Adzine Klassik Rebrush - Newsletter
Alttext: time. / photocase.com
ADZINE – MAGAZIN FÜR ONLINE-MARKETING | KONTAKT: REDAKTION@ADZINE.DE | WERBEN AUF ADZINE: TEL 0221 - 7 09 96 61 | MEDIA@ADZINE.DE

AUSGABE KW 50 – 13.12.2012

Twitter  Facebook Fanpage  RSS-Feed

THEMEN

 Pfeil Web Analytics: Big Data im Online-Marketing: zwischen Wunsch und Wirklichkeit  Pfeil Performance Marketing: „Optimieren Sie noch im Einzelkanal oder schon Ihre Gesamtperformance?“ JOBS TERMINE


Web Analytics

Big Data im Online-Marketing: zwischen Wunsch und Wirklichkeit

Christina Rose, Redaktion

Big Data im Online-Marketing: zwischen Wunsch und Wirklichkeit
Christina Rose

Mithilfe von Big Data lassen sich die Relevanz von Online-Marketingmaßnahmen erhöhen und Werbebudgets effizienter einsetzen. Doch welche Daten lassen sich beispielsweise allein dazu aus der Webanalyse gewinnen? Mit welchem Mehrwert fürs Online-Marketing?


„Jeden Tag produzieren wir 2,5 Trillionen Bytes an Daten. Nutzen Sie die Chancen von Big Data“, wirbt IBM derzeit mit einer Banner-Kampagne für sein Webanalyseprodukt. Diese Chancen beziehen sich inzwischen vor allem aufs Online-Marketing. „Betraf Data Warehousing, wie Big Data vor nicht allzu langer Zeit noch hieß, in den 80er- und 90er-Jahren Bereiche wie das Vertriebscontrolling und die Warenwirtschaft, ist es nun im Online-Marketing angekommen, weil die Maßnahmen inzwischen deutlich besser messbar sind“, rekapituliert Roland Markowski, Geschäftsführer der Onlinemarketing-Planungs- und Steuerungsplattform Advertzoom. Die Folge: Es fallen massenhaft Daten an, die zudem meist nicht konsolidiert vorliegen. Es gleicht der berühmten Suche nach der Stecknadel im Heuhaufen: Wie gewinnt man als Werbungtreibender daraus die gewünschten Erkenntnisse zur Budgetallokation?


Matthias Postel
Matthias Postel
Nutzerprofile gewinnt man derzeit vor allem über zwei Wege: am einfachsten über Log-ins mit personalisierten Daten, was ein Opt-in des Nutzers voraussetzt. Oder eben über Cookies, deren anonymisierte Informationen ausgewertet werden. Nutzer mit Cookie-Blocker kann man noch per digitalem Fingerprint identifizieren, der verschiedene Nutzerparameter wie Teile der IP-Adresse, Browser-Einstellungen und regionale Merkmale heranzieht. Aus anonymisierten Daten kann man per Webanalyse Informationen über das Nutzungsverhalten der Kunden mobil und auf der Website, deren Kaufverhalten, die Kundeninteressen und die Wege, über die Kunden den Weg zum Shop finden, extrahieren: „Kaufen auf der Webseite eher junge Frauen, die z. B. über eine frauenspezifische Website kamen, oder ältere Männer ein? Interessieren sie sich mehr für Sportartikel oder Businessbekleidung? Welche Kampagne funktioniert, welche erreicht unsere Zielgruppe, welche nicht? Und stimmt die erwartete Zielgruppe mit der tatsächlichen überein? Wo kam der Kunde mit Werbung in Berührung, wie oft und wann konvertierte er – d. h., entschloss sich zum Kauf oder z. B. zur Newsletter-Registrierung? Für welche Artikel des Sortiments entschieden sich Kunden, die von bestimmten Webseiten kamen, auf denen Banner geschaltet waren?“, zählt Matthias Postel auf, CEO des Webcontrolling- und Onlinemarketing-Dienstleisters iCompetence GmbH.

Eigene Zielgruppen erkennen

Christian Sauer
Christian Sauer
Um Alter oder Geschlecht der Seitenbesucher zu erkennen ,könne man zu den nicht-personenbezogenen Bewegungsmustern aus der Webanalyse noch weitere Daten von Drittanbietern, wie z. B. Nugg.ad, hinzuziehen, erklärt Christian Sauer, Gründer der Webtrekk GmbH. Unter dem Stichwort „Audience Insights“ werden dazu Soziodemografie und Produktinteresse beobachtet. Daraus erkennt der Seitenbetreiber, welche Zielgruppen er auf seiner Seite hat. Diese Daten werden zwar nicht direkt für die Onlinewerbung verknüpft, es kristallisieren sich aber die eigenen Zielgruppen heraus.
 
Daten aus der Webanalyse sollen weitere Aufschlüsse geben: „Neue Anordnungen und Einblendungen von Seitenelementen können auch mittels A/B-Tests zur Optimierung der Usability validiert werden“, berichtet Sauer Auch die interne Suche auf der Website sollte analysiert werden, um herauszufinden, welche eingegebenen Begriffe zu welchen Zielen führen. „Werden vermehrt bestimmte Begriffe gesucht, die es nicht auf der Website gibt, sollte eventuell das Sortiment erweitert oder passender Content bereitgestellt werden“, rät Sauer.

„Werbung da schalten, wo sie den größten Erfolg verspricht, und dort vermeiden, wo sie niemanden erreicht. Das senkt die unnütz ausgegebenen Kosten und steigert den ROI“, lautet Postels Credo, der in diesem Zusammenhang auch von den Möglichkeiten des personalisierten Retargetings auf Cookie-Basis als „Erfolg versprechende Methode, sich wieder in Erinnerung zu bringen“, schwärmt. „Und wenn der Kunde zwar immer wieder auf die Werbebanner klickt, dann aber, sobald er auf die Webseite geleitet wird, wieder abspringt, ist vielleicht mit der Landing Page etwas falsch“, skizziert er.

Oder sie sollte in gestalterischer Hinsicht mal überarbeitet werden. „Wessen Kunden an bestimmten Stellen des Shoppingprozesses immer wieder abbrechen, wessen Subdomains nicht besucht werden, hat vielleicht kein Sortiments-, sondern ein Usability-Problem. Postel: „Vielleicht entspricht das Angebot des Bezahlprozesses nicht den Kundenerwartungen, vielleicht ist aber nur der Button für den Warenkorb und den Gang zur Kasse an der falschen Stelle oder in der falschen Farbe.“ Verändere man nur kleine Varianten, könne man eine große Wirkung erzielen und den Umsatz laut Postels Erfahrung um „bis zu 80 Prozent“ steigern.

Online mit Offline verknüpfen

Je mehr Aspekte ins Spiel kommen, desto schwieriger aber wird es, einzelne eindeutig als Erfolgsfaktoren oder Barrieren zu klassifizieren. Noch komplizierter wird es, wenn man kanalübergreifend – inklusive Offline – analysieren will. Die Wechselwirkung zwischen klassischen und digitalen Kanälen ist bislang nur messbar, wenn es digitalen Rückkanal gibt, beispielsweise per QR-Code. Die Messung der Customer Journey gerät ebenfalls ins Stocken, wenn der Nutzer das Endgerät wechselt oder wenn sich mehrere Nutzer ein Endgerät teilen („Second-Screen-Nutzung“).


Roland Markowski
Roland Markowski
Hinzu kommt noch ein weiteres Problem: Die unterschiedlichen Werbekanäle, die man heute bespielt, sind als eigene Profitcenter quasi „historisch gewachsen“ und setzen unterschiedlichste Technologien ein, erklärt Roland Markowski: „Es haben sich eigene Eco-Systeme rund um einen Kanal entwickelt. Innerhalb eines Kanals trifft man sehr häufig auf Spezialisten – im Hinblick auf Tools und Dienstleister.“ Bei dem Versuch, das Werbebudget gemäß der Customer Journey zu verteilen, muss ich als Werbungtreibender die Ergebnisse aus den verschiedenen Silos zusammenbringen. Aber wie bekomme ich eine kanalübergreifende Analyse?

 „Diese Kernherausforderung ist den Marketern sehr wohl bewusst. Sie in den Griff zu bekommen, ist aber noch sehr komplex“, schildert der Webanalysespezialist. Entsprechend fällt sein Resümee aus: „Eine exakte Wissenschaft wird die Nachzeichnung der Customer Journey nie. Man bekommt nur Tendenzen und Schwerpunkte.“ Exakte Werte würden auch keinen Sinn ergeben, weil man laut Markowski in diesem Analysegeschäft immer „mit Tendenzen und Schwerpunkten“ arbeite. Das Gleiche gelte für die Webanalyse: Auch die sei „hinreichend genau“.

„Eine exakte Wissenschaft wird das nie“

Um aus den exponentiell steigenden Datenmengen die jeweils relevanten Erkenntnisse extrahieren zu können, plädiert Christian Sauer für „voll- oder halbautomatisierte“ Lösungen. Dafür könnten u. a. Szenario- oder Assoziationsanalysen, wie sie beispielsweise Webtrekk mit seinem „Ticker“ liefert, eingesetzt werden. Dieser Ticker schlägt Alarm, informiert in Echtzeit automatisch über Veränderungen an den Webanalysedaten, beispielsweise wenn die Bounce Rate steigt oder sich der Traffic signifikant verändert.

Doch viele Unternehmen haben noch gar nicht die technischen Voraussetzungen, die Werbemittelnutzung ihrer Kunden zu verfolgen, weil die genutzten Web-Analytics-Systeme dazu nicht geeignet sind. „Bei den Customer-Journey-Tools stehen wir erst am Anfang“, winkt Markowski ab. Außerdem habe jedes Unternehmen ein eigenes Profil. Da könne man keine Standardlösungen anbieten.

Rein technisch gesehen sind die Systeme da. Man muss sie aber einführen; die Stochastik muss sich pro Unternehmen erst einmal einschwingen. Es braucht Zeit, bis man Ergebnisse bekommt. Und dann hat man neben der Customer Journey ja auch noch andere Daten, die einfließen: vom Adserver, aus Social Media, aus Newslettern etc. Auch die muss man mit den Ergebnissen aus dem Tracking verheiraten. „Doch werbungtreibende Unternehmen müssen nur selten die ganzen Daten selber auswerten“,  meint Markowski zur Beruhigung. In der Regel arbeitet man mit einem Dienstleister zusammen, der die Daten auch hostet, d. h., das Datenvolumen liegt beim Anbieter. Der Werbungtreibende bekommt die vorgefilterten Daten auf einer mehr oder weniger aggregierten Ebene.

Bald werde die Webanalyse mit der Business Intelligence verschmelzen und als „Digital Intelligence“ die 360-Grad-Sicht auf den Kunden erlauben, ist Matthias Postel überzeugt. Lange habe der Handel sich mit QR-Codes und Newsletter-Aktionen behelfen müssen, um die Kontaktpunkte auch offline zu messen. Inzwischen böten viele Toolanbieter kanalübergreifende Tools an, die Webanalyse und Data Warehouses verknüpfen und verfügbar machen. Die technischen Möglichkeiten sind laut Postel da: „Digital Intelligence Tools bieten die Möglichkeit, die online durch die Webanalyse erfassten Daten mit den offline auflaufenden Daten der Business Intelligence, z. B. aus Kundenbetreuuung (Callcenter), TV, Datawarehouse, ERP-Systeme etc. zu verbinden.“ Zu diesen Digital Intelligence Tools gehören u. a. Universal Analytics (Google), Anametrix, Pentaho und noch weitere, die gerade anfangen, sich auf dem Markt zu etablieren. Postel: „Die Verknüpfung wird höchste Zeit, denn der Kunde bewegt sich längst auf allen Kanälen – on- wie offline.“


Artikel weiterempfehlen    Bei Twitter empfehlen  Bei Facebook empfehlen  Bei Delicious empfehlen 



responsys: An alles gedacht in der Weihnachtszeit? Praktische Marketing-Tipps Last Minute!

Performance Marketing

„Optimieren Sie noch im Einzelkanal oder schon Ihre Gesamtperformance?“

Johann Hermann, Gastautor

„Optimieren Sie noch im Einzelkanal oder schon Ihre Gesamtperformance?“
Johann Hermann

Dieser Frage sollte sich (spätestens) 2013 jedes werbungtreibende Unternehmen stellen. Das heißt: Conversion Attribution, Multi-Channel-Messung und -Optimierung sind im Online-Marketing die Effizienzthemen des nächsten Jahres. Die Herausforderungen dabei sind die übergreifende Betrachtung, übergreifender Einkauf und eine übergreifende Bewertung der Marketingkanäle im Rahmen der Customer Journey sowie die Überwindung des Silodenkens.


Noch allzu oft ist es gelebte Realität in zahlreichen werbetreibenden Unternehmen: Man wirbt auf unterschiedlichen Kanälen in diversen Medien und optimiert die Maßnahmen isoliert im einzelnen Kanal. Häufig werden für die Betreuung der Kampagnen verschiedene Dienstleister eingesetzt, unter Umständen werden bestimmte Bereiche auch „in house“ abgedeckt. Dieses Vorgehen erschwert jedoch eine ganzheitliche Betrachtung der Dinge. Kampagnen können nicht kanalübergreifend analysiert und optimiert werden, da Abhängigkeiten der einzelnen Disziplinen und Konvergenzeffekte nicht erkannt werden.

Einen Schritt weiter sind bereits jene Advertiser, die dieses Manko erkannt haben und bei der Erfolgsanalyse ihrer Werbemaßnahmen statt einzelner Kanäle die Conversion in den Mittelpunkt rücken. Dabei wird jedoch häufig noch auf das Prinzip „Last Cookie wins“ gesetzt. Das bedeutet, dass, egal was entlang der User Journey passiert, generell immer dem letzten Werbemittelkontakt vor der Conversion der volle Erfolg zugeschrieben wird. Hier jedoch, am Ende des Marketing-Funnels, sind es in vielen Branchen vor allem SEA-Anzeigen oder Preisvergleichsseiten, die der User nutzt, bevor er seinen Kauf endgültig tätigt. Entsprechend überproportional werden diese Maßnahmen unter Umständen bewertet. Andere, am Conversion-Erfolg ebenfalls beteiligte Kanäle werden bei der Leistungsbewertung völlig außen vor gelassen. In letzter Konsequenz könnte diese Betrachtung so weit führen, dass vermeintlich uneffektive Kanäle bei der Budget-(Re-)Allokation keine Beachtung mehr finden, was die Suchmaschinen wahrscheinlich freuen, den Marketer im Unternehmen auf lange Sicht jedoch eher ärgern dürfte.

Denn der „Last Cookie wins“-Ansatz, genauso wie sein Gegenstück, die „First Cookie wins“-Methode, die dem ersten Kontakt die volle Conversion zuschreibt, greifen zu kurz: Aufgrund des zunehmend multimedialen Konsumentenverhaltens gibt es heute eine Vielzahl an Interaktionspunkten zwischen Marke und User, zwischen Produkt und Käufer, die mehr oder weniger stark das Kaufverhalten beeinflussen und entsprechend in der Werbestrategie berücksichtigt werden sollten.

Dabei stellt sich eine Reihe von Fragen: Wie stark ist der Einfluss jeder einzelnen Maßnahme? Und welche Unterschiede ergeben sich hierbei in Abhängigkeit der Position im Sales-Funnel? Welche der Kanäle fungieren als Introducer (Aufmerksamkeit), Influencer (Bestätigung) oder Closer (Kaufimpulsgeber)? Und wie lassen sich die Erkenntnisse einzelner User Journeys derart aggregieren, dass Muster erkennbar werden und valide Empfehlungen für die Optimierung der eingesetzten Marketingbudgets möglich sind?

Es gibt einige alternative Ansätze, die der Realität allerdings auch nur bedingt nahe kommen. Hierzu zählen die gleichverteilte Gewichtung der Touchpoints (jedem Werbemittelkontakt wird pauschal derselbe Leistungswert zugeordnet) oder auch zeitlich zunehmende oder abnehmende Modelle. Dabei erfolgt die Gewichtung nach Kampagnenziel (Awareness: der erste Touchpoint ist der wichtigste, Performance: der letzte Touchpoint ist entscheidend).

All diese Modelle sind jedoch statischer Natur und beziehen sich lediglich auf die Reihenfolge der Touchpoint-Positionen. Andere wesentliche Faktoren, wie die Kanaleffektivität, die Interaktionsart oder die eingesetzten Werbemittel, werden vernachlässigt.

In der Werbewirkungsforschung sowie – zumindest vereinzelt – in der Praxis ist man zu dem Schluss gekommen, dass lediglich individuelle Attributionsmodelle den bestmöglichen Ansatz für jeden Werbetreibenden darstellen. Das überrascht kaum, denn zum einen verfolgt jedes Unternehmen seine individuelle Strategie, zum anderen verhalten sich User auf dem Weg zur Conversion unterschiedlich, was nicht zuletzt auch am Produkt liegt (z. B. Buchkauf vs. Abschluss einer KFZ-Versicherung).

Bei dem von QUISMA entwickelten individuellen Attributionsmodell handelt es sich um ein Bewertungsmuster, das, anders als bei pauschalen Verteilungsschlüsseln, für jede erfolgreiche Journey (Conversion) den exakten Wertbeitrag der einzelnen Online-Marketingkanäle ermittelt. Auf dieser Basis werden die Conversions „zerlegt“ und prozentual auf die jeweiligen Touchpoints verteilt. Der Hauptfaktor für die Berechnung der Wertbeiträge ist dabei die Kanaleffektivität. 

Sie wird mithilfe eines Modellings ermittelt. Berücksichtigt werden die gesamten User Journeys, inklusive derjenigen, die nicht zum Abschluss führten. Somit fließen sowohl Path-to-Conversion als auch Path-to-non-Conversion in die Berechnung der Kanaleffektivität mit ein.

Die Bewertung der einzelnen Werbeaktivitäten erfolgt unter Zuhilfenahme folgender Faktoren:

- die Interaktionsart (unterschiedliche Gewichtung nach View und Klick),

- die  Touchpoint-Gewichtung (unterschieden nach Introducer, Influencer und Closer),

- die Werbemittelqualität (z. B. Display: Stand-Alone, Bewegtbild, Wallpaper etc.; SEA: Keyword-Qualität in Abhängigkeit der Anzeigenposition),

- der zeitliche Abstand zwischen den Kontaktpunkten (kommt innerhalb eines definierten Zeitraums dieselbe Interaktion häufiger vor, wird diese nur einmal gezählt),

- der Journey-Typ (z. B. Lead oder Sale)

- u. v. m.

Liegen all diese Informationen vor, lässt sich ein Scoring-Modell für die Bewertung der User Journeys aufstellen.

Das individuelle Attributionsmodell wurde beispielsweise in einem Bewertungsmuster für die Branche „Retail“ eingesetzt. Hierbei flossen die Customer-Journey-Daten von fünf verschiedenen Online-Retail-Unternehmen in die Berechnung ein. Das Modell wurde auf Basis der jeweiligen Kanaleffektivität, der Interaktionsart und der Touchpoint-Position berechnet. Die Sales-Anteile für die einzelnen Kanäle wurden auf dieser Grundlage ermittelt und mit denen der „Last Cookie wins“-Methode verglichen.

Eine Umverteilung des Werbebudgets kann – bei gleichbleibendem Mitteleinsatz – zu signifikanten Sales- und Umsatzsteigerungen führen, die häufig im zweistelligen Prozentbereich liegen.

Fazit: Die Messung der Werbeaktivitäten über alle Kanäle sowie eine exakte Zuordnung der erzielten Conversion auf alle beteiligten Maßnahmen sind der Schlüssel zu mehr Effizienz im Online-Marketing.

Über den Autor:
Johann Hermann gründete bereits im Alter von 25 Jahren zusammen mit drei Studienkollegen die united-domains AG, wo er den Bereich Finanzen verantwortete. Nach erfolgreichem Verkauf an die Lycos Europe NV stieg er 2006 als Finance Director bei dem Performancespezialisten QUISMA ein. Im Juli 2012 übernahm Hermann die Geschäftsführung im deutschsprachigen Raum und trägt nun als Managing Director DACH die Hauptverantwortung für alle Leistungsbereiche des Unternehmens – eine ausführliche Beschreibung zur „Individuellen Conversion Attribution“ finden Sie  auf der Webseite von QUISMA.


Artikel weiterempfehlen    Bei Twitter empfehlen  Bei Facebook empfehlen  Bei Delicious empfehlen 



JOBS

Grafiker / Webdesigner (m/w)

MAIL*SELECT GmbH

MAIL*SELECT® ist der Spezialist für intelligentes Lead Management und CRM-Lösungen und seit fast 20 Jahren eines der führenden Unternehmen im Bereich datengestütztes Vertriebsmarketing.

TERMINE

Seminar: Retageting, Remarketing, Remessaging Am 28.02.2013

Seminar: Retageting, Remarketing, Remessaging



Sie können über diesen Link Ihre Newsletter-Einstellungen anpassen oder den Newsletter komplett abbestellen.

IMPRESSUM: Electronic Publishing Corporation Ltd. | 483 Green Lanes | GB - London N13 4BS | Company No. 5506015 | Companies House
Niederlassung Deutschland | Electronic Publishing Corporation Ltd. | NL Deutschland | Feldstraße 36 | 20357 Hamburg | e-mail: info@e-publishing-corp.com