Digital Intelligence als Werkzeug zur kanalübergreifenden Performance-Messung und -Optimierung

In der heutigen Zeit sind eine stringente Sammlung, Aufbereitung und Visualisierung von Daten unablässig für das erfolgreiche Bestehen im Markt und das unabhängig von der jeweiligen Branche. Aus diesem Grund erheben die meisten Organisationen und Unternehmen bereits Daten über die Interaktionen mit ihren Partnern und Kunden in den verschiedenen, bereitstehenden Kanälen. Mögliche Interaktionskanäle bilden hierbei zum Beispiel Webseiten, Apps, Filialen und Geschäftsstellen vor Ort und Social Media Plattformen wie Twitter, Facebook oder YouTube.

Diese kanalspezifischen Daten bieten in Zusammenschau einen übergreifenden Überblick über die Performance relevanter und geschäftsentscheidender Kategorien und können so beispielsweise etwaige blinde Flecken in der Kommunikations-, Prozess- oder Marketingstrategie aufzeigen. Ferner liefert eine solche Zusammenstellung von verschiedenen Performance-Daten die Grundlage zur Etablierung eines Instruments zur übergreifenden Kanalsteuerung. Ein solches Instrument kann die Darstellung der unterschiedlichen Daten in einem Multikanal-Dashboard sein. Dieses dient dazu, die Aktivitäten einzelner Kanäle transparent abzubilden und in Relation zu den Daten anderer Kanäle zu setzen. Auf der Basis dieser datenbasierten und kanalübergreifenden Transparenz ist es möglich, die Effizienz und Profitabilität einzelner Kanäle zu messen und die Planung etwaiger Kommunikations- und Content-Strategien komplementär zum vorhanden kanalspezifischen Traffic aufzusetzen.

 

Fachliche Voraussetzungen und Funktionsprinzip

Für die Bildung eines Multikanal-Dashboards, welches die Daten aus verschiedenen Quellen abbildet, sind grundlegende Voraussetzungen zu schaffen. Zunächst müssen die Daten der digitalen Kanäle gemessen werden. Hierzu zählen beispielsweise die Daten aus den Touchpoints der Webseite und der Mobile-Apps, die grundlegende Einblicke in die Performance der geschäftsentscheidenden digitalen Prozesse liefern. Für die Umsetzung der Architektur eines Multikanal-Dashboard bietet hier das Vorhandensein einer Tracking-Integration über ein Tag Management System erste Vorteile, vor allem wenn es um die Aufgabe der anschließenden Datenhomogenisierung im Multikanal-Dashboard geht. Neben den Webseiten und Apps sind auch die Daten der relevanten Social-Media-Kanäle von Bedeutung, da auch diese unter Umständen einen wesentlichen Teil der Kundenkommunikation und -Interaktion abbilden und ein wertvolles Feedback-Instrument darstellen. Auch auf diese Daten sollte ein Zugriff bestehen, um sie in das künftige Multikanal-Dashboard exportieren zu können.

Neben den digitalen Kanälen sind es auch die Daten, die im Offline-Raum erhoben werden, die wertvolle Einblicke über die geschäftsrelevanten Interaktionen und das Kundenfeedback beziehungsweise die Kundenstimmung liefern. Hierzu zählen Daten aus den Kundenbesuchen in Filialen, die beispielsweise über eine Kundenkarte erhoben werden oder Daten aus den Gesprächen einer Kunden-/Servicehotline (z.B. Gründe für den Anruf und die Dauer des Anrufs). Auch der Einbezug von Fremddaten, die ein Stimmungsbild eines Unternehmens oder einer Organisation liefern, können für ein Multikanal-Dashboard in Betracht gezogen und eingebunden werden. Hierunter zählen beispielweise verschiedenste Pressestimmen oder Expertisen von unabhängigen Institutionen. Diese beschriebenen Datentypen gilt es neben den Informationen aus den digitalen Kanälen zu erheben und über eine Datenbank für einen Import zugänglich zu machen, um die Grundlage für ein ganzheitliches Datenbild zu schaffen, welches die Daten aus Online- und Offline-Welt in Zusammenschau abbildet und in dieser Relation auch interpretierbar macht.

Insofern die relevanten Daten der verschiedenen Kanäle erhoben und gesammelt werden, gilt es im nächsten Schritt die Architektur aufzubauen, durch die die Daten aus den verschiedenen Quellen zusammengebracht werden. Grundsätzlich müssen zu Beginn nicht alle kanalspezifischen Daten vorliegen. Diese können auch in einem laufenden Prozess Schritt für Schritt erhoben und in die Architektur des Multikanal-Dashboards integriert werden. Für die Umsetzung einer solchen Architektur bieten sich zwei grundlegende Prinzipien an: die Zusammenführung der unstrukturierten Daten in einem Data Lake oder die nutzerzentrierte Bündelung von strukturierten Daten in einer Customer Data Platform.

Ein Data Lake kennzeichnet sich dadurch, dass die Daten der unterschiedlichen Quellen unstrukturiert zusammenfließen. Der Data Lake dient in dieser Architektur als zentrale Schnittstelle, die die Daten aufnimmt, zusammenführt und an das Dashboarding-Tool weiterleitet, damit diese dort in Zusammenschau visualisiert werden können. Dadurch, dass die Daten im Data Lake unstrukturiert einlaufen, ist es wichtig, diese im Anschluss soweit wie möglich einer Strukturierung zu unterziehen, um eine größtmögliche Vergleichbarkeit der kanalspezifischen Werte herzustellenden.

 

In ihren Grundsätzen ähnelt die Customer Data Platform einem Data Lake. Die wichtigsten Unterschiede bilden hierbei jedoch die initiale Erhebung von vorab strukturierten Daten und die nutzerzentrierte Auslegung, die die Customer Data Platform aufweist. Dieser Einsatz von vorab strukturierten Daten, ermöglicht zunächst eine direkte Vergleichbarkeit der kanalspezifischen Werte und erleichtert die damit verbundenen analytischen Interpretationen. Darüber hinaus ist es möglich, feste Datenstrukturen, innerhalb der Customer Data Platform, in ein übergreifendes Datenbild zu überführen. So werden Datenbestände aus bestimmten bestehenden Kanälen in das Datenbild eingegliedert und dieses damit angereichert. Ein weiteres zentrales Merkmal ist, dass alle Daten einem bekannten oder unbekannten Nutzer zugeschrieben werden können. Diese Form der Nutzererkennung ermöglicht daraufhin das Bilden von Personas oder Nutzersegmenten, die mittels unterschiedlicher Aktionen in den jeweils für sie relevanten Kanälen angesprochen werden. Diese Einteilungen werden hierbei automatisiert und datengetrieben, statt manuell vorgenommen und können umgehend an sich wandelnde Rahmenbedingungen sowie an kanalspezifische Traffic-Schwankungen angeglichen werden. Auf diese Weise werden in einem Multikanal-Dashboard neben den kanalspezifischen auch persona- bzw. segmentspezifische Analysen abgebildet.

 

Operativer Mehrwert

Aus dieser Form der Datenorchestrierung ergibt sich grundlegend die Möglichkeit, Datensilos aufzubrechen und durch die zentrale Bündelung und Abbildung der Daten aller Quellen einen umfassenden Überblick über die Gesamtperformance des Geschäfts zu erhalten. Ebenso ist die Zusammenstellung von Kanalvergleichen möglich, wodurch kanalspezifische Schwachstellen bei der Kundenkommunikation und -interaktion transparent abgebildet und in Relation zu den Ergebnissen anderer Kanäle gesetzt werden. Auf dieser Grundlage können im Weiteren die identifizierten Optimierungspotentiale genutzt werden, um diese Mängel zu beheben. Der Erfolg dieser Maßnahmen kann dann anschließend wiederum im zeitlichen Verlauf der Daten eingesehen und in Relation zu den Daten der anderen Kanäle gesetzt und interpretiert werden.

Darüber hinaus kann der übergreifende Einblick in die kanalspezifischen Performances dafür genutzt werden, um eine Akzentuierung der Kundenkommunikation zu etablieren. So können spezifische Muster der Kanal-Nutzung erkannt werden. Aus diesem Wissen ergibt sich die Möglichkeit, bestimmte relevante Zielgruppen in einzelnen Kanälen zu identifizieren und durch ein gezieltes Targeting anzusteuern. Auf diese Weise werden die verschiedenen Nutzergruppen kanalübergreifend erkannt, besser kennengelernt und insgesamt gezielter angesprochen.

 

Was kann durch diesen Ansatz abgebildet werden?

Durch die übergreifende Abbildung von Daten aus verschiedenen Kommunikations- und Interaktionskanälen ergeben sich verschiedene Szenarien, um kanalspezifische Auslastungs- und Interaktionsmuster sowie Themenperformances darzustellen. Dabei können die Daten der verschiedenen Kanäle grundlegend übergreifend miteinander in Relation gesetzt werden. Das heißt, es können Analyse-Szenarien gebildet werden, die die Performances aller Kanäle in Zusammenschau zeigen und es können auch einzelne Kanäle in direkte Relation zueinander gesetzt werden, um zu einer bestimmten (nur die beiden Kanäle betreffenden) Fragestellung Antworten zu liefern.

 

Nachfolgend sollen nun ausgewählte Beispiele die Anwendung dieses Prinzips darlegen.

 

Umsetzung einer Kostenbewertung von z.B. Facebook-Kampagnen

In diesem Use Case soll ein Instrument zur Kosten-Nutzen-Bewertung von Facebook-Kampagnen bereitgestellt werden. So soll der durch die Kampagne erreichte Impact in Relation zu den tatsächlich erreichten Webseiten-Zielen abgebildet werden.

 

Folgende Fragen werden dadurch beantwortet:

Was kostet ein Klick auf eine Facebook-Kampagne?

Fördern die Kampagnen die Erreichung von Webseiten-Zielen?

Welchen theoretischen monetären Gegenwert bildet ein Kampagnenklick in Relation zu den erfolgreich abgeschlossenen Webseitenzielen?

 

Ergebnis:

Im Ergebnis ergibt sich aus dieser Zusammenstellung der Daten ein Instrument zur Bewertung des monetären Nutzens von Facebook-Kampagnen. Auf diese Weise können die Kosten und der Nutzen von Facebook-Kampagnen zu bestimmten Themen und Webseiten-Zielen gegenübergestellt werden. Durch diese gegebene Transparenz lassen sich Budgets effizienter nutzen und der Start von potenziell erfolglosen Kampagnen kann vermieden werden. So lässt sich die Komplementarität von Facebook als Kampagnenkanal für verschiedene Themen darstellen, was eine anschließende budgetäre Planung dahingehend ermöglicht, welche Inhalte und Webseiten-Ziele über diesen Kanal angesprochen werden sollen.

 

Abbildung einer übergreifenden Kanal-Auslastung von Webseite und Callcenter

In diesem Use Case soll die themenspezifische Auslastung eines Callcenters abgebildet und in Relation zum Traffic der entsprechenden Content-Bereiche einer Webseite und/oder App gesetzt werden, um etwaige „blinde Flecken“ im digitalen Bereich aufzudecken und den Content an die Bedürfnisse der Besucher anzupassen.

 

Folgende Fragen werden dadurch beantwortet:

Welche Themen werden am häufigsten im Callcenter angefragt und wieviel Aufwand entsteht bei deren Beantwortung für die Mitarbeiter?

Gibt es für häufig angefragte Themen einen Content-Bereich auf der Webseite oder App, der die Fragen aufgreift und bereits beantwortet?

Tauchen die im Callcenter angefragten Themen entsprechend oft auch in der Suche der Webseite auf und bestehen hier thematische Korrelationen?

Ist der Content auf der Webseite für häufig angefragte Themen entsprechend gut für die Besucher aufzufinden?

Welche Bearbeitungskosten ergeben sich aus einem bestimmten telefonisch angefragten Thema, in einem bestimmten Zeithorizont?

Wie hoch ist die Self-Service-Rate und wie kann diese gesteigert werden?

Lässt sich auf (z.B. gesellschaftspolitische) Änderungen mittels einer proaktiven Kommunikation reagieren, um häufige Anfragen einzugrenzen bzw. diese gezielt zu kanalisieren?

 

Ergebnis:

Im Ergebnis ergibt sich aus dieser Zusammenstellung der verschiedenen Kanäle eine strukturierte Übersicht für Kunden-Anfragen. So können thematische Trends kanalübergreifend erkannt und entsprechende Anpassungen, bspw. an der Webseite, vorgenommen werden, um die Kunden und Interessierten schnell und unkompliziert zum relevanten Content zu bringen. Dies hat zur Folge, dass die Ressourcen des Callcenters geschont werden und Standardfragen oder -Themen größtenteils über die digitalen Kanäle (wie z.B. die Webseite oder eine App) beantwortet werden können.

 

Kanalübergreifende Kampagnen-Performance

In diesem Use Case soll ein Instrument zur Kosten-Nutzen-Bewertung von verschiedenen Kampagnen-Kanälen bereitgestellt werden. So sollen die durch die jeweiligen Kampagnen-Kanäle erreichten Auswirkungen in Relation zu den tatsächlich erreichten Webseiten-Zielen abgebildet werden.

 

Folgende Fragen werden dadurch beantwortet:

Welche Kosten entstehen in den jeweiligen Kampagnen-Kanälen?

Fördern die verschiedenen Kampagnen die Erreichung von Webseiten-Zielen in gleichem Maß?

Welche Webseiten-Ziele kann man am besten durch welchen Kanal ansprechen? Ist hier ein Impact zu sehen?

Welchen theoretischen monetären Gegenwert bilden die Kampagnen-Kanäle in Relation zu den jeweiligen Webseiten-Zielen?

 

Ergebnis:

Im Ergebnis ergibt sich aus dieser Zusammenschau der Daten ein Instrument zur Bewertung des kanalspezifischen Einflusses auf die Webseiten-Ziele. Darüber hinaus werden die Kosten und der monetäre Nutzen der verschiedenen Kampagnen-Kanäle aufgezeigt. Durch diese gegebene Transparenz lassen sich Korrelationen bzgl. der Zugänglichkeit verschiedener Themen in den jeweiligen Kanälen ermitteln. Dieses Wissen dient in der Folge als Grundlage für eine effiziente und kanalübergreifende Kampagnensteuerung, die aufzeigt, welche Themen in welchen Kanälen platziert werden sollen, um zur Erreichung der Unternehmensziele beizutragen. Auf diese Weise lässt sich die Sinnhaftigkeit etwaiger Kampagnen-Strategien anhand eines validen Messinstruments bewerten. In der Folge werden Budgets effizienter genutzt, da der Start von Kampagnen ohne entsprechenden Nutzen vermieden werden kann. Im Kontext der Umsetzung mittels einer Customer Data Platform heißt dies, die richtigen Kampagnen, zum richtigen Zeitpunkt bei der richtigen Zielgruppe zu platzieren.

 

Welche Vorteile ergeben sich daraus?

Aus den beschriebenen Architektur-Varianten, die die Zusammenstellung verschiedener Datenquellen in einem Multikanal-Dashboard ermöglichen, ergibt sich ein Instrument zur übergreifenden Kanal-Steuerung. Eine solch gebündelte Betrachtung der Daten eröffnet die Möglichkeit, eine kanalübergreifende Transparenz zu schaffen, die eine valide Bewertungsgrundlage für geschäftsrelevante Entscheidungen bildet. So können unternehmensrelevante Strategien komplementär mit Rückbezug auf den vorhandenen kanalspezifischen Traffic aufgesetzt, übergreifend bewertet und in Relation zueinander gesetzt werden.

 

Im Einzelnen bedeutet dies:  

 

… Kampagnen effizient und gezielt zu steuern

… Kampagnen kanalübergreifend besser bewerten zu können

… Content von verschiedenen Kanälen besser für die jeweiligen Zielgruppen zu platzieren und zu gestalten

… Schwachstellen in den einzelnen Content-Bereichen der Webseite schneller zu identifizieren

… die passenden Kampagnen in den jeweils passenden Kanälen zu platzieren

… kampagnenrelevante Zielgruppen über die richtigen Kanäle anzusprechen

… den jeweiligen Zielgruppen dabei zu helfen, den richtigen Content schnell und unkompliziert zu finden bzw. bereitzustellen

 

Insgesamt bildet ein solches Vorgehen die Grundlage für die Etablierung einer Plattform, die darauf abzielt, auf der Basis der einlaufenden kanalspezifischen Daten jeweils komplementäre Aktionsstrategien zu entwickeln.

 

Weiter gehts hier:

 

Single Line of Code - Nutzerverhalten agil messen:

http://www.socialbusinessevolution.de/single-line-code-nutzerverhalten-agil-messen

 

Index-Tracking - Latentes Nutzerverhalten in digitalen Kanälen messbar machen:

http://www.socialbusinessevolution.de/index-tracking-latentes-nutzerverhalten-digitalen-kanaelen-messbar-machen

 

https://digital-intelligence.t-systems-mms.com/

 

Neuen Kommentar schreiben