Marketing Analytics: 8 erfolgreiche Analyse-Beispiele

Es muss nicht immer der Data Scientist sein, der die Daten selektiert oder Kundenverhalten analysiert.

Unsere Marketing Analytics Basics für Einsteiger

Gerade im Marketing werden doch häufig und vor allem kurzfristig Analysen der Marketing Daten benötigt, denn letztendlich ist das die Basis des Erfolgs im Zeitalter von Digital Marketing. Die folgenden Analyse-Beispiele können ohne große analytische Kenntnisse durchgeführt werden und eignen sich noch dazu, durch die Visualisierung, wunderbar zum Teilen mit Kollegen und Präsentieren im Managementmeeting. Bevor wir in die eigentlichen Analysen einsteigen klären wir noch einige Hintergrundfragen rund um Marketing Analytics. 

Was sind Marketing Analytics? 

Marketern stehen zahlreiche Plattformen und Tools zur Verfügung, um Marketing Botschaften an ihre Zielgruppe zu übermitteln. Beispiele hierfür sind E-Mail-Marketing Kampagnen, Social Media Anzeigen und Posts, Suchmaschinenwerbung oder auch die direkte Ansprache per Post. Nicht alle Kunden können mit der gleichen Botschaft und über denselben Kanal gleich gut erreicht werden. Um Streuverluste zu vermeiden, den Return on Investment (ROI) zu erhöhen und die Marketing Strategie zu optimieren ist es daher entscheidend, die verschiedenen Marketing Aktivitäten genau zu evaluieren. 

Hier kommen Marketing Analytics ins Spiel. Im Allgemeinen beschreibt der Begriff Marketing Analytics verschiedenste Prozesse und Technologien, mithilfe derer Marketer die Wirkung Ihrer Kampagnen und Aktivitäten bewerten können. Analysiert werden können unterschiedlichste Aspekte über die Zusammensetzung der bestehenden Kunden aber auch über die individuellen Präferenzen eines Kunden oder einer Kundengruppe. Dazu zählen z. B. die Alters- und Geschlechterverteilung, der Wohnort, der bevorzugte Kommunikationskanal, Kaufrhythmen, Produktvorlieben und vieles mehr. Die Basis für Marketing Analytics bildet Big Data. Das heißt die zahlreichen Daten, die einerseits z.B. durch ihr Kampagnenmanagement-Tool gesammelt werden wie z.B. Klicks und Opens oder auch Daten aus Transaktionen wie z.B. der Wohnort oder das Geburtsdatum. Da Kundendaten das zentrale Element bilden, spricht man neben Marketing Analytics in diesem Zusammenhang auch oft von Customer Analytics. Marketing Analytics unterstützen Sie dabei, sowohl Aussagen über die Vergangenheit (z.B. welche Kampagnen haben den meisten Umsatz generiert?), als auch über die Gegenwart (z.B. welche Kanäle bevorzugen meine besten Kunden) und die Zukunft zu treffen (z.B. welche Produkte werden meine Kunden am wahrscheinlichsten als nächstes kaufen?).  

Welche Vorteile haben Unternehmen durch den Einsatz von Marketing Analytics? 

Der Einsatz von Marketing Analytics bringt für Unternehmen zahlreiche Vorteile mit sich. Durch das Wissen, welche Kampagnen bei welchen Kunden erfolgreich waren, können in der Zukunft erfolgsversprechende Kunden zielgerichteter angesprochen und so Streuverluste verhindert werden. Dies kann zu erheblichen Kosteneinsparungen führen. 

Durch das bessere Verständnis der individuellen Präferenzen und Bedürfnisse können Unternehmen außerdem einen höheren Personalisierungsgrad in ihrer Marketing Kommunikation schaffen. Dies erhöht die Relevanz der Angebote für den Kunden. Gleichzeitig ermöglichen Marketing Analytics einem Unternehmen frühzeitig abwanderungsgefährdete oder inaktive Kunden zu erkennen und entsprechende Gegenmaßnahmen einzuleiten. Dies trägt langfristig zur Steigerung der Kundenbindung und somit zum Unternehmenserfolg bei. Der entscheidende Punkt ist jedoch, dass Unternehmen in der Lage sein müssen, aus den Analysen Erkenntnisse zu ziehen, und diese direkt bei Entscheidungen für zukünftige Marketing Aktivitäten einfließen zu lassen. 

Wie Sie damit ganz einfach in der Praxis starten können zeigen wir Ihnen anhand von acht Analyse-Beispielen. Für alle folgenden Analysen und Visualisierungen nutzen wir die Analyse-Software Apteco FastStats.

1. Auf den ersten Blick – Die Word Cloud

In einer Word Cloud lassen sich besonders gut Häufigkeitsverteilungen darstellen. In unserem Beispiel analysieren wir die Anzahl der Bestellungen nach Produkten. Gleich auf den ersten Blick können wir unsere Top-5 Produkte identifizieren: Neben Tank Top, Lätzchen und Pullover finden unsere Kunden scheinbar Gefallen an unseren Micky Maus Puschen und dem Seidenschal. 

Ich weiß nicht, wie es Ihnen geht, aber bei den Micky Maus Puschen interessiert mich nun doch, wie alt unsere Kunden eigentlich sind, dass sie ihre Füße in Disney-Figuren hüllen?! 

2. Es wird kurvig – mit Charting

Charting ist eine weitere Methode, um die Verteilung von Häufigkeiten visuell darzustellen. Wir nutzen diese Visualisierungsart, um die Altersverteilung nach Geburtsjahr abzufragen. Die meisten unserer Kunden sind um 1950 geboren. Na ja, vielleicht haben sie die Pantoffeln für ihre Kids besorgt oder haben einfach nochmal das Kind in sich selbst entdeckt. 

Als Nächstes würde ich gerne wissen, wann unsere Kunden denn ihren letzten Kauf getätigt haben, Sie auch?

3. Treppchen rauf und runter – immer noch Charting

Wir haben 2009 mit unserem Business gestartet, seitdem haben jedes Jahr mehr Kunden bei uns gekauft. 2016 aber ging die Anzahl der bestellenden Kunden dann deutlich zurück, auf gerade einmal knapp über 600.000 Kunden, die ihren letzten Kauf in diesem Jahr getätigt haben. Hoffentlich ist dann wenigstens der Umsatz pro Kunde gestiegen… Das sollten wir uns auf jeden Fall einmal genauer ansehen. Eventuell entdecken wir ja gleichzeitig noch Reaktivierungspotenzial bei Kunden, die seit längerer Zeit nicht gekauft haben.

4. Aus 1 wird 2 – 2 Dimensionen in einem

Um ein besseres Gefühl für die Auswertungen zu bekommen, stellen wir die Analyse von Jahres- auf Quartalssicht um. Außerdem fügen wir eine zweite Dimension, die Summe des Umsatzes, hinzu. Leider bestätigt sich unsere Befürchtung: Die Linie der Umsatzsumme zeigt, dass der Umsatz pro Kunde nicht gestiegen ist. 

Dafür können wir aber eine andere interessante Entdeckung machen: Die meisten Kunden kaufen jedes Jahr im vierten Quartal. Es scheint also, als ob es Saisoneffekte gibt. Im Normalfall würden wir der Sache jetzt tiefer auf den Grund gehen, um herauszufinden, was wir tun können, dass sich die Bestellungen und Umsätze besser über das Jahr verteilen.

Wir beschäftigen uns aber heute mit den Basics und wollen erst einmal wissen, was unsere Kunden kaufen und in welcher Kombination.

5. Quadratisch, praktisch – Der Cube

In einem Cube, oder auch Kreuztabelle genannt, lassen sich gut Kombinationen - in unserem Fall von häufig gekauften Produktkategorien - veranschaulichen. Durch die Farbgebung erkennen wir beliebte bzw. signifikante Kombinationen unserer Kunden auf den ersten Blick. Beispielsweise kaufen Kunden, die Damenbekleidung bestellen, auch gerne Herrenbekleidung oder Accessoires, während die Kombination Herren- und Babybekleidung für unsere Zielgruppe nicht besonders relevant zu sein scheint. 

Diese Informationen könnten wir nun im nächsten Schritt dazu nutzen, unseren Kunden Vorschläge für Ihre nächsten Käufe zu machen. Wir schauen uns nun aber erst einmal die Verteilung unserer Kunden in Deutschland an, schließlich steht noch ein Event in unserem Flagship-Store in Berlin an, zu dem wir einladen wollen.

6. Zeig mir wo - die Landkarte

Als Erstes wollen wir einmal die Verteilung unserer Kunden über die gesamte Bundesrepublik anschauen: Je dunkler, desto mehr Kunden befinden sich dort. Mithilfe solcher Landkarten können wir beispielsweise fundierte Entscheidungen zu Neueröffnungen von Ladenlokalen treffen und können gleichzeitig Markt-Potenziale ausmachen, die wir noch nicht richtig erschlossen haben. 

Im letzten Jahr haben wir unser Flagship-Store in Berlin eröffnet und planen eine Modenschau mit saftigen Shopping-Vorteilen für Kunden, die uns an diesem Tag im Laden besuchen. Also, wen laden wir ein?

7. Drumherum - Fahrzeitzonen

Wie wir alle ja bereits wissen, Relevanz ist das A und O im Marketing, also wollen wir natürlich nur die Kunden einladen, die auch in der Nähe unseres Stores in Berlin wohnen. Wir haben uns aber noch einen ganz besonderen Clou überlegt: Je weiter der Kunde entfernt wohnt, desto höher wird der Rabattgutschein, wenn er im Laden vorbeischaut. Dazu bilden wir Fahrzeitzonen, wodurch wir unseren Kunden unterschiedliche Rabatte zuordnen können, je nachdem, ob sie 10 Minuten, 20 Minuten oder 30 Minuten von unserem Store entfernt sind.

Unseren VIP-Kunden wollen wir noch ein besonderes Schmankerl bieten, dazu müssen wir aber erst einmal herausfinden, wer sie sind.

8. Eins, Zwei oder Drei - das Venn-Diagramm

Bei uns setzt sich die Definition von VIP-Kunden aus drei Kriterien zusammen:

• Kunden, die häufig kaufen
• Kunden, die einen hohen Lifetime Value haben
• Und Kunden, die in letzter Zeit gekauft haben

Diese drei Kriterien wenden wir in unseren Fall nur auf Kunden in der Nähe von Berlin an und lassen uns diese in einem Venn-Diagramm anzeigen. Die goldene Mitte stellt nun unsere VIP-Zielgruppe dar, denen wir beim Betreten des Ladens ein besonderes Geschenk versprechen. Selbstverständlich beinhaltet diese Visualisierung noch weitere lohnenswerte Zielgruppen.

Fazit: Marketing Analytics

Diese 8 Beispiele waren nur ein kleiner Ausschnitt von dem, was im Bereich Marketing Analytics möglich ist. In unserem Whitepaper „50 kundenzentrierte Marketing Use Cases“ zeigen wir von Kundendaten verstehen, über Predictive Analytics bis hin zum Kampagnenmanagement, welche Erkenntnisse mit Marketing Analytics möglich sind und wie Sie diese in Ihrem Unternehmen einsetzen können.