Predictive Analytics im Marketing

Blick in die Datenglaskugel: Predictive Analytics im Marketing

Mit Predictive Analytics sollen wir die Zukunft vorhersagen können – eine Fähigkeit, die die Menschheit seit jeher fasziniert. Im Marketing wären Datenanalysen, die Zukunftsprognosen erlauben, ein mächtiges Instrument, um Budgets zielgerichtet einzusetzen und den Erfolg von Kampagnen und Maßnahmen zu optimieren.

Ob Glaskugel, Orakel oder Karten – nicht nur Marketer würden viel dafür geben, um den Erfolg (oder Misserfolg) ihrer Kampagnen und Strategien vorhersagen zu können. Im Zeitalter von Social Media, Mobility und dem Internet of Things, das Objekte, Prozesse und Geräte miteinander vernetzt, entstehen kontinuierlich immense Datenmengen zur Nutzung von Geräten, zum Verhalten von Menschen oder zu relevanten Themen, die genau dies ermöglichen sollen: den Blick in die Zukunft.

Data Mining: Goldschürfen im digitalen Zeitalter

Deshalb sind Predictive Analytics und Big Data Begriffspaare, die meist in einem Atemzug genannt werden. Um genau zu sein, ist Big Data der Grund, warum wir Predictive Analytics brauchen und einsetzen können. Denn der vernetzte Kunde hinterlässt tagtäglich Unmengen an Daten im Netz. Soziodemografische Daten, Bilder, Videos, Likes, Shares und Kommentare in sozialen Netzwerken, Foren und Blogs, Bewegungsdaten von mobilen Endgeräten, Suchverläufe, Kaufhistorien, Produktnutzungsdaten, die an Hersteller übermittelt werden – Daten, die kein Mensch mehr händisch sammeln und analysieren kann.

Predictive Analytics verwendet dafür automatisierte Simulations- und Analyseverfahren, die unter anderem auf der Spieltheorie basieren. Auch Algorithmus-gestützte Text-Mining-Techniken kommen zum Einsatz und strukturieren nicht-strukturierte Textdaten aus Blogs oder Social-Media-Posts. Auf diese Weise erstellt Predictive Analytics Szenarienmodelle und Prognosen und definiert Wahrscheinlichkeiten für ein bestimmtes Nutzerverhalten.

Dem Kunden auf der Spur

Banken setzen Predictive Analytics bereits seit einiger Zeit ein, um Kreditrisiken und Betrug zu erkennen. Facebook-Anzeigen werden nach einem ähnlichen Prinzip ausgespielt. Denn Facebook analysiert kontinuierlich, welche Webseiten seine Nutzer besuchen, welche Themen sie liken und zeigt ihnen Anzeigen, die zu diesen Interessen passen.

Moovly, ein Software-as-a-Service-Startup, mit dessen Produkten man animierte Präsentationen und Videos erstellen kann, hat mithilfe von DataStories eine Methode entwickelt, die mit großer Wahrscheinlichkeit vorhersagt, ob ein Nutzer ein zahlender Kunde wird oder langfristig einen kostenfreien Account behält. Das Unternehmen investiert den Großteil des Marketingbudgets in die Nutzer, die sich wahrscheinlich bald kostenpflichtig registrieren und hat seine Konversionsrate so von 4 bis 16 Prozent auf 79 bis 84 Prozent gesteigert.

Mit sechs Schritten in die Zukunft

Mit Predictive Analytics wird es möglich sein, das Verhalten und die Interessen von Kunden in Echtzeit zu erfassen. Auf Basis dieser Kenntnisse können Marketingmaßnahmen kontinuierlich in folgenden sechs Schritten optimiert werden:

  1. Kundenprofile mit allen verfügbaren Daten erstellen
  2. Verhaltensmuster, persönliche Informationen, Standorte und Suchbegriffe analysieren
  3. Erfolgreiche Online-Kampagnen identifizieren
  4. personalisierte Kaufempfehlungen versenden
  5. individuell zugeschnittenen Content erstellen und kanalübergreifend ausspielen
  6. automatisierte Marketingmaßnahmen planen.

Wissen über die „Next best Action“

Predictive Analytics in Verbindung mit Automations- und AI-Technologien wird Marketern die Chance eröffnen, heute zu wissen, was der Kunden morgen will. Diese Entwicklung wird das Marketing radikal verändern und auch immensen Einfluss auf das Berufsbild des Marketingprofis haben. Er wird mehr und mehr zum IT-, Daten- und Analysespezialisten. Oder er braucht genau solche Experten, die aus der Unmenge an Daten die richtigen Schlüsse zieht. Doch mehr noch: Die Datenrevolution erfordert radikale Veränderungen in der Organisationsstruktur vieler Unternehmen. Daten, die verschiedene Abteilungen – Sales, Service und Marketing – erheben und bearbeiten, müssen auf einer gemeinsamen Plattform zusammengeführt werden. Und nicht zuletzt müssen auch die IT-Infrastrukturen für technisch derart herausfordernde Analysen fit gemacht werden.

©iStock/Fotograf: Goldfinch4ever

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.