Die Top-5-Datenquellen des Predictive Marketing

Matthew Kelleher | Chief Commercial Officer

„Daten sind der Treibstoff für Künstliche Intelligenz“, sagen die Big-Data-Spezialisten von Databricks. Das stimmt. Aber so generell und abstrakt lässt sich mit dieser Einsicht wenig anfangen. Daher stellen sich doch gleich im Anschluss folgende Fragen: Welche Daten sind gemeint? Welche Daten sind am mächtigsten und wichtigsten? Und wie genau treiben sie KI an?
 
RedEye versteht sich als Multichannel-Marketing-Hub. Wir geben Unternehmen Tools in die Hand, mit deren Hilfe sie ihre Kunden mit hochpräzisen und personalisierten Botschaften über eine ganze Reihe von Kanälen (E-Mail, Webseiten, Apps, Social Media, Direktmarketing etc.) ansprechen können. Als wir begannen, KI in unsere Marketing-Automations-Plattform zu integrieren, hatten wir insbesondere die Steigerung des Kundenwerts über den gesamten Customer Lifecycle im Blick – vom Interessenten über den Einfach- , Mehrfach- und Vielkäufer bis hin zum Abschied von der Marke. Wenn wir also Predictive Analytics und KI nutzen könnten, um die Performance der Kunden zu steigern, wie würde sich dieser Einfluss auf den Kundenwert insgesamt auswirken?
 
Oft besteht Marketing aus vielen Buchstaben und wenig Zahlen. Unser Anspruch war stets, die Effektivität unserer Lösungen nachzuweisen. Daher legen wir so großen Wert auf Fallstudien. Werfen Sie daher einen Blick auf unsere Case Studies zu Predictive Analytics.
 
Zurück zur ursprünglichen Fragestellung. Wir haben in den letzten Jahren eine ganze Menge darüber gelernt, anhand welcher Daten sich die nächste Handlung eines Kunden mit hoher Wahrscheinlichkeit vorhersagen lässt. Hier kommen unsere Top 5:

  1. Verhaltensdaten: Haben Sie gedacht, jetzt folgt ein Countdown und die wichtigste Datenquelle erst zum Schluss? Falsch! Verhaltensdaten stehen auf Platz Nummer 1. Auf der Webseite, im Newsletter, auf den Social Media-Profilen, im Store, im Chat usw.: Führen Sie das Kundenverhalten von möglichst vielen Touchpoints zusammen und analysieren Sie die Muster. So bekommen Sie eine sehr wahrscheinliche Prognose zum nächsten Schritt.
     

  2. Demografische und Lifestyle-Daten: Alles, was Sie über ihre Kunden wissen, spielt für Predictive Analytics eine Rolle. Faktoren wie Alter, Geschlecht, Wohnort und Lebensphase bestimmen die nächsten Schritte eines Kunden maßgeblich mit.
     

  3. Transaktionsdaten: Wert und Frequenz vergangener Käufe liefern klare Hinweise auf die nächsten. Aber auch die Zeit seit dem ersten Kauf eines Kunden kann für bestimmte Prognosemodelle bedeutsam sein.
     

  4. Ethnografische Daten: Eine zu Unrecht völlig vernachlässigte Datenquelle. Daten aus Umfragen, Offline- Beobachtungen und unstrukturierte Gesprächsdaten erhöhen die Wahrscheinlichkeit, mit der eine Kundenaktion vorausgesehen werden kann. Allein die Tatsache, ob solche Daten einzelnen Datensätzen zugeordnet werden können, ist schon bedeutsam.
     

  5. Daten aus Analysen und Modellen. Es handelt sich hierbei nicht um Daten, die der Kunde selbst durch irgendeine Aktivität erzeugt, sondern um Daten, die sich aus den Berechnungen der Modelle selbst ergeben. Beispiel gefällig? Wenn sich ein Kunde seinem prognostizierten Lifecycle-Ende nähert, könnten sich auch die Produktempfehlungen ändern.

Nehmen Sie zum Abschluss die folgende Einsicht unserer Datenanalysten mit: Vorverurteile niemals eine bestimmte Datenquelle! Dass das Verhalten auf der Webseite und im Newsletter wichtige Indizien zum künftigen Verhalten eines Kunden liefert, ist klar. Ob ein Kundengespräch mit dem Callcenter positiv oder negativ verlaufen ist, ebenfalls. Aber dass die Dauer, die ein Mensch bereits Kunde ist, ebenfalls für Prognosen herangezogen werden kann, liegt nicht gerade auf der Hand.
 
Mehr Datenquellen machen Predictive Analytics zwar komplexer, aber auch leistungsfähiger. Je mehr Daten Prognosemodelle zur Verfügung haben, desto mehr Muster können sie erkennen und desto bessere Ergebnisse liefert die KI.

Share:

RedEyeUK @RedEye UK

Cookies


Wir verwenden Cookies. Indem wir das Verhalten unserer Besucher erfassen, können wir unseren Service verbessern.
Mehr darüber erfahren Sie in unserer Cookie-Richtlinie.

OK, VERSTANDEN