Direktmarketing im Zentrum digitaler Vertriebsstrategien Standortbestimmung und Key Learnings für Verlage Hamburg, September 2014
Im Zentrum digitaler Vertriebsstrategien steht zunehmend die Analyse komplexer Datenmengen. Quelle: Investorenpräsentation Zalando, 22. Mai 2014; Darstellung Schickler www.kinnevik.se/global/kinnevik Rocket CMD 2014/Zalando_Kinnevik Rocket CMD 2014 new.pdf Seite 1
Ist also Big Data das next big thing für digitale Vertriebsstrategien? Seite 2
Agenda. 1 Blick auf die Anwendungsrealität im Zeitschriftenvertrieb. 2 Blick über den Zaun: Was sagen die Experten? 3 Konkrete Ansätze für Verlage. Seite 3
Expertenbefragung VDZ und Schickler: Anwendungsrealität, Ausblick und Ansätze. Inputs Analyse Resultate Befragung VDZ-Mitglieder Experten- Interviews Expertise Schickler Quantitative / qualitative Auswertung Transparenz über die Anwendungsrealität in den VDZ-Verlagen Ausblick & Ansätze Welche Möglichkeiten bieten sich dem digitalen Vertrieb, und was muss geschehen? Seite 4
Blick auf die Anwendungsrealität im Zeitschriftenvertrieb. Seite 5
Das Potenzial aus der Kombination strukturierter & unstrukturierter Daten wird kaum ausgeschöpft. Strukturierte Daten 89% 78% Kundeninformationen (CRM) Externe Datenquellen Selbst generierte Daten Protokolldaten Transaktionsdaten Andere Unstrukturierte Daten 89% E-Mail Social Media Quelle: Befragung der VDZ AG Dialogmarketing, Juli-August 2014 Aktivitäten Freiform-Text Bild- / Bewegtbild Andere Seite 6
Auch online etablierte Anwendungen wie Targeting werden noch nicht intensiv genutzt. Werden Daten aus Direct Marketing zum Profiling / Targeting genutzt? Beispiele 33% Retargeting Scorecards Churn Prevention Keine Nutzung / Tests Operative Nutzung Quelle: Befragung der VDZ AG Dialogmarketing, Juli-August 2014 Seite 7
Realtime ist noch nicht weit verbreitet. Werden Echtzeit-Analysen durchgeführt? NEIN 90% JA 10% Quelle: Befragung der VDZ AG Dialogmarketing, Juli-August 2014 Seite 8
Die Verlage sind personell erst am Anfang, sich für Datenanalysen zu rüsten. Keine Analysten 30% 70% Einzelne Analysten (meist unter 5 Personen) Quelle: Befragung der VDZ AG Dialogmarketing, Juli-August 2014 Seite 9
Personell wird das Direct Marketing schon oft in die digitale Produktentwicklung einbezogen. Wird das Direct Marketing in die Produktentwicklung einbezogen? Direct Marketing 45% Ja! Digitale Produktentwicklung Quelle: Befragung der VDZ AG Dialogmarketing, Juli-August 2014 Seite 10
Es gibt aber noch wenig Rückkopplung von Daten in die digitale Produktentwicklung. Werden Daten aus Direct Marketing zur Produktentwicklung genutzt? Direct Marketing 20% Ja! Digitale Produktentwicklung Quelle: Befragung der VDZ AG Dialogmarketing, Juli-August 2014 Seite 11
Mehrheit der Verlage sieht Big Data als wichtigen Hebel, aber erst in ein paar Jahren. 80% 20% Ja, aber erst in den kommenden Jahren Ja, bereits heute Quelle: Befragung der VDZ AG Dialogmarketing, Juli-August 2014 Seite 12
Blick über den Zaun: Was sagen die Experten? Seite 13
1. THESE: Big Data ist bereits ein Erfolgsfaktor mit hohem Potenzial, auch für Verlage. Seite 14
Wo werden heute Big Data Ansätze bereits systematisch eingesetzt? Kündiger-Früherkennung Micro-Profiling Betrugserkennung Recommendation Engines Marketing Automation Dynamisches Pricing Quelle: Experteninterviews, BITKOM, Schickler Seite 15
Leistung von Big Data: Von BI-Erweiterung hin zu automatisierten Entscheidungen. Nutzen- Potenzial Entscheidungs- Automatisierung Entscheidungs- Unterstützung Reporting/ Transparenz Quelle: Experteninterviews, Schickler Komplexität Seite 16
Erst mit komplexeren Anwendungen entsteht direktes Umsatzpotenzial durch Big Data. Nutzen- Potenzial Indirekt KPI-Dashboards Pipeline- Management Direkt Profiling Targeting Direkt Emotion Analytics Marketing Automation Komplexität Quelle: Experteninterviews, Schickler Seite 17
2. THESE: Durch Big Data rücken Produktmangement und Direct Marketing zukünftig eng zusammen. Seite 18
Direct Marketing und Produktmanagement können von Daten gemeinsam profitieren. Inputs Nutzer- Feedback Sales- Daten Clickstream/ Nutzungsdaten Dialog: Was leiten wir aus den Daten für das Produktmanagement ab? Conversion- Optimierung Marketing Automation Outputs Social Media Quelle: Experteninterviews, Schickler Entwicklung neuer Produkte Seite 19
Data Driven Product Management wird für digitale Produkte zusehends Realität. Inputs Nutzer- Feedback Sales- Daten Clickstream/ Nutzungsdaten Trend: Automatische Optimierung Conversion- Optimierung Marketing Automation Outputs Social Media Quelle: Experteninterviews, Schickler Entwicklung neuer Produkte Seite 20
3. THESE: Verlagsorganisationen bieten meist noch nicht die notwendige Voraussetzungen. Seite 21
Klar ist: Der erste Wurf ist selten der große Erfolg. schneller Lernen Ideen Minimierung der Durchlaufzeit schneller Bauen Daten Code schneller Messen Quelle: Eric Ries; BIld: appclover Seite 22
Nur mit In-House Expertise kann man Big Data voll ausschöpfen. Verständnis für die Daten des Unternehmens und die Möglichkeiten von Big Data Data Scientist Übersetzung zwischen IT und Business Know-How Aufbau Außerhalb des IT-Bereiches angesiedelt Problem: Einen (guten + bezahlbaren) finden! Jetzt anfangen zu suchen Für erste Projekte externen Partner nutzen Quelle: Experteninterviews, Schickler Seite 23
ALLE THESEN: 1. 2. 3. Big Data ist bereits ein Erfolgsfaktor mit hohem Potenzial, auch für Verlage. Durch Big Data rücken Produktmanagement und Direct Marketing zukünftig eng zusammen. Verlagsorganisationen bieten meist noch nicht die notwendige Voraussetzungen. Seite 24
Konkrete Ansätze für Verlage. Seite 25
Für den Einstieg gibt es keinen Stein der Weisen. Structure first Mapping first Vorgehensmodelle Pilot first Quelle: Experteninterviews, Schickler Seite 26
Datenlandezonen einrichten. Structure first Vorgehens -modelle Mapping first Pilot first 0 0 1 1 0 1 Quelle: Experteninterviews, Schickler; Bild: dieschilder.de Seite 27
Den Daten-Dialog in Gang bringen. Structure first Wiederholen und intensivieren! 1 Kennenlernen: Wer macht eigentlich genau was? Mapping first Vorgehens -modelle Pilot first Gelerntes umsetzen: Ergebnisse in nächste Entwicklungszyklen einbringen 5 Daten-Dialog Direct Marketing Produktmanagement 2 Transparent sein: Daten des DM zur Verfügung stellen (Kampagnen) 4 Daten auswerten: In gemischten Teams produkt-bezogene Inputs aus Daten einer Kampagne holen 3 Verstehen helfen: Was messen wir? Wo kommen die Kampagnendaten her? Quelle: Experteninterviews, Schickler Seite 28
Data Scientist rekrutieren. Structure first Vorgehens -modelle Mapping first Pilot first IT-Verständnis (Datenbanken, Datenmanagement) Projektmanagement Business- Verständnis Junior (2-3 J.): über 60 TEUR Senior (10 J.): über 140 TEUR Quelle: Experteninterviews, Schickler Analytisches Verständnis (Reporting bis Machine Learning) Seite 29
Leuchtturmprojekt starten. Structure first Vorgehens -modelle Use Cases mit dem Management identifizieren. Mapping first Pilot first Leuchtturmprojekte auswählen. Klein denken! Piloten / Prototypen bauen: KISS beherzigen. In kurzen Iterationen schnell konkret werden. Aus dem Gelernten weitere Roadmap ableiten. Quelle: Experteninterviews, Schickler Seite 30
Vielen Dank - und viel Erfolg! Seite 31