Digitales Marketingcontrolling: Instrumente für die Erfo ... / 4 Herausforderungen des digitalen Marketingcontrollings

4.1 Big Data im digitalen Marketingcontrolling

Instrumente des Social Media Monitorings erzeugen ständig neue Daten über das Verhalten einzelner Kunden an verschiedenen Customer Touchpoints. Dies ist eine typische Big Data-Situation. Big Data ist in Deutschland seit Anfang der 2010er Jahre ein Hype-Thema der digitalen Transformation und wird durch die "5 Vs" gekennzeichnet: Volume, Variety, Velocity, Veracity und Value.

Volume steht für die steigenden Datenmengen, Variety für die Tatsache, dass Big Data vorwiegend unstrukturierte Daten umfasst. Velocity ist die Abkehr von statischen Daten hin zu einem kontinuierlichen Live-Stream an Daten. Veracity deutet auf die Unzuverlässigkeit und Inkonsistenz der Daten hin.

Big Data ist gerade für Controller eine ganz neue Herangehensweise und Philosophie. Controller definieren klassischerweise feste Datenuniversen. Es werden Kennzahlen der Gewinn-und Verlustrechnung oder der Bilanz sowie eine fest definierte Anzahl von nicht-finanziellen Kennzahlen monatlich, quartalsweise oder jährlich als Plan-, Ist- oder Forecastwert erhoben.

Die Kennzahlen des klassischen Controllings sind genau definiert, häufig sogar durch wirtschaftsprüfergeprüfte Kontenrahmen bestimmt. Kennzahlen, die nicht geplant wurden, werden nicht erhoben und nicht ausgewertet. Der Controller wünscht sich aufgrund der Vergleichbarkeit in Zeitreihen eine Konstanz der Kennzahlen über viele Jahre hinweg. Der klassische Controller sieht sich für jede seiner Zahlen als Single Source of Truth.

Bisherige Business Intelligence (BI)-Systeme funktionieren nach genau dieser klassischen Controlling-Philosophie. Untersysteme lesen zu definierten Zeitpunkten definierte Daten aus operativen Systemen aus, transformieren diese in gewünschte Formate und laden sie in Data Warehouses, die Datenbank-Systeme von BI-Systemen. Dort können zwar eine sehr große Vielzahl von Abfragen getätigt werden, die Variationsmöglichkeiten sind aber letztlich ex-ante definiert. Unstrukturierte oder unsichere Daten, die ständig einlaufen, können in BI-Systemen nicht verarbeitet werden.

Die Big-Data-Philosophie im Marketingcontrolling ist dem entgegengesetzt. Es werden keine Datenstrukturen vordefiniert und keine Daten aus den operativen Systemen selektiert. Big Data lässt die Daten sprechen. Alle Daten werden gesammelt und gespeichert. Anschließend wird in diesen Daten nach vorher unbekannten Zusammenhängen gesucht.

Im digitalen Kundencontrolling wird der gesamte, ständig wachsende Datensatz von Touchpoints aus der Customer Journey mit Blick auf vorher unbekannten Strukturen und Zusammenhängen analysiert.

Es geht also um die Generierung neuer Konsumenteneinblicke aus der Customer Journey:

• Welche Kunden posten viel und haben damit einen Influencer-Effekt?
• Welche Kampagne führt zu schnellerem Kauf?
• Wie hängen Beschwerdeverhalten und Wiederkauf zusammen?
• Haben Touchpoints Einfluss auf Tageszeit des Kaufes und auf die Preisbereitschaft?

Dies sind Beispielfragestellungen aus einem Unternehmen der Körperpflege, die aber nur insofern typisch sind, als dass das nächste Unternehmen oder der nächste Manager andere Fragestellungen haben könnte.

4.2 Predictive Analytics im digitalen Marketingcontrolling

Big Data im Marketingcontrolling ist agil – es kann proaktiv und jederzeit eingesetzt werden. Stellt sich im Marketingcontrolling eine Fragestellung, so werden die Daten direkt nach diesem Zusammenhang analysiert. Dies bedarf einer jederzeitigen Bereitschaft und Offenheit hinsichtlich der Analysefragestellungen, aber auch dem Analyseergebnis. Es kann sein, dass eine gewünschte Analyse nicht möglich ist, dafür jedoch eine etwas andere. Big Data ermöglicht ein offenes, datengestütztes und datengetriebenes Marketingcontrolling.^[1]

Viele der Fragestellungen bei der Analyse von Big Data im digitalen Marketingcontrolling sind zukunftsgerichtet. Es wird das Verhalten des Kunden in der Customer Journey analysiert, um Vorhersagen zu dem Verhalten des Kunden selbst bzw. anderer Kunden oder Kundengruppen zu treffen. Dabei helfen die Verfahren der Predictive Analytics. "Predictive Analytics beschreiben Ansätze, die auf Grundlage statistischer Modelle und Algorithmen Beziehungen in historischen Daten identifizieren und auf zukünftige Entwicklungen übertragen".^[2]

Der erwartete Nutzen von Predictive Analytics in der Marketing- und Kommunikationsplanung ist hoch.^[3] In der Preispolitik kann aufgrund von Predictive Analytics eine individualisierte Preispolitik, eine zeitabhängige Preispolitik oder eine intelligente und individualisierte Rabattierung möglich werden. Amazon ist bekannt dafür, seine Preise mehrfach täglich zu verändern.^[4] Im Handel finden deutsche Konsumenten dies bisher ungewöhnlich und zum Teil unfair; an der Tankstelle oder bei Fluggesellschaften hat sich der Konsument bereits daran gewöhnt.

Im Rahmen der Kommunikationspolitik sind viele Anwendungsfelder denkbar. Auf Basis von Big Data aus Customer Journey Analysen ist eine gezielte Ansprache einzelner Kunden denkbar. Hier werden Kommunikationsmaßnahmen, wie z. B. Probierangebote, auf Basis der prognostizierten Erfolgsw...