Was Big Data für das Marketing bedeutet

Beim Surfen im Internet und beim Nutzen mobiler Endgeräte hinterlassen die Konsumierenden tagtäglich digitale Spuren. Diese Daten sind der Rohstoff für Big Data – die Analyse riesiger Datensätze, aus denen sich Eigenschaften, Vorlieben und Verhaltensmuster potenzieller Kundinnen und Kunden ablesen lassen. Mithilfe dieser Informationen können Unternehmen im richtigen Moment relevante Werbung ausspielen.

Unternehmen, die im Marketing mit Big Data arbeiten, verfolgen ein klares Ziel: Sie wollen ihre Kundinnen und Kunden besser verstehen, gezielter ansprechen – und somit erfolgreicher werben. Durch Big Data erkennen sie Muster und Bedürfnisse, die relevantere Angebote ermöglichen.

Was versteht man unter Big Data?

Der Begriff Big Data bezeichnet die Analyse grosser, komplexer Datenmengen aus vielfältigen Quellen in hoher Geschwindigkeit. So lassen sich wertvolle Erkenntnisse gewinnen, die zu besseren Entscheidungen, effizienteren Prozessen, innovativeren Produkten und einer wirkungsvolleren Kommunikation führen.

Grosse Datenvolumen fallen heute nicht nur in Marketing, Vertrieb und Kundendienst an, sondern auch in der Produktentwicklung, Produktion, Distribution und Logistik sowie beim Finanz- und Risiko-Controlling. Im Marketing sind typische Datenquellen beispielsweise CRM-Datenbanken, soziale Medien, Social Signals wie Likes, Shares und Kommentare sowie Blogs und Produktbewertungen.

Diese Daten liegen häufig unstrukturiert vor – in Text-, Audio- oder Bildform. Sie zu strukturieren, zu verknüpfen und zu interpretieren, ist eine grosse Herausforderung, aber auch die Chance von Big Data: Richtig genutzt, ermöglichen die Daten dynamische Kundenprofile, präzisere Zielgruppenanalysen und eine personalisierte Kommunikation.

Big Data – auch für KMUs interessant?

Wer die Vorteile von Big Data nutzen will, muss grosse Datenmengen auswerten. Das ist aufwendig und setzt die passende technische Infrastruktur sowie ein grosses Fachwissen voraus. Viele KMUs fragen sich daher: Ist Big Data nur für grosse Unternehmen relevant?

Tatsächlich können auch KMUs von Big Data profitieren. Am besten beginnen sie bei den Daten, die sie ohnehin besitzen – die also im Laufe einer Kundenbeziehung entstehen. Dazu zählen etwa Informationen zu Interessen, Nutzerverhalten und Kaufhistorie. Diese Daten geben Aufschluss darüber, wie sich Bedürfnisse verändern, welche Angebote gute Erfolgschancen haben und wo Potenzial zur Optimierung besteht.

Bedienerfreundliche und kostengünstige Tools ermöglichen es KMUs heute, ihre Kundendaten systematisch zu analysieren, Zielgruppen zu segmentieren und die Konsumierenden mit relevanten und bedürfnisorientierten Angeboten anzusprechen.

Interne und externe Daten kombinieren

Über die eigenen Daten hinaus gilt es, auch externe Quellen zu nutzen. Sie ermöglichen eine 360-Grad-Sicht auf den Markt, sorgen so für breiter abgestützte Entscheide und helfen, die Bedürfnisse der Zielgruppen noch besser zu verstehen. Zu diesen externen Daten gehören zum Beispiel:

• Markt- und Wettbewerbsdaten: Preisentwicklungen, Absatztrends, Branchenentwicklungen etc.
• Social-Media- und Web-Monitoring-Daten: Stimmungen, Trends, Influencer-Effekte etc.
• Standort- und Mobilitätsdaten: Anonymisierte Daten von Smartphones etc.

Ganz gleich, ob nun Big Data oder einfach bestehende Kundendaten im Spiel sind – entscheidend ist deren Qualität: Daten müssen aktuell und korrekt sein, um daraus die richtigen Schlüsse für eine erfolgreiche crossmediale Kommunikation zu ziehen. Besonderes Augenmerk verdienen etwa Dubletten, die nach wie vor in vielen Datenstämmen vorkommen. KI in der Datenpflege ist heute sogar in der Lage, komplexe Dubletten zu erkennen.

Machine Learning und KI-gestützte Segmentierung

Auch bei Big Data spielt künstliche Intelligenz längst eine zentrale Rolle. Mithilfe KI-gestützter Segmentierung und Machine Learning lassen sich die grossen Mengen an Daten viel effizienter auswerten. Zum Beispiel erkennt KI Muster bei Interessen, Verhalten oder Kaufhistorien und teilt Zielgruppen automatisch in homogene Segmente ein. So entstehen präzise Profile, die es erlauben, Inhalte und Angebote individuell abzustimmen, ohne den Datenschutz zu verletzen.

Allerdings besteht bei solchen komplexen Auswertungen die Gefahr, den Blick zu sehr auf Zahlen statt auf Menschen zu richten. Hier setzt Small Data an: Diese Methode für die Analyse konzentriert sich auf spezifische, kontextbezogene Informationen. So hilft sie dabei, die durch Big Data gewonnenen Erkenntnisse zu validieren und zu vertiefen. Die Kombination von Big Data und Small Data ermöglicht also ein ganzheitliches Kundenverständnis.

Daten mit Ideen verbinden

Am Ende entfalten Daten ihren Wert aber erst, wenn sie mit guten Ideen verbunden werden – getreu der vom Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme geprägten Formel «Big Data + Big Ideas = Big Business». Entscheidend ist daher nicht nur, was Unternehmen über die bestehende und die potenzielle Kundschaft wissen, sondern genauso, wie sie dieses Wissen einsetzen.

Negativbeispiele gibt es zuhauf. So wird Konsumierenden, die einer Zielgruppe angehören, manchmal wochenlang dieselbe Anzeige gezeigt, obwohl das Produkt überhaupt nicht zu ihren individuellen Interessen passt. Erfolgreiches datenbasiertes Marketing geht anders: Es nutzt Erkenntnisse von Big Data, um Kundinnen und Kunden auf verschiedenen Kanälen mit einem relevanten Angebot anzusprechen – mitten im Alltag und genau in den richtigen Momenten.