Big Data im Marketing (eBook)

Torsten Schwarz Dr. Torsten Schwarz, Fachautor, Seminartrainer, Berater. Er ist Experte für Online Marketing und entwickelt für Unternehmen Strategien zur Integration von Online-Marketing in den klassischen Marketing Mix.

Cover 
1 
Inhaltsverzeichnis 7
Einleitung – Big Data im Marketing 13
1 Dialoge in Zeiten des Internets der Dinge 21
1.1 Das Internet der Dinge wird Realität 21
1.2 Das Internet der Dinge führt zu neuen Herausforderungen 24
1.3 Wie soll der künftige Marketingmix beschaffen sein? 26
1.4 Neue Anforderungen an das Marketing der Zukunft 29
1.5 Fazit 29
2 Big Data, ein Missverständnis? Oder: Warum Daten erst sprechen, wenn man über sie spricht. 30
2.1 Algorithmen als Geschäftsmodell 31
2.2 Die digitale Überforderung 31
2.3 Die trügerische Kraft des Algorithmischen 32
2.4 Digitaler Echtzeithandel: Finanzmarkt und Werbemarkt 34
2.5 Von Menschen und Maschinen 34
3 Big Data: Daten sammeln, aggregieren, analysieren, nutzen 37
3.1 Einführung 38
3.2 Use Cases für Big Data 41
3.3 Technologie zur Handhabung von Big Data 44
3.4 Wie man Big Data nutzen kann 49
3.5 Zusammenfassung und Ausblick 53
4 Streaming Analytics: Management in Echtzeit 57
4.1 Streaming Analytics 57
4.2 Mehrere Modelle bei komplexen Problemen 59
4.3 Anwendungsbeispiele 61
4.4 Planung und Realisierung 64
4.5 Fazit 66
5 Von der Webanalyse zur Digitalen Intelligenz 68
5.1 Big Data in der Analyse 69
5.2 Business Intelligence als integriertes Gesamtkonzept 70
5.3 Der Gartner Hype-Cycle innerhalb digitaler Information 77
5.4 Positionierung von Analytics im Unternehmen 79
5.5 Investition in Fachkräfte und Synergien 80
5.6 Quo vadis Analyse, quo vadis Intelligence? 81
6 Marketing und IT im digitalen Zeitalter: Liebesheirat statt Zwangsehe! 84
6.1 Die veränderte Rolle des Marketing: Digitale Kundenerfahrungen stehen im Mittelpunkt 84
6.2 Erfolgreiche Digitalisierungsstrategien in Zusammenarbeit mit der IT: Fünf Tipps für Marketingentscheider 87
7 Denken in Seen, nicht in Silos 93
7.1 Zielbild: Eine neue und alltägliche Umgangsform? 94
7.2 Ausgangslage: Die etablierte Umgangsform scheitert 96
7.3 Sammeln 99
7.4 Verwalten 103
7.5 Verwerten 104
7.6 Ein verändertes Mindset 105
8 Always-On – eine Wunschvorstellung? 107
8.1 Gefühlte Wirklichkeit versus Realität 107
8.2 Globale Ergebnisse im Überblick 108
8.3 Weltweite Selbstüberschätzung 109
8.4 Wer führt den Markt an? 111
8.5 Hilfe zur Selbsthilfe 113
9 Offensive im Datenschutz 117
9.1 Was bedeutet Data-driven Marketing für die Verbraucher? 117
9.2 Datenschutzaufsichtsbehörden sind weltweit besorgt 118
9.3 Die Lösung – wie versuchen die Gesetze die Verbraucher zu schützen? 119
9.4 Das Verbraucherinformationsportal Aboutthedata.com 119
9.5 Die Selbstdatenauskunft 120
9.6 Margaret Smith und ihre Daten 121
9.7 Die Struktur der Auskunftsinformation 121
9.8 Die Hauptkategorien im Detail 122
9.9 Die Reaktionen 124
9.10 Zu Datenschutz und der Ära von Big Data 126
10 Passende Inhalte an die richtigen Empfänger 128
10.1 Mailing, Newsletter und „einmal das Internet bitte“ 128
10.2 Direktmarketing 2.0 129
10.3 Eine Plattform – tausend Möglichkeiten 131
10.4 State of the Art – leider 132
10.5 Konzert der Systeme 133
10.6 Erfolg – reich? 134
10.7 Willkommen in der Matrix 135
10.8 Digital – mir egal? 136
10.9 Social Media – für fast alle 136
10.10 „Wir machen jetzt Big Data!“, „Ja, wir auch!“ 138
10.11 Automatisierung in kleinen Schritten 138
10.12 Daten und ihre Summe 140
10.13 Max Mustermann soll zurückkommen 141
10.14 Vorbereitung und Standards sind alles 142
10.15 Glaskugel und Kaffeesatz 143
11 Programmatic Advertising und Real Time Bidding 144
11.1 Was hat Big Data mit der Anzeige von Werbebannern zu tun? 144
11.2 Die technische Evolution vom Ad-Server zum Programmatic Advertising 145
11.3 Vorteile für Werbekunden und konkrete Anwendungsfälle 148
11.4 Programmatic Advertising als Nucleus für Marketingautomation der zweiten Generation 149
11.5 Herausforderungen 150
11.6 Ausblick 152
12 Tag Management – so werden Sie Herr über die Customer Journey 153
12.1 Was versteht man unter der Customer Journey? 153
12.2 Erfolgsrezepte für die übergreifende Messung von Customer-Journey-Daten 154
12.3 Tag Management als Alternative zu „vollintegrierten“ Marketing-Cloud-Lösungsansätzen 155
12.4 So funktioniert Tag Management 156
12.5 Eine neue Generation von MarketingMiddleware4 161
12.6 Die Marketingverantwortlichen können nicht warten 162
12.7 Kundendaten im Sinne eines Mehrwerts für die Kunden nutzen 163
12.8 Marketing Performance steigern und gleichzeitig Kosten sparen 164
12.9 Von Produktivitätssteigerungen zu einer betriebsnotwendigen, erfolgskritischen Middleware 165
13 Big Data und Social Media Analytics 166
13.1 Social Media Analytics 166
13.2 Ein Konzept zur Analyse von Social Media 168
13.3 Konstruktion eines Bewertungsrahmens 170
13.4 Der Facebook-Ansatz 171
13.5 Conversions 176
13.6 Sammeln, speichern und auswerten 177
14 Optimierung digitaler Touchpoints 179
14.1 Warum müssen digitale Touchpoints optimiert werden? 180
14.2 State-of-the-Art-Optimierungen – Wie werden digitale Touchpoints aktuell optimiert? 182
14.3 Digitale Touchpoints und Big Data 187
14.4 Der Weg zur 1:1-Kundenbeziehung – Optimierungslösungen mit Big Data 189
15 Customer Lifecycle und Customer Value – mit optimierten Daten zu optimierter Kundenkommunikation 198
15.1 Die Bedeutung von Big Data im modernen Marketing 198
15.2 Der Customer Lifecycle – Basis für die Kundenkommunikation 199
15.3 Optimale Ansprache durch Kundenwertberechnung 201
15.4 Effektive Kommunikationsstrategien mittels Kundenwert und -lebenszyklus 206
16 Big Data für Webshops 209
16.1 Erfolgsfaktoren eines Webshops 210
16.2 Big Data für Webshops scheitert früh: falsche Strategie und Fehlerquellen 210
16.3 Optimierung der Website durch Big Data 212
16.4 Einsatz von Big Data bei der Preisgestaltung 216
16.5 Sortiment und Big Data 219
16.6 Service und Big Data 220
16.7 Customer Relationship Management (CRM) mit Big Data 220
16.8 Onlinemarketing und Big Data 222
16.9 Image und Big Data 224
16.10 Big Data in der Technik 224
16.11 Prozesse und Big Data 225
16.12 Organisation und Mitarbeiter Know-how für Big Data 226
16.13 Zusammenfassung 227
17 Kunden und kausale Zusammenhänge verstehen 228
17.1 Die Ansprüche des Kunden sind gestiegen 228
17.2 Kundenverhalten prognostizieren 229
17.3 Der Gewinn liegt im Preis: Dynamic Pricing 229
17.4 Zusammenhänge zwischen Preis und Kaufverhalten aufdecken 230
17.5 Immer vernetzt, immer online… 230
17.6 Leistungsstarke Software 231
17.7 Kausalitäten beim Katalogversand 231
18 Amazon, das zahlengetriebene Unternehmen 233
18.1 Big Data – oder „Sexy Little Numbers“ 234
18.2 Amazon, Google und die Werbung 236
18.3 Und der „klassische“ Einzelhandel? 238
19 Data-driven Marketing in der Gaming-Branche 241
19.1 Spiele für alle – kostenlos 242
19.2 Eine Menge Daten 244
19.3 Der Weg des Kunden 245
19.4 Maximale Relevanz für den Kunden 247
19.5 Verhaltensgesteuerte und durch Events ausgelöste Kampagnen 248
20 Data Driven Advertising bei Google und Facebook 251
20.1 Das Google-Modell 251
20.2 Google-Werbung innerhalb der AIDA 256
20.3 Werbeausgaben pro Zeiteinheit 258
20.4 Real Time Bidding – Das Google-Modell in tausend Teilen 259
20.5 Facebook – Exhibitionismus als Teil des Systems 265
20.6 Die technologische S-Kurve 269
21 Big Data im Marketing: Rechtliche Eckpunkte 272
21.1 Einführung 272
21.2 Rechte an den Datenbanken und den Erkenntnissen 273
21.3 Datenschutzrecht 274
22 Regulatory Challenges for Big Data 310
22.1 The New Data Protection Regulation 310
22.2 Main Direction and Key Provisions Impacting Business 311
Die Autoren 314
Stichwortverzeichnis 319

Wie der Einsatz von Big Data den Umsatz steigert und die Profitabilität von Webshops verbessert

Olaf Grüger

Aktuell gibt es alleine in Deutschland ca. 500.000 Webshops. Nur welche sind unter betriebswirtschaftlichen Gesichtspunkten wirklich erfolgreich? Professionell betriebene Webshops sind in der Regel schnell gewachsen und suchen nach dem „next big thing" oder dem nächsten einfachen Trick. Beides ist äußerst selten. Stattdessen liegen die wirklichen Potenziale zur Umsatzsteigerung sowie zur Kostenreduktion häufig in der Optimierung der vorhandenen Prozesse, der Allokation der Ressourcen sowie der Kombination und Analyse von vorhandenen Daten.

Marken und Hersteller haben dabei andere Anforderungen an Big Data für Webshops und deren Anwendung als Multi-Channel-Händler oder Pure-Player (Unternehmen, die nur online verkaufen). Letztere sind zu unterscheiden in:

• Spezialisten für Produktkategorie, Sortiment oder Nische (windeln.de, fahrrad.de etc.)
• Generalisten (Amazon.de, Otto.de etc.)
• Shopping Clubs (vente-privee.com, buyvip.com, brands4friends.de etc.)

Daten oder Big Data sind die Basis für die zielgerichtete Steuerung und Optimierung von B2B- und B2C-Webshops, um den Umsatz zu steigern und die Profitabilität zu verbessern. Anhand der Erfolgsfaktoren eines Webshops werden im Folgenden die Einsatzmöglichkeiten von Big Data an einigen Beispielen erklärt. Wie diese im Einzelfall priorisiert werden, ist pro Webshop zu entscheiden, da auch die Voraussetzungen, Ressourcen und Ziele bei jedem Webshop individuell sind.