Aktualisiert am

Ein professionelles Datenmanagement ist der Schlüssel zum Erfolg und der erste Schritt, wenn eine Unternehmung sich entschieden hat, zukünftig ihre Marketing- und Verkaufsaktivitäten anhand von Daten zu steuern und auf Automation zu setzen. Denn die heutigen modernen Technologien können nur so gut performen, wie es der Zustand der Datenbasis erlaubt. Daher ist es auch vor der Einführung von Marketing Automation besonders wichtig, für ein professionelles Datenmanagement zu sorgen. Erst auf der Basis einer vollständigen 360°-Sicht auf den Kunden können die geplanten Automationsprozesse aufgesetzt werden. Professionelles Datenmanagement erhöht die Effizienz, erlaubt es, dem Kunden ein individualisiertes und positives Erlebnis zu bieten und steigert somit die Wettbewerbsfähigkeit einer Unternehmung. Zudem werden «Bauchentscheide» messbar und eine Skalierung ist schneller möglich. Dieser Blog zeigt, was unter professionellem Datenmanagement zu verstehen ist und liefert 10 wertvolle Praxistipps als Leitfaden für die erfolgreiche Umsetzung.

Datenmanagement – was ist das?

Hinter dem Schlagwort Datenmanagement verbirgt sich ein hochkomplexes Gefüge aus technischen Massnahmen, die mit organisatorischen Prozessen und Fragen der Gesamtkonzeption verbunden sind.

Datenmanagement

Smart Data: Zusammenstellung eines Kundenprofils, Caymland, 2018)

Datenmanagement unterstützt Unternehmen dabei, Daten nicht nur selbst zu erheben, sondern auch vorhandene Daten sicher zu speichern und bereitzustellen. Daten gehen in den täglichen Prozessen immer wieder verloren oder bleiben in Silos stecken. Organisationsstrukturen, in denen viele hochspezialisierte Abteilungen existieren, begünstigen ebenfalls die Silobildung. Aber auch technologische Barrieren sorgen dafür, dass nicht alle Beteiligten Zugang zu den Daten haben. Dies ist beispielweise dann der Fall, wenn verschiedene Abteilungen unterschiedliche Software nutzen. Unternehmen, die Marketing Automation einsetzen, sind in besonderem Masse auf ein gutes Datenmanagement angewiesen. Werden alle verfügbaren Kundendaten an einer zentralen Stelle der Automationsplattform zur Verfügung gestellt, kann diese besser auf die individuellen Bedürfnisse eines jeden Kunden eingehen. Zentral gespeicherte, gut gepflegte Kundenprofildaten sind also der erste Schritt zu höherer Wirksamkeit automatisierter Kampagnen (siehe Grafik).

Wissenswertes über Daten

Daten sind nicht einfach nur Informationen, sie verfügen über einen komplexen Lebenszyklus innerhalb eines Unternehmens und erlauben die grobe Unterteilung in drei Kategorien:

  • Verhaltensdaten: z.B. Social Media und Web-Interaktionen der (potentiellen) Kunden
  • Historische Daten: z. B. Kaufhistorie, Supportanfragen und alle weiteren Interaktionen zwischen Kunden und Unternehmen
  • 360°-Ansicht: alle Interaktionen zwischen Kunden und Unternehmen über alle Kanäle hinweg betrachtet
Diese Daten können wiederum vier unterschiedliche Zustände einnehmen:
  • Verwendete Daten werden aktuell im operativen System vorgehalten
  • Analysierte Daten unterliegen keinen Änderungen mehr, sondern werden nur noch ausgewertet
  • Archiviert und gelöscht: Daten wurden in einem Archiv gespeichert oder aus dem System gelöscht.

Entscheidend für ein gutes Datenmanagement ist, die Regeln, welche die Daten von einer Phase des Lebenszyklus in den anderen übergehen lassen, sehr sorgfältig zu definieren. Hier gibt es keine Patentlösung, denn jedes Unternehmen muss diese Phasen anhand der eigenen Prozesse für sich selbst festlegen. Zusätzlich unterschieden werden muss beim Aufstellen dieser Definitionen zwischen der Kritikalität der einzelnen Informationsobjekte. Schliesslich benötigen kritische Unternehmensinformationen eine andere Behandlung, als nicht kritische.

Mit diesen 10 Tipps das Datenmanagement in den Griff kriegen

Schlechte Datenqualität und mangelhaftes Datenmanagement sind die grössten Hürden beim Generieren von ROI mit Marketing Automation. Je datengetriebener Marketing und Verkauf ist, desto grössere Bedeutung kommt auch dem Datenmanagement zu. Schlecht gepflegte Daten bringen zahlreiche Nachteile: Sie stören die Nutzererfahrung, sorgen für geringe Effizienz des Verkaufs, schaden der Glaubwürdigkeit des Marketings eines Unternehmens und sorgen letzten Endes für das Verfehlen von Geschäftszielen. Die folgenden 10 Tipps sind als erster Leitfaden zu verstehen, der Unternehmen beim Vorantreiben ihres Datenmanagements unterstützt.

Tipp #1: Daten-Überblick schaffen

Unternehmen gewinnen ihre Daten aus den unterschiedlichsten Quellen oder verfügen bereits über mehrere Jahre alte Bestände. Firmen, die in das professionelle Datenmanagement einsteigen wollen, stehen dann vor einem wahren „Flickenteppich“ und müssen zunächst für grundsätzliche Orientierung sorgen. Um eine konsistente Datenbasis zu schaffen, sollten sich Unternehmen die folgenden drei Fragen stellen:

  • «Benutzen wir unterschiedliche Formate oder Systeme für die Datenbank?»
  • «Wo sind unsere Daten gespeichert? Wie sicher und einfach können wir diese auf andere Systeme übertragen?»
  • «Sind die rechtlichen Auflagen erfüllt?»

Unternehmen stehen meistens vor der Herausforderung, dass ihre Daten an verschiedenen Orten gespeichert sind. Es muss als erstes ein Überblick geschaffen werden, woher die Daten überhaupt stammen. Dazu erfolgt die Sammlung aller Datenquellen vom ERP oder CRM bis zum Excel-Sheet. Auch Datensilos, die sich ganz natürlich in grösseren Unternehmen entwickeln, sollen mit einfliessen. Diese entstehen vor allem dann, wenn Abteilungen miteinander konkurrieren und sich gegenseitig Informationen vorenthalten. Um Silobildung zukünftig zu vermeiden, muss also ein Umdenken stattfinden, damit das gemeinsame Geschäftsziel wieder in den Vordergrund rückt.

Tipp #2: Daten zentralisieren und bereinigen

Sind die Daten zusammengestellt, erfolgt deren Prüfung auf Qualität, Verlässlichkeit und Konsistenz. Dazu gibt es spezielle Datenqualitäts-Tools, die diesen Prozess automatisieren können, stets unter Berücksichtigung der individuellen Anforderungen des jeweiligen Unternehmens. Doubletten werden entfernt und – abhängig vom Tool – sogar fehlende Daten über das CRM ergänzt. So lassen sich die Datenqualität und die Datenrelevanz für die spezifischen Marketingbedürfnisse wahren. Im Zug der Datenbereinigung erfolgt die Festlegung, welche historischen Daten zur Aufbewahrung nach wie vor relevant sind. Zudem gilt es zu klären, welche der vorhandenen Daten für interne Tätigkeiten und welche für die künftige Kundenkommunikation zur Verfügung stehen sollten. Eine inkonsistente Datenbasis, die beispielsweise falsche Ansprechpartner, falsche Informationen und falsche Inhalte umfasst, verringert die Effizienz und erhöht Streuverluste. Datenerfassung und Übermittlung stellen zwei zusätzliche Fehlerquellen dar. Intensive Schulung der Mitarbeitenden kann hier Abhilfe schaffen.

Tipp #3: Auswahl moderner Technologien-Mix und Integration zu weiteren Software

Gutes Datenmanagement erfordert die Integration der entsprechenden Tools in die bestehende Software-Infrastruktur. Viele Marketing Automation-Systeme bringen CRM-Funktionalitäten und Tools für Datenmanagement und Datenanalyse gleich mit und machen diesen Schritt leichter.

Deshalb kann ein KMUs bei der Suche von einem neuen CRM oftmals direkt auf ein Marketing Automation-System setzen. Dadurch müssen nicht zwei Systeme angeschafft werden und es lassen sich Lizenzkosten und Schnittstellenprojekte einsparen.

Es lohnt sich für ein Unternehmen, die aktuelle Systemarchitektur und Datenflüsse aufzuzeichnen, um einen Überblick der Technologie-Ausgangslage zu erhalten. Davon ausgehend lässt sich entscheiden, welche Systeme gegebenenfalls durch moderne Technologien abgelöst werden sollten und welche Systeme sich mittels Schnittstelle verbinden lassen. So erreichen Unternehmen die Zentralisierung ihrer Daten. Jedoch Vorsicht: «Technology follows Strategy». Es sollte daraus kein IT-Projekt entstehen. Vielmehr sollte sich eine Unternehmung überlegen, was sie schlussendlich mit diesen Daten erreichen möchte und für welche Verkaufs- und Marketingaktivitäten nützlich sind. Erst wenn die Strategie steht, erfolgt das massgeschneiderte Zusammenstellen des Technologie-Mix. Dies ist beispielsweise auch genau die Philosophie, welche wir als 4results leben. 

Tipp #4: Bestandsdaten analysieren

Erst nach der Datenbereinigung und Datenaktualisierung lässt sich analysieren, welche Kundengruppen im Unternehmen vorherrschen. Webanalysen helfen dabei, eine Vorstellung von vorhandenen Kunden zu bekommen. Hierzu werden Daten aus Analytik-Tools, aber auch deren Verhalten und Conversions herangezogen. Des Weiteren folgt eine Basisanalyse, die sich mehr mit dem Kunden als Person, als mit seinem Verhalten beschäftigt. Folgende Fragen spielen bei solch einer genaueren Kundenanalyse eine Rolle:

  • Wie oft kaufen Kunden?
  • Durchschnittliche Anzahl Bestellungen pro Kunde
  • Wie viele Kunden haben nur einmal gekauft? Falls der Kunde nur einmal bestellt hat, hatte er eine schlechte Erfahrung gemacht? Ist der Shop nicht in Erinnerung geblieben? Ging er zum Mitbewerber? In allen Fällen besteht Nachholbedarf.
  • Wie viele Kunden haben mehr als drei Mal gekauft? Diese Gruppe ist ein wertvolles Gut, von der vieles gelernt werden kann. Falls diese Gruppe nur einen kleinen Prozentsatz ausmacht, sollte sich die Unternehmung dringend um Kundenbindung kümmern.
  • Neukunden vs. Bestandskunden

Transaktionsdaten für datenbasierte Analysen

Die datenbasierte Analyse ist eine der wichtigsten Analysen und bezieht vor allem auch Bestandsdaten mit ein. Sie untersucht den Umsatz, die durchschnittliche Höhe des Warenkorbs und natürlich auch, was der Kunde gekauft hat. Zusätzlich gibt sie wertvolle Ideen für mögliche Cross- und Up-Selling-Kampagnen und zeigt auf, welche Kundengruppen in welcher Grösse im Unternehmen vorliegen.Kundenumfragen ergänzen diese Daten, mit denen zusammen sich schliesslich die Buyer Persona für die Unternehmung erstellen lässt. Diese hilft, in einem weiteren Schritt entsprechende Massnahmen und Kampagnen für die relevanten Gruppen zu konzipieren. Die Analysen stammen alle aus den Transaktionsdaten, die zu den zuverlässigsten Quellen gehören. Der Betrachtungszeitraum sollte mindestens ein Jahr umfassen. Von einem längeren Zeitraum als drei Jahre wird jedoch abgeraten, da sich sowohl Kunde als auch Produkt über solch einen langen Zeitraum verändern.

Tipp #5: Segmentieren der Daten

In der Online-Welt haben Unternehmen oft keinen persönlichen Kontakt zu ihren Kunden, deshalb ist es wichtig, Kundensegmente zu erstellen. Daten reichen bereits aus, um die Bedürfnisse der Kunden zu erahnen. Sie geben Auskunft darüber, was Kunden kaufen, wie viel sie dabei ausgeben und in welcher Kombination und Zeitabständen sie Dinge einkaufen. Segmentierung sorgt dafür, dass eine Werbekampagne nur diejenigen Zielkunden erreicht, die sich auch angesprochen fühlen können. Eine effektive Segmentierung erreicht, dass Zeit und Geld in die richtige Zielgruppe fliessen. Wer genau weiss, was Neukunden, Bestandskunden und sogar inaktive Kunden wollen, kann deren Bedürfnisse besser erfüllen. Kundensegmentierung lässt sich unter verschiedenen Kriterien angehen. Während manche Unternehmen vor allem die Kundenhistorie dazu heranziehen, ist aber auch das Nutzen von Kriterien, wie Persona, Rolle oder auch die aktuelle Position im Sales Funnel möglich.

Verhaltensbasierende Segmentierung entscheidend

Je nach Unternehmen, Produkt oder Dienstleistung können auch geografische Segmentierungskriterien oder das Verhalten entscheidend sein. Genau dies ist ein grosser Vorteil einer Marketing Automation-Software. Durch die Funktion «verhaltensbasiertes Tracking» sehen Unternehmen, was Interessenten und Bestandskunden auf ihrer Website anschauen. Und dies nicht in anonymer Form wie es die Google Analytics-Daten liefern. Sondern auf jeden einzelnen Kontakt runtergebrochen, welche sich in der Datenbank befindet. Verhaltensbasierte Segmentierung gibt der Unternehmung unter anderem die Möglichkeit, anhand der Interessen (z.B. betrachtete Seiten oder Produkte) eine digitalisierte 1:1-Kommunikation mit jedem Kunden zu erreichen und dadurch mehr Aufträge durch die Website zu erzielen.

Tipp #6: Datenschutz berücksichtigen

Dass die gültigen Datenschutzbestimmungen bei jedem Schritt des Datenmanagements eingehalten werden müssen, versteht sich von selbst. Datenschutz ist ein Thema, das in den letzten Jahren stark an Bedeutung gewonnen hat. Unternehmen stehen hier vor einer besonderen Herausforderung. Denn einerseits steigen die in den Unternehmen vorhandenen Datenmengen rasant an, andererseits ist der Zugriff auf diese oft durch viele Mitarbeitende möglich. Deshalb müssen sich Unternehmen vermehrt dem Thema Schutz und Sicherheit von Personen- und Unternehmensdaten widmen. In der Schweiz gelten gemäss Bestimmungen, welche «offline» relevant sind auch für das Online-Marketing. Dies betrifft insbesondere das Vertragsrecht, das Gesetz gegen den unlauteren Wettbewerb, die Preisbekanntgabeverordnung, das Datenschutzrecht, das Urheberrecht und das Werberecht. Sofern die Handelsausrichtung international ist, gilt es auch, die ausländische Rechtsgrundlage mitzuberücksichtigen. Dies ist auch mit Hinblick auf die Datenschutzgrundverordnung (DSGVO) wichtig.

Tipp #7: Datenanreicherung (Data Enrichment)

Datenanreicherung (engl. „Data Enrichment) ist der Begriff, um die Ergänzung von „rohen“ Datensätzen durch weitere, aus einer zusätzlichen Quelle stammenden Informationen zu bezeichnen. Sehr häufig vereint die Datenanreicherung externe und interne Daten in einem einzigen Profil. Auch bei der Datenanreicherung müssen die geltenden Datenschutzbestimmungen beachtet werden. Die Anreicherung bestehender Datensätze ist daher eine relativ aufwändige, aber sehr lohnenswerte Aufgabe, da sie zu reichhaltigeren, aktuelleren Datensätzen führt. Heute können automatisch arbeitende Systeme diese Aufgabe übernehmen. Tools zur Datenanreicherung ziehen beispielsweise das CRM heran, um zusätzliche, ergänzende Daten zu finden. Tatsächlich handelt es sich beim Anreichern von Daten um einen Prozess, der kontinuierlich abläuft und für Echtzeit-Aktualität der Datensätze sorgt.

Die folgenden fünf Use Cases zeigen, warum Datenanreicherung so wichtig ist:

  • Weniger Formularfelder notwendig: Eine geringe Anzahl an Formularfeldern erhöht die Wahrscheinlichkeit einer Conversion wesentlich. Datenanreicherungs-Tools ergänzen im Hintergrund gezielt B2B-Daten.
  • Höherer Personalisierungsgrad bei jeder Interaktion: Datenanreicherung schafft eine Datenfülle, die auch sehr kleine Kundensegmente identifizierbar und gezielt ansprechbar macht. Diese angereicherten Daten erlauben automatisierte Interaktionen, die sich beispielsweise auf kürzlich stattgefundene Events in der Firma des Accounts beziehen.
  • Fortgeschrittenes Account Scoring: Datenanreicherung ist der Schlüssel, um Lead und Account Scoring-Prozesse vollkommen zu automatisieren. Angereicherte Daten geben dem Scoring-System noch mehr Informationen zum Treffen richtiger Entscheidungen.
  • Customer Experience verbessern: Angereicherte CRM-Daten ermöglichen es, Sales-Prozesse individuell auf Interessenten zu zuschneiden, Upselling- oder Crossselling-Gelegenheiten zu nutzen und Warnsignale frühzeitig zu identifizieren. Echtzeit-Datenanreicherung hilft Unternehmen dabei, ihre Kunden noch besser zu unterstützen.
  • Maschinenlernen nutzen: AI-Anwendungen, wie beispielsweise Chatbots, sammeln kritische Daten von Webseitenbesuchern. Angereichert mit weiteren CRM-Daten entsteht ein exakter Blick auf die Wünsche des Besuchers. Hier entstehen wesentlich präziser personalisierte Touchpoints vollautomatisch.

Tipp #8: Daten-Audit und Mitarbeiterschulung

Damit die Datenqualität auch dauerhaft gleichbleibend hoch sein kann, sollte im Unternehmen ein viertel- bis halbjährliches Datenmanagement-Audit stattfinden. Dieses beleuchtet den Zustand der Daten, deren Qualität, den Datenfluss und weitere Faktoren. Abhängig von den eingesetzten Tools, die im Idealfall ein laufendes Audit vornehmen, erfolgt eine zusätzliche Prüfung. Zu den Zielsetzungen einer Mitarbeiterschulung sollten in diesem Zusammenhang auch die Vermittlung aktueller rechtlicher Bestimmungen gehören. Aber auch das Verständnis von Daten muss Thema sein. Team und Mitarbeiter müssen für das Thema Daten und Datenmanagement sensibilisiert werden.

Tipp #9: Automation

Zum Automatisieren der Datenmanagement-Aufgaben lassen sich bereits bestehende Systeme nutzen, soweit diese vorhanden sind. Korrigierte und standardisierte Kundendatensätze mit hoher Qualität werden dann den entsprechenden Prozessen automatisiert zugeführt. Tools zur Datenqualitätssicherung erlauben auch das automatisierte Prüfen bereits vorhandener Daten auf Verlässlichkeit und Konsistenz. Zunächst erfolgt die automatische Überführung der Kundenprofile in eine standardisierte Form, was das Anreichern durch weitere Kanäle oder Datenquellen vereinfacht. Kunden- und Produktdaten, aber auch historische Daten lassen sich dann automatisch dem richtigen Kontakt zuordnen. Was früher mit zeitraubenden Listenvergleichen einherging, geschieht heute vollautomatisch in kürzester Zeit. Auch, wenn sich die Überprüfung der Datenqualität automatisieren lässt und quasi ein permanentes Daten-Audit durchführt, ist eine klare Strategie dennoch unverzichtbar. Denn auch hochwertige Datensätze sind nur dann wirksam, wenn eine passende Strategie als Rahmen hinter ihnen steht.

Tipp #10: Predictive Analytics (deu. Vorhersageanalyse)

Datengetriebene Ansätze wie Predictive Analytics sind auf professionelles Datenmanagement angewiesen. Die bereits bereinigten demografischen Daten werden um Verhaltensdaten oder weiteren Informationen aus beispielsweise einer Produktdatenbank ergänzt. Weitere Signale, die aus ergänzenden Quellen stammen, werden diesen Daten hinzugefügt. Dabei kann es sich beispielsweise um Informationen zu den von Kontakten und Accounts verwendeten Technologien und andere handeln. Für Predictive Analytics wird aus diesen Daten ein Modell erstellt, dass auch die vorliegenden historischen Erfolgsmetriken miteinbezieht. Solch ein Modell macht Variablen in den eigenen Daten erkennbar, die mit einem erfolgreichen Abschluss korrelieren. Einmal erstellt kann dieses Modell nun dazu verwendet werden, datengetriebene Marketingentscheidungen zu unterstützen. Dazu bieten sich beispielsweise Lead Scoring und Account Targeting an. Aber auch Nurturing und Personalisierung sowie weitere Bereiche profitieren stark von Predictive Analytics.

Datenmanagement – Grundlagenarbeit für mehr Effizienz

Der Einsatz von Daten und der Umgang mit ihnen hat sich in den letzten Jahren stark verändert, keine Zeit also, um in traditionellen Denkweisen verhaftet zu bleiben. Gutes Datenmanagement hat den unschlagbaren Vorteil, einen wesentlich umfassenderen Blick auf Kunden und Prozesse zu erlauben. Auf dieser Basis ist dann wiederum eine besonders granulare Strategieentwicklung möglich. Technologische Entwicklungen auf dem Gebiet der Artificial Intelligence sorgen auf gleich mehreren Ebenen für eine Verbesserung der Nutzererfahrung, denn Predictive Analytics lassen wesentlich individuellere Personalisierungen zu als jemals zuvor. Datenmanagement sollte eine zentrale Position in der Organisation einnehmen, damit die Daten zu mehr Geschäftserfolg beitragen können. Dies erfordert in aller Regel das Anpassen bisheriger Prozesse hin zu mehr Effizienz.

Für Marketing Automation ist gutes Datenmanagement eine Grundvoraussetzung.

Solide, vorstrukturierte und optimalerweise angereicherte Daten machen Marketing Automation überhaupt erst möglich. Gutes Datenmanagement beginnt nach dem Prinzip „Think big, start small“. Kleinere KMUs profitieren bereits davon, ein Newsletter-System (oder eine Excel-Liste) durch ein Marketing Automation-System zu ersetzen. So sehen sie beispielsweise was die potentiellen Kunden auf der Website anschauen (durch verhaltensbasiertes Tracking) und erhalten dadurch wichtige Daten, um ihre Kunden besser zu verstehen. Grössere Unternehmen dürften am Thema CDP und Account Based Marketing interessiert sein. Fragen rund ums Datenmanagement? Gerne stehen wir Ihnen mit Rat und Tat zur Verfügung.

Entwickeln Sie sich zu einer datengetriebenen Unternehmung mit uns.