First party Data – der heilige Gral!
Fangen wir mal vorne an. Bei der Generierung von Kundendaten. Da wird dem modernen Marketing-Manager gebetsmühlenartig von der Media- wie auch Dialog-Agentur vorgebetet, dass First Party Data der einzige Weg zum Glück in einer streng datengeschützten Zukunft ist. Das ist prinzipiell auch richtig – nur diese radikale Handlungsweisung ohne wirkliche Alternativen riecht schon ein wenig nach Reibach, oder?
Zugegeben wird es von Tag zu Tag schwieriger Third Party Data zu generieren. Blocker sind unterwegs, Apple stellt seine Browser schon per Default auf Blocken und spätestens beim Cross Device Tracking ist der Graben zwischen theoretisch machbarem und realistisch im praktischen Einsatz Befindlichem immens groß. Die Tage der Lead-Generation durch Dritte sind also gezählt. So viel steht fest. Bleibt also tatsächlich nur das mühsame Einsammeln einzelner Kundendaten an den unternehmenseigenen Marken-Touchpoints. Das ist müßig, dauert und bei vielen Touchpoints ist es dazu eine omnikanale Herausforderung. Hat man das mühsam geschürfte Öl der Customer Data aber dann einmal mit rechtlich einwandfreiem Opt-In in der Hand, sollte man darauf bedacht sein, das Beste daraus herauszuholen. Und das ist mitnichten nur der Platz im automatisierten Email-Marketing-Funnel.
Customer Analytics next Generation
Aus Customer Data nicht nur das Öl eines automatisierten Marketing Engineerings zu machen, sondern auch noch Gold daraus zu schürfen ist eine wahre Herausforderung. Denn insbesondere, wenn es darum geht, aus Customer Behaviour zum Beispiel Insights oder gar neue Opportunitäten abzuleiten wird es nicht nur ganz schnell sehr komplex. Dazu kommt auch, dass hier die Grenzen zwischen Marketing (dem klassischen Vor-Verkauf / also Absatzförderung) und moderner Business Intelligence (im Hinblick auf den dynamischen Markt-Product-Fit) verschwimmen. Wer diese jedoch bewusst knackt, der entwickelt sein Marketing tatsächlich zum nachweislichen Wachstumstreiber.
Allerdings stellt man sich damit auch immensen Herausforderungen. Schließlich bedeutet die Anreicherung von Kundenstammdaten mit „Customer Behaviour“ eben nicht nur abgeschlossene Käufe im E-Commerce Channel, abgebrochene Visits, Bewegungsdaten aus Referrals oder gar omnikanale Beacon Inputs. Das sind allesamt strukturierte Datensätze, die sich automatisiert zuordnen lassen. Herausfordernd wird es bei unstrukturierten Daten. Sprachbasierte wie auch Email-Dialoge mit der Customer Hotline zum Beispiel. Hier kommt dann zunächst NLU (Natural Language Understanding) und NLP (Natural Language Processing) ins Spiel. Denn zunächst müssen solchen Inputs erst einmal digital verarbeitbar transkribiert werden. Machine Learning und KI sind hier bereits seit Jahren standardmäßig im Einsatz. Liegen diese daten digital vor, geht es im nächsten Schritt ums Verstehen. Schließlich weiß ein Computer nicht grundsätzlich zwischen Füllwörtern, Ausführungen und Fokusthemen innerhalb eines Textes zu unterscheiden. Auch das will dem Computer beigebracht sein. Fachleute in diesem Gebiet sprechen von Ontologie und ganz beeindruckend kommt gerade Google mit einem Ontologie-Meisterstück für seinen Email Dienst Gmail daher: TL;DR ist sein Name und steht für „Too long didn´t read“. Funktional sorgt die Applikation mit KI gestützter Ontologie für eine computergenerierte Zusammenfassung von empfangenen Mails. Schreibt der Kollege aus der Content Abteilung also mal wieder Romane, bevor er zum Punkt kommt sorgt nun Google´s TL;DR App für eine Zusammenfassung auf die fünf wichtigsten Bulletpoints. Chapeau! (Anm. des Red.: Hätte ich auch gerne! ;))
Bleiben wir aber beim Thema „Customer Analytics Next Gen“ – denn NLP und Ontologie sind eben nur Milestones auf dem Weg zum Big Picture aus Kundendaten. Dafür braucht es dann nämlich ein GNN, oder auch Graph Neural Network. Graph Intelligence ist nämlich im Gegensatz zu Datensätzen in Zeilen und Spalten in der Lage, dreidimensionale und damit ganzheitliche Bilder von Datenströmen darzustellen. Womit wir bei der Business Inteligence der nächsten Generation angekommen wären. Die wiederum wird in allen großen Unternehmen im Rahmen der digitalen Transformation aktuell in Richtung Graph Ecosystems getrieben. Da sind die vermeintlichen Brick & Mortar-Brands wie Miele, Bosch, Siemens und Co genauso aktiv wie die digital Unicorns Google, Facebook, Microsoft & Co. Alle genannten arbeiten an Graph-basierten Lösungen mit Data umzugehen. Nur die Marketing-Abteilungen scheinen diesen Kelch teilweise gänzlich unwissend an ihnen vorbei ziehen zu lassen, anstatt ihn zum heiligen Gral zu erklären und das Potenzial für tiefgreifende Analytics von Customer Data zu bergen. Zugebenen liegt das an den fehlenden Ressourcen. Skilled Talent Shortage ist auch im Marketing längst zum entscheidenden Problem auf dem Weg zur alten Strahlkraft fürs gesamte Unternehmen geworden. Bleibt die Hoffnung, dass wir Marketing-Fachleute nicht noch weiter ins Abseits der digitalen Transformation driften, sondern die Kurve zeitig bekommen. Ein Anfang wäre schon mal ein Blick auf unsere Daten aus erfolgreichen Marketing-Transformationsprojekten, die wir in unseren MarTech Playbooks zusammengefasst haben.
