Dr. Jeff D. Brazell, Dr. Christian von Thaden, Tobias Pohl. Data-driven Marketing: if data is the new oil, how to pump it up?

Transkript

1

2 Dr. Jeff D. Brazell, Dr. Christian von Thaden, Tobias Pohl Data-driven Marketing: if data is the new oil, how to pump it up?

3 3 I N S I G H T S 1 8 Im folgenden Interview sprechen Dr. Jeff D. Brazell, CEO und Gründer von The Modellers und Dr. Christian von Thaden, Managing Partner von Batten & Company über die Bedeutung, Herausforderungen und Implementierungsmöglichkeiten des datengetriebenen Marketings. Die zunehmende Bedeutung von Daten für Unternehmen ist unbestritten, entsprechend ist die Nutzung der Daten ein wesentliches Ziel aller marktorientierten Unternehmen. Für die meisten Unternehmen noch völlig offen ist die Frage, wie das geschehen soll: Wie werden aus den Daten Wettbewerbsvorteile? Wie werden strategische und operative Entscheidungen durch Daten besser? In der Praxis ist häufig folgendes Paradoxon zu erkennen: Manager profitieren von Daten, indem sie interessante Erkenntnisse (Insights) gewinnen. Nur sind diese Erkenntnisse nicht handlungsleitend operationalisierbar. Begriffe wie Big Data und Data-driven Marketing bleiben abstrakt und ohne messbaren Mehrwert. Vor diesem Hintergrund hat Batten & Company das Kompetenz-Center Data-driven Business Development gegründet, welches Unternehmen unterstützt, aus Daten nachhaltige Wettbewerbsvorteile zu gewinnen. Methodisch steht Batten & Company im stetigen Austausch mit seinem amerikanischen Netzwerk-Partner The Modellers, dem Spezialisten für quantitatives Marketing. Dr. Jeff D. Brazell Dr. Jeff D. Brazell ist Gründer und CEO von The Modellers, einer international führenden Beratung für datengetriebenes Marketing, die Unternehmen durch modernste Analytik zu besseren Marketingentscheidungen verhilft. Dabei kombiniert Dr. Brazell seine Leidenschaft für quantitative Methoden mit einer langjährigen Managementerfahrung und einem akademischen Hintergrund. Dr Jeff D. Brazell is Founder and CEO of The Modellers, a full-service marketing research company focused on helping clients make better marketing decisions through the innovative application of advanced qualitative and quantitative research techniques. Dr. Brazell has a genuine passion for high-end market research to blend with a rich and diversified background in management experience, academic training and applied expertise, University teaching experience.

4 DATA- D R I V E N M A R K E T I N G 4 Dr. Christian von Thaden: Jeff, immer mehr (Top-) Manager setzen sich mit den Methoden der quantitativen Marktforschung und des datengetriebenen Marketings auseinander. Wo liegen aus deiner Sicht die Gründe dafür? Dr. Jeff D. Brazell: Aus meiner Sicht gibt es dafür viele Gründe, von denen einige sehr offensichtlich sind: Unser Alltag wird von Daten überflutet mittlerweile existiert bereits ein Datenvolumen von drei Zetabytes in unserem digitalen Universum, täglich generieren an die 450 Milliarden Geschäftstransaktionen neue Daten, und Online-Provider können auf Basis von Hunderten Millionen von Ereignissen Werbung immer zielgruppenspezifischer gestalten. Unternehmen können heute jegliche Art von Daten archivieren viele Manager fühlen sich aber mit der Herausforderung, diese Flut an Daten sinnvoll zu interpretieren, schlichtweg überfordert. Studien zeigen Entscheidungsträgern klar die Vorteile des datengetriebenen Marketings Seite an Seite mit den Nachteilen schlechter Datenqualität auf, was die Signifikanz des Themas für Manager weiter verschärft. Aus meiner Sicht ist es fast unmöglich, sich als Marketingmanager nicht mit den Potenzialen und Herausforderungen des datengetriebenen Marketings zu befassen. Dr Christian von Thaden: Jeff, more and more (top) managers have marketing methods and datadriven marketing on their agenda what do you think are the reasons for this growing awareness? Dr Jeff D. Brazell: There are a number of reasons. Some are pretty obvious our world is overflowing with data. There are now nearly 3 zetabytes of data in our digital universe, our business world is moving toward 450 billion transactions per day, major providers use hundreds of millions of events to better target advertisements. Companies are able to capture data of all kinds. Managers are drowning in data. Further, they hear about studies that show the potential benefits of using data along with the clear disadvantages of having poor data. So, in this environment, I think it s almost impossible not to be aware of the need to be more data-driven. Der Grundgedanke des datengestützten Marketings ist keineswegs neu in den vergangenen Jahrzehnten gab es immer wieder Versuche, die mehr oder weniger gescheitert sind. Wo siehst du heute den Unterschied zu früher? Ich glaube, Marketingspezialisten haben schon immer die Möglichkeit erkannt, wertvolle Daten zu sammeln und Analyseergebnisse als Entscheidungsgrundlagen zu verwenden. Viele haben vermutlich auch geahnt, dass ein tieferes Verständnis von Kundenbedürfnissen, Zahlungsbereitschaften und Kaufentscheidungsprozessen einen unschlagbaren Wettbewerbsvorteil darstellen würde. In der Vergangenheit waren aber einige Dinge anders als heute. Im Kern sehe ich drei wesentliche Unterschiede: 1. Heute ist ein Vielfaches an Daten als noch vor zehn Jahren verfügbar. The idea of data-driven marketing is not really new there have been several approaches within the last decades. What do you think are key differences to former approaches? I think smart people have always seen the need to gather high quality information to support better decisions. Most have also recognized that having a deeper, more precise understanding of what customers want and need, how much they will pay, and how best to influence them can not only lead to success, but can also be a powerful source of competitive advantage. However, in the past, getting the information you needed, then making sense of it through analytics, was much more difficult. The key differences that differentiate former approaches and the current state-of-the-art include the availability of so much more data, the sophistication of new analytic techniques that more

5 5 I N S I G H T S Analytische Modelle, die beispielsweise Kundenverhalten simulieren können, sind heute viel ausgereifter. 3. Intelligente Tools können heute aus komplexen Datenbanken Kernessenzen ziehen und Implikationen managementtauglich zusammenfassen. accurately capture and predict consumer behavior and reactions, along with technology that brings all that information together in simple tools, which allows decision-makers to process the meaning and implications without being overwhelmed. Welche fünf Marketingaufgaben werden aus deiner Sicht am meisten vom datengetriebenen Marketing profitieren? What do you think are the five marketing problems that could benefit most from data-driven marketing? Diese Frage ist schwer zu beantworten, da nahezu jede Problemstellung im Marketing datengestützt besser begegnet werden kann. Hier ist eine Liste an Marketingaufgaben, die wiedergibt, in welchen Situationen ein Unternehmen auf Datenanalysen zurückgreifen können sollte: 1. Verbesserte Preis- und Produktoptimierung: Absatzzahlen und Ergebnisse von Was wäre wenn? -Umfragen können in ausgeklügelten Kundenpräferenzmodellen miteinander kombiniert werden und geben Aufschluss über erfolgversprechende Produktfeatures und den richtigen Preis. Solche Kundenpräferenzmodelle haben beispielsweise den Erfolg der Marriott Courtyard - Hotels wesentlich mitgestaltet. 2. Verbesserte Kundenkommunikation: Moderne Analytik ermöglicht es uns, nicht nur den Kunden besser zu verstehen und so Werbewirkungen zu erhöhen, sondern auch Kommunikationsbudgets effektiv auf verschiedene Kanäle zu verteilen. Das niederländische Unternehmen Inofec, ein Spezialist für Büromöbel, konnte seinen Umsatz im zweistelligen Prozentbereich steigern, indem Kommunikationsentscheidungen auf Basis historischer Kampagnenerfolge getroffen wurden. 3. Verbessertes Branding und Customer Relationship Management: Es wird immer wichtiger, Kunden über langfristig ausgelegtes Beziehungsmanagement zu loyalisieren. Datengetriebenes Marketing ermöglicht es, sich dabei auf die Kunden zu fokussieren, die wirklich profitabel sind, und die Involvierung des Kunden zu steigern. Dies resultiert nicht nur in It s hard to get down to a list of five. Just about every marketing question can now be data-driven in a more powerful way. But here is a list of five problems that every business should be informing with data. 1. Better pricing and product optimization: A fusion of real-world sales data along with what-if survey data in sophisticated consumer choice models give us the ability to very precisely develop products and product lines with the right features and the right prices to maximize profitability. These types of choice models, for example, drove the development and the success of the Marriot Courtyard hotel chain. 2. Better advertising and promotion: State-of-the-art methods allow us to not only know the motivations of our target markets so we can design ads and promotions that maximize impact, but also exactly how to allocate our spend to maximize marketing ROI. Inofec, for example, a Dutch office furniture company, increased profits in the double digits by making data and analytics driven decisions. 3. Better branding, customer engagement and relationship management: Building relationships with customers has become more and more important and new methods and data allow us to drive engagement that results in higher short- and long-term sales. The Swiss company UBS used a sophisticated combination of motivational choice models to drive their global re-branding effort resulting in significant increases in share price.

6 DATA- D R I V E N M A R K E T I N G 6 einer effizienteren Budgetallokation, sondern auch in gesteigertem Umsatz. Die schweizerische Bank UBS war mit der Modellierung von Kundenverhalten bei ihrem globalen Re-Branding so erfolgreich, dass ein nachhaltiger Anstieg des Aktienkurses zu verzeichnen war. 4. Verbesserte Kundenakquise: Über Analytik können Unternehmen Zielgruppensegmente identifizieren, die am ehesten zur eigenen Marke wechseln würden. Die Erkenntnisse unterstützen eine effizientere Vermarktung bestehender und eine bessere Entwicklung neuer Produkte und Dienstleistungen. ABB Electric, ein schweizerisches Unternehmen, konnte sich im hart umkämpften amerikanischen Markt erfolgreich etablieren, indem es relevante Zielgruppensegmente identifizierte und anschließend im Detail untersuchte, wie Kunden zu einem Wechsel zu bewegen waren. 5. Bessere Kalibrierung von Vertriebsgröße und -aktivitäten: Viele Leute denken bei datengetriebenem Marketing an Consumer Marketing, obwohl das Thema für B2B-Marketing genauso relevant ist. Wir haben Modelle entwickelt, die Unternehmen dabei helfen, ihre Vertriebsgröße und -aktivitäten zu optimieren. So können wir beispielsweise eine optimale Allokation von Vertriebsressourcen einschließlich des besten Kontaktzeitpunkts berechnen und sogar das Vertriebsargument identifizieren, das die größten Erfolgsaussichten hat. Rhenania, ein deutsches Unternehmen mit einem Direktvertrieb, steuert seit einiger Zeit mit unseren Methoden seine Vertriebsaktivitäten die Profitabilität des Unternehmens hat sich seitdem vervierfacht. Auf den Punkt gebracht: Was sind die Kernvorteile für Unternehmen? Man könnte zusammenfassend sagen: Datengetriebenes Marketing hilft dir, mehr Waren profitabel zu verkaufen. Konkret bedeutet das: Mehr Absatz: Unternehmen, deren Marketingentscheidungen auf Datenanalysen fußen, erhöhen ihren Um- 4. Better customer acquisition: Data and analytic models help smart companies focus on customers who are most likely to switch to their brands, drastically increasing the probability of success for both existing products and services and new ones. ABB Electric, a Swiss company, was able to enter a US market dominated by large incumbents and grow into a major player by using data and analytics to identify the switchable consumer. They could only do this successfully by applying advanced analytics not only to identify which customers were most open to switching but also to figure out what was required for them to actually switch. 5. Better setting of sales force size and activities: Most people usually think of data-driven decisions for consumer marketing, but these methods are just as important for business-to-business application. We now have powerful models that help companies decide where to allocate sales resources, including who to visit and when, along with which messages will maximize the chances of the sale. Rhenania for example, a German direct marketing company, used advanced analytics to figure out who to mail and when. Before becoming data and analytics driven, they had declining sales, but after adopting analytical insights, their sales grew, and profitability increased four-fold. And in a nutshell: What are the key benefits for companies? Benefits are wide ranging, but could probably be summarized as: Data-driven decision-making helps you sell more stuff profitably. More specifically: Higher sales: Companies that use data-driven best practices increase their revenues compared to companies that don t. One study conducted by the University of Texas showed that the average Fortune 1000 company could increase revenues by more than $2 billion per year by better using data.

7 7 I N S I G H T S 1 8 satz gegenüber Mitbewerbern, die dies nicht tun, deutlich. Eine Studie der Universität Texas belegte, dass ein durchschnittliches Fortune Unternehmen seinen Jahresumsatz durch die sinnvolle Verwendung von Daten um bis zu 2 Milliarden Dollar steigern kann. Mehr Profit: Analytik hilft, Profit zu maximieren das konnten Studien belegen: die österreichische Baumarktkette BauMaxx steigerte seinen Profit durch Preisoptimierungen um 8 %. Inofec konnte durch eine effektivere Allokation des Marketingbudgets seinen Profit vervierzehnfachen. CVS Pharmacies modellierte den potenziellen Erfolg von geplanten Werbemaßnahmen und konnte so Gewinnoptimierungen von 50 Millionen Dollar erzielen. Diese Ergebnisse werden durch die Entwicklung und Vermarktung von Produkten erzielt, die für Kunden Relevanz haben, in ihrem Wettbewerbsumfeld bestehen können, eine hohe Marketingeffizienz erreichen und zielgerichtet Kunden mit hoher Kaufbereitschaft ansprechen. Higher profits: Data-driven companies use data, analytics, and models to maximize profits. Some published studies are good examples: BauMax increased profits by 8% by implementing better pricing models; Inofec increased profits 14-fold by reallocating spend across online and offline marketing activities; CVS Pharmacies increased profits by $50 million by modeling which promotions worked. Higher sales and profits are achieved by launching products and services customers want and that will win in a competitive environment, getting a much higher return on marketing spend, more efficiently targeting customers who are more likely to buy, creating advertising that fits better with customer motivations, only spending money on prospective customers that you have a chance of getting, and optimizing packaging, messages, channels, facings, and engagement. Viele Marketingmanager sind der Ansicht, dass datengetriebenes Marketing zwar Erkenntnisse generiert, dies aber nicht zu besseren Entscheidungen führt. Wie denkst du darüber? Die Sorge ist nicht unberechtigt. Das neue Buch The Insight Advantage meines Kollegen Marco Vriens greift genau diese Thematik auf. Kurz und knapp: Jedes Unternehmen benötigt von Anfang an einen Plan, wie neu gewonnene Erkenntnisse in Entscheidungsprozesse integriert werden können das geschieht nicht automatisch. An dem schon erwähnten Rhenania-Beispiel lässt sich das gut nachverfolgen: Zuerst wurden die durch Datenanalyse gewonnenen Erkenntnisse vom CEO kategorisch abgelehnt. Ein neuer CEO gab dann grünes Licht und wurde prompt vom Aufsichtsrat überstimmt. Erst nach einer detaillierten Präsentation der erwarteten Marktdynamik durch die neue Vertriebsstrategie durfte diese erstmals getestet werden. Many managers have doubt that while datadriven marketing will surely improve insights, it will not lead to better actions. What do you reply? This is a valid concern. A new book, The Insights Advantage, written by my colleague Marco Vriens, details how to deal with that challenge. Briefly, the company really needs to have a plan for how to turn insights into actions, it doesn t happen automatically. In the Rhenania case that I mentioned earlier, for example, the first time the marketing director presented his break-through analytical insight to the CEO it was rejected. A new CEO accepted the idea and gave the green light, only to have the Board of Directors veto the recommendations. Only after careful explanation of the expected market dynamics of the new mailing strategy were they willing to give the new analytics-driven approach more time to prove it worked.

8 DATA- D R I V E N M A R K E T I N G 8 Viele Leute denken, dass datengetriebenes Marketing eher im B2C- und nicht im B2B-Kontext relevant ist. Stimmst du dem zu? Es ist richtig, dass viele Leute datengetriebenes Marketing zunächst mit B2C assoziieren, aber das Thema ist für B2B-Fragestellungen mindestens genauso relevant. Viele Modelle sind sehr B2B-fokussiert, wie beispielsweise die Optimierung der Vertriebsgröße. Ich kenne viele Unternehmen, die im B2B-Bereich stark von datengetriebenem Marketing profitiert haben, zum Beispiel ABB Electric, Syntex oder IBM. Nicht selten äußern Entscheidungsträger die Befürchtung, dass die verfügbare Datenqualität und -quantität nicht ausreichend sei, um datengetriebenes Marketing zu implementieren. Wie geht ihr damit um, und wie kann diese potenzielle Hürde genommen werden? Many people think data-driven marketing is mainly helpful for B2C and not as much for B2B. Is that correct? Well, it may be true that people think of B2C when they think data-driven marketing, but it is certainly not correct. Data-driven marketing works as well, and is at least as important, for B2B. As I mentioned, there are many analyses and models that are very focused on B2B challenges such as salesforce optimization and message targeting. There are many examples of companies in the B2B space who benefitted greatly from becoming analytics-driven: ABB Electric, Syntex, and IBM are just a few examples. A common concern is that quantity and quality of data is not sufficient. How do you handle that? And how do you overcome potential obstacles? Auch dies ist eine berechtigte Sorge, die datengetriebenes Marketing verhindert. Unternehmen, die datengetriebenes Marketing erfolgreich etablierten, haben diese Hürde genommen, indem sie von Anfang an eine Datenstrategie umsetzten. Eine Datenstrategie sollte drei Kernfragen beantworten: 1. Welche Daten werden benötigt? Viele Unternehmen beginnen alle möglichen Daten zu sammeln, weil sie merken, dass sie ihre Entscheidungen zukünftig über Daten validieren sollten ohne dabei überhaupt zu wissen, welche Daten letztendlich erfolgsentscheidend sind. 2. Welche Datenqualität benötige ich? Eine Datenstrategie muss sicherstellen, dass Daten die Anforderungen an Genauigkeit, Umfang, Zeithorizont und Aktualität erfüllen. 3. Wie werden durch Daten gewonnene Erkenntnisse in Entscheidungen mit einfließen? Gute Daten, kombiniert mit den besten Modellen, sind immer noch nutzlos, wenn keine Prozesse und Tools verfügbar sind, um Ergebnisse verständlich und nutzbar darzustellen. Ein Prozess, der Daten verschiedener Quellen miteinander abgleicht, ist beispielsweise von großer Bedeutung: Wenn Entscheidungsträger eine konsistente Again, a very valid concern that undermines smart use of data. Companies who win with datadriven decisions overcome obstacles to use by specifying and implementing a data strategy. First, the data strategy needs to focus on the business challenges that will be addressed. Too many companies realize they need to be more data-driven, so they just start gathering data without thinking about whether those data tie to key business decisions. Next, the strategy will ensure companies have the necessary data quality and quantity, including appropriate accuracy, scope, timeliness, and recency of information. Finally, a company has to plan for appropriate data usability. Good data along with great models and analyses are useless if processes and tools that make the data easy to understand and use are not in place. Also, having a process in place to reconcile multiple data sources is key if decision-makers see a consistent story, they feel confident in considering data in their decisions. State-of-the-art tools are computer simulators that allow decision-makers to play what if with all kinds of decisions with the ease of buttons and drop-down boxes. The key is to synthesize all the complexity of the modern data

9 9 I N S I G H T S 1 8 Story hinter den Daten erkennen, ist die Wahrscheinlichkeit hoch, dass sie die Erkenntnisse auch in Entscheidungen mit einfließen lassen. Computersimulationen können vielschichtige Was wäre wenn? -Entscheidungen mit einem Klick beantworten. Der Schlüssel zum Erfolg liegt darin, die Komplexität des Datenuniversums so zu reduzieren, dass wenige Kernindikatoren, gepaart mit entsprechender Managementerfahrung, Unternehmen dabei helfen, bessere Entscheidungen zu treffen. Sollte also jedes Unternehmen eine Datenstrategie haben? Wenn das Unternehmen in einer Ära des stetig zunehmenden globalen Wettbewerbsdrucks dauerhaft bestehen möchte definitiv ja! Viele der klassischen Wettbewerbsvorteile verschwinden zunehmend oder verlieren an Bedeutung. Ein tief gehendes Verständnis von Markt- und Kundenverhalten wird daher eine immer wichtigere Quelle für Wettbewerbsvorteile werden. Je mehr Unternehmen sich die Verfügbarkeit von Daten zunutze machen, desto schwieriger wird es für andere Unternehmen, ohne eine nachhaltige Datenstrategie mitzuhalten. Viele sagen, datengetriebenes Marketing wird Marketing als Disziplin akademischer und somit weniger kreativ und glamourös machen. Teilst du diese Meinung? Da bin ich ganz anderer Ansicht. Ein tief gehendes Verständnis potenzieller Kunden hilft, intelligentere Kreativentscheidungen zu treffen und Ideen, die einfach nicht funktionieren werden, frühzeitig zu erkennen. Stell dir vor, du hast über verschiedene Analysen herausgefunden, dass eine Autokäuferin viel Wert darauf legt, ihrer Familie Sicherheit bieten zu können, da sie sich so unterbewusst wie eine gute Mutter fühlt. Dann findest du heraus, dass ein starker Motor ein Gefühl von Sicherheit vermittelt. Das Kreativteam kann jetzt eine glamouröse Anzeige entwickeln, die genau dieses Bild vermittelt und nicht wieder einen mittelalten Mann zeigt, der deluge into simple indicators that decision-makers can combine with their business experience. Does that mean every company must have a data strategy? If they want to win in this era of global hyper competition, absolutely yes. Many traditional sources of competitive advantage have disappeared or lost their power, so getting key customer or market insights through data and analytics has become increasingly potent as a source of competitive advantage. And, as more companies build that advantage, the companies without a good data strategy will fall behind, and, eventually, die. A few people say data-driven marketing will make marketing more academic and less creative/ glamorous. Do you agree? Not at all. Using a deep understanding of our customers and potential customers that comes from data just helps us make smarter creative decisions, and helps us weed out those creative ideas that simply won t work, or won t work as well. For example, say we gather data that helps us understand that the deep motivation of a potential car buyer is to keep her family safe so she can feel like a good mother. Data s role is to give us that understanding. It may also tell us that those emotional needs are tied to the perception of a powerful engine. Now, instead of the team coming up with a creative, glamorous ad of a middle-aged man winding down a curvy road with the wind blowing in his hair, the team can come up with creative, glamorous ads that speak to the link between powerful engine and great handling to a mother keeping her family safe. We can also test the ads to see if viewers feel they communicate what we wanted to communicate. Then, the statistical models will tell us how much to spend on TV, how much to spend on radio, how much to spend on digital, how much to put into promotions to maximize sales. That doesn t mean that there aren t some real

10 DATA- D R I V E N M A R K E T I N G 10 irgendeine Küstenstraße entlangfährt. Über Marktforschung kann anschließend validiert werden, ob die Anzeige auch das erwünschte Produktimage kommuniziert. Schließlich kann sogar auf Basis historischer Kampagnenergebnisse eine optimale Budgetallokation über alle Kanäle errechnet werden. Natürlich kann es bei der Etablierung einer datengetriebenen Marketingkultur auch mal zu Komplikationen kommen, schließlich treffen hier zwei ganz unterschiedliche Kulturen aufeinander. In meiner Rolle als Marketingprofessor beobachtete ich, dass sich insbesondere intelligente und kreative Menschen, die wenig zahlenaffin sind, für eine Karriere im Marketing entscheiden. Selbst MBA-Studenten, die im Ruf stehen, eher quantitativ orientiert zu sein, möchten lieber keine komplizierten Formeln sehen. Auf der anderen Seite stehen dann die Analysten und Statistiker, die gern in Zahlen kommunizieren und dabei manchmal zu engstirnig sind und nicht alle Dimensionen einer Marketingentscheidung betrachten. Unternehmen, die es schaffen, eine Brücke zwischen diesen beiden Kulturen zu schlagen, werden im datengetriebenen Marketing erfolgreich sein. Einige Manager befürchten, dass datengetriebenes Marketing mit hohen Investitionskosten verbunden ist. Welche Erfahrungen hast du in dieser Hinsicht gemacht? Sicherlich ist datengetriebenes Marketing mit Investitionskosten verbunden, allerdings können auch schon ohne große Investitionen beachtliche Erfolge erzielt werden. Viele Entscheidungen können beispielsweise durch nicht besonders teure Erhebungsdaten fundiert werden. Studien haben gezeigt, dass Investitionen in datengetriebenes Marketing sehr rentabel sind. Trotzdem sollten Unternehmen vorsichtig sein. Hard- und Softwarehersteller sind gut darin, aus CRM-Anforderungen gigantische Investitionssummen zu errechnen, ohne dabei die versprochenen Erwartungen zu erfüllen. Vor zehn Jahren versprachen Vertreiber von CRM-Software, die Einführung ihrer Software ermögliche es, Trends und neue Geschäftsfelder frühzeitig zu identifizieren und so die Unternehmensperformance signifikant zu steigern. pitfalls waiting as we move to a data-driven culture. It is certainly the case that there can be a culture clash. One thing I saw as a Marketing Professor was that many people who go into marketing are smart, creative types who don t like numbers. Even MBAs, although more numbers-savvy, don t want to see Greek letters and equations. On the other hand, the data scientists and statistical analysts can feel more comfortable speaking numbers, and, they can be over reliant on statistics and analyses that may not capture all relevant aspects of a business decision. Companies that are able to gain competitive advantage in this area are the ones who can find a balance, supporting decisionmaking with data of all kinds including managerial gut, along with encouraging the creativity and glamour that make marketing great. Some managers fear that the implementation of data-driven marketing is associated with very high setup costs. What is your experience on that? There are certainly some costs, but companies can get a lot of value without gigantic investment. For example, many marketing decisions can be supported with survey data that are not terribly expensive to collect. Most companies are currently collecting data on their website, and all companies can look at such sources as Google Trends for the cost of training an employee to do it. Studies have shown that, across every industry, ROI on research is very high. That said, companies need to be careful. Hardware and software companies are good at leveraging these kinds of needs into gigantic investments that often break their promises. For example, a decade ago, CRM database and software salespeople insisted installing CRM would enable deep tracking of customer trends, sales trends, and opportunities which would subsequently produce dramatic performance improvements. Companies made huge investments, but 25% of CRM projects cannot quantify a specific business benefit, 47% of projects are considered an adoption fail. Only 16% measurably influence business performance. That said, if we go back to the idea of creating a

11 11 I N S I G H T S 1 8 Obwohl Unternehmen große Investitionen tätigten, konnten nur 25 % der CRM-Projekte einen Vorteil für das Unternehmen nachweisen, und fast 50 % der Investitionen wurden im Nachhinein als Fehler betrachtet. Nur 16 % der Projekte konnten eine Verbesserung der Unternehmensperformance nachweisen. Ich glaube, Unternehmen haben damals den Fehler gemacht, ohne eine nachhaltige Datenstrategie in teure CRM-Datenbanken zu investieren, die fortan alle möglichen Daten speicherten, ohne zu wissen, welche Daten wirklich relevant sind und für welche Zwecke sie verwendet werden sollen. Heute wissen wir, dass Investitionen in Unternehmensprozesse und Leute, die Daten sinnvoll interpretieren, genauso wichtig sind wie Investitionen in Infrastruktur. Sind Marketingmanager auf die Herausforderungen des datengetriebenen Marketings ausreichend vorbereitet? Das ist einer der entscheidenden Stellhebel, die über den Erfolg einer datengetriebenen Strategie entscheiden. Wenn wir einfach nur eine riesige Datenbank aufbauen, überfordern wir Marketingmanager. Man kann Managern nicht einfach sagen: Nutzt ab heute diese Datenbanken, da häufig die erforderlichen Analysekenntnisse nicht vorhanden sind. Viele Manager wurden nie in der quantitativen Analyse ausgebildet und sind nicht mit statistischen Methoden vertraut, die die Kernaussagen komplexer Datensätze extrahieren können. Für uns bei The Modellers ist es immer wieder eine Herausforderung, Talente zu finden, die sowohl Analytik als auch Business sprechen. Marketingmanager sollten ein Verständnis dafür entwickeln, wie sie Daten verwenden welche Daten genutzt werden können, welche Daten ein verzerrtes Bild abgeben, wie Daten im Kontext anderer Informationen gewichtet werden sollten und wie Daten letztendlich eine Entscheidung beeinflussen sollten. Das ist aber nicht so schwer, wie es jetzt klingt. Entscheidungsträger müssen einfach lernen, die richtigen Fragen zu stellen eine häufige Fehlerquelle liegt darin, dass ein Manager die Empfehlung eines Statistikers übernimmt, ohne die Hintergründe zu verstehen. Die dazu erforderliche Kommunikation kann aber mithilfe weniger neuer data strategy that ties every part of our plan to informing important business decisions, we won t install expensive data warehouses that are full of data that fail to improve performance. But, we will begin to invest in the infrastructure, systems, processes, and people that will help us profitably win. Do you think the average marketing manager is properly prepared for data-driven marketing? This is a key touch point where a data-driven strategy can fail if we just turn on a fire hose of data, we ll drown marketing and brand managers. It doesn t help to just tell people to use the data or leverage the data for recommendations. That person probably lacks sufficient skills in both data and analytics, and especially advanced analytics. Simply, most marketing managers haven t had much training in interpreting data and analytics, let alone in deciding which data and models should be synthesized to inform a decision. The hardest people for us to find here at The Modellers are MBAs who speak analytics and statistical analysts who speak business. The marketing and brand manager has to learn what to do with data which data should be used, which are biased, which shouldn t be used, how to weigh data with all their other information when they make marketing decisions. But it doesn t have to be as hard as you might think. Yes, that person needs to learn how to ask the right questions often, just taking a recommendation from a statistician or data scientist without understanding all the it depends part is a recipe for disaster. But all of that communication can be in plain businessspeak with a little new vocabulary thrown in. Think of a situation where a decision-maker asks someone in the organization for advice. Should we drop our price from $5.99 to $5.49? If that person said, yes, I think that would be a good idea, wouldn t the decision maker respond, why do you think that? In a traditional environment, the person might respond with many reasons, often supported by observations of the market or industry experience. In a data-driven environment, that person might mix that market observation

12 DATA- D R I V E N M A R K E T I N G 12 Vokabeln erlernt und ein Bestandteil der alltäglichen Geschäftssprache werden. Stell dir vor, ein Marketingmanager fragt jemanden im Unternehmen: Sollen wir unseren Preis von 5,99 auf 5,49 Dollar senken? Wenn die Person dann antwortet: Ja, das ist eine gute Idee, würde der Manager dann nicht fragen Warum? Im traditionellen Marketing würde die Person mit vielen Gründen antworten und diese durch Marktbeobachtungen belegen. Im datengetriebenen Marketing würde diese Person die Marktbeobachtungen mit präzisen Daten verbinden: Unsere Modelle sagen vorher, dass die Preissenkung unsere Verkäufe um 7 % und unseren Gewinn um 2 % steigern würde. Jetzt sollte der Marketingmanager folgende Fragen stellen: Woher kommen die Daten? Mit wem haben wir geredet? Was haben wir konkret gefragt? Wie funktioniert das Modell? Wie akkurat war dieses Modell in der Vergangenheit? Haben wir andere Datenquellen, die unser Ergebnis belegen? Folglich müssen sich Entscheidungsträger darauf einstellen, dass Antworten auf Warum-Fragen zukünftig von Daten und Analyseergebnissen untermauert werden. Welche Kompetenzanforderungen ergeben sich daraus an den Marketingmanager der Zukunft? Entscheidend wird sein, dass Manager aus ihrer Grundeinstellung heraus Daten in wichtige Entscheidungen mit einbeziehen. Marketingmanager brauchen daher offen gesprochen mehr fundamentales Marketingwissen. Ich habe schon Marketingdirektoren kennengelernt, die aus völlig anderen Disziplinen kamen und ihre Position bekommen haben, weil Leute dachten, man könne Marketing quasi on the job lernen. Das ist natürlich Quatsch! Würden diese Unternehmen jemanden mit einem Abschluss in Literaturwissenschaften zum Finanzvorstand machen? Vermutlich nicht und sie sollten denjenigen auch nicht zum Marketingvorstand ernennen. Da Statistik das Marketing mehr und mehr durchdringen wird, sollten Marketingmanager lernen, Analyseergebnisse zu interpretieren. Die fortgeschrittene Statistik können Entscheidungsträger ja den Analytikern überlassen, aber sie sollten verstehen, welche statistischen Methoden funktionieand industry experience with something more precise: we have collected data and run a model that shows our sales will go up 7% and profits up 2% if we do. Now, the marketing manager still needs to ask follow up questions: Where did the data come from? Who did we talk to? What did the questions look like? What kind of model was run? How accurate has that type of model been in the past? Do we have in-market data that shows the same kind of increase? Just smart questions. So, marketing managers need to learn some new skills and perhaps some vocabulary, but they re not that much different from their current ones in many ways. They just need to demand that the answers to their why questions are supported by data and intelligent analysis. From this perspective: What are the key skills marketing managers will need in the future? As I just mentioned, the real key will be an attitude to demand data support for recommendations. Also, frankly, many marketing and brand managers need more foundational marketing skills. Too often we see marketing directors or CMOs who come from completely different disciplines and the company just assumes that marketing is easy and these people can learn it on the job. Not so. Would you make someone with a literature degree the CFO? Probably not, and they shouldn t be a CMO either. As data scientists and analysts begin to permeate marketing, it will be helpful for marketing and brand managers to acquire more skills in knowing which advanced marketing research and advanced analytics should be used for answering various marketing problems and how the results should be interpreted. They can leave the advanced statistics to the numbers-types if they don t want to go there, but they need to understand which methods work, which don t, and what some of the caveats and assumptions are so they can use data in the smartest way possible and not be at the mercy of those who speak regression.

13 13 I N S I G H T S 1 8 ren und welche nicht, um nicht vollständig von den Leuten abhängig zu sein, die sich mit Regressionsanalysen auskennen. As you are founded in the US, do you think the strict European data protection laws could become a problem for data-driven marketing in the EU? Ihr habt eure Wurzeln in den USA glaubst du, die strikten europäischen Datenschutzgesetze könnten ein Problem für datengetriebenes Marketing in der EU werden? Viele Gesetzgeber der Europäischen Union scheinen die Wichtigkeit von datengetriebenem Marketing, Werbung und Recherche für die europäische Wirtschaft erkannt zu haben und nehmen dabei gleichzeitig den Schutz persönlicher Daten sehr ernst. Ich glaube nicht, dass europäische Regulierungen ein Hindernis im datengetriebenen Marketing darstellen. Die Datenschutzregulierungen in Ländern wie Deutschland sind zwar mit die striktesten der Welt, aber das hat kaum Einfluss auf die Verfügbarkeit der Daten, die wir für die meisten Fragestellungen benötigen. Wir unterscheiden zwischen drei verschiedenen Datenlevels : anonyme Daten, persönliche Daten und Pseudonym-Daten. Die meisten Entscheidungen können wir auf Basis von anonymen oder Pseudonym-Daten treffen, die nicht so strikt reguliert werden wie persönliche Daten. Nur die Implementierung von sehr zielgruppenspezifischer Werbung, die in den USA mittlerweile zum Tagesgeschäft gehört, könnte sich in Europa etwas schwieriger gestalten. Welchen Rat würdest du Marketingmanagern geben, die sich noch nicht selbst mit dem Thema beschäftigt haben, dies aber jetzt tun möchten? Datengetriebenes Marketing wird immer mehr zu einem Standard. Unternehmen, die sich mit diesem Thema auseinandersetzen, werden zukünftig die Märkte dominieren. Für Unternehmen, die das nicht erkennen, wird es schwer werden. Ich empfehle Unternehmen daher, gemeinsam mit einem Experten auf dem Gebiet des datengetriebenen Marketings eine übergreifende Datenstrategie zu entwickeln und diese in der Firmenkultur zu verankern. Most lawmakers in the EU appear to understand the importance of data-driven marketing, advertising, and research for the European economy, while at the same time taking the protection of personal data very seriously. So, it should not be the case that European regulations will be a big obstacle to creating a data-driven culture. The data protection laws in places like Germany are some of the strictest in the world, but still should not affect most of the data we need for most decisions. It s important to remember that there are three different kinds, or levels, of data we can collect: anonymous, personal, and pseudonymous data. We can power most of our marketing decisions with anonymous and pseudonymous data which are not regulated in the same way as personal data we just have a harder time with the kinds of very personally targeted marketing that is the norm in the digital space in the USA now. What advice would you give companies/managers that have not yet invested themselves into the topic of data-driven marketing and utilization of customer insights but want to change that now? Data-driven marketing is becoming the norm in the market. Companies that adopt it are the ones who will win in the future; companies who are slow to adapt will have a very hard time competing. So, work with a good provider to develop a data strategy, then begin to implement and to infuse your culture with a show me the data mentality. What advice would you give to the ones already doing it? Keep it up, even if it s a little painful here and there. Companies who discipline themselves and transform their cultures will be the companies that win.

14 DATA- D R I V E N M A R K E T I N G 14 Welchen Rat gibst du Firmen, die datengetriebenes Marketing bereits praktizieren? Weitermachen, auch wenn es hier und da zu kleinen Komplikationen kommt. Unternehmen, die sich selbst disziplinieren und datengetriebenes Marketing in ihrer Firmenkultur fest verankern, werden davon profitieren. Jeff, du und deine Firma sind absolute Experten im Bereich des datengetriebenen Marketings. Was war die wichtigste Lektion, die ihr gelernt habt? Aus meiner Sicht setzt datengetriebenes Marketing eine positive Grundeinstellung gegenüber Daten voraus. Man darf sich durch Daten nicht bedroht fühlen, man sollte offen dafür sein, neue Dinge über seinen Kunden, seine Ziele und seinen Markt zu erfahren. Man sollte für Erkenntnisse offen sein, die man nicht für möglich gehalten hätte oder die der eigenen Intuition widersprechen. Datengestützte Insights mögen nicht immer richtig sein, aber man wird in Summe weniger Fehlentscheidungen treffen. Diese Grundeinstellung ist der Weg zum Ziel. Jeff, you and your company have a very long experience with marketing methods and datadriven marketing. What is your most important lesson you have learned? I think that data driven marketing and analyticsdriven marketing requires a mindset. You can t be threatened by data; you have to be open to learn things about your market, your target, your customers. You need to be open to things you never knew or that may go against your gut feel. Data-driven insights are not always right, but you will make fewer mistakes, and make better decisions more often. Adopting that mindset is the way to win.