In einem Inter­view mit dem Por­tal “Smart Ser­vice” zieht Thomas Hein­bach, Senior Solu­tion Con­sul­tant bei Adobe, einige Par­al­le­len zwis­chen dem erfol­gre­ichen Wahlkampf des US-Präsidenten Barak Obama und den Her­aus­forderun­gen, vor denen heute das Mar­ket­ing steht. Die Gemein­samkeit: Kanalüber­greifende Big Data-Analysen und daraus die Ableitung von Hand­lungsempfehlun­gen in Echtzeit. Hier einige Auszüge aus dem Interview:

Oba­mas Wahlkampf-Team Air Wulf hat Nicht-Wähler erfol­gre­ich iden­ti­fiziert, um sie adressieren zu kön­nen. Was kön­nen Mar­ketiers von Obama lernen?

heinbachTHOMAS HEINBACH: Air Wulf war die Beze­ich­nung für den Marketing-Teil der Wahlkampf-Kampagne von Obama, und diese hatte einen Datensammlungs-Teil. Genutzt wurde eine sehr ein­fache Basis-Technologie, dazu set­zte man unglaubliche Men­gen von Man­power ein. Unsere  Kun­den haben das Bud­get für diese Analy­sen in der Regel nicht. Sie müssen auf weniger Man­power und auf mehr Automa­tisierung set­zen, also auf verbesserte Möglichkeiten der automa­tis­chen Iden­ti­fizierung von wichti­gen Daten­clus­tern. Ein extrem wichtiger Punkt hier­bei ist: Es geht nicht mehr nur ums Daten sam­meln und Erken­nt­nisse gewin­nen, son­dern darum, dass ide­al­er­weise die gewonnenen Erken­nt­nisse sofort und automa­tisch in Aktio­nen umge­setzt werden.

Wie kann man ver­bor­gene Muster und Ver­hal­tensweisen in großen Daten­men­gen aufdecken?

HEINBACH: Adobe hat mit der Marketing-Management-Software schon immer sehr starke Visu­al­isierung ange­boten. Es wur­den Funk­tion­al­itäten einge­baut, um Abwe­ichun­gen in den einzel­nen Metriken deut­lich zu machen. Der Kunde muss die Auf­fäl­ligkeiten jedoch sys­tem­a­tisch erforschen und iden­ti­fizieren. Er muss auch her­aus­finden, welche anderen Metriken mit einer Auf­fäl­ligkeit korrelieren.

Zum Beispiel sind die Page-Views eines Unternehmens an einem Tag um 20 Prozent gestiegen. Jetzt kann über­prüft wer­den, welche Metriken einen ähn­lichen Auss­chlag (Spike) aufweisen. Hier hatte möglicher­weise die bezahlte Suche den höch­sten Ein­fluss, und hier wiederum ein gewisses Key­word in einer bes­timmten Such­mas­chine. Dies hat dazu geführt, dass ein bes­timmtes Pro­dukt häu­figer gekauft wurde. Oder, wenn’s richtig schlecht läuft, hatte das Unternehmen zwar erhöhten Traf­fic, das Pro­dukt war aber sofort ausverkauft und somit kon­nte die Nach­frage nicht bedi­ent wer­den. Das wäre unglück­lich, aber solche Infor­ma­tio­nen kann der Kunde automa­tisiert aus dem Adobe-Tool herauslesen.

Wie kann das funk­tion­ieren, wenn der Kunde mehrere Kon­tak­t­punkte bis zum Kau­fab­schluss nutzt? Wie kann man die Daten in einer Multichannel-Analyse zusammenbringen?

HEINBACH: Es ist sehr schwer her­auszufinden, was eine Per­son, die sich auf der Facebook-Fanpage des Wer­bungtreiben­den pos­i­tiv oder neg­a­tiv äußert, vorher tat­säch­lich bei dem Unternehmen gekauft hat – oder später noch kaufen wird. Möglich ist das nur, wenn tat­säch­lich ein gemein­samer Schlüs­sel erar­beitet wird, wenn das Wer­bung treibende Unternehmen es beispiel­sweise auf seiner Web­site ermöglicht, dass sich ein Nutzer mit seinem Face­book Log-in anmeldet. In dem Augen­blick hat es den gemein­samen Schlüs­sel. Dieser Anreiz des Social Log-in wird schon von vie­len Unternehmen gesetzt. Junge Leute erwarten dies auch, sie möchten, wenn sie etwas online kaufen, nicht noch Name und Adresse in ein For­mu­lar eingeben müssen. Diese Zeit­erspar­nis ist für die junge Gen­er­a­tion Anreiz genug, sich mit dem Face­book Log-in anzumelden.

Der Rest des Inter­views mit Thomas Hein­bach ist auf “Smart Ser­vice“zu lesen