Business Intelligence: Fundament des Direkt-Marketing

Business Intelligence: Grundpfeiler fürs Direktmarketing

Starten wir mit einer einfachen Frage: Was ist Direktmarketing? Beschäftigt man sich ein bisschen mit den Definitionsversuchen der Branche und der Wissenschaft, scheint es zwei Methoden zu geben, den Begriff Direktmarketing zu fassen.

Die erste Methode fasst Direktmarketing ganz praktisch als die Anwendung von Direktmarketinginstrumenten zusammen. Schauen wir uns die wichtigsten Instrumente einmal an. Dazu ziehe ich die Aufstellung heran, die der Direkt-Marketing-Monitor der Deutschen Post regelmäßig veröffentlicht. Nach deren Aufstellung sind von den 75 Mrd EUR Werbemarkt in Deutschland gut ein Drittel der Verwendung von reinrassigen Direktmarketing-Werkzeugen zuzurechnen. Dies sind personalisierte Mailings, die Entwicklung und Pflege der Unternehmens-Webseite, Online-Marketing, Call Center, Postwurfsendungen und E-Mail-Marketing.

Aber: Diese Begriffsbestimmung über Aktivitäten und Maßnahmen ist nicht sehr trennscharf und führt zumindest zu Widersprüchen:

  • Ist ein Serienbrief an einen großen PR-Verteiler Direktmarketing, nur weil er als personalisiertes Mailing verschickt wird? Ist die Webseite eines Unternehmens Direktmarketing? Ist ein Call Center Direktmarketing, wenn er der Bearbeitung von Kundenbeschwerden dient?
  • Ist dagegen ein TV-Spot, der mich auffordert, eine Webseite aufzurufen kein Direktmarketing? Ist der Reisekatalog, der einer Zeitschrift beigelegt ist, kein Direktmarketing?

Schauen wir uns die zweite verbreitete Möglichkeit an, das Themenfeld Direktmarketing zu definieren und zwar die Sichtweise der Betriebswirtschaft. Aus der Vielzahl von Definitionen kristallisieren sich einige Aspekte heraus. Demnach sei Direktmarketing …

  • … die Herbeiführung einer definierten Reaktion
  • durch Nutzung von Kommunikationsmedien,
  • um Interaktion und Kundenbeziehungen herzustellen und zu vertiefen.
  • Diese Maßnahmen sind messbar.

Dazu muss angemerkt werden: Jede zielorientierte Maßnahme soll eine definierte Reaktion herbeiführen. So gut wie gar nichts funktioniert ohne Kommunikationsmedien – siehe Telefon, Internet, Rundfunk. Die zentrale Interaktion zwischen Unternehmen und Kunde heißt Kaufprozess – und auch den fokussieren irgendwie alle Marketing-Maßnahmen. Und auch den Anspruch der Messbarkeit teilen sich die meisten Marketing-Maßnahmen und Sie können sicher sein, dass die Response-Messung auf Mailings z.B. nicht wesentlich genauer ist als ein Copy-Test bei Werbung, der Recalls und Recognitions ermittelt. Die Zuordnung konkreter Kundenhandlungen auf einzelne Lieferantenmaßnahmen im Sinne einer Kausalkette ist in der Regel nicht möglich.

Anstatt Direktmarketing über Aktivitäten zu definieren oder als spezielles Kommunikationswerkzeug zu beschreiben, mache ich einen anderen Vorschlag, der m.E. besser begründbar ist, der sich begriffshistorisch nachvollziehen lässt und der vor allem auch der betrieblichen Realität näherkommt.

Man sollte Direktmarketing als das bezeichnen, was es tatsächlich ist: Das Marketing für den Absatz der Leistungen eines Unternehmens direkt an seine Kunden – d.h. ohne Einschaltung von Intermediären.

Was ist die größte Branche in Deutschland, die ausschließlich ihre Leistungen direkt an die Verwender verkauft? Es ist der Handel. Er nutzt keine Intermediäre, sondern hat direkt den Kontakt zum Endkunden. Dazu passt gut, dass der Begriff Direktmarketing im Handel erfunden wurde, und zwar bei den Händlern, die nicht über Ladengeschäfte, sondern über Kataloge verkaufen. 1872 erfand Aaron Montgomery Ward den Distanzhandel und gilt damit als Begründer der direkten Vermarktung – unter Ausblendung des örtlichen Einzelhändlers, der zuvor der einzige war, der den direkten Kontakt zum Kunden hatte. Und noch heute gilt: alle Marketingaktivitäten, die Handelsorganisationen betreiben, sind darauf ausgerichtet, eine direkte Interaktion mit dem Kunden zu erzielen: Nämlich dass der Kunde an der Kasse seinen Geldbeutel zückt.

Neben dem Handel sind auch andere Branchen fast ausschließlich als Direktvermarkter organisiert, z.B. die Investitionsgüterindustrie, Zulieferer, Freiberufler, Bauhauptgewerbe, Dienstleister, Gastronomie. Sie alle vermarkten ihre Leistung direkt an den Kunden. Sie alle machen Direktmarketing – ob sie wollen oder nicht. Und Sie nutzen dabei im Schwerpunkt nicht einmal die gemeinhin üblichen Verdächtigen: Mailings oder Call Center, Onlinemarketing o.ä. Für den stationären Handel z.B. ist eine Kernfrage des direkten Kontakts zum Kunden die Standortwahl – eine Entscheidung des Marketinginstruments Placement! Die nächstwichtige ist das Sortiment – eine Produktentscheidung. Und dieses wird über Werbung (Kommunikation) bekannt gemacht, wobei der Preis im Zentrum der Kommunikation steht.

Jetzt kann man fragen: Wer macht dann eigentlich kein Direktmarketing? Alle Unternehmen, die ihre Waren ausschließlich über Intermediäre vertreiben. Und auch das sind eine ganze Menge: Nicht nur die Automobilbranche kann kein Direktmarketing. Auch Pharma, fast alle schnell drehenden Konsumgüter wie Milka, Marlboro oder Maggi, Luxusgüter wie Rolex und auch viele Gebrauchsgüterhersteller wie Miele, Nikon, AEG.

Diese Unternehmen machen klassisches Marketing – und das ist Zielgruppenmarketing. Produktentwicklung, Marke, Kommunikationsstrategie richten sich an Gruppen aus, die durch sozio- und psychografische Daten, Milieus etc. bestimmt sind.

Zwar sprechen z.B. auch Autofirmen überaus erfolgreich die Verwender ihrer Produkte direkt und personalisiert an – das aber immer nur im Rahmen des Marketinginstruments Kommunikation und dann instrumentalisiert für zielgruppenorientierte Aufgaben wie Werbung für das Händlernetz (Einladung zur Probefahrt), Aufbau und Pflege des Markenimage (Kundenmagazin, Flagship-Store) und natürlich die Bindung der Kunden an das Unternehmen. Um das von Direktmarketing zu unterscheiden schlage ich vor diese dialogorientierten Maßnahmen, die Markenartiklern zu ihren Verwendern verbreiten, auch so zu nennen: Dialogmarketing. Es gibt also einen Unterschied zwischen Direktmarketing und Dialogmarketing. Diese Begriffe synonym zu verwenden macht wenig Sinn.

  • Direktmarketing ist die Anwendung des gesamten Marketinginstrumentariums, um den Absatz direkt zum Verwender des Produkts auszugestalten.
  • Dialogmarketing ist ein Werkzeug innerhalb des Marketinginstruments Kommunikation, das durch personalisierte Kommunikation die Bindung an die Marke unterstützt.

Der Direktmarketing-Werkzeugkasten

Zur Vermarktung stehen uns vier verschiedene Handlungsfelder zur Verfügung: Produkt, Preis, Vertrieb und Kommunikation, im englischen auch bekannt als die vier Marketing-Ps. Lassen Sie uns mal versuchen, für jedes Instrument einige konkreten Werkzeuge zu benennen – und zwar Werkzeuge, die uns dabei helfen, ein Produkt direkt an den Kunden zu verkaufen. Fangen wir mal beim Preis an. Welche Werkzeuge kann ich als Direktvermarkter hier einsetzen?

  • Preis
    • Rabattierung über Loyalty-Programme (Rabattmarken, Meilen, Bonuspunkte…)
    • Couponing / Verkaufsförderung z.B. im Kontext von Kooperationen (Shell + ADAC) – Gegenteil: Produkt-Bundles oder Verwendungscoupons bei Marken
    • Co-Shopping – Groupon – geht nur unter Ausschaltung des Intermediärs, sonst nicht handelbar
    • Individueller Preisvorschlag (Ebay)
    • Dynamisches Individual-Pricing auf Grund Kundenstatus (dynamische Preisfindung)
  • Produkt
    • Mass Customization (Mymuesli, Spreadshirt, Visitenkarten, Fotobuch etc. – geht in Teilen auch im Handel, aber nur bei „instant Individualisierung“ wie Farbmischung im Baumarkt)
    • User driven development: Mein Burger bei McDonalds (In 5 Wochen wurden 135.000 Burger entwickelt und zehn in den Vertrieb gegeben (Tanja Grilled Chicken, Spicy RobMac Beef…)
    • Co-Evolution / Open Innovation: ABS Einführung Bosch / Mercedes oder 12designer: offener Kreativwettbewerb für Logos etc.
    • Customer Support und Feedbackschleife
    • Marktforschung / Markttests
    • Entwicklung produktbegleitender Dienstleistungen
  • Promotion
    • Werbebrief
    • Outbound-Calls
    • Prospekte / Kataloge
    • Eintrag in Yellow Pages / Branchenverzeichnisse
    • Im B2B auch stark: Messen
  • Placement
    • Persönlicher Verkauf
    • Direktvermarktung über Internet an stationäre (E-Commerce) oder mobile Clients (M-Commerce)
    • Standort
    • Dynamisches Cross-Selling / Soft bundling
    • Kunden-werben-Kunden (Fitness-Studio…)

Man merkt bei der Zusammenstellung dieses Werkzeugkastens, dass es – im groben Unterschied zum Zielgruppenmarketing – nicht um Konstrukte wie Image, Distributionstiefe, Markenspreizung etc. geht, die ein Unternehmen quasi linear anstoßen und exekutieren kann.

Im Direktmarketing sind der Kunde, sein Verhalten, die Bindung zu ihm, seine Wünsche im Hinblick auf neue Produkte und Produktverbesserungen die entscheidenden Erfolgsfaktoren. Das leitet direkt zur zentralen Frage über: Wozu können wir im Direktmarketing eigentlich Business Intelligence nutzen. Wohlgemerkt: Intelligence heißt hier Erkenntnis bzw. Wissen, und nicht Intelligenz. Die nämlich ist zweifelsohne immer ganz hilfreich.

Business Intelligence – das Direktmarketing-Gehirn

Wirtschaftlicher Erfolg im allgemeinen und Erfolg im Direktmarketing im Speziellen steht zeitpunktbezogen in keinem bindenden Zusammenhang zu Business Intelligence. Business straight from the gut funktioniert erstaunlich gut und Direktmarketing kann völlig ohne Business Intelligence auskommen.

Aber: Über einen längeren Zeitraum zeigt sich, dass Business Intelligence einen – je nach Branche erheblichen – Wettbewerbsvorteil darstellt und das heißt letztlich: Langfristig erfolgreiche Unternehmen brauchen heute BI – erst einmal unabhängig davon, ob Sie ausschließlich direkt vermarkten, ausschließlich über Intermediäre im Markt auftreten oder einen hybriden Vertriebsansatz wählen. Es setzt sich die Erkenntnis durch, dass Unternehmensdaten zum Anlagevermögen (Aktiva) gehören und daher auch aktiv genutzt werden sollten.

Was ist Business Intelligence? Der Begriff wurde 1958 von Hans Peter Luhn eingeführt mit dem Konzept zur selektiven Verbreitung von Informationen: Es ging darum, aus großen Datenbeständen schnell relevante Informationen zu extrahieren. Dies ist auch heute noch die Grundidee der Business Intelligence. Ziel ist es, aufgrund analytischer Fähigkeiten einen Wettbewerbsvorteil zu erreichen, der sich schlussendlich messbar in besseren Entscheidungen widerspiegelt.

Hinsichtlich der Implementierung des Aufgabenbereichs Business Intelligence im Unternehmen unterscheiden wir zwei Dimensionen:

  • Die Verankerung analytischer Erkenntnisgewinne in die Unternehmensstrategie auf Basis der Erfassung des Ist-Zustands der analytischen Leistungsfähigkeit (analytical capability) und der Definition des Soll-Zustands (z.B. im Rahmen einer Balanced Scorecard)
  • Die operative Umsetzung von Business Intelligence Prozessen im Unternehmen

Zur Erfassung des Ist-Zustands und der darauf basierenden Ableitung des Soll-Szenarios schlägt Tom Davenport das DELTA-Modell vor. Es gliedert sich in fünf Dimensionen. Aus diesen fünf Dimensionen lässt sich der Status Quo einer Organisation in Bezug auf die analytische Kompetenz grob ermitteln. Man sollte diese Situationsbeschreibung nicht überbewerten, da sie letztlich natürlich rein deskriptiv und nicht wirklich metrisch ist. Dennoch sollte man mit diesem Werkzeug vertraut sein, um einen vergleichbaren Rahmen zur Beschreibung anzuwenden.

  • Data: Umfang, Qualität und Integration der Daten
  • Enterprise: Unternehmensweite Sicht auf die Daten anstatt nur in oper. Einheiten
  • Leadership: Leidenschaft und Selbstverpflichtung in der Nutzung von Analyseergebnissen
  • Targets: In welchen Unternehmensbereichen wird BI tatsächlich als Grundlage für Entscheidungen? Anstelle von „Glaskugel“ – A/B-Test
  • Analysts: Ausreichende Zahl von Analysten im Unternehmen um komplexe Modelle zu entwickeln und zu pflegen

Wichtig ist nicht so sehr die zielgenaue Einordnung in die Kategorien, sondern die Darstellung der gewünschten Entwicklung als Teil des Zielsystems einer Unternehmung.

Talking Informatics

Ein wesentlicher Schritt in der Steigerung der analytical capability ist die Aufbereitung und Bereitstellung der Unternehmensdaten für Management, Controlling, Marketing etc. Der professionelle Umgang mit Unternehmensdaten, um daraus bessere Entscheidungen abzuleiten, ist eine operative Aufgabe, die man in fünf große Bausteine aufteilen kann:

  • Information Retrieval (Informationsbereitstellung)
    • Ziel: Daten verfügbar machen!
    • Herausforderung: Verschiedene Datenbestände zusammenführen à Aufbau eines Data Warehouse durch ETL-Prozess: Extrahieren aus verschiedenen Quellen, Transformieren in geeignete Struktur / Format, Laden in neue Zieldatenbank
    • Beispiele: Quellbestände sind z.B. ERP, CRM, Issue Ticketing System (ITS angedockt an ACD), Enterprise Content Management (ECM, z.B. optisches Archiv von Mailings und Werbemitteln), Groupware und PIM, Web-Analytics, Logfiles, Facebook-Fan-Pages etc. Ziel ist eine einheitlich Analyse-Datenbank, das Data Warehouse, das für spezielle Zwecke auch in kleinere Einheiten (Data Marts) aufgeteilt werden kann
  • Reporting (Informationsauswertung)
    • Ziel: Daten auswerten!
    • Herausforderung: Definition der geeigneten Key Performance Indicators (KPI) z.B. auf Basis des SMART-Prinzips:
      • Spezifisch
      • Messbar
      • Anwendbar
      • Relevant
      • Time phased (auf feste, vergleichbare Perioden bezogen)
    • Beispiele: Umsatz pro fakturiertem Personentag in der Dienstleistung, durchschnittlicher Warenkorbwert im Bestellprozess eines Webshops, Churn Rate (Abwanderungsquote) bei Subskriptionsgeschäften, Öffnungsrate von Email-Newslettern, Anzahl gewonnener Neukunden in der Periode, Dauer der Kundenbeziehung und Customer Lifetime Value…)
  • Online Analytical Processing (Informationsnutzung)
    • Ziel: Hypothesen prüfen!
    • Herausforderung: Aufbau eines OLAP Cubes, der Daten (measures) mit verschiedenen Kriterien (dimensions) verbindet und so komplexe (mehrdimensionale) Abfragen in Echtzeit erlaubt. Operationen sind u.a. Slicing (Herausschneiden von Scheiben), Dicing (Verkleinern des Würfels), Pivoting (Drehen des Würfels für andere Darstellungen), Drill-Down (hereinzoomen), Drill-Up (verdichten) etc. Anmerkung: Die Bereitstellung der Daten in einem Data Cube bringt nicht per se neue Erkenntnisse (die Abfragen lassen sich genauso über SQL-Abfragen auf relationalen Datenbanken erreichen. Der Vorteil ist die schnelle Nutzung auch für Nicht-IT-Experten, da in der Datenstruktur schon mit Berechnungslogiken versehen sind und man so mit verschiedenen Perspektiven die Daten betrachten kann ohne erneute Abfragen).
    • FASMI-Regeln für ein erfolgreiches OLAP-System
      • Fast (Abfragen < 5 Sek)
      • Analysis (Analyseprozess muss durch Nichtprogrammierer bedienbar sein)
      • Shared (Mehrbenutzerbetrieb möglich)
      • Multidimensional (mehrdimensionale Datenstrukturierung – Hypercubes)
      • Information (alle notwendigen Daten müssen zur Verfügung stehen – Datamart)
    • Beispiele: Durch OLAP Cubes kann man Kundenverhalten analytisch abbilden. Anstelle eines statischen Reports (1000 Kunden haben in den letzten 30 Tagen Produkt A gekauft) einen dynamischen Zugriff und kann erkennen, in welchen Outlets / Channels gekauft wurde, was die Kunden sonst gekauft haben, in welchen Regionen gekauft wurde. OLAP Cubes bilden ein Datencluster, das mit verschiedenen Perspektiven betrachtet werden kann im Gegensatz zu statischen Reports.
  • Knowledge Discovery (Informationsgewinnung)
    • Ziel: Neue Muster in den Daten entdecken!
    • Herausforderung: Anpassung und Anwendung mathematisch-statistischer Methoden, um Datenbestände auf nicht direkt erkennbare Zusammenhänge zu untersuchen und so auf neue Erkenntnisse zu stoßen: Data Mining. Methoden:
      • Ausreißer erkennen (Outlier detection): Ungewöhnliche Datensätze identifizieren und damit Datenbestände säubern bzw. auch neue Muster entdecken
      • Abhängigkeiten erkennen (Dependency modeling): Bildung von Zusammenhängen, in denen einzelne Variablen Abhängigkeiten aufweisen
      • Cluster bilden: Bildung von Gruppen oder Strukturen, von Objekten aufgrund von Ähnlichkeiten
      • Klassen ergänzen (Classification): Bekannte Strukturen durch neue bislang nicht eingeordnete Daten ergänzen
      • Variablen prognostizieren (Regression): Identifikation von Beziehungen zwischen einer abhängigen Variable (Messgröße) und einer oder mehreren und unabhängigen Variablen (Stellgrößen), um daraus Prognosen über die Messgröße zu treffen (-> Regressionsanalyse: Wie ändert die Farbe [Stellgröße] eines Autos seinen Absatz [Messgröße])
      • Daten aggregieren (Summarization): Reduktion des Datensatzes ohne wesentlichen Informationsverlust z.B. durch Verdichtung in einem Report, einer Kennzahl oder eine Grafik
    • Beispiele: Wer Tomaten, Zwiebeln und Salzgurken kauft, braucht mit hoher Wahrscheinlichkeit auch Hackfleisch, um Burger zu braten
  • Business Analytics (Informationsveredelung)
    • Ziel: Bessere Entscheidungen treffen!
    • Herausforderung: Auf Basis von Daten (ex post) Vorhersagen (ex ante) treffen. Durch die Nutzung von Daten, sollen faktenbasierte Forecasts erstellt werden, die direkten Bezug zur Wettbewerbsfähigkeit des Unternehmens haben. Im Kern geht es um das Verständnis vergangenen Erfolgs, um so zukünftigen Erfolg planen zu können.
    • Beispiele: Examples are predicting the price of ongoing eBay auctions (Wang et al. 2007) or predicting future box-office sales based on online movie ratings (Dellarocas et al. 2006)

Painting the big picture

Wir kommen langsam auf die Zielgerade. Lassen Sie uns an dieser Stelle noch einmal die Punkte in einem Schaubild schematisch unter dem Leitgedanken Business Intelligence als Basis des Direktmarketing zusammenfassen.

Direktmarketing bedeutet die Ausrichtung des Marketinginstrumentariums auf den direkten Absatz zum Kunden und Verwender der Leistung, die das Unternehmen anbietet. Dabei bedient sich das Direktmarketing den vier Instrumenten Preis, Produkt, Platzierung und Promotion. Diese werden operativ im Tagesgeschäft durch unterschiedliche Werkzeuge umgesetzt

Das Marketing übernimmt für das Unternehmen die Funktion, die durch Beschaffung von Ressourcen ermöglichte Leistungserstellung zu den Kunden zu bringen. Der Beschaffungs-, Erstellungs- und Vermarktungsprozess – die Kernfunktionen des Unternehmen – werden unterstützt durch Hilfsprozesse wie Personalverwaltung, Recht, Forschung & Entwicklung, Accounting, IT etc.

In den verschiedenen Funktionen und Aktivitäten werden Daten generiert – Accounting, ERP, CRM, Groupware, ITS etc. und in verschiedenen Systemen abgelegt.

Die Aufgabe der Business Intelligence besteht darin, aus den verschiedenen Datenpools des Unternehmens relevante Daten für die Entscheidungsfindung zu extrahieren, zu transformieren und in ein einheitliches Datenlager (Warehouse) zu laden.

Aus dem Datenlager werden dann Reports erzeugt, schnelle Abfragen zur Überprüfung von Hypothesen ermöglicht und neue Zusammenhänge erschlossen. Diese bilden den Input für die Anwendung und Ausgestaltung der Instrumente im Marketing-Mix.

Das Data Warehouse und die darauf zeugten Analysen dienen darüber hinaus als Basis für die Entwicklung von Vorhersagen auf zukünftiges Marktgeschehen. Diese Forecasts werden zusammen mit der Beobachtung von Makrodaten über die Märkte (Technologie, Recht, Preisentwicklung, Wettbewerb…) als Grundlage für die Entwicklung und kontinuierliche Anpassung der Unternehmensstratregie genutzt. Die Strategie wiederum gibt die mittelfristige Marschrichtung für die Funktionsbereiche des Unternehmens vor.

Lessons learned

  • Direktmarketing ist die Nutzung des Marketinginstrumentariums für den direkten Absatz zum Kunden
  • Dialogmarketing ist der Aufbau von Dialogstrukturen zu Kunden und Interessenten als Werkzeug des Marketinginstruments Kommunikation
  • Business Intelligence: Auf Basis von Daten Fakten ermitteln, um bessere Entscheidung zu treffen und damit einen Wettbewerbsvorteil zu generieren.
  • DELTA-Modell zur Bewertung der analytical capability im Unternehmen
  • Operative Umsetzung durch:
  • Information retrieval – Daten zusammenführen im Data Warehouse
  • Reporting – Key Performance Indicators (KPI) erstellen auf Basis von SMART-Regel
  • Online Analytical Processing (OLAP) – Daten mehrdimensional in Cube bereitstellen, um schnell aus verschiedenen Perspektiven auf die Daten zuzugfreifen (FASMI-Regel: fast-analysis-shared-multidimensional-information)
  • Knowledge discovery – Aus den Daten neue Zusammenhänge erkennen – Data Mining
  • Business analytics – die Daten für gezielte Forecasts nutzen

Der vorliegende Text ist die Transkription eines Vortrags, den der Verfasser am 21. November 2011 in Gengenbach an der Hochschule Offenbach gehalten hat.

Von Thomas Becker

Bildnachweis: Von Carlos Muza [Lizenz] via unsplash.com

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.