Digital Analytics: was sie sind und wie sie Marketingaktivitäten verbessern können

Um das in Daten eingebettete Wissenskapital zu nutzen, müssen Unternehmen die Leistungsfähigkeit und Genauigkeit der Datenanalyse in ihre Marketingstrategie integrieren.

Digitale Technologien und Systeme zur Verfolgung von Online-Verhalten und -Interaktionen erzeugen eine enorme Menge an Informationen, die wir jetzt mit einer nie zuvor erreichten Tiefe und Granularität analysieren können. Diese Aktivitäten des Messens, Sammelns, Analysierens und Berichtens sind digitale Analysen , Prozesse, die heute entscheidend dafür geworden sind, wie Unternehmen und Institutionen funktionieren, insbesondere in Informationskontexten, in denen wir alle, Unternehmen und Verbraucher, buchstäblich von Informationen überschwemmt werden.

Digital Analytics wird verwendet, um verschiedene Arten von Geschäftsproblemen zu lösen, und betrifft jeden Aspekt des Geschäfts: von der Finanzierung bis zum Betrieb, von der Personalabteilung bis zum Marketing (kaskadierend durch alle Geschäftsabteilungen). Heutzutage sind alle Parteien, die in verschiedenen Funktionen auf einem Markt interagieren – Unternehmen, Einzelpersonen, Agenturen, Vermittler – auch Verbraucher (und Produzenten) von Digital Analytics.

Auf Unternehmensseite spielt Digital Analytics heute eine Schlüsselrolle bei der Entwicklung von Customer-Experience-Management- Strategien. Wenn das Kundenerlebnis die Gesamtheit der Interaktionen mit Kunden ist, sowohl offline als auch online, vom ersten Kontakt bis zur Kundenbindung, ermöglichen digitale Analysen, diese Verhaltensweisen einzeln und als Ganzes zu verstehen und zu optimieren, und liefern die Erkenntnisse, die für ein personalisiertes Design erforderlich sind Kundenerlebnisse.

Bevor wir erklären, wie sich Digital Analytics auf Marketinginitiativen auswirkt, lassen Sie uns eine grundlegende Definition geben, um alle Zweifel zu klären.

Was ist digitale Analyse?

Der Begriff „Digital Analytics“ bezieht sich auf alle Prozesse des Sammelns, Organisierens und Interpretierens von Daten, die nativ digital sind oder in eine digitale Form übersetzt werden und die im Laufe der Verbraucher-Marken-Interaktionen während der gesamten Customer Journey produziert werden.

Digital Analytics kann verwendet werden, um die Leistung verschiedener Marketingaktivitäten zu messen und zu bewerten und Unternehmen die Erkenntnisse zu liefern, die sie benötigen, um die effektivsten Kommunikations- und Verkaufsaktionen zu gestalten. In diesem Sinne sind Digital Analytics sowohl Datenanalyseaktivitäten als auch die Ergebnisse dieser Analysen.

Digital Analytics macht Daten verständlich, indem sie sie in Form von Metriken zurückgibt , Zahlen, anhand derer Unternehmen (und insbesondere Vermarkter) in der Lage sind, ihre Handlungen zu messen, zu quantifizieren und ihnen Bedeutung zu verleihen, einschließlich operativer Bedeutung. Ist der Inhalt wirksam? Welcher Kanal bietet die beste Leistung? Ist die Kampagnenleistung zufriedenstellend? Digital Analytics ermöglicht die Beantwortung dieser Fragen (und vieler mehr) und gibt Marketing- und Vertriebsteams einen umfassenden Überblick darüber, wie Leads und Kunden mit der Marke interagieren.

Digital Analytics-Aktivitäten liefern nützliches Wissen für Unternehmen, die es nutzen, um ihren Marketingstrategien Stärke und Genauigkeit zu verleihen und die Beziehung zu ihren Kunden effektiver und langlebiger zu gestalten, indem sie sich einen Trend zur Personalisierung zunutze machen, der in letzter Zeit an Stärke gewonnen hat Jahre.

Methoden und Inhalte, die Marken verwenden, um Beziehungen zu Kunden aufzubauen – Online-Videos, Suche, Display-Anzeigen, soziale Medien – liefern Analysten eine Fülle von Daten darüber, wie Kunden selbst digitale Kanäle nutzen, um ihre spezifischen Kauf- und Konsumagenden zu verfolgen.

Um zu wissen, wie man den Erfolg einer Kunden-Geschäfts-Beziehung bewertet und die Customer Journey versteht, ist ein Framework erforderlich, das für die Analyse von Datenflüssen geeignet ist. Dies ist vielleicht der wichtigste Aspekt der Datenanalyse innerhalb digitaler Marketing-Workflows: die Fähigkeit, die gesammelten Informationen in einen umfassenden, konsistenten und aussagekräftigen Bericht umzuwandeln.

Während die Möglichkeiten für die Datenanalyse – und die Erwartungen an ihre Vorteile – mit der Entwicklung der Technologie sprunghaft gewachsen sind, ist die Allgegenwart der Datenanalyse, die wir heute genießen, das ursprüngliche Produkt der technologischen Veränderungen im letzten halben Jahrhundert, aber das war der Fall nicht aus dem Nichts und plötzlich entstehen. Um ihre Ideen auszudrücken, analysiert und nutzt die Menschheit seit Jahrtausenden Daten.

Um zu verstehen, was Digital Analytics ist und wie es Marketingaktivitäten verbessern kann, wollen wir versuchen, einen breiteren Überblick über unsere Beziehung und Interaktion mit Daten zu geben und sie aus einer historischen Perspektive zu betrachten.

Kurze menschliche Geschichte der Datenanalyse: Ideen mit Daten ausdrücken

Wenn es Daten schon immer gegeben hat, können wir eine lange Frühphase ausmachen, die vor einigen Jahrzehnten mit der Erstellung digitaler Daten endete. Eine 7.000-jährige Geschichte, die in den bescheidensten Formen begann – einfache Karten, die zur Dokumentation und Beschreibung der Welt verwendet wurden – und sich zu der modernen Praxis entwickelt hat, die wir heute kennen und sich auf Statistik, Medizin, Politik und viele andere Bereiche erstreckt. Eine Disziplin, die im Laufe der Jahrhunderte nach und nach neue Fähigkeiten hinzugefügt, sich ständig ändernde kritische Probleme angegangen ist und sich schließlich, in den Worten von Kevin Hartman (der Director of Analytics bei Google war und jetzt auch bei Google Chief Analytics Evangelist ist) als „ eine ausgewogene Mischung aus Kunst und Wissenschaft.“

• Schon vor 1600 unterstützten geometrische Diagramme und Karten die Navigation und Erkundung. Das 17. Jahrhundert sah die Entwicklung der analytischen Geometrie, Theorien der Wahrscheinlichkeitsmessung und der politischen Arithmetik. Im 17. Jahrhundert schufen Künstler neue grafische Formen, um Vorstellungen auszudrücken und Phänomene zu beschreiben, selbst sehr komplexe.
• Zwischen 1800 und 1849 produzierten industrielle Innovationen zunehmende Informationsströme, die in einer geordneten und verständlichen visuellen Form zurückgegeben werden mussten. Die zweite Hälfte des 19. Jahrhunderts wird von vielen als goldenes Zeitalter der Datenanalyse angesehen, mit seinen grafischen Innovationen von unvergleichlicher Schönheit.
• Die frühen Jahrzehnte des 20. Jahrhunderts waren die „dunklen Zeiten“ der Datenanalyse, in denen der Enthusiasmus des vorigen Jahrhunderts durch eine Haltung der generischen Einhaltung von Formalitäten ersetzt wurde.
• Ab 1950 wurden neue Impulse in der Forschung zu Werkzeugen und Methoden der Datenanalyse verzeichnet , insbesondere zu Visualisierungstechniken, die eine fortschreitende Demokratisierung von Daten ermöglichten. Die Entwicklung von interaktiven Computersystemen und hochdimensionalen Daten ging bis 1994 unvermindert weiter: Computer und Anwendungen erzeugten effektive und außerordentlich leistungsfähige Bilder, indem sie immer größere Mengen an Informationen verarbeiteten und das bereits gewonnene Wissen über die Visualisierung von Daten nutzten.
• Nach 1994 , als die erste digitale Bannerwerbung eingeführt wurde, wuchs die Internetnutzung rasant. Während in den Vereinigten Staaten 1994 weniger als 5 % der Nutzer im Internet surften, waren es 2014 75 % und 2019 fast 90 % (Quellen: Nielsen Online, ITU, PEW Research und Internet World Stats). In den 20 Jahren zwischen 1994 und 2014 (als das Internet und die großen Plattformen ihre volle Reife erreicht hatten) wurde nicht einfach ein weiterer Kommunikationskanal hinzugefügt: Der technologische Wandel führte zu einer Veränderung in der Struktur der Beziehung zwischen Marken und Verbrauchern , die es den Verbrauchern ermöglichte online auf eine Weise interagieren, die offline strikt ausgeschlossen war. In dieser Zeit vollzog sich der Wechsel von der Ausstrahlung in traditionellen Medien zu Narrowcasting in digitalen Kanälen . Unternehmen konnten sich mit Analysetools ausstatten, die wie nie zuvor Informationen über das Verbraucherverhalten sammeln und sich auf innovative Methoden zur Messung und Bewertung von Marketinginitiativen verlassen konnten.

Zu wissen, wie sich die Datenanalyse entwickelt hat, ist wichtig, weil es Aufschluss darüber gibt, wie weit sie zu den Computeranwendungen gekommen ist, die heute datenbasierte Inhalte und Bilder erzeugen. Die frühe Geschichte der Datenanalyse endet mit der Schaffung von Digital Analytics, die wiederum die Phase des Informationszeitalters einleitet, in der wir heute leben (Quelle: Digital Marketing Analytics: In Theory And In Practice, Kevin Hartman).

Wie man Digital Analytics im Marketing vollumfänglich nutzt: von Googles ZMOT bis McKinseys CDJ

Heute leben wir in einem historischen Moment, in dem eine Phase in der Geschichte der Datenanalyse verwirklicht und eine andere eingeläutet wurde, in der Digital Analytics und Datenanalyse nun absolute Relevanz in der Unternehmenskommunikation, im Marketing und in der Werbung erlangt haben.

Die Verbreitung von Berührungspunkten im gesamten Trichter hat die Interaktionsmöglichkeiten vervielfacht, wodurch die Nachfrage nach immer genaueren Analysen in die Höhe geschossen ist. Der Zugang zu Informationen hat zugenommen, ebenso wie die Verfügbarkeit mobiler Geräte. Unternehmen haben die digitale Transformation ihres Geschäfts vorangetrieben, indem sie in Digital Analytics investiert haben, mit dem Ziel , Ordnung in extrem chaotische Informationsumgebungen zu bringen und Geschäftsprozesse zu optimieren.

Daten sind zur wertvollsten Ressource für jeden geworden, der eine Entscheidung trifft oder zu beeinflussen versucht, einschließlich für Verbraucher, die aktiv online nach Informationen suchen, um ihre Entscheidungen zu unterstützen.

Von der Nutzung von Personal Computern in den 1980er Jahren über die Verbreitung des Internets in den 1990er Jahren bis hin zum unglaublichen Erfolg von Smartphones in den 2000er Jahren haben sich die Wege, die Menschen während ihrer Akquisitionsreisen verfolgen, und die Art und Weise, wie Marken mit Kunden interagieren, radikal verändert geändert. Um dieser neuen Dynamik einen Rahmen zu geben, haben Unternehmen begonnen, bestimmte Rahmen als theoretische Rahmen zu übernehmen, in denen sie Digital Analytics platzieren können, dank derer sie Verhaltensweisen, die immer weniger leicht zu kategorisieren sind, Bedeutung verleihen können.

Zero Moment of Truth: Wie Google den Moment der Verbraucherentscheidung festhält

Im Jahr 2011 führte Google das Konzept des „Zero Moment of Truth“ ein, um das Zeitintervall zwischen dem Entstehen eines Bedürfnisses und dem Anreiz, Lösungen zu seiner Befriedigung zu suchen, und dem „First Moment of Truth“, der Situation, die dem entspricht, zu bezeichnen nach dem dreistufigen Modell von P&G immer dann, wenn Verbraucher sich zwischen alternativen Angeboten entscheiden müssen. Mit ZMOT beabsichtigte Google, die unberechenbare und verzweigte Natur der Logik einzufangen, die moderne Einkaufsentscheidungen vorantreibt, wobei die Verbraucher mit viel mehr Informationen bewaffnet zum Regal kommen: von Produktbewertungen, die auf einer spezialisierten Website gelesen werden, bis hin zu einem Facebook-Konto aus einer persönlichen Erfahrung mit diesem Produkt, vom Tweet einer Berühmtheit darüber, dass er sich in diese Marke und ihre Dienstleistungen verliebt hat, bis hin zu den Tausenden von Anzeigen und Empfehlungen, denen wir jeden Tag ausgesetzt sind.

Der Zero Moment of Truth ist eine Momentaufnahme dieser chaotischen und weitgehend unvorhersehbaren Überschneidung von Informationsflüssen, durch die Verbraucher navigieren, um ihre spezifischen Ziele zu erreichen, schnell von einer Quelle zur anderen zu wechseln und sich fließend zwischen der Online- und Offline-Welt zu bewegen. Digitale Analysen sind unerlässlich, um solche nichtlinearen Fahrten zu berücksichtigen.

McKinseys Customer Decision Journey: Entscheidungsfindung unter dem Mikroskop

Die Customer Decision Journey (CDJ) von McKinsey versucht, die systemübergreifenden Einflüsse, die auf Verbraucher während ihres Kaufprozesses ausgeübt werden, zurückzugeben. Insbesondere werden die kritischen Momente identifiziert, die Verbraucher vor dem Kauf erleben. Digital Analytics ermöglicht es, diese Situation der Unentschlossenheit und des Versuchs und Irrtums in eine Reihe von Eingaben zu übersetzen, die Vermarktern nützliche Erkenntnisse für die Entwicklung und Umsetzung ihrer Strategien liefern. Die Customer Decision Journey besteht aus mehreren Schritten, von denen jeder eine bestimmte Phase im Entscheidungsprozess darstellt. Bei jedem Schritt erhalten Marken immer genauere Informationen über ihre Beziehung zu Verbrauchern, die Analysten nutzen können, um ihr Wissen über ihre Zielgruppe zu erweitern und zu artikulieren. Der CDJ macht es möglich, die Logik hinter jeder Customer Journey zu erkennen, unabhängig davon, welches Produkt bewertet wird.

Digital Analytics ermöglicht den Aufbau profilierter und aussagekräftiger Kundenerlebnisse

Während die theoretischen Rahmenbedingungen inzwischen unter Praktikern weithin bekannt sind, werden auch Datenanalysetechnologien immer zugänglicher , sowohl aufgrund der Fortschritte bei Open-Source-Tools als auch aufgrund der Präsenz qualifizierter Partner , die Unternehmen bei der Implementierung und gewinnbringenden Nutzung komplexer und strenger Computerlösungen unterstützen können.

Neben dem technologischen Element hat auch das wirtschaftliche, soziale und kulturelle Umfeld einen starken Einfluss auf die Nachfrage nach Datenanalyse ausgeübt. Die Suche nach Lösungen, die Unsicherheitszustände reduzieren können, und die Notwendigkeit einer größeren Rechenschaftspflicht von Unternehmen haben zur Entstehung digital basierter Geschäftsmodelle beigetragen und dem Einsatz von Digital Analytics erhebliche Impulse gegeben.

Ein auf digitaler Analyse basierender Vermarkter, der in der Lage ist, mit verschiedenen Medien und Kanälen zu jonglieren, arbeitet jetzt mit der enormen Menge an Informationen, auf die Unternehmen Zugriff haben , Informationen, die aus einer Vielzahl verschiedener Quellen stammen, sowohl proprietär als auch von Drittanbietern. Verhaltens-, Kontext-, psychografische, demografische und geografische Daten und die Ergebnisse weniger unmittelbarer Messungen wie die Kundenzufriedenheit mit einer Marke werden verwendet, um jeder Interaktion mit der Marke eine operative Bedeutung zuzuordnen und aus dieser Interpretation eine profiliertere und aussagekräftigere Konstruktion zu erstellen Erfahrungen.