In 7 Schritten datenbasierte Entscheidungen mit Web Analytics treffen

Technischer Fortschritt und verbesserte Analysemethoden haben uns in das moderne Zeitalter der Datenverarbeitung geführt. Web Analytics hat eine zentrale Rolle in Punkto Data Driven Marketing einnehmen können.

Doch es stellt sich die Frage: Schöpfen Unternehmen das volle Potential aus den ganzen Möglichkeiten, die ihnen zur Verfügung stehen? Ziehen sie aus den wertvollen Daten wirklich den vollen Nutzen? In anderen Worten: Wenden Unternehmen datengesteuerte Strategien an, um optimale Entscheidungen zu treffen und wettbewerbsfähig zu sein?

Wie aus einem Bericht von Forrester hervorgeht, möchten 74% der Unternehmen datengesteuert arbeiten, aber nur 29% davon erklären, ausreichende Kompetenzen zu haben, um Analytics in der Praxis umzusetzen.

Wie Web Analytics-Daten und Entscheidungsfindung ineinandergreifen

Unternehmen benötigen ein vollständiges Bild über ihre Performance am Markt. Daten sind die Grundlage für jede Firma, die fundierte Entscheidungen treffen möchte. Zu diesem Zweck wird Web Analytics eingesetzt. Die gesammelten Daten helfen dabei, das operative Business zu optimieren, sinnvoller zu organisieren und besser zu planen.

Mit Web Analytics haben Sie die Möglichkeit, langfristig die Performance Ihres Unternehmens zu verbessern. Um die wertvollen Daten eines Analytics-Tools zu nutzen benötigen Sie keine tiefgreifenden IT-Kenntnisse. Der Schlüssel ist es, aus den gesammelten Daten die richtigen Erkenntnisse zu ziehen, um so eine erfolgreiche Strategie zu entwickeln. Wir zeigen Ihnen, wie Sie das in einigen wenigen Schritten umsetzen können.

Eine Strategie für datenbasierte Entscheidungen entwickeln

Überall wird von datenbasierten Entscheidungen gesprochen, doch was genau ist damit gemeint? Entscheidungen werden getroffen, nachdem gesammelte Daten analysiert wurden und entsprechende Ergebnisse in die Entscheidungsfindung einfließen können.

Die folgenden Schritte helfen Ihnen dabei, eine Strategie zu entwickeln.

Schritt 1: Einen klaren Zweck für die Datensammlung definieren

Beim Thema Daten und Analytics sollte Genauigkeit oberstes Gebot sein. Wenn Sie Daten sammeln, sollten Sie genau wissen, zu welchem Zweck Sie diese Daten sammeln und was Sie damit erreichen möchten. Unternehmen haben unterschiedliche Definitionen von einer verbesserten Performance. Ähnliches gilt auch für die Datentypen, die Sie sammeln, aggregieren und schließlich analysieren wollen.

Die Ziele Ihres Unternehmens entscheiden darüber, welche Daten Sie benötigen. Für eine solide Strategie gilt: So viele Daten wie nötig, aber so wenige wie möglich. Um die Gründe für die Datensammlung besser zu definieren, fragen Sie sich, was Sie genau erreichen wollen. Ist es z.B.:

• Kosten reduzieren
• Umsatz erhöhen
• Produktivität im Team steigern
• Innovation in der Produktentwicklung unterstützen
• Entwicklungsprozess Ihrer Produkte verkürzen
• Erfolg Ihres Services oder Produkts verbessern

Schritt 2: Die richtigen Daten auswählen

Heutzutage besteht die Herausforderung nicht mehr darin, Daten zu sammeln. Viel wichtiger ist es, aus großen Datenmengen die nützlichen und brauchbaren Informationen herauszufiltern. Auch wenn vielen Unternehmen die benötigten Daten zur Verfügung stehen, wissen sie nicht, wie sie diese für eine bessere Entscheidungsfindung nutzen können.

Wie sollte man diesen Prozess also angehen? Zuerst wählen Sie alle Daten aus, die zur Zielerreichung oder zur Problemlösung benötigt werden. Anschließend suchen Sie diese Datentypen aus allen verfügbaren Quellen heraus, um einen einseitigen Blickwinkel zu vermeiden. Daten können schnell irreführend sein, achten Sie deshalb immer auf die folgenden Punkte:

• Prüfen und verifizieren Sie Ihre Datenquellen
• Stellen Sie fest, wie die Daten gesammelt wurden
• Suchen Sie nach unterschiedlichen Datenquellen, verlassen Sie sich nicht nur auf eine einzige Quelle

Seien Sie darauf vorbereitet, mit unterschiedlichen Datentypen und -Formaten zu arbeiten. Diese können beispielsweise auch aus Social Media Posts, Wartungsberichten oder PowerPoint-Präsentationen hervorgehen. Zudem sollten Sie auch andere Quellen wie Monitoring-Apps und Wetterberichte sowie demografische Daten berücksichtigen.

Die Möglichkeiten sind endlos und es liegt an Ihnen, die wichtigsten Daten und Quellen zur Lösung Ihres Problems mit einzubeziehen. Manchmal ist man so in der eigenen Routine gefangen, dass man einige Informationsquellen leicht übersieht.

Datenquellen variieren in ihrer Qualität und bieten unterschiedliche Insights. Sie müssen die Quellen finden, die am besten zu Ihrer Situation, zu Ihrem Problem und zu Ihrem Ziel passen. Außerdem ist es unumgänglich, die verwendeten Quellen hinsichtlich ihrer Vertrauenswürdigkeit auszuwerten.

Schritt 3: Den Prozess aufschlüsseln

Wenn Sie nur auf Ihr hauptsächliches Geschäftsziel fokussiert sind, kann es passieren, dass Sie weniger prominente Optionen ungenutzt lassen. Leider gehen dadurch oft wichtige Erkenntnisse verloren. Deshalb empfehlen wir, den Prozess in seine einzelnen Schritte aufzubrechen, diese zu analysieren und anschließend wieder zusammenzufügen. So können Sie beeindruckende Optimierungen erzielen.

Sie entdecken durch die Analyse der einzelnen Schritte die kleinen Schwächen, Lücken oder Widersprüche, die sich zwischen Sie und Ihre Zielerreichung geschlichen haben. Wenn Sie die Probleme beseitigen, verbessern Sie die allgemeine Performance Ihres Unternehmens gleich mit.

Schauen wir uns ein Beispiel von McKinsey an: Ein großer Stahlhersteller hat verschiedene Analytics-Methoden angewandt, um die wesentlichen Phasen seines Produktionsprozesses zu untersuchen. Gewissenhaft wurden Planung, Zielvorgaben, Auftragsvergabe und Inventarmanagement analysiert, und zwar einzeln und im Detail. Daraufhin wurden kleine aber wesentliche Verbesserungen vorgenommen, welche eine positive Auswirkung auf das Geschäft zufolge hatten.

Schritt 4: Nicht in die Irre führen lassen

Es kann schnell passieren, dass man falsche Entscheidungen trifft, denen falsch interpretierten Daten vorhergehen. Mit falsch meinen wir Daten, die irreführend, inakkurat oder fragmentiert sind. Auch aus dem Kontext gerissene Daten sind wertlos. Es gilt nicht das “What you see is what you get”-Prinzip. Vielmehr ist es wichtig, zu wissen, wie Daten richtig verstanden und interpretiert werden können. Sie sollten sich sicher sein, dass Ihre Daten verlässlich sind. Hier sind einige Tipps, worauf Sie achten sollten:

Werden Sie Datenexperte

Auch wenn datenbasierte Entscheidungen sehr effektiv sein können, sollten Sie darauf achten, Daten nicht als die einzige Wahrheit anzusehen. Laufen Sie nicht mit Scheuklappen herum, sondern richten Sie Ihren Blick auch auf auf die Dinge, die fernab von Ihren Daten liegen. Daten benötigen Kontext, um wirklich nützlich zu sein und Sie bei der Entscheidungsfindung zu unterstützen.

Ihre Daten aus dem Analytics-Tool könnten Ihnen beispielsweise sagen, dass Ihre Social-Media-Kampagne keine Conversions generiert. Dies würde implizieren, dass Sie die Kampagne einstellen und die Mittel anderswo einsetzen sollten.

Doch was, wenn die Kampagne bei einer Durchführung in Form von Direct-Traffic doch Conversions generiert?

Sie sehen, es ist schnell passiert, dass das Gesamtbild durch den alleinigen Fokus auf die Analytics-Daten verzerrt wird. Beschränken Sie Ihre Perspektive daher nicht nur auf die Erreichung von kurzfristigen Ergebnissen.

Daten sind nicht die einzige Entscheidungsgrundlage für Ihre Handlungen. Sie sollten lediglich ein Mittel zum Zweck sein, neben weiteren Faktoren.

Ihre Entscheidungsfindung sollte deshalb auch die folgenden Aspekte berücksichtigen:

• Kollektives Know-how ihrer Firma und Branche
• Business- und Marketingaktivitäten außerhalb des digitalen Ökosystems
• Weitverbreitete Methoden für die Datenanalyse und -interpretation

Überprüfen Sie Ihre Samples

Nehmen wir das Beispiel A/B-Testing. Der Sinn davon ist nicht, Conversion-Rates zu messen, sondern eine statistisch repräsentative Stichprobe zu erhalten. Doch genau da ist Achtung geboten. Sampling ist häufig die Ursache für inakkurate Daten. Diese Samples tendieren dazu, zu klein und damit nicht repräsentativ für alle Daten zu sein.

Achten Sie auf Samples und Verzerrungseffekte

Generell gilt, Sampling ist mit Vorsicht zu genießen. Wenn ein Sample nicht repräsentativ für die Gesamtheit ist, wird das Ergebnis verzerrt. Die Verzerrung durch ein nicht-beispielhaftes Sample wird Selektionsverzerrung genannt.

Eine der gängigsten Quellen für nicht-repräsentative Samples sind Umfragen. Es hängt sehr viel davon ab, wer diese durchführt und wer sie beantwortet.

Die Daten aus einer Umfrage könnten beispielsweise sogenannte Bequemlichkeits-Samples sein. Dies ist der Fall, wenn das Meinungsforschungsinstitut Teilnehmende auswählt, die ohne hohen Aufwand erreicht werden können. Die Samples spiegeln daher nur die Gruppe der leicht zu erreichenden Personen wider, die mit hoher Wahrscheinlichkeit an einer Umfrage teilnehmen würden, aber nicht diejenigen, die schwer zu erreichen sind.

Schlussendlich können Sie daher keine brauchbaren Umfrageergebnisse erwarten, da ein Prozess, der auf solche Samples setzt, von Beginn an mangelhaft ist.

Seien Sie nicht zu wählerisch

Seien Sie bei der Auswahl der Samples nicht zu wählerisch, nur um eine Annahme zu beweisen. Es ist leicht passiert, dass Ergebnisse zugunsten Ihrer Beurteilung oder Meinung verzerrt werden. Das kann z. B. sein, wenn Sie:

• Nur Ihre umsatzstärksten Kunden zu etwas befragen (unter Ihnen ist die Anzahl der Produktliebhaber größer als in anderen Gruppen)
• Nur die am besten performenden Bereiche Ihrer Kampagne untersuchen (Erfolge zu finden ist hier leicht)

Brauchbares Sampling ist eine Herausforderung. Sie sollten wachsam sein und Ihre Samples prüfen, wenn Daten Ihnen seltsam erscheinen. Wenn Sie mit Ihren eigenen Daten arbeiten, vermeiden Sie es, nur Daten auszuwählen, die Ihre Strategie bestätigen.

Begegnen Sie Storytelling mit Skepsis

Wenn Sie Daten für eine Entscheidungsfindung analysieren, werden Sie vielleicht auch mal vom Storytelling-Trugschluss fehlgeleitet, beispielsweise in Form der Post Hoc Fallacy. Es handelt sich dabei um einen voreiligen Denkfehler. Dieser kommt zustande, wenn wir wissen, dass ein bestimmtes Ereignis stattgefunden hat und deshalb annehmen, dass dieses Ereignis die Ursache für eine spätere Entwicklung sein muss.

Im Marketing passiert Storytelling des öfteren. Man geht hierbei davon aus, dass bestimmte Aktionen zu einem speziellen Ergebnis führen.

Das hat Auswirkungen auf Analytics. Es müssen insbesondere die individuellen Schwankungen bei Analytics-Daten bedacht werden. Wenn Sie bei Null beginnen und niemals zuvor irgendwelche Optimierungsmaßnahmen vorgenommen haben, werden sich nahezu alle datenbasierten Entscheidungen positiv auswirken.

Betrachten Sie visualisierte Daten mit Vorsicht

Daten zu visualisieren birgt einige Fallstricke. Jede kleine Anpassung an einem Graphen oder eine Datengruppierung kann zu Misinterpretation der Fakten führen. Sie können Daten auch so manipulieren, dass falsche Schlussfolgerungen gezogen werden.

Außerdem benötigen Datenvisualisierungen des öfteren eine zusätzliche Beschreibung, da sie nur für Analysten vollständig verständlich sind. Zusätzlich können Visualisierungen verwirren und die wahren Fakten verfälschen.

Tortendiagramme sind z. B. schwierig zu lesen und verzerren die Verhältnisse. Auch abgeschnittene und nur teilweise dargestellte (Y-)Achsen in einem Diagramm (werden genutzt, um bestimmte Informationen hervorzuheben) sorgen für Fehlinterpretationen. Das Problem ist, dass visuelle Darstellungen sehr subjektiv interpretiert werden. Es ist ohne Weiteres möglich, Daten zu verstecken oder hervorzuheben, nur um eine These zu belegen zu können.

Scheinbar die gleichen Tortendiagramme, doch Balkendiagramme enthüllen die Diskrepanzen (Quelle).

Schritt 5: Fokussieren Sie sich auf die Probleme Ihrer Kunden statt auf KPIs

Wie bereits erwähnt, müssen Sie mehr als nur die Zahlen im Blick haben wenn Sie von Daten profitieren wollen. Das gilt natürlich auch für KPIs, die reine Zahlen darstellen. Praktisch bedeutet das, die Probleme der Kunden in den Fokus zu rücken. Führen Sie eine Umfrage durch, um mögliche Schwierigkeiten schnell aufzudecken.

Egal, ob es ein technisches Problem oder Unzufriedenheit mit Ihrem Support ist, das Kundenfeedback unterstützt und lässt Sie die dringendsten Verbesserungspotentiale aufspüren. So vergeuden Sie keine Ressourcen für die Optimierung von irrelevanten Bereichen.

Eine systematische Umfrage sollte daher ein wichtiger Bestandteil Ihrer Strategie sein, um direkte Kundendaten zu gewinnen.

Schritt 6: Nutzen Sie eine CDP für die Beantwortung Ihrer Fragen

Die Struktur vieler aktueller Marketing-Stacks fragmentiert Daten und verstreut sie auf zahlreiche Tools. Darüber hinaus können Marketing-Automatisierung und der Vormarsch von PQL von SaaS-Stacks nicht bewältigt werden.

An der Stelle kommen Customer Data Platforms (CDPs) ins Spiel. Einerseits kann eine CDP nahtlos mit jedem SaaS-Produkt eines Marketing-Stacks integriert werden und andererseits ermöglicht sie die Zusammenführung und präzise Analyse aller gespeicherten Daten. Dadurch erlangen Sie ein besseres Verständnis der Daten und können wesentliche Insights für Ihr Unternehmen herausfiltern. Das versetzt Sie in die Lage, auf Basis Ihrer Analyseergebnisse informierte und datengesteuerte Business-Entscheidungen zu treffen.

Weil eine Customer Data Platform Ihre Daten vereinheitlicht, bietet sie Ihnen einen Single Customer View, der als Stütze für Ihre Marketing-Kampagnen dient. Hierbei tun es nicht irgendwelche Daten sondern nur die hilfreichen Informationen, mit denen Sie Ihre Kunden besser kennenlernen. Folgende Fragen sollten Sie beantworten:

• Ist der Nutzer aktiv?
• Hat der Nutzer bereits etwas gekauft?
• Welche Kommunikationskanäle bevorzugt der Nutzer?: E-Mail? Telefon? Etwas anderes?
• Wie viele Support-Tickets hat der Nutzer im Monat erstellt?
• Wofür interessiert der Nutzer sich in letzter Zeit?
• Welchen Kundennutzen bringt der jeweilige User?
• Könnte der Kunde möglicherweise abwandern?

Mit einer CDP können Sie von komplexer Marketing-Technik profitieren. Die Plattform vereint alle brauchbaren Daten über Ihre Kunden, ohne dass Sie Datenfragmentierung befürchten müssen. Die gesammelten Daten liefern die Basis zur Erarbeitung einer Strategie für sehr effiziente und maßgeschneiderte Marketing-Kampagnen.

Schritt 7: Stellen Sie sicher, dass die Daten dem gesamten Unternehmen nützen

Natürlich sind Daten die notwendige Basis für eine Entscheidungsfindung. Doch sie sollten so gesammelt werden, dass sie für die gesamte Firma nützlich sind. Ein Unternehmen ist eine Organismus, bei dem alles miteinander verbunden ist. Die Handlung eines Teams hat Auswirkungen auf alle anderen Teams. Versuchen Sie, alle Verbindungspunkte aufzuspüren.

Viele Unternehmen haben nur eine einzelne und isolierte Datenbank zur Verfügung. Die verschiedenen Abteilungen, sei es Finance, Operations, HR oder Sales, verwalten unterschiedliche Datensätze. Diese sollten aber unbedingt miteinander verbunden werden. Schließlich kann der eine Datensatz Lücken eines anderen füllen und umgekehrt. Außerdem spüren Sie so ungenutzte Potentiale auf.

Arbeiten Sie sich nach der Erstellung Ihrer Strategie in Etappen hoch. Überprüfen Sie Ihre Handlungen regelmäßig und messen Sie zum Schluss die Auswirkungen Ihrer Bemühungen. Wenn Sie gute Ergebnisse erzielen, wissen Sie, dass Sie auf dem richtigen Weg sind. Wenn nicht, prüfen Sie, an welchen Stellschrauben Sie drehen können oder testen Sie einen ganz anderen Ansatz.

Fazit

Daten stellen das wichtigste Tool für Ihre Marketing-Strategie dar.

Doch es bedarf einiges an Arbeit, um nützliche Daten von verfälschten und irreführenden Daten zu trennen. Software wie Analytics und eine Customer Data Platform stehen Ihnen nützliche Helfer zur Seite.

Es gibt jedoch nicht die perfekte Anleitung dafür, wie man Entscheidungen basierend auf Daten trifft. Doch das ist auch etwas Gutes. So bleiben im Marketing Kreativität, Flexibilität, Intuition und menschliches Urteilsvermögen neben trockenen Daten und Zahlen unerlässlich.