Langfristig wird der Customer-Lifetime-Value den CPO als KPI ablösen

In kaum einer Marketing-Disziplin stehen so viele valide Daten über User und potenzielle Kunden zur Verfügung wie im Online-Marketing. Allerdings werden in der Praxis noch zu häufig die einzelnen Kanäle nach ihrer Performance bewertet, statt den User in den Fokus zu stellen. Hinzu kommt, dass die im Unternehmen vorhandenen Kundendaten meist nicht zentral vorliegen und die einzelnen Disziplinen strukturell getrennt agieren. Wie kann man also den Datenschatz in Unternehmen heben und mit Zuhilfenahme von Targeting-Optionen und Automation zu einer möglichst individuellen User-Ansprache in Echtzeit kommen?

Von Mischa Rürup

Dazu sind drei zentrale Schritte nötig: die lückenlose Erfassung von User-Daten, die Datenaggregation über alle verfügbaren Datenquellen sowie die intelligente Verknüpfung der Daten. Auf der Basis von umfassenden User-Profilen lässt sich dann das passende Gebot für den User, zum Beispiel für Real-Time-Bidding (RTB), ermitteln und eine individuelle Werbeansprache ableiten.

Kommen wir zuerst zur lückenlosen Erfassung und Bewertung der Customer-Journey des Kunden. Dabei geht es nicht nur um die Messung der Touchpoints wie Search, Newsletter oder Display in einer typischen Klickkette, sondern insbesondere um die Beantwortung detaillierter Fragen zum Kundenverhalten. In welchem Stadium des Kaufzyklus befindet sich der User? Welche Suchanfragen werden gestellt oder welche Anzeigenformate besonders gern geklickt? Auf Basis der ermittelten Daten aus dem Multichannel-Tracking lassen sich Rückschlüsse darauf ziehen, welche Werbekanäle an welchem Punkt des Kaufprozesses für welchen User am wirksamsten sind.


Bei User-Centered-Marketing steht der User anstatt dem Kanal im Fokus

Doch welche Datenquellen können Unternehmen noch nutzen, um mehr über ihre Käufer zu lernen und deren Wert möglichst exakt zu beziffern? Ein zentraler Faktor einer möglichst userzentrierten Werbeansprache ist die Berechnung des Customer-Lifetime-Values (CLV). Denn während die bisher übliche Kenngröße Cost-per-Order lediglich die Kosten einer Konversion beziffert, gibt der CLV den Wert aller künftigen Konversionen eines Kunden wieder. Ein komplexer Algorithmus prognostiziert in einem selbstlernenden Verfahren, wann und mit welchem Warenkorbwert ein Kunde erneut kaufen wird. Dies erfolgt auf Basis aller historischen Klickketten. So lässt sich der Wert eines Neukunden prognostizieren, selbst wenn dieser noch nie gekauft hat. Um das User-Profil noch weiter anzureichern, können neben dem CLV und den Daten aus der Customer-Journey weitere 1st-Party-Data, wie zum Beispiel das Verhalten des Users auf der Website (Onsite-Daten), die Sprache oder das Endgerät analysiert werden. Kombiniert mit Daten aus dem CRM-System des Werbungtreibenden oder auch 3rd-Party-Data entsteht ein vielfältiges User-Profil (siehe Grafik).

Diese User-Profile ermöglichen eine deutlich effizientere Werbeansprache ohne Streuverluste sowie passendere Werbung für den User in allen Kanälen, insbesondere über RTB. Damit ist Online-Marketing der erste wahre Anwendungsfall, bei dem Big Data sinnvoll genutzt werden kann.

Über den Autor: Mischa Rürup ist Geschäftsführer und COO der intelliAd Media GmbH. Er ist verantwortlich für die Produktentwicklung mit dem Fokus auf Multichannel-Optimierung und Customer-Journey-Tracking. Zuvor war er als Business-Developer bei der MIVA GmbH in Hamburg tätig. Er ist Mitbegründer der intelliAd Media GmbH. Das Unternehmen wurde 2012 von der Deutschen Post übernommen.