Personalisierung ist im E-Mail-Marketing häufig gleichbedeutend mit der persönlichen Anrede. Dass sich so kein Blumentopf gewinnen lässt, sollte sich zwischenzeitig rumgesprochen haben. Echte Personalisierung bis hin zum „Segment of One“ bleibt für viele Marketer eine ferne Vision.
Dabei mangelt es überhaupt nicht an der benötigten Technologie. MarTech Provider übertrumpfen sich fortlaufend mit ihren Verheißungen von der One-to-One-Kommunikation. Was fehlt sind jerdoch zwei Dinge: Know-how und Daten.
Ja, es ist ein langwieriges Unterfangen, die Voraussetzungen für datengetriebenes CRM und E-Mail-Marketing zu erschaffen. Viele Entscheider schielen dann lieber auf die Low-hanging-Fruits oder KI-Tools, die vermeintliche Lösungen bringen. Fakt ist aber, dass E-Mail-Marketing ohne relevante bloß ein Distributionskanal ist.
Doch immer mehr Wettbewerbern gelingt es, den Kunden zur richtigen Zeit über die richtige Information oder Leistung anzubieten (Next-best Action Marketing). Weil sie langfristig denken.
Das Fehlen an Daten liegt vor allem daran, dass es keine Strategie gibt. Also keinen Plan darüber, welche Daten auf lange Sicht benötigt werden und wie man an sie rankommen möchte. Stattdessen werden nach Bauchgefühl irgendwelche Informationen im Newsletter-Anmeldeformular abgefragt. Weil irgendwer irgendwann mal meinte, dass diese nützlich sein könnten.
Tatsächlich ist es mit Tools heutzutage sehr einfach, Daten zu generieren. Da ist die Verlockung groß, einfach mal loszulegen. Das Problem: Ohne ein strategisches Ziel werden selten wirklich wertvolle Daten generiert. Sondern allenfalls jene, die kurzfristig nützlich sind.
Was ist eine Datenstrategie?
Eine Datenstrategie ist ein Fahrplan, mit dessen Hilfe aus einem Unternehmen eine datengetriebene Organisation entstehen soll. Vor allem für große Unternehmen mit unzähligen Datensilos ist so eine Fahrplan unverzichtbar. Zu groß ist die Komplexität. Zu verkrustet sind die Strukturen.
Erarbeitet wird so eine Strategie sowohl von der IT als auch von den potenziellen Nutzern der
Daten. Und das macht es etwas kompliziert, denn die Pain Points der Stakeholder sind sehr unterschiedlich. Die IT macht sich Gedanken um Datenschutz, Datensicherheit und Datenhygiene. Im Controlling träumt man von Kostenersparnissen. Im Marketing und Sales von einer 360-Grad-Sicht des Kunden.
Ganz gleich, ob es bereits eine übergreifende Datenstrategie gibt oder nicht: Es lohnt sich das Entwickeln einer speziellen Datenstrategie für das E-Mail-Marketing und CRM. Denn hier gelten spezielle Anforderungen.
DSGVO und Datenschutz
Im Marketing haben wir mit persönlichen Daten zu tun. Von Kunden und auch von Nicht-Kunden. Die Erhebung und Verarbeitung von personenbezogenen Daten müssen nach dem Zweckbindungsgrundsatz der DSGVO erfolgen. Daten dürfen also nur für eindeutige und legitime Zwecke erhoben und verarbeitet werden.
Erschwerte Generierung neuer Daten
Vor allem Daten über Nicht-Kunden zu generieren ist zeitaufwendig. Denn niemand gibt gerne viel über sich preis. Darüber hinaus verhindert Schutzsoftware auf dem Client oft die Erhebung von Daten. Kurzum: Es kann sehr viel Zeit vergehen, bis valide Entscheidungen auf Basis von Daten möglich sind.
Kurze Halbwertszeit
Im Marketing haben viele Informationen nur eine kurze Halbwertzeit. Interessiert sich der Kunde heute für ein bestimmtes Produkt, kann das in einem Monat wieder ganz anders sein. Selbst eine E-Mail-Adresse ist irgendwann nicht mehr gültig. Daten müssen also fortlaufend aktualisiert und gepflegt werden.
Datentypen im Hinblick auf die Quelle
Der strategische Nutzen ist besonders groß, wenn Daten aus erster Hand kommen und ohne Umwege und Verzögerungen zur Verfügung stehen. Die Rede ist insbesondere von First-Party Data. Dabei handelt es sich um Informationen, die Unternehmen über ihre eigenen Kanäle aus Interaktionen von Kunden erfassen. Typische Quellen sind die Website, E-Commerce-Shops, Apps, soziale Medien, E-Mail usw. Schwerer zu generieren, aber wertvoller ist Zero-Party Data. Das sind Daten, die Kunden bewusst und proaktiv mit einer Marke teilen. Dazu gehören Bestelldaten oder die Angaben aus einer Newsletter-Anmeldeformular.
Die anderen Datentypen verlieren im Marketing zunehmend an Bedeutung. Vor allem aus Datenschutzgründen. Und generell ist es natürlich erstrebenswert, nicht auf fremde Informationsquellen angewiesen zu sein.
Welche Vorteile hat eine Datenstrategie für das E-Mail-Marketing?
1. Datenfokus
Eine Strategie sorgt dafür, dass über alle Abteilungen und Kanäle hinweg gezielt die wirklich relevanten Daten generiert und genutzt werden. Dieser Fokus führt zu mehr Effizienz, einer höheren Datenqualität und spart somit wertvolle Ressourcen.
2. Bessere CX
Der für das Marketing größte Vorteil ist, früher als Wettbewerber eine herausragende Customer Experience zu ermöglichen. Denn die Daten werden vor allem zu diesem Zweck zusammengeführt und genutzt.
3. Transparenz
Eine dokumentierte Datenstrategie erleichtert die Kommunikation zwischen Marketing, Sales, IT und exzternen Dienstleistern. Es ist jederzeit einsehbar, wie das anvisierte Ziel erreicht wird. Auch die Verantwortlichkeiten sind klar geregelt. Reibungsverluste werden somit minimiert. Und Fehler werden minimiert.
4. Einfachere Implementierung
Eine Datenstrategie ist technologieneutral. Sie beschreibt aber die Anforderungen an eine geeignete Lösung, mit der das E-Mail-Marketing umgesetzt werden soll. Somit ist sie eine Hilfe beid er Auswahl und der Einrichtung (z.B. Marketing Cloud oder CDP) einer Technologie.
In 5 Schritten zur Datenstrategie für das E-Mail-Marketing
I. Ziele definieren
Im ersten Schritt geht es darum, Ziele zu bestimmen. Zum Beispiel, Kontakte so segmentieren zu können, dass sie passgenau mit Angeboten und Content versorgt werden können.
II. Datenpunkte bestimmen
Nun geht es darum, die benötigten Daten zu identifizieren. Welche Voraussetzungen müssen auf Datenseite erfüllt sein, damit sich das Ziel umsetzen lässt.
III. Datenmodell bestimmen
Im dritten Schritt wird ein logisches Datenmodell entwickelt. Dieses beschreibt die relevanten Entitäten, Attribute und deren wechselseitige Beziehungen.
IV. Ergänzende Modelle entwickeln
Auf das Datenmodell bauen weitere Modelle auf, die zur Segmentierung oder gar Personalisierung genutzt werden können. Häufig sind das Propensity Models oder Attribution Models. Es macht aber Sinn, klein anzufangen. Modelle funktionieren selten auf Anhieb so, wie man es sich das vorstellt.
V. Roadmap entwickeln
Die Roadmap ist ein Fahrplan, welche die verschiedenen Taktiken zur Datengenerierung beschreibt. Zum Beispiel ein mehrstufiges und Anmeldeformular. Auch die Verantwortlichkeiten sollten spätestens an dieser Stelle geklärt werden.
Das Ergebnis
Sobald eine Technologie auf Basis der Datenstrategie eingerichtet wurde, kann die Roadmap abgearbeitet werden. Dazu müssen an verschiedenen Stellen ggf. noch Feinkonzepte entwickelt werden, bevor die technische Umsetzung erfolgen kann.
Die Reise hin zum tatsächlich datengetriebenen Marketing kann sich durchaus mehrere Monate oder gar Jahre hinziehen. Umso wichtiger ist es, dass der Fortschritt permanent überprüft wird. Darüber hinaus ist es wichtig, Modelle frühzeitig zu optimieren, wenn sie nicht funktionieren. Auch wenn dazu Änderungen am Datenmodell notwendig sind.
Fazit
