Neo Tech Blog

NEO TECH LBLOG - Praxis-Techblog für IT, Web und Mobile

Teil 3: Exemplarisches Anwendungsfeld von Big Data-Analysen: Customer Journey

1 Kommentar

Ein Anwendungsfeld von Big Data-gestützten Entscheidungen ist die Customer Journey, die im Folgenden näher betrachtet wird. Über die Customer Journey wurde hier schon ausführlich berichtet, so dass die wesentlichen Begriffe als bekannt vorausgesetzt werden. Nachdem sich im Online Marketing die Erkenntnis durchgesetzt hat, dass die Cookie-Dropping Methode („Last cookie wins“) eine transparente Auswertung der realweltlichen Zusammenhänge nicht zuträglich ist, ist die Customer Journey in den Mittelpunkt des Interesses gerückt. Hier gab es zunächst ein geschäftsmodellgetriebenes Erkenntnisinteresse: Steuert ein Unternehmen die Marketing-Budgetierung nur durch Auswertung der Endpunkte seiner Eingangskanäle (und damit ohne Korrektur des „Last cookie wins“-Effekts), dann kann es eine Zeitlang optimieren, erreicht aber relativ schnell den Punkt der Sättigung, so dass nur mit exponentiellem Investitionsaufwand positive Effekte erzielt werden können. Wird dagegen mit Hilfe einer Big Data-Analyse die vollständige Customer Journey betrachtet, so existieren wesentlich größere Optimierungs- und Steuerungsmöglichkeiten für das Marketingbudget. Statt wie bisher den Großteil des Marketingbudgets etwa in SEO-Maßnahmen zu stecken, wird das Budget auf die anderen Onlinemarketing-Kanäle (Display, SEA, Affiliate) verteilt. Optimierung der aus der Verteilung resultierenden Reichweite (und damit auch letztendlich der Konversion) ist Ziel der Analyse.

Explorativer Ansatz von Big Data garantiert Agilität

Dem Erkenntnisinteresse an der Customer Journey stehen zunächst nicht vorhandene Erfahrungen und nicht implementierte Methoden gegenüber. Um einen Wettbewerbsvorteil aus der Customer Journey Analyse zu gewinnen, ist aufgrund der hoch volatilen Onlinemärkte Zeit ein wesentlicher Erfolgsfaktor. Die neuen Methoden müssen also agil und unter Zeitdruck entwickelt werden, für ein Wasserfallmodell bleibt keine Zeit. Hier ist der explorative Ansatz von Big Data ideal. Es müssen keine starren und möglicherweise zeitraubenden Change Prozesse eingehalten werden. Im Idealfall ist der explorative Ansatz schon im Unternehmen etabliert und geübt, sodass die Analyse und Steuerung sehr schnell erfolgen kann.

Weiter lesen: Teil 4: Big Data im E-Commerce

Zurück zu Teil 2: Big Data und Business Intelligence
Zurück zu Teil 1: Anleitung zum Bergen des Datenschatzes für Onlinehändler

Holger Düwiger

Autor: Holger Düwiger

Holger Düwiger ist CTO der Neofonie GmbH. Seit über 15 Jahren beschäftigt er sich mit technologiegetriebenen Innovationen. Sein Interesse gilt besonders innovativen Ansätzen und Konzepten, bei denen das Internet und Daten im Fokus stehen. Als CTO und Intermediär zwischen Business und Technologie, sorgt er dafür, dass Innovationen im Sinne des Businessnutzens anwendbar werden. Holger ist diplomierter Mathematiker der TU Berlin.

Ein Kommentar

  1. Pingback: Teil 2: Big Data und Business Intelligence – Gemeinsamkeiten und Unterschiede | Neo Tech Blog

Schreibe einen Kommentar

Pflichtfelder sind mit * markiert.