Mehr Zeit für eine Kaffeepause? Data-Driven Marketing im B2B sorgt für mehr Aufwand, nicht weniger.

Data-Driven Marketing im B2B

Praxis-Tipps und Grundlagen zur Einführung von datengetriebenem Marketing.
Praxis-Tipps und Grundlagen zur Einführung von datengetriebenem Marketing.

Wie datengetrieben ist Ihr B2B Marketing, oder um es Neudeutsch zu formulieren: Betreiben Sie schon Data-Driven Marketing? Einer Umfrage von SparkToro zufolge, sollten Marketingbewerber als wichtigste Fähigkeit vor allem das Messen und Analysieren von Daten beherrschen. Wenn man dieser Studie Glauben schenken darf, ist die Zukunft im Marketing datengetrieben. Aber was ist das eigentlich, dieses Data-Driven Marketing, von dem im B2B und B2C gerade überall die Rede ist?

Die Antwort darauf ist vielschichtig, denn Daten kommen im Marketing in unterschiedlichster Form zur Anwendung. Wenn ich Marketer in B2B-Unternehmen frage, wo sie überall mit Informationen über Kunden arbeiten, kommen meistens Mailings, Newsletter und Messen bzw. Webinare zur Sprache. In der Regel sind es also Primärdaten, die bestenfalls im CRM-System gespeichert sind.

Grundlagen Data-Driven Marketing (nicht nur B2B)

Die gute Nachricht vorneweg: Sie müssen kein Informatiker oder Business Analyst sein, um Daten zu erheben und auszuwerten. Dennoch sind ein paar Grundkenntnisse notwendig, um datengetriebenes Marketing zu verstehen und umzusetzen.

Definition Data-Driven Marketing im B2B

Datengetriebenes Marketing (engl. Data-Driven Marketing) bezeichnet die Erfassung, Messung und Analyse von (Kunden)Daten im Marketing zur Gewinnung von Erkenntnissen, die als Grundlage für Entscheidungen dienen. Daten können primär (z.B. durch Befragung oder über Formulare) oder sekundär (z.B. durch Tracking) gewonnen werden. Mit Hilfe von Data-Driven Marketing können Kampagnen zielgerichteter und effektiver durchgeführt werden.

Analogie Data-Driven Marketing: Bienen sammeln statt Daten Nektar (Primärdaten) und gleichzeitig Pollen (Sekundärdaten)
Primär- und Sekundärdaten: Bienen sammeln bewusst Nektar und unbewusst Pollen

Primäre Daten im Data-Driven Marketing

Während in der Vergangenheit im Marketing oftmals ausschließlich mit Primärdaten gearbeitet wurde, geht es im datengetriebenen B2B-Marketing darum, diese Daten anzureichern. Denn Primärdaten können Sie nur direkt gewinnen, zum Beispiel durch telefonische Befragung oder das Ausfüllen eines Kontaktformulars auf der Website. Was Ihnen primäre Daten meist nicht verraten ist, wofür sich Ihr potenzieller Kunde wirklich interessiert und was er auf der Customer Journey erlebt.

Sekundäre Daten im Data-Driven Marketing

Genau an diesem Punkt kommen sekundäre Daten ins Spiel. Sie werden indirekt und oftmals ohne direkte Kenntnisnahme von Nutzer:innen gewonnen, also während des Surfens auf der Website Ihres Unternehmens oder auf LinkedIn oder bei einem Messebesuch. Ein Beispiel dazu: Nehmen wir an, ein Interessent füllt das Kontaktformular auf Ihrer Seite aus (und schickt Ihnen damit primäre Daten), surft aber anschließend noch einmal zur Produktseite zurück und lädt sich dort eine Broschüre herunter. Dann wäre das ja für den Vertrieb (und für das Marketing) eine wertvolle Information. Wenn Sie den Benutzer auf der Website identifizieren können und seine „Spur“ über die einzelnen Seiten verfolgen, vielleicht sogar über mehrere Besuche hinweg, dann ergeben sich daraus interessante Ansatzpunkte für Kampagnen und das Aktivieren von Interessenten entlang der Touchpoints.

Datenhaltung: Data-Lake oder Data-Warehouse?

Ganz egal, ob es sich um primäre oder sekundäre Daten handelt: Irgendwo müssen Sie die Daten speichern und zusammenführen. Während bis vor einigen Jahren noch das Modell des Data Warehouse mit einem Bestand an strukturierten und filterbaren Daten der Standard war, setzen sich vor allem im datengetriebenen Marketing sogenannte Data Lakes durch. Dabei handelt es sich um unterschiedlich große Pools mit Rohdaten, die Sie erst zusammenführen, bereinigen, anreichern und standardisieren sowie verifizieren müssen, um sie dann in Analysen auszuwerten. Sie sehen also, die einzige Gemeinsamkeit zwischen Data Lake und Data Warehouse besteht darin, dass Daten gespeichert werden.

Übrigens erlebe ich es in der Praxis oft, dass Daten lediglich in verstreuten Excel-Tabellen und/oder zentralen Adressbüchern verwaltet werden. Das ist im weitesten Sinne natürlich auch so etwas wie ein Data Lake, faktisch aber digitale Steinzeit. Data-Driven Marketing muss datenbankorientiert aufgebaut sein – anders lassen sich die vielschichtigen Informationen gar nicht bevorraten oder verarbeiten. Excel scheidet damit aus und das ist gut so.

Daten & Bewegungsanalysen: Nicht nur für Fußball nützlich, sondern auch für Messen und Events

Wo kann ich Data-Driven Marketing im B2B einsetzen?

Überall dort, wo Sie Daten primär oder sekundär erfassen oder wo Sie gewonnene Daten bzw. Analysen verwenden können.

Daten online gewinnen

Zu abstrakt? Kein Problem, ein Beispiel dazu: Sie sammeln primäre Kundendaten in Ihrem CRM, zum Beispiel in HubSpot. Nun haben Sie auf Ihrer Website ein interaktiv blätterbares PDF als Whitepaper hinterlegt und interessierte Nutzer:innen müssen sich mit ihrer E-Mail Adresse hierfür freischalten lassen.

Sobald die E-Mail Adresse über das Formular an Sie gesendet wurde, schaut das CRM nach, ob es zur E-Mail Adresse einen passenden Eintrag findet. Nehmen wir an, dieser ist vorhanden, dann wird die Information „Whitepaper XYZ heruntergeladen“ diesem Kundendatensatz hinzugefügt. Und es passiert noch mehr, wenn Sie es möchten: Sie können nun mit Hilfe von Cookies (sofern der Nutzer diese im Zuge der DSGVO erlaubt hat) oder Sessions ein User-Tracking vornehmen. Dann bekommen Sie mit, wofür sich die Person auf Ihrer Seite interessiert und auch diese Informationen werden im CRM für den spezifischen Eintrag hinterlegt. Sie haben also mit Hilfe der Abfrage primärer Daten zusätzliche sekundäre Daten gewonnen.

Daten in Offline-Medien generieren

Im zuvor geschilderten Beispiel gewinnen Sie Daten über Ihre Website. Wenn wir das Beispiel erweitern bzw. modifizieren, dann lässt sich der Prozess der Datengewinnung problemlos auch auf Offline-Medien erweitern. Nehmen wir also an, Sie bereiten die nächste Leitmesse vor. Auf Ihrer Website bieten Sie Interessenten und Kunden die Möglichkeit, einen Termin mit bestimmten Personen auf Ihrem Stand zu vereinbaren. Dafür müssen Kunden Ihre E-Mail Adresse und Mobilfunknummer hinterlegen, damit am Messetag eine SMS als Erinnerung versendet werden kann.

Abgesehen davon, dass Sie wiederum primäre Daten gewinnen und (wie oben) auch sekundäre Daten ab hier einspeisen können, erreichen Sie noch etwas mehr, wenn Sie Ihren Messestand mit Tracking-Methoden aufpimpen. Sie wissen ja, welche Person zu welcher Zeit an welchem Ort sein wird. So können Sie verfolgen, für welche Bereiche des Messestandes sich die Person interessiert (Tracking, also sekundäre Daten). Zudem gewinnen Sie weitere primäre Informationen aus dem Gespräch. Die Gesamtheit der Informationen (Website, CRM, Messe-Tool, Event-Tracking) fließt in einem Data-Lake zusammen. Von dort aus können Sie die Informationen dann strukturieren, filtern, aufbereiten und analysieren.

Netflix Markteinführung in Frankreich: Ein Erfolg dank Data-Driven Marketing

Wie hilft Data-Driven Marketing bei der B2B-Kommunikation?

Die vorhergehenden Beispiele illustrieren, wie Sie Daten gewinnen können. Das ist ohne Frage wichtig und zudem höchst spannend, besonders im Hinblick auf die Analyse der Daten. Wie lassen sich die gewonnenen Daten nun im B2B-Marketing verwenden? Netflix beispielsweise hat mit Hilfe von datengetriebenem Marketing den Launch seiner Marke in Frankreich vorbereitet und sehr erfolgreich durchgeführt. Dort wurden schon recht fortgeschrittene Ansätze für Data-Driven Marketing genutzt, die im B2C durchaus bereits weit verbreitet sind, im B2B aber bisher noch kaum oder gar nicht genutzt werden.

Programmatic Advertising: Data-Driven Marketing in der Werbung

Das Thema Programmatic Advertising ist nicht neu, aber im Zusammenhang mit B2B-Werbung immer noch ein echter Geheimtipp. Wirklich interessant wird Programmatic aber erst im Zusammenspiel mit Dynamic Creative Optimization. Dabei werden Bannervorlagen für Display Ads automatisiert in Echtzeit und auf Basis von Daten befüllt und in A/B-Tests gegeneinander antreten gelassen – vollautomatisiert und ohne manuellen Eingriff. Und alles zur Optimierung der Klickrate und zur Minimierung des Cost per Click (CPC). Mit Hilfe von Plattformen, wie AdPresso, lassen sich auf diese Weise Zielgruppen, Daten und Gestaltungsvorlagen/-vorgaben miteinander zu personalisierten Anzeigen kombinieren.

Ein Beispiel dazu: Nehmen wir an, Sie haben drei Bannervorlagen, dazu zwei Textvarianten (einmal Deutsch, einmal Englisch) und 23 Zielgruppen, die sich aus der Kombination mit Analysedaten ergeben, dann sind das 3 x 2 x 23 Varianten, also bereits 138 personalisierte Anzeigen. Anstatt also 138 Anzeigen von Hand zu bauen, können Sie diese mit DCO vollautomatisch erstellen und mit Programmatic Advertising bestmöglich ausspielen lassen – immer perfekt auf die Zielgruppe abgestimmt. Und die Anzeige mit der besten Klickrate wird jeweils weiterverwendet, die mit einer niedrigen fällt heraus. So wetteifern Ihre jeweils besten Anzeigen um den niedrigsten CPC.

Digital Creative Optimization: Datengetriebene Erstellung von Werbeanzeigen im B2B-Marketing
Dynamic Creative Optimization: Data-Driven Marketing für dynamisch generierte und personalisierte Anzeigen

Personalisierte Landingpages

Analysedaten können Sie aber auch auf Landingpages anwenden, um diese zu personalisieren. Was für Anzeigen funktioniert, geht also auch für andere (digitale) Werbemittel. Mit ähnlichen Taktiken, wie zuvor geschildert, können Sie Landingpages für dynamisch generierte Anzeigen erstellen und diesen zuweisen. Auf diese Weise finden sich die Inhalte der Anzeige auf Ihrer Landingpage wieder und sorgen auf diese Weise im Idealfall für bessere Konversionsraten.

Doch auch die Inhalte der Landingpages selbst können Sie dynamisch erstellen und testen. Ein exzellenter Startpunkt für Optimierungen von Landingpages und Tests ist das kostenlose Google Optimize. Damit können Sie – ganz ohne Programmierkenntisse – die Inhalte einer Webseite klonen und von Text, bis Farbe und Reihenfolge alles auf der Seite ändern. Und der Clou dabei: Sie können mehrere Varianten anlegen und diese gegeneinander testen, ohne dass Benutzer etwas hiervon mitbekommen. Das Ergebnis wird in Google Analytics festgehalten und ausgewertet. Auf diese Weise sehen Sie, welche Landingpage besser performt und welche Sie besser nicht verwenden. Das ist zwar nicht die vollautomatische Version, aber in der Praxis meiner Ansicht nach völlig ausreichend und ein echter Zugewinn im Hinblick auf Growth Marketing.

Analyse: Voraussetzung für Data-Driven Marketing

Ohne das Auswerten und Analysieren von Daten ist ein datengetriebenes Marketing nahezu unmöglich. Ich kenne (zu) viele B2B-Marketer, die vor dem Begriff „Analytics“ zurückschrecken und selbst bei Tools, wie Google Analytics, zusammenzucken oder gar resignieren und die Excel mehr hassen als täglich zwei Stunden im Stau zu stehen. Dabei sind die ersten Schritte im Bereich Datenanalyse mit ein wenig logischem Denken zu bewerkstelligen und schon steht die Tür zum Data-Driven Marketing weit offen. Aber wie die eingangs erwähnte Studie von SparkToro bereits zeigte, wird eine neue Generation von Marketern heranwachsen, für die Datenanalyse und datengetriebenes Marketing im B2B völlig normal sind.

Bevor Sie also an den gewonnenen Daten verzweifeln, beginnen Sie doch einfach mal mit einem A/B-Test für Anzeigen und/oder Landingpages. Testen Sie für zwei Wochen, welche Variante besser funktioniert. Anschließend hören Sie nicht auf, sondern testen die Siegervariante gegen eine modifizierte Variante oder eine ganz neue. Schon gewinnen Sie weitere Daten, oder Sie nutzen sogar Erkenntnisse aus gewonnenen Daten für die Veränderung. Voilà, schon sind Sie mitten im datengetriebenen Marketing.

Data-Driven Marketing im B2B und die vier Evolutionsstufen der Analyse
Vier Stufen Modell der Datenanalyse, von historischen zu zukünftigen Ereignissen

Predictive Analytics: Empfehlungen für Data-Driven Marketing

Natürlich sind der Analyse keine Grenzen gesetzt. Sie können Daten mit immer neuen Daten verknüpfen, mit Ausschlüssen arbeiten, Kreuzverbindungen ziehen und Tests durchführen. Daten generieren immer neue Daten und führen Sie immer weiter in die richtige Richtung. Vorausgesetzt Sie folgen dem Optimierungsgrundsatz und testen immer gegen den vorherigen Gewinner und stoppen, wenn keine Verbesserung mehr erzielt werden kann.

Irgendwann auf dem Weg zum datengetriebenen Marketing werden Sie in Ihrer B2B-Marketingabteilung an den Punkt stoßen, wo Logik alleine nicht mehr reicht, sondern profundes mathematisch-statistisches und analytisches Denken notwendig wird. Dann sollten Sie darüber nachdenken, einen Analytiker oder Business Analyst einzustellen. Aber dann haben Sie mit Data-Driven Marketing ohnehin schon so viele Erfolge gefeiert, dass Ihnen diese Stelle bewilligt wird. Damit stehen dann neue Möglichkeiten offen.

Vielleicht sogar der Griff nach Predictive Analytics, also der Vorhersage von wahrscheinlich eintreffenden Ereignissen im Hinblick auf Ihre Kunden. Denn in den Daten der Vergangenheit stecken auch Wahrheiten für die Zukunft – Sie müssen sie nur finden.

Beispiele für Data-Driven Marketing (leider ohne B2B)

Wie erfolgreich Data-Driven Marketing sein kann, zeigen erfolgreich umgesetzte Projekte – die meisten davon aktuell noch im B2C-Bereich. Nachfolgend habe ich einige dieser Best-Practice Praxisbeispiele zusammengetragen und kommentiert.

Datengetrieben: A/B-Test bei der New York Times

A/B Tests bei der New York Times

Überraschend ist es nicht, dass Publikationen mit A/B-Tests arbeiten. Ungewöhnlich ist höchstens, dass es so offen und zugegeben wird, wie im Fall der New York Times. Die Zeitung führt in ihren Online-Beiträgen A/B-Tests mit den Schlagzeilen durch. Während die Hälfte der Leser eine bestimmte Schlagzeile sieht, wird der anderen Hälfte eine alternative Schlagzeile präsentiert. Jeder Test läuft für rund eine halbe Stunde. Am Ende des Tests verwendet die New York Times dann jene Schlagzeile, die mehr Leser angezogen hat. Die Zielgröße in diese Fall ist die Clickthrough Ratio (CTR) pro Headline und der Testzeitraum mit 30 Minuten bei einem Traffic von rund 100.000 Nutzern pro Stunde (70 Millionen Uniques pro Monat) mehr als ausreichend für ein aussagekräftiges Ergebnis. So sehen gut 25.000 Nutzer dann Variante A und etwa die gleiche Anzahl die Variante B. Die Gruppe, die häufiger klickt, bestimmt die Headline für alle weiteren Anzeigen des Artikels.

BuzzSumo analysiert 100 Millionen Überschrift

Es muss nicht immer ein A/B-Test sein. Auch mit aggregierten Daten lassen sich interessante Analysen durchführen, die dann zu Erkenntnissen führen. So hat BuzzSumo als einer der führenden Dienstanbieter für das Tracking von Online-Interaktionen für unterschiedliche Arten von Content rund einhundert Millionen Artikelüberschriften analysiert. Dabei sind verschiedene Kennzahlen herausgekommen, wie beispielsweise die perfekte Überschriften-Länge oder welche Schlagzeilen bei Twitter und Facebook das meiste Engagement erzielten. Solche Werte lassen sich auch für das eigene Blog als Kennzahl errechnen und für die Erfolgsmessung im Content Marketing heranziehen. In diesem Fall steht die Betrachtung von nicht direkt messbaren Werten im Vordergrund der Datengewinnung und wie sich diese mit direkt messbaren Werten kombinieren lassen, um Mehrwert zu erzeugen.

GreenPal: Das Uber für Rasenpflege setzt auf Data-Driven Marketing

Personalisierte Anzeigen als Erfolgsmodell bei GreenPal

GreenPal ist so etwas wie das Uber für die Rasenpflege, zumindest laut eigener Aussage. Wenn Sie also Ihren Rasen nicht selbst mähen wollen, dann ist GreenPal in den USA Ihr Dienstleister. Vor einiger Zeit schaltete das Unternehmen lokale Online-Displayanzeigen in Nashville, die laut Bryan Clayton, dem CEO von GreenPal, mit über einem Prozent Klickrate einen mehr als guten Wert erzielten. Dennoch wollte der Rasenpflege-Spezialist es nicht darauf beruhen lassen und stellte sich die Frage, wie man die Anzeigen kontextbezogener und für den Betrachter relevanter gestalten kann?

GreenPal recherchierte soziodemographische Daten, wie durchschnittliches Einkommen sowie Immobilienpreise und Grundstückswerte im Gebiet von Nashville. Das Team um Bryan Clayton identifizierte mit East Nashville ein aufstrebendes Stadtviertel, das laut demographischer Daten besonders preissensitiv ist. Mit einer Displayanzeige, die „Rasenmähen ab 20 US-$“ bewarb und gezielt auf spezifische Postleitzahlen und demographische Merkmale zugeschnitten war, erzielte das Unternehmen eine 200-prozentige CTR-Steigerung und eine um 30 Prozent verbesserte Konversionsrate auf der zugehörigen Landingpage.

Durch das Anreichern von Primärdaten mit Sekundärdaten konnte bei diesem Data-Driven Marketing Ansatz eine bessere Zielgruppenansprache erreicht werden. Zusätzlich könnte man hier auch noch Wetterdaten hinzuziehen, denn niemand möchte bei schlechtem Wetter über seinen Rasen nachdenken. Oder vielleicht gerade dann – warum also nicht daraus ein Experiment machen und es testen?

Data-Driven Marketing: Sind Sie datenaffin?

Hand aufs Herz: Wie datenaffin sind Sie wirklich? Nutzen Sie im B2B-Marketing bereits die oben genannten Möglichkeiten und wenn ja, in welchem Ausmaß? Ich kenne wirklich nur sehr wenige B2B-Unternehmen, die Daten für Ihre Kommunikation einsetzen und von den Möglichkeiten eines Data-Driven Marketing Gebrauch machen. Dabei ist gehört die Zukunft jenen, die keine Angst vor Zahlen, Daten und Fakten haben. Früher ist man ins Marketing gegangen, um Mathematik aus dem Weg zu gehen. Die Folgen erlebe ich jeden Tag: Es wird mit Bauchgefühl und Erfahrungswerten argumentiert, nicht aber mit belegbaren Zahlen und den zugehörigen Experimenten. Gerade im Online-Marketing drängen sich Zahlen, Daten und Analysen geradezu auf, selbst wenn ich kein Verfechter von Performance Marketing in Reinkultur bin.

Insbesondere die zuvor genannten Best Practice Beispiele für Data-Driven Marketing sollten jeden B2B-Marketer ermutigen, konsequenter und mutiger in diese Richtung zu denken und zu handeln. Eine Anzeige mit Sekundärdaten anzureichern und zu verbessern ist genauso einfach, wie diese Daten zu recherchieren. Dazu braucht es kein Mathematik- und Statistikstudium und keine Ausbildung als Business Analyst. Die ersten Schritte in Richtung eines datengetriebenen Marketings sind Logik und Experimentierfreude. Und mit den ersten Resultaten kommt der Spaß an weiteren Experimenten und Daten von ganz alleine – jeder Weg beginnt mit dem ersten Schritt. Und dann mit einem weiteren. Ganz agil.

Sie können sich in zahlreichen Blogs, Büchern und Kursen in Richtung Data-Driven Marketing weiterentwickeln. Bei der Bitkom gibt es einen Zertifikatskurs zum Data-Driven Marketing Professional, den ich selbst erfolgreich durchlaufen habe. Gerade für Einsteiger werden hier wichtige Inhalte vermittelt, aber auch für Fortgeschrittene gibt es tiefgreifende Ein- und Ausblicke von Dozenten, die allesamt aus der Praxis kommen und ihr Wissen weitergeben.


Takeaway (TL;DR)

  • Beginnen Sie damit, Begriffe rund um Data-Driven Marketing zu verstehen.
  • Oder lesen Sie Blogs und Bücher bzw. besuchen Sie einen Kurs.
  • Sammeln Sie zunächst primäre Daten und reichern diese mit sekundären Daten an.
  • Stellen Sie Hypothesen auf und sammeln bzw. kombinieren Sie Daten, um diese zu belegen.
  • Werten Sie die gesammelten Daten für Kampagnen (Werbung, Newsletter, etc.) aus.
  • Messen Sie die Ergebnisse und verbessern Sie weiter, ganz im Sinne des Growth Marketing.
  • Folgen Sie Best Practice Beispielen.
  • Seien Sie experimentierfreudig und neugierig.

Bildquellen

Während meiner zwanzigjährigen Laufbahn hatte ich das Privileg, zwei Unternehmen erfolgreich zu gründen, zu leiten und zu veräußern. Ich habe Events etabliert, Geschäfsmodelle (weiter)entwickelt und andere Kulturen und Lebensweisen kennengelernt. Im Laufe meiner Marketing-Karriere wurde meine Arbeit mehrfach ausgezeichnet. Seit mehreren Jahren halte ich Vorlesungen und Vorträge über Marketing, Web-Technologien und das Internet of Things.