Data-Driven-Advertising
Copyright © Shutterstock/ Montri Nipitvittaya
Inhaltsverzeichnis
Was ist Data-Driven-Advertising?
Data-Driven-Advertising betrifft sämtliche Analysemethoden von Kundendaten. Es kann sich um primäre Daten aus Konsumentenbefragungen oder sekundäre Daten aus Kaufverhalten oder der Auswertung von Tracking-Ergebnissen handeln. Ziel ist die stete Optimierung der Auswertung für noch zielgerichtetere Werbung. Hierbei kommen verschiedene Methoden und Techniken der Datenerhebung und -Auswertung zum Einsatz. Zu den größten Herausforderungen gehört der Umgang mit Big Data. Amazon gehörte zu den ersten, welche das Potenzial von Data-Driven-Advertising erkannte und ausnutzte.
Überblick und Entwicklung
In der Frühphase des Online-Marketings spielte das Werbeumfeld noch eine größere Rolle für die eingesetzten Werbemedien und -mittel. Da nur wenige Daten vorlagen, wurden Kampagnen meist breit gestreut, um die angestrebte Zielgruppe ansprechen zu können. Dies war mit großen Streuverlusten verbunden. Moderne Techniken des Online-Marketings erlauben eine direkte Ansprache der Zielgruppe. Daher rückt diese immer stärker in den Fokus von Marketing-Kampagnen und Werbetreibenden. Die zentrale Rolle spielen dabei die Daten der Kunden und potentiellen Kunden. Daher wird vom Data-Driven-Advertising gesprochen. Zahlreiche digitale Schnittstellen erlauben das Sammeln von Big Data.
Die Rohdaten entstammen beispielsweise Browserverläufen, Cookies und sonstigem Surfverhalten. Werbetreibende ziehen aus diesem Datenmaterial ihre Schlüsse auf potentielles Kaufverhalten. Hierbei ist die Frage interessant, welches Produkt zu welchem Zeitpunkt an welchen Kunden mit hoher Wahrscheinlichkeit verkauft werden kann. Mit der Datenmenge und Datenqualität steigt die Wahrscheinlichkeit, dass die Kampagne eines Marketers erfolgreich ist.
Bedeutung von Big Data für das Data-Driven-Advertising
Als Big Data wird die große Menge an Daten bezeichnet, die im Netz zur Verfügung stehen. Die Masse der Daten macht ihr Zusammenführen, Analysieren und Auswerten zu einer Herausforderung. Big Data birgt enormes Potential für Werbetreibende, da die Daten für eine erhöhte Kundentransparenz sorgen und daher eine passgenaue Ansprache der Konsumenten ermöglichen.
Die Freigabe der Daten durch die Kunden erfolgt meist unbewusst. Die massenhafte Verbreitung des Internets und insbesondere der mobilen Endgeräte hat die Hemmschwelle bei der Freigabe von Daten sinken lassen. Schon die Anmeldung in einem sozialen Netzwerk oder der Zugriff von Apps auf Kontaktlisten und Medien bedeutet eine massenhafte Datenfreigabe.
Das Datenmaterial wird auf den Unternehmens-Servern der Betreiber gespeichert und für Marketingzwecke verwendet sowie an Werbetreibende verkauft. Primäre Quelle sind hierbei Tracking-Daten. Diese beinhalten detaillierte Nutzerinformationen über die Kontakte mit Webseiten und Werbeanzeigen. Diese Daten sind die Basis für umfassende Datenanalysen und darauf aufbauende Maßnahmen. Kombiniert mit technischem Know-how erlangen Werbetreibende aus diesen Daten enorme Wettbewerbsvorteile.
Herausforderungen beim Data-Driven-Advertising
Die Hauptherausforderungen betreffen zum einen die Notwendigkeit der Systematisierung und Auswertung der enormen Datenmengen und zum anderen die damit verbundenen Kosten. Für viele Unternehmen ist das kleine Budget für den Umgang mit Daten das hauptsächliche Hemmnis in der erfolgswirksamen Auswertung von Big Data. Zunehmend erkennen jedoch sowohl große etablierte Unternehmen als auch Start-ups die Relevanz der Entwicklung.
Größere Unternehmen bringen das Budget für Data-Driven-Advertising auf und auch Start-ups richten den Fokus zunehmend auf die Speicherung, Selektion und Anwendung der Kundendaten. Eine andere Herausforderung betrifft die Validität der Daten. Da kein direkter individueller Bezug besteht, gibt es keine absolute Gewissheit darüber, dass die zur Verfügung stehenden Daten glaubwürdig sind.
Auswertung und Nutzung der Daten im Data-Driven-Advertising
Die Aufgabe der Auswertung von Big Data fällt in den Bereich der Data-Science. Diese Wissenschaft hat es zum Ziel, aus formlosen Daten konkrete Schlüsse zu ziehen und daraus Aktivitäten abzuleiten. Auf Basis verschiedener Methoden und Techniken der Mathematik und der Informatik werden Algorithmen und Analysen entworfen, die in Rohdaten Zusammenhänge identifizieren. Wichtig für eine wirksame Analyse und Auswertung der Daten sind Kommunikation und Zusammenarbeit zwischen Data-Scientists und Marketern. Der Aufwand solcher Analyse-Projekte wird oftmals unterschätzt, während Ergebnisse und Nutzen überschätzt werden. Nur wenn sich Arbeitsaufwand und Ertrag die Waage halten, lassen sich die Daten von Marketern für die Optimierung von Werbemaßnahmen verwenden.
Das Data-Driven-Advertising vereint zahlreiche technische Prozesse miteinander. Dies führt oftmals zur falschen Auffassung, dass hierbei technische und menschliche Ressourcen gespart werden könnten. Jedoch bedarf ein sinnvoller Umgang mit den Daten einer fortwährenden Überprüfung auf die jeweilige marketingbezogene Bedürfnislage. Die konkreten Aufgaben bestehen in der Beschaffung der Daten, der Datenanalyse, der Aufbereitung der Daten sowie der Gewinnung und Umsetzung von Erkenntnissen aus den Daten. Daher ist das Data-Driven-Advertising eine umfassende Herausforderung, die ein im ständigen Austausch stehendes Team aus Data-Science-Experten und Marketern erfordert. In der gegenwärtigen und zukünftigen Entwicklung des Data-Driven-Advertisings geht es nicht etwa um ein allumfassendes Werkzeug, sondern stets um konkrete marketing- und kampagenbezogene Einzellösungen.
Tipp
Sie möchten selbst Tracking-Tools einsetzen? Hier haben wir eine Anleitung für die Implementierung von Scroll Tracking.
Sie haben noch Fragen?
