Verstanden

Diese Website verwendet Cookies. Cookies ermöglichen es uns, Ihren Besuch auf unserer Website angenehmer zu gestalten.
Mehr Informationen über die von uns eingesetzten Cookies finden Sie in unseren Datenschutzbestimmungen.

Was wir teilen wollen.

Trends und Infos aus der Key-Work Welt.

Veröffentlicht 26. August 2019
Beitrag teilen

Die Reise der Kundendaten zu erfolgreichen Marketingkampagnen

Marketingkampagnen beginnen immer mit Kundendaten und werden mit Machine Learning so richtig erfolgreich. Wer Datenspezialist ist, der kennt die vielen Prozessen, die Daten durchlaufen, bevor sie für Machine Learning Modelle oder für Analysen zur Verfügung stehen. Auch für alle Nicht-Datenspezialisten ist es interessant zu wissen, welch lange Reise Kundendaten unternehmen, bevor sie für Kundenanalysen und Marketingkampagnen zur Verfügung stehen.

1. Kundendaten werden aus verschiedenen Quellen erhoben

Eine Marketingkampagne ist ohne Kundendaten nicht möglich. Erschwerend kommt hinzu, dass es eine ganze Fülle an Quellen für Kundendaten gibt. Zu den gängigen Kundendatenquellen gehören zum Beispiel CRM-Plattformen, Social-Media-Websites, die Website des Unternehmens, mobile Anwendungen und einige mehr. Das Sammeln all dieser Daten ist der erste Schritt. Jedes System, das Kundendaten speichert, tut dies auf unterschiedliche Weise: Daten können strukturiert, unstrukturiert oder teilstrukturiert sein. Sie können als verschiedene Datentypen vorliegen, zum Beispiel als numerische oder kategorische oder als Text. Alle vorliegenden Daten müssen also im zweiten Schritt verarbeitet werden, bevor sie für Marketingkampagnen verwendet werden können.

2. Die Daten werden verarbeitet und abgelegt

Kundendaten werden bereinigt, normiert, integriert und abgelegt, bevor sie in Machine Learning Modelle eingespeist oder für die Analytik verwendet werden können. Viele Kundendaten erfordern eine Anreicherung, über die fehlende oder veraltete Datenfelder mit neuen oder aktualisierten Informationen ergänzt werden. So wird beispielsweise ein Kundendatensatz, der nur einen Namen und eine E-Mail-Adresse enthält, mit dem Firmennamen, der Berufsbezeichnung und der Telefonnummer angereichert. Nach der Verarbeitung der Kundendaten folgt die Segmentierung.

3. Mittels Segmentierung werden Daten durchdacht geclustert

Wer seine Kunden alle über einen Kamm schert, für den sind erfolgreiche Marketingkampagnen eine schwierige Aufgabe. Um die nötige Transparenz innerhalb der Kunden zu erlangen, werden Kundendaten nach ihrer Verarbeitung typischerweise mit einem oder mehreren Clustering-Modellen segmentiert. Clustering ermöglicht zum Beispiel eine Segmentierung nach demografischen Merkmalen oder Verhaltensmustern. Dabei können Daten auf ganz unterschiedliche Art segmentiert werden. Die Kundensegmente werden von Unternehmen häufig auch für ein Lead-Scoring oder für Kaufneigungsprognosen verwendet.

4. Machine Learning bringt Qualität in Marketingkampagnen

Treffen die segmentierten Kundendaten nun auf Machine Learning Modelle, werden Funktionen wie die erweiterte Kundenanalyse, eine kontextbezogene Personalisierung oder die Kundenkommunikation in Echtzeit möglich. Im Machine Learning lesen selbstlernende Systeme auf Basis von Algorithmen aus dem Verhalten der Kunden. Auch externe Datenquellen, wie beispielsweise das Wetter oder demografische Daten aus der Region oder dem Wohnumfeld der Kunden, können miteinbezogen werden. Je nachdem, wie fein die Algorithmen gestrickt sind, erinnern sie sich an früheres Verhalten oder an den Kaufzyklus von Kundensegmenten. Auch können sie Debatten in Social Media oder Blogs folgen und so Trends aufspüren, die sich aus Likes und Kommentaren ergeben.

Je mehr Daten ausgewertet und einbezogen werden, desto besser kann das Machine Learning Auswirkungen auf das Käuferverhalten in Online Shops oder im stationären Handel ableiten. Alte Regeln werden modifiziert und neue aufgestellt, um Kunden passende Angebote zu unterbreiten. So zeigen sie einem Kunden, der regelmäßig bestimmte Büromaterialen kauft, neue Angebote, bevor er selbst merkt, dass er Nachschub braucht. Selbstlernende Systeme triggern Interessenten also genau zu dem Zeitpunkt, wenn sie ihre Customer Journey beginnen und begleiten sie mit abgestimmten Angeboten bis zum Kaufabschluss.

Die Verbindung aus Daten und erfolgreichem, automatisierten Marketing interessiert Sie? Key-Work begleitet Sie gerne auf diesem Weg und stellt Ihnen eine passgenaue Lösung zusammen. Kontaktieren Sie uns.

Bleiben Sie auf dem Laufenden.