Oktober 2016 - Commanders Act

Data Leakage: Die Herausforderungen für die Datensicherheit in einem daten-getriebenen Unternehmen

Geschrieben von [email protected] am Oktober 13, 2016. Veröffentlicht in Data.

Die digitale Transformation ist eigentlich ein alter Hut, schließlich ist sie – je nach Definition – schon mindestens seit einem Jahrzehnt in vollem Gange. Und dennoch war sie eines der ganz großen Themen im Jahr 2016, und wird es wohl weiterhin bleiben: Viele Unternehmen, darunter einige wirklich große, haben immer noch nicht ganz begriffen, wie sie sich neu aufstellen müssen, um dieser großen gesellschaftlichen Herausforderung die Stirn zu bieten.

Die effiziente Nutzung von Big Data steht dabei im Vordergrund. Aktuelle und verlässliche Daten, die Nutzern und Interessenten zugeordnet werden können, sind pures Gold. Aber wie kann man für die Sicherheit dieser Daten garantieren? Data Leakage ist daher nicht nur ein massives wirtschaftliches Problem, sondern auch eine gesellschaftliches Herausforderung: Wie können wir solche Datenverluste zum Wohle aller effektiv verhindern?

Lassen Sie uns dazu einige interessante Zahlen zum Thema Datensicherheit betrachten:

Bis heute sind bereits 900 Millionen Datensätze durch Data Leakage in falsche Hände geraten;
Zwischen 88 und 90 % dieser Vorfälle wurden nicht absichtlich herbeigeführt;
Alle 4 Sekunden wird in den USA eine Identität gestohlen (bereits 10 Millionen Opfer)
1 von 400 Mails enthält vertrauliche Informationen;
1 von 50 Dateien wird fälschlicherweise weitergeleitet;
1 von 10 Laptops geht verloren oder wird gestohlen;
Jeder zweite USB-Stick enthält vertrauliche Informationen.

Die versteckten Kosten von Data Leakage werden regelmäßig thematisiert; dabei vergisst man leider oft einen Kollateralschaden, der auf lange Sicht noch viel teurer werden kann: Der Vertrauensverlust Ihrer Nutzer.

Jeder Misserfolg bei der Verhinderung von Datenverlusten hat direkte Auswirkungen auf das Vertrauen, welches Kunden einer Marke entgegenbringen – und die Markentreue Ihrer Kunden hängt davon ab! Die Auswirkungen auf den Unternehmenserfolg wurden bislang noch nicht hinreichend erforscht. Die negativen Effekte von Angriffen auf die Datensicherheit und Data Leakage sind jedoch unbestritten; Forrester erwartet, dass im Jahr 2017 mehrere hochrangige Manager aufgrund von Datendiebstahl ihren Job quittieren müssen*.

Data Leakage kann indes jedes Unternehmen treffen – so wurde LinkedIn im Jahr 2012 gehackt**, VK (die russische Version von Facebook) jüngst in 2016***. Dieses Risiko kann jedoch mit einfachen Mitteln stark reduziert werden. Das systematische Löschen obsoleter Tags über ein TMS gehört ganz sicher dazu.

Um welche Daten geht es überhaupt?

Seit einigen Jahren ist Data ein beliebtes Thema in diversen Konferenzen und Veranstaltungen. Dabei verschwimmen die Grenzen zwischen Daten im allgemeinen Sinn, persönlichen Daten und hochsensiblen, vertraulichen Daten immer mehr. Persönliche Daten enthalten naturgemäß Informationen über eine Person; die Verbindung wird über eine Kundennummer oder eine E-Mailadresse hergestellt.

Von hochsensiblen Daten spricht man, wenn diese Daten in direkter oder indirekter Form zusätzlich Informationen über die ethnische Herkunft, seine politische und religiösen Ansichten, zu seinem Gesundheitszustand, seinen sexuellen Vorlieben, etc. enthalten. Das Sammeln sensibler, personenbezogener Daten ist z.B. in Deutschland verboten; Ausnahmen gibt es nur für den Fall, wo dies zum Unternehmenszweck bzw. zur Dienstleistung dazugehört (z. B. bei Dating-Websites). Daten sind für viele Unternehmen zu einem strategischen Erfolgsfaktor geworden, und deren Schutz genießt daher höchste Priorität.

* „Rethinking Data Loss Prevention With Forrester’s DLP Maturity Grid“ – Forrester https://www.forrester.com/report/Rethinking+Data+Loss+Prevention+With+Forresters+DLP+Maturity+Grid/-/E-RES61231

** „2012 LinkedIn hack“ – Wikipedia https://en.wikipedia.org/wiki/2012_LinkedIn_hack

*** „171 million VK.com accounts stolen by hackers“ – ZDnet http://www.zdnet.com/article/vkontakte-vk-hacked-171-million-accounts-sold-dark-web/

Was versteht man unter einer Data Management-Plattform?

Geschrieben von [email protected] am Oktober 13, 2016. Veröffentlicht in CDP.

Als Data Management-Plattform, abgekürzt DMP, bezeichnet man eine Plattform, die meist als SaaS (Software as a Service) angeboten wird und die es Unternehmen ermöglicht, alle Daten von Kunden und Nutzern zu sammeln, zu zentralisieren, zu verwalten und aktiv zu nutzen. Es ist somit eine Art „Super-Datenbank“, die ihre Informationen aus einer Vielzahl von Kanälen bezieht und diese zuvor in Silos bearbeiteten und gespeicherten Daten in Echtzeit an zentraler Stelle zusammenführt. Und auch wenn viele Marketing-Verantwortliche Bedenken ob dieser strukturellen Veränderungen haben, so träumen sie doch alle insgeheim von ihrer eigenen DMP.

Die immer noch andauernde digitale Transformation führt zu tiefgreifenden strukturellen und organisatorischen Veränderungen in den Unternehmen. Die bislang übliche Verwaltung von Informationen in Silos wird mehr und mehr abgelöst von einem ganzheitlichen Denken, in dessen Mittelpunkt der Kunde steht. Eine solche auf den Nutzer zentrierte Organisation kann aber nur dann funktionieren, wenn alle Profile vereinheitlicht werden. Ohne eine zentrale Data Management-Plattform (DMP) ist diese Aufgabe nicht zu bewältigen.

Doch die Rolle einer DMP beschränkt sich nicht auf die Zentralisierung und Speicherung der Daten. Im Zeitalter des Big Data bieten sie Unternehmen eine perfekte Plattform, um die gesammelten Daten zu verwalten und zu aktivieren: Nur so können die Daten auch wirklich nachhaltig gewinnbringend eingesetzt werden. Die Anwendungsmöglichkeiten sind ebenso zahlreich wie vielfältig.

Um welche Daten geht es dabei?

Daten aus den verschiedensten Quellen und Kanälen werden in der DMP zusammengeführt: Navigationsdaten auf der eigenen Website (angezeigte Datenblätter, Suchanfragen, nicht abgeschlossene Transaktionen, usw.), Display-Daten (anzeigte und angeklickte Banner), Offline-Daten (TV-Kampagnen, versendete Kataloge), solche aus dem eigenen CRM (Profile, Kundengruppen), Kundenservice-Daten, sowie Second- und Third Party-Daten.

Alle diese Informationen helfen Ihnen dabei, Ihre Kunden besser kennenzulernen – doch das ist noch nicht alles: Sie können auch automatisierte Aktionen auslösen, wie z. B. Produktempfehlungen unterbreiten oder bei nicht abgeschlossenen Käufen die ausgewählten Produkte nochmals anbieten, usw.

Wozu kann eine DMP eingesetzt werden?

Man unterscheidet verschiedene DMP-Typen. So gibt es Plattformen, die vor allem für die Verarbeitung von First und Third Party-Daten konzipiert wurden; andere sind eher für den Einsatz in Verlagen oder für Werbezwecke geeignet. Doch ganz gleich, um welchen DMP-Typ es sich handelt, letztendlich geht es immer darum, aus den gesammelten Daten den größtmöglichen Nutzen zu ziehen.

Die Installation einer DMP erfolgt in mehreren Schritten. Man beginnt mit der Sammlung der Daten, die über alle Kanäle und alle Endgeräte hinweg auf allen Webseiten erhoben werden. Sodann müssen die Profile vereinheitlicht werden, bevor sie dann – mit allen verfügbaren Informationen angereichert – anderen Anwendungen zur Verfügung gestellt werden können. Einmal installiert, unterstützt Sie die DMP auf vielfache Weise und macht so Ihre Marketing-Aktionen deutlich erfolgreicher: Sie verbessert die Zielgruppenerfassung und ermöglicht es, Ihren Kunden eine individuelle Navigation mit auf sie zugeschnittenen Botschaften anzubieten. Dies senkt die Werbeausgaben (geringere Kosten durch bessere Zielgruppenerfassung und durch Retargeting), und durch die Steigerung der Effizienz sinkt bei den Vertriebsteams auch der Erfolgsdruck.

Eine DMP kann auf allen Ebenen eingesetzt werden, vom E-Mailing bis hin zur personalisierten Bedienung von Kunden im Geschäft, wobei die Unterbreitung individueller Angebote in Echtzeit beim Online-Marketing natürlich besonders interessant ist. Nachfolgend einige weitere Anwendungsbeispiele:

Bei Beratungsgesprächen im Handel, um einen Kunden entsprechend seiner Bedürfnisse zu beraten
Zur Senkung der Akquisekosten für Neukunden, da der Marketing-Druck dem Interessentenprofil optimal angepasst werden kann
Um Kunden bei der Kaufentscheidung mit den richtigen Informationen zum richtigen Zeitpunkt zu unterstützen, und so die Konversionen zu steigern
Chatfenster nur bestimmten Kundenprofilen anzubieten, um die Service-Kosen zu senken
Statt statistischer Tests nun segmentierte Tests durchzuführen
Bestimmte Kunden von Promotions und Mailing-Aktionen auszuschließen
Um bei Kunden, die ihren Warenkorb vor der Bezahlung verworfen haben, nochmals individuell nachzufassen
Kunden, die im Begriff sind, die Website zu verlassen, durch den Display eines Pop-ups mit speziellen Angeboten daran zu hindern
VIP-Kunden vereinfachte Zahlungsmöglichkeiten anzubieten

Die DMP hilft Ihnen auch bei der Segmentierung Ihrer Kunden. So können dank der vereinheitlichten Profile Interessenten identifiziert werden, die ähnliche Profile wie gute Kunden aufweisen (Look Alike) und wahrscheinlich ebenfalls positiv auf eine Werbekampagne reagieren werden, die schon bei den etablierten Kunden erfolgreich war.

Dank der DMP können Sie auch Ihre Akquise- und Kundenbindungsstrategien verfeinern: So ist es jetzt möglich, über die Navigationsdaten jene Nutzer zu identifizieren, die sich immer wieder bestimmte Produktgruppen angesehen haben, ohne dabei etwas zu kaufen. Diese potentiellen Kunden können dann über ein individuelles Angebot – z. B. ein Preisnachlass auf die Produkte, für die sie Interesse gezeigt haben – unter Umständen doch noch zum Kauf bewogen werden.

Wie Sie Segmentierung, Zielgruppenerfassung und Individualisierung zur Steigerung der Relevanz Ihrer Werbebotschaften nutzen

Durch die Sammlung der Daten über alle Kanäle und Endgeräte hinweg haben Sie eine ebenso vollständige wie individuelle 360°-Sicht von jedem Ihrer Kunden erhalten. Doch dieses Wissen allein bringt Sie noch nicht weiter: Jetzt geht es darum, die Werbebotschaften auf jeden Kunden bis in Detail anzupassen. Durch die Vereinheitlichung der Profile können Sie eine sehr exakte Segmentations-Strategie entwickeln und sicherstellen, dass jedes Segment mit relevanten Botschaften versorgt wird.

Allein durch die Analyse der bisherigen Einkäufe können Sie die Bedürfnisse und Wünsche eines Kunden kaum komplett erfassen. Wenn Sie allerdings seine Navigationsdaten, seine Suchanfragen und die Angebote, auf die er reagiert hat, mit den bekannten Informationen kreuzen, erhalten Sie ein sehr vollständiges Bild dieses Kunden. Sie haben dann einen besseren Überblick über seine Interessen und können seine Bedürfnisse besser voraussagen. So verbessern Sie die Relevanz Ihrer Nachrichten für diesen Kunden und damit schlussendlich auch die Effizienz Ihrer Werbebotschaften – und zwar falls nötig auch in Echtzeit.

Die Kundenerfahrung, der heilige Graal des Marketers 2.0

Nur wer seine Kunden immer besser kennenlernt, kann auch seine Marketingstrategien in Echtzeit den Kundenbedürfnissen anpassen. Dank der Sammlung und Verarbeitung der Kundendaten wird das Bild jedes Kunden immer vollständiger.

Und eine bessere Kenntnis der Kundenbedürfnisse ermöglicht – bei korrekter Speicherung und Verwaltung der Kundendaten – auch eine besser User-Erfahrung, wie z. B. durch

ein verbessertes Retargeting
individualisierte Angebote in Echtzeit, die sich am Verhalten der Kunden auf der eigenen Website sowie an weiteren Daten orientieren
eine starke Reduzierung der nicht angepassten und damit ineffizienten Werbebotschaften
individuelle Angebote per E-Mail, die sich an den Suchanfragen und am Verhalten auf der eigenen Website orientieren
usw.

Ganz gleich, in welcher Branche ein Unternehmen tätig ist, das Marketing darf sich heute keine Fehler mehr erlauben: Es muss die richtigen Botschaften zur rechten Zeit an die richtigen Zielpersonen weiterleiten; die Effizienz der Werbekampagnen muss gesteigert und Webseiten-Besucher zum Kaufabschluss geführt werden. Dies funktioniert aber nur dann, wenn die Kommunikationsmaßnahmen, die Segmentierungsstrategien und die Individualisierung der Werbebotschaften ständig verbessert werden. Nur so macht man aus Interessenten Kunden und aus Kunden Markenbotschafter, die ihrerseits zu einem besseren Bekanntheitsgrad der Marke beitragen.

Tag Management – was ist das?

Geschrieben von [email protected] am Oktober 13, 2016. Veröffentlicht in Tag Management.

Die Verwaltung von Display-Kampagnen, Retargeting, Marketing, Automatisierung, Analytics: Ohne Tags geht bei fast allen digitalen Marketing-Tools gar nichts mehr. Um hier den Durchblick zu behalten und um dieses Volumen rentabel zu verwalten, ist es ein gutes Tag Management-System (TMS) absolute Pflicht.

Die Anzahl digitaler Marketinglösungen ist binnen weniger Jahre förmlich explodiert: Gab es im Jahr 2011 nur rund 100 Anbieter solcher Anwendungen, so zählte man im Jahr 2015 bereits fast 2.000 Firmen, die hier um die Gunst der Kunden buhlen. Und selbst dies ist bloß eine Schätzung, die genaue Anzahl ist nicht bekannt.

Warum spricht man von Tag Management?

Um zu verstehen, worum es beim Tag Management eigentlich geht, muss wir zunächst klären, was ein Tag ist. Hierbei handelt es sich um einen kleinen Schnipsel Java-Script, der im Quellcode einer Website verankert wurde. Sobald nun ein User diese Website besucht oder mit zuvor definierten HTML-Events interagiert (z. B. ein Formular absendet oder auf den Warenkorb-Button klickt), wird der entsprechende Tag ausgelöst und auf dem Rechner des Users platziert. Nun kann der Eigentümer der aussendenden Website (eine Online-Zeitung, ein Blog, ein Online-Shop, usw.) verschiedene Services nutzen, wie z. B. anonymisierte Informationen über den Nutzer sammeln oder mit ihm in Kontakt treten, indem er dem Nutzer individuelle Informationsangebote in Echtzeit zur Verfügung stellt.

Tag Management-Systeme erleichtern das Leben:

Mit einem Tag Management-System (TMS) kann das Marketing-Team ohne weitere technische Kenntnisse eigenständig Tags verwalten: Dank dieser speziellen Plattform werden alle Tags auf den verschiedenen Seiten einer Website in sogenannten Tag-Containern gebündelt, die selbst wie einzelne Tags gesteuert werden können. Neben den weiter unten näher erläuterten organisatorischen Vorteilen werden dadurch auch die Seitenladezeiten erheblich verkürzt.

Der Einsatz eines TMS erleichtert auch das Lebenszyklus-Management von Tags. Nicht selten werden Tags nach der Beendigung einer Marketing-Aktion einfach auf der Website „vergessen“ und liegen dann unnütz im Quellcode herum. Dank des TMS passieren solche Fehler nicht mehr: Die Reaktivität der Marketing-Teams wird verbessert, weil inaktive Tags – die die Ladezeiten verlängern – automatisch gelöscht werden.

Vor der Entwicklung von TMS mussten verschiedene interne und externe Spezialisten – die Anbieter digitaler Marketinglösungen, die Marketing-Teams und der DSI – zusammenarbeiten, um neue Tags zu implementieren. Dies war ein echter organisatorischer Kraftakt, bei dem eine bestimmte Abfolge von Schritten beachtet werden musste und der umfangreiche menschliche wie finanzielle Ressourcen in Anspruch nahm. Mit anderen Worten: Es war teuer, aufwändig und dauerte eine halbe Ewigkeit. Doch das ist Schnee von gestern! Dank eines „Flash-Setups“ kann das TMS von TagCommander binnen kürzester Zeit implementiert werden: Nach nur einer Woche geht das TMS live, und fortan können Tags mit sofortiger Wirkung gesetzt bzw. wieder entfernt werden.

Wenn man sich nun dazu entscheidet, mit einem neuen Marketing-Anbieter zusammenzuarbeiten, so zieht dies keine weiteren Kosten nach sich: ein Klick genügt, und der alte Tag wird durch den des neuen Marketingpartners ersetzt. Die Kollegen aus der IT brauchen Sie dazu nicht mehr.

TMS: Tag-Verwaltung und vieles mehr!

Tatsächlich beschränkt sich der Nutzen nicht nur auf das Tag-Management, sondern geht weit darüber hinaus: Ein TMS ermöglicht es Ihnen, Ihre Kunden besser kennenzulernen, indem es standardisierte Daten über das Kundenverhalten sammelt und Ihnen zur Verfügung stellt. Mit den durch das TMS gesammelten Daten können so z. B. Nutzerprofile in Ihrem CRM-System vervollständigt werden.

Tag Management beschleunigt zudem die Umsetzung eines vereinheitlichten Marketings. Dabei geht es darum, jedem Besucher eine stets kohärente und harmonische Nutzer-Erfahrung zu bieten, ganz gleich welchen Kanal er nutzt und welches Endgerät er dazu einsetzt: alle Daten landen im selben System und damit im selben Kundenprofil. Tags bieten Ihnen einen vollständigen, multikanalen Überblick über das Verhalten jedes einzelnen Kunden und erhöhen so die Rentabilität der eingesetzten Marketing-Lösungen.

Tag Management wird auch für Apps und auf mobilen Websites eingesetzt, und die besten TMS bieten sogar einen Gesamtüberblick über die verschiedensten Plattformen. Doch das ist erst der Anfang: die Entwicklung schreitet weiter voran, so dass die TMS in wenigen Jahren in der Lage sein werden, noch viel größere Herausforderungen zu meistern.

Die erste Challenge kennen wir bereits: Jede Information nur noch ein einziges Mal zu erheben, um sie dann 10 Anwendungen gleichzeitig zur Verfügung zu stellen. Dies würde dazu beitragen,

Die Ladezeiten zu verbessern;
Konflikte zwischen den verschiedenen Java-Scripts zu vermeiden;
Die Vertraulichkeit der Daten sicherzustellen, denn die gesammelten Daten wären dann nicht mehr sichtbar;
Die Kontrolle der gesammelten und den Marketinglösungen zur Verfügung gestellten Daten zu verbessern und damit Datenverluste zu verhindern.

Prediktive Analysen: Verwendung von Daten zur Vorhersage

Geschrieben von [email protected] am Oktober 13, 2016. Veröffentlicht in Analytics.

Im Jahr 2020 wird man 40 Zettabytes (1021 Bytes) an Daten sammeln, das ist 33 Mal so viel wie im Jahr 2010; die Anzahl der Suchanfragen für „Big Data“ hat sich seit 2009 verzwanzigfacht.

Entwicklung der Suchanfragen für den Begriff „Big Data“ weltweit von 2009 bis 2016 – Google Trends

Dabei hat die Erhebung der Daten schon lange begonnen, bevor überhaupt von Big Data die Rede war. Nun ist es natürlich wenig rentabel, Daten ohne jegliche Strategie und Analyse zu sammeln, wie dies lange Zeit gemacht wurde. Heute gibt es erfreulicherweise immer weniger Unternehmen, die Daten erheben, ohne sich zuvor zu überlegen, wie sie diese dann nutzen möchten: Big Data wird mehr und mehr dazu herangezogen, um Kundenverhalten vorherzusagen.

Wohin geht die Reise: Quo vadis, Kunde?

Jede analytische Vorhersage beruht auf der Definition von Modellen via Algorithmen, die auf den gesammelten Daten aufbauen. Diese Modelle sollen dazu dienen, das Kundenverhalten vorherzusagen, um schneller und passgenauer reagieren zu können. So können z. B. potentielle Wechselkunden oder aber solche mit sich wahrscheinlich verändernden Bedürfnissen identifiziert und rechtzeitig angesprochen werden. Die prädiktive Vorhersage rückt somit den heiligen Graal des Marketings in greifbare Nähe: Die richtige Botschaft zum richtigen Zeitpunkt an die richtige Person zu senden. Der Wunsch ist so alt wie das Marketing selbst, nur leider ohne den Zugang zu relevanten Daten bzw. deren zielgerichteter Analyse kaum zu verwirklichen.

Die Fähigkeit, individuelle Angebote zu exakt dem Zeitpunkt zu unterbreiten, an dem das Bedürfnis beim Kunden entsteht, hat großen Einfluss auf die Konversionsrate, die Kundenzufriedenheit und dadurch auch auf die Bindung des Kunden an die Marke – und somit letztendlich auf den Ertrag des Unternehmens.

Aber Vorhersagen sind nur dann möglich, wenn die gesammelten Daten vielfältig sind und ihre Qualität hochwertig ist. Damit ein prädiktives Modell wirklich effektiv ist, müssen die folgenden Schritte beachtet werden:

Genaue Definition der Aufgabenstellung für die Vorhersage;
Identifizierung der notwendigen Daten für die Erstellung des Modells;
Sammlung und Verarbeitung der Daten, um daraus ein funktionierendes Modell zu konstruieren;
Beurteilung der Präzision und Effizienz des Modells;
Nutzung des Modells zur Beantwortung der Aufgabenstellung und Erstellung entsprechender Empfehlungen;
Stetige Weiterentwicklung und Verbesserung des Modells.

Prediktive Analysen helfen dabei, bessere Entscheidungen zu fällen und Risiken (z. B. bei Wechselkunden) zu vermeiden. Durch ihren gezielten Einsatz können sich Marken dank einer personalisierten und optimierten User-Erfahrung von ihren Mitbewerbern abzuheben.

Externe Effekte und Grenzen der Vorhersage-Modelle beachten

Cathy O’Neil bezeichnet sich selbst nicht als Daten-Wissenschaftlerin, sondern als „Daten-Skeptikerin“. Die Harvard-Absolventin hat einen Doktortitel in Mathematik und ist die Autorin eines jüngst erschienenen Buchs „Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy“. In ihrem Werk weist sie mehrfach und ausdrücklich auf die ‚Nebenwirkungen‘ analytischer Vorhersage-Modelle hin, die mannigfaltige Fehlerquellen aufweisen können:

Die gesammelten Daten sind nicht präzise genug.
Die genutzten Daten sind nicht relevant.
Die Wirkung externer Effekte wurde falsch beurteilt.

In ihrem Buch nennt Cathy O’Neil zahlreiche konkrete Beispiele schlechter Vorhersage-Modelle und weist auch auf die Gründe des Scheiterns hin: Da ist z. B. das hoch angesehene nationale Ranking der amerikanischen Universitäten, welches bei seiner Beurteilung die Kosten für das Studium außen vor lässt. Oder die Anzahl der Verhaftungen der New Yorker Polizei, welche belegen, dass diese in den armen Vierteln vor allem Afro-Amerikaner und Latein-Amerikaner betreffen – und dabei aber die Anzahl der Angehörigen der Minderheiten übersteigen. Diese Fehler-Beispiele haben gravierende gesellschaftliche Folgen; Fehler in wirtschaftlichen Vorhersagen können dagegen z. B. Auswirkungen auf den Ertrag eines Unternehmens haben. Festzuhalten bleibt, dass alles dafür getan werden muss, um solche Fehler von vornherein zu vermeiden.

Wozu sind solche Vorhersagen zu gebrauchen?

Die Anwendungsmöglichkeiten sind zahlreich und variieren je nach Branche stark, zudem werden die Möglichkeiten der vorhersagenden Analyse auch durch die Menge, die Qualität und die Relevanz der gesammelten Informationen beschränkt.

Second Party-Daten können im Rahmen vorhersagender Analysen ebenfalls eine wichtige Rolle übernehmen. So wird ein Autohersteller wohl kaum vom bevorstehenden Familienzuwachs eines Kunden erfahren – es sei denn, er bekommt diese Information von einem Partner aus dem Bereich Babybedarf zugespielt. Dadurch kann der Autohersteller dem betreffenden Kunden dann ein individuelles Angebot für ein größeres Fahrzeug unterbreiten, oder es ihm beim nächsten Besuch auf seiner Website schon auf der der Startseite präsentieren.

Die prädiktive Analyse kann aber auch z. B. von einem Mobilfunkanbieter genutzt werden, um jene Kunden zu identifizieren, bei denen man feststellen kann, dass sie bald den Anbieter wechseln werden. Solchen Kunden kann er dann z. B. eine neue Flatrate oder ein neues Serviceangebot unterbreiten und damit das Risiko mindern, dass diese Kunden zu einem anderen Anbieter wechseln.

Doch auch für das richtige Content-Angebot sind solche Vorhersagen sehr nützlich: So können jedem Kunden die jeweils für ihn aktuell passenden Inhalte zur Verfügung gestellt werden, um ihn auf dem Weg zur Entscheidungsfindung einen wichtigen Schritt weiter zu bringen. Damit stellen effiziente prädiktive Analysen einen echten Wettbewerbsvorteil dar – die Kundenberatung erfolgt nicht mehr reaktiv, sondern proaktiv.

Sind Marketingvorhersagen nur etwas für Experten?

Nach einer aktuellen Forrester-Studie* sind die prädiktive Modelle in den letzten Jahren immer präziser und effizienter geworden – auch bei Firmen, die in diesem Bereich über wenig Fachwissen verfügen. Dies zeigt, dass die Nutzung dieser Marketing-Instrumente einfacher geworden ist.

Heute brauchen Sie keinen Daten-Spezialisten mehr, um Big Data effektiv für Ihr Marketing zu nutzen. Schulen Sie bestehende Marketing-Teams in Sachen prädiktive Daten-Analyse und geben Sie Ihnen die richtigen Tools und Partner an die Hand.

* „The Forrester Wave™: Big Data Predictive Analytics Solutions, Q2 2015“ https://www.forrester.com/report/The+Forrester+Wave+Big+Data+Predictive+Analytics+Solutions+Q2+2015/-/E-RES115697

First, Second & Third Party-Daten: So lernen Sie Ihre Kunden besser kennen

Geschrieben von [email protected] am Oktober 13, 2016. Veröffentlicht in Data, Privacy.

Heute ist das Wissen über Ihre Kunden untrennbar mit Big Data verbunden. Dabei unterscheiden wir u. a. nach First, Second & Third Party-Daten. Doch welche Daten verbergen sich hinter diesen Begriffen? Und worin liegen die Unterschiede? Brauchen wir alle drei Daten-Kategorien oder reichen auch eine oder zwei? Und welche Daten sollten bevorzugt genutzt werden? Diese Fragen möchten wir Ihnen nachfolgend beantworten.

First, Second & Third Party-Daten unterscheiden sich nach ihrer Herkunft und nach ihrem Eigentümer. Sie sind komplementär: Zusammengenommen ergeben sie ein klares und umfassendes Bild eines Kunden.

Was versteht man unter First Party-Daten?

Als First Party-Daten bezeichnet man jene Daten, die direkt auf der eigenen Website gesammelt werden. Hierunter fallen Navigations-Daten, solche über das Nutzerverhalten sowie jene, die über Kontaktformulare oder auch Suchanfragen gewonnen werden. Dazu kommen Daten aus dem CRM-System sowie weitere Offline-Daten wie z. B. aus Gewinnspielen.

First Party Daten werden in erster Linie dazu benötigt, mit dem Kunden in Kontakt zu treten, Bestellungen abzuwickeln und den Kontakt zu halten. Erst im zweiten Schritt sind First Party Data auch hilfreich bei der Segmentierung und für das gezielte Aussteuern von Inhalten und Werbung. So kann z. B. ein Online-Händler mit den richtigen Inhalten die Relevanz der Produktempfehlungen individuell für jeden Besucher verbessern und dadurch seine Konversionsraten deutlich steigern.

Doch auch wenn diese Informationen von grundlegender Bedeutung sind, so ergeben sie allein noch kein vollständiges Bild eines Verbrauchers: Dies gelingt erst durch die Verknüpfung mit Second und Third Party-Daten. So können wichtige komplementäre Informationen, die zunächst nicht verfügbar waren (weil z. B. die Nutzer auf der eigenen Website nur unvollständige Angaben gemacht hatten), bei Geschäftspartnern oder auch bei professionellen Datenhändlern erworben werden.

Was sind Second Party-Daten?

Hierbei handelt es sich um First Party-Daten von Dritten, z. B. von Geschäfts- oder Marketingpartnern, wobei die Menge bzw. die Qualität dieser Daten je nach Herkunft stark variieren kann. Beispielsweise werden durch Mediaagenturen Daten im Rahmen von Kampagnenauslieferungen erhoben, die anschließend von der Mediaagentur als Second Party-Daten bereitgestellt werden können. Die Second Party-Daten ermöglichen Ihnen, die Profile von Nutzern wesentlich zu vervollständigen. Es handelt sich vor allem um Informationen über Interessengebiete sowie andere, personenbezogene Daten, die Sie von Ihren Besuchern nicht direkt erfragen dürfen, weil Ihnen dies datenschutzrechtlich untersagt ist.

Second Party-Daten, auch kollaborative Daten genannt, bieten gleich mehrere Vorteile: So sind sie genauso effizient wie die eigenen First Party-Daten und ebenso umfassend wie Third Party-Daten – zu denen wir jetzt kommen.

Was sind Third Party-Daten?

Third Party-Daten werden von professionellen Datenhändlern gesammelt und verkauft bzw. vermietet. Oft stehen diese Daten im Ruf, von schlechterer Qualität zu sein als First und Second Party-Daten, aber das lässt sich nicht verallgemeinern: So verfügt z. B. Facebook über sehr verlässliche Informationen von seinen Mitgliedern, die sich durch Vollständigkeit und Aktualität auszeichnen. Ein Teil dieser Informationen wurde ebenfalls in Form von First Party-Daten gesammelt, die dann mit weiteren Daten von Werbetreibenden vervollständigt worden sind. Die Nutzung dieser Daten eröffnet viele Möglichkeiten, da mehr Informationen über die Interessen der User vorliegen und deren Profile so weiter angereichert werden können.

Lesen Sie hier nach, welche Auswirkungen das Ende von Third-Party-Daten hat.

First, Second & Third Party-Daten sind komplementär

First Party-Daten bieten zahlreiche Vorteile: So sind sie kostengünstig zu gewinnen (meist sogar kostenlos), einfach zu sammeln und stellen daher in den Augen vieler Werbetreibender die einzig sichere Datenquelle dar. Dennoch können sie allein kein vollständiges Bild vom Kunden erzeugen – vor allem dann nicht, wenn es um die Neukundengewinnung geht.

Denn nicht alle Branchen haben dieselben Möglichkeiten, um diese Daten zu sammeln: So verfügen Banken, Online-Händler oder auch die Hersteller vernetzter Produkte naturgemäß über ein größeres Datenvolumen als z. B. Firmen in der Automobilbranche, Hersteller von Elektrogeräten oder B2B-Marken, die nicht direkt an Endkunden verkaufen.

Für diese Unternehmen, die nur über unvollständige First Party-Daten verfügen, können Second Party-Daten durchaus sehr interessant sein. Kommt ein einfacher Datentausch nicht in Frage, können solche Daten auch gemietet oder gekauft bzw. im Warentausch erworben werden, z. B. im Gegenzug für Werbemöglichkeiten oder andere kostenlose Leistungen.

Ohne Second und Third Party-Daten können Akquise-Kampagnen nicht individualisiert werden – mit Ausnahme von Google und Facebook, die es Werbetreibenden ermöglichen, nur spezielle Profile direkt anzusprechen. Dabei ist die Individualisierung von Werbebotschaften extrem wichtig für den Erfolg: Die Konversionsraten liegen hier deutlich höher als bei allgemeinen, ungezielten Botschaften. Dies bedeutet im Klartext, dass sich die Akquisitionskosten für einen neuen Kunden vervielfachen, wenn man auf die Nutzung von Second und Third Party-Daten verzichtet. Allerdings wird die Nutzung von Third-Party-Daten vor dem Hintergrund des Datenschutzes immer umstrittener und aufgrund diverser Regelungen ebenfalls komplizierter.

Konsequenzen aktueller Verordnungen im Bereich Third-Party-Cookies

Doch auch die First Part-Daten spielen bei der Neukundengewinnung eine entscheidende Rolle, da sie ebenso wichtige wie relevante Kundeninformationen liefern. So können dank dieser Daten sogenannte „statistische Zwillinge“ identifiziert werden: Interessenten, deren Profile jenen existierender Kunden sehr ähnlich sind und die sich – potentiell – ebenfalls für dieselben Angebote interessieren könnten.

Lösungen

Produkte

Ressourcen

Unternehmen

Archives

Categories

Monat: Oktober 2016