des Technologiepartners SAS erarbeitet und umgesetzt. Gerade für Unternehmen, die keine oder zu wenig eigene Analytics-Ressourcen im Haus haben, ist die Zusammenarbeit mit einem Technologiepartner ein praktikables und effizientes Vorgehen, das Kampagnencontrolling mit Big-Data-Methoden auch für kleinere und mittlere Unternehmen möglich macht. Wenn das Verständnis für Big Data Analytics bei den Kampagnenverantwortlichen vorhanden ist und entsprechende Vorbereitungen getroffen wurden, kann auch mit einem externen Dienstleister effizient, kostengünstig und für das Unternehmen absolut gewinnbringend zusammengearbeitet werden. Mit dem, was an Gewinn durch höhere Konversionen unmittelbar und direkt in die Kassen der Unternehmen zurückfliesst, dürften die dadurch entstandenen Kosten mehr als ausgeglichen werden.
Weiterbildung für digitales Marketing
Mit dem MAS Digital Marketing and Communication Management bietet die Hochschule Luzern eine Weiterbildung, welche die Theorie des digitalen Marketings und deren praktische Anwendung vereint. Die Teilnehmenden lernen die Tools und Strategien kennen, die für eine effektive digitale Kommunikation nötig sind. Die Weiterbildung dauert zwei Jahre und ist modular aufgebaut. Die nächsten Info-Veranstaltungen finden am 28. April und 20. Mai 2015 jeweils um 18 Uhr in Luzern statt. www.hslu.ch/digital-marketing
