“Die Rolle des Werbetreibenden entwickelt sich weiter und der Trend geht von der klassischen Kampagnenausführung hin zu Echtzeitmarketing.”

Während das alte Paradigma auf Datenerfassung und nachträglicher Leistungsanalyse basierte, nutzen die Werbetreibenden von heute datengestützte Kundeneinblicke für ein proaktives Targeting.

Wenn Sie verstehen, wie Kunden mit Ihrer Marke interagieren, steigern Sie den Lifetime-Wert (LTV) und ermöglichen ein tieferes Verständnis Ihrer Kunden. Wenn Sie Daten aus mehreren Quellen erfassen erhalten Sie einen ganzheitlichen Überblick über Ihre Kunden.

Neuer Herausforderungen bei der Datensammlung

Die immer kostengünstigeren Speichermöglichkeiten tragen zwar zu einem exponentiellen Wachstum der Datenmengen bei, das Sammeln dieser Daten zur Analyse an einem einzigen Ort bleibt jedoch eine Herausforderung.

Die primäre Herausforderung für Marketingverantwortliche besteht in der Regel darin, das Marketingbudget zu optimieren, indem Sie den Return on Investment (ROI) der Werbeausgaben ermitteln. Dabei bestehen jedoch folgende Schwierigkeiten:

  • Die Daten sind auf Produkte wie Google Analytics 360, ein Customer-Relationship-Management-System (CRM) und Google DoubleClick Campaign Manager (DCM) verteilt
  • Ein Teil der Daten kann aufgrund ihres Formats nicht abgefragt werden
  • Es gibt kein Tool, um Daten zu analysieren und die Ergebnisse mit dem Rest des Unternehmens zu teilen

Um Ihre Daten in Zukunft für einen höheren ROI zu nutzen, müssen Sie Daten aus verschiedenen Quellen so transformieren, dass sie abgefragt und verknüpft werden können. Somit erhalten Sie Zugriff auf Berichtsdimensionen, die in standardmäßigen Berichts-APIs nicht verfügbar sind, Sie können maschinelles Lernen nutzen, um Nutzergruppen zu erkennen und Remarketing-Listen erstellen, die zuvor nicht verfügbar waren.

Der erste Schritt zur Gewinnung von Erkenntnissen ist die Konsolidierung der Daten an einem zentralen Ort. Wählen Sie eine Technologie, die Ihnen hilft, Informationen aus Ihren wichtigsten Marketingkanälen und Datenquellen effizient zu erfassen.

BigQuery bietet Speichermöglichkeiten und eine Abfrage-Engine und kann Daten aus verschiedenen Quellen aufnehmen. Der BigQuery Data Transfer Service kann problemlos und automatisch Daten aus Quellen wie Google DoubleClick, Gooogle Ads und YouTube aufnehmen.

Sie können zudem Daten aus Quellen wie CRM- und Kassensystemen erfassen. In den meisten Fällen führen Sie diese Datenaufnahme offline mithilfe des bq-Befehlszeilentools, der API oder der Web-UI durch. Sie können Daten lokal oder aus Cloud Storage laden. Cloud Storage ist der empfohlene Ansatz für große Datasets oder für das Erstellen eines Data Lake.

Analysieren Sie Ihre Daten

Nachdem Sie die bereinigten Daten zentral gespeichert haben, können Sie mit der Analyse zur weiteren Informationsgewinnung beginnen.

Bei der Standardanalyse geht es hauptsächlich um zwei Arten der Analyse:

  1. Deskriptive Analyse, um sich anzusehen, was in Ihrem Unternehmen passiert
  2. Diagnostische Analyse, um zu verstehen, warum dies passiert

Die auf maschinellem Lernen basierenden Analysen ermöglichen Ihnen neue Analysen:

  1. Prädiktive Analyse, um mithilfe älterer Daten Ergebnisse vorauszusehen
  2. Präskriptive Analyse, um Ergebnisse vorherzusehen und Ihre Strategie vorzubereiten
    Standardanalyse
Visualisieren Sie Ihre Ergebnisse mit dem Google Data Studio

Mit Google Data Studio können technisch weniger versierte Nutzer schnell gemeinsam nutzbare Geschäfts-Dashboards erstellen – entweder ganz neu oder mithilfe vorkonfigurierter Vorlagen. Dieser Ansatz bietet mehrere Vorteile:

  1. Er ermöglicht den Zugriff auf Daten per Drag-and-Drop
  2. Er erleichtert die Zusammenarbeit beim Erstellen aussagekräftiger Dashboards
  3. Er ermöglicht Nutzern, vorgefertigte Dashboards mit Entscheidungsträgern zu teilen
Bespiele für die Aktivierung Ihrer Daten

Analysieren Sie zum Beispiel, wie sich die Häufigkeit einer Anzeigeneinblendung auf die Conversion pro Nutzer und Kampagne auswirkt. Diese Informationen helfen Ihnen, Ihre Remarketing-Kampagnen zu optimieren.

Optimieren Sie Ihre Kampagnen, indem Sie den Customer-Lifetime-Wert bestimmter Nutzergruppen vorhersagen. So könnten Sie beispielsweise feststellen, dass eine Gruppe von Nutzern mit begrenztem Markeninteresse ein hohes Kaufpotenzial aufweist, sofern die Nutzerinteraktion gesteigert wird. Sie gewinnen diese Erkenntnis, indem Sie Daten verknüpfen und maschinelles Lernen verwenden, um Kundensegmente zu erstellen und einen Lifetimevalue vorherzusagen.

Durch das Analysieren der Entwicklung von Textkommentaren und Bewertungen können Sie ungenaues Targeting besser vermeiden, indem Sie vorhersagen, wie ein Produkt mit bestimmten Merkmalen bei einer bestimmten Gruppe von Nutzern ankommen wird. Für diese Aufgabe können Sie beispielsweise Sentimentanalyse und Kundensegmentierung nutzen.