Analyse im Marketing erwacht durch Big Data

15. Juni 2014

Marketing planbar

Das Marketing in Unternehmen ist auch schon jetzt in vielen Bereichen sehr genau planbar. Als ein Beispiel sei nur die Mediaplanung genannt, die häufig noch unzureichend auf das Mediennutzungsverhalten der Zielgruppe Rücksicht nimmt.

Durch Big Data bekommen die strukturierten und jetzt auch unstrukturierten Daten eine neue Relevanz für das Marketing.

Man könnte fast meinen, dass erst die unstrukturierten und die Unmenge an Daten für das Marketing interessant sind.

Die Potenziale liegen in all den aufgezeigten Informationen der Produkt-, Preis-, Vertriebs- und Kommunikationspolitik der Unternehmen. Somit kommen zu den strukturierten Daten nun auch unstrukturierte Daten wie

- Kundenkommunikation zum Unternehmen und/oder in Social Media,

- Meinungen zu Produkten und Wettbewerbern sowie

- Ideen von Kunden zu Produktverbesserungen

hinzu.

Zusammenfassung

Wir müssen nicht warten, bis große Big Data Tools auf dem Markt sind. Wir können schon heute die strukturierten Daten auswerten und eine Vielzahl von unstrukturierten Daten erfassen und analysieren.

Customer Insights sind keine Vision, sondern zu einem guten Teil

schon möglich …

Gefühlt wird Big Data in jedem zweiten Beitrag im Zusammenhang mit Digitalen Marketing genannt. Die Formel ist schnell zusammen: Mehr Daten, mehr Auswertung, besseres Marketing. Wir schauen uns einmal Big Data genauer an …

Big Data – alter Wein in neuen Schläuchen
Big Data wird zur Zeit mehr als Buzzword für sämtliche große Datenmengen bezeichnet. Streng genommen wird unter Big Data die momentane Diskrepanz zwischen den technischen Möglichkeiten einer umfassenden und zeitnahen Auswertung der Daten und dem exponentiellen Wachstum ganz unterschiedlicher Datenmengen verstanden.
Zugebenermaßen werden unsere Daten nach der Definition von Big Data
 

 

  • deutlich mehr,
  • schneller,
  • dynamischer,
  • mehr Diversität und
  • komplexer,


dass diese von traditionellen Datenbankmanagementsystemen, wie z.B. relationale Datenbanken, in einer zeitlichen Anforderung wie Echtzeit verwaltet werden.


Merkmale von Big Data

Zu Big Data werden (im weiteren Sinne) auch die möglichen Analysemethoden dieser Daten verstanden.
Empfohlen sei hier der Leitfaden der Bitkom zu dieser Thematik.

Das Neue ist das Wachstum an Datenmengen, die verarbeitet werden könnten. Das war aber schon immer so: Unternehmen, Konsumenten, Transaktionen haben schon immer Daten generiert, die nicht komplett gesammelt und ausgewertet werden konnten.
Es war und es wird auch zukünftig so sein, dass durch unsere Aktivitäten so viele Daten entstehen, die nicht allesamt in Echtzeit verwaltet und dann auch genutzt werden können.


MapReduce als Ansatz für Big Data
Werfen wir einen Blick auf die Technologie im Hintergrund. Es wird etwas techniklastig, aber das passt zu 3m5.
Als „Schuldiger“ dieser Datenflut fällt einem schnell Google ein. Hier werden Daten gesammelt und entsprechend verarbeitet. Eindrucksvoll vermittelt Google selbst auf einer Website speziell über die Rechenzentren von Google die Größe der notwendigen Rechner- und Verarbeitungskapazität von Google.


Rechenzentren von Google (19 Orte, Stand 2014)

Die technologische Antwort auf das Wachstum und die Diversität von Daten ist ein Modell für parallele Berechnungen von großen Datenmengen auf entsprechend vielen Computerclustern. Google hat dieses MapReduce-Modell  entwickelt. (Link)

Der Unterschied zu dem relationalen Datenbankmodell liegt in:

 

  • Eignung von unstrukturierten und semi-strukturierten Daten
  • nicht-normalisierte Daten
  • Batch-Verarbeitung von Daten

MapReduce nutzt die durch die große Datenmenge notwendige verteilte Speicherung der Daten und verteilt – einfach ausgedrückt – die Datenverarbeitung entsprechend. Somit liegen Daten und die Berechnung verteilt und können parallelisiert verarbeitet bzw. ausgewertet werden.
Nach Beendigung der Berechnungen werden die Ergebnisse aggregiert. Ein Beispiel veranschaulicht diesen Prozess.


Beispiel MapReduce

Der Vorteil von MapReduce liegt in der Verwaltung von unstrukturierten Daten und großer Datenmengen. Eine Skalierung ist über das Verteilen auf mehrere parallele Einheiten möglich und damit kann eine ansteigende Menge von Daten beherrscht werden.
Zum Vergleich relationale Datenbanken haben ihren Vorteil bei bekannten Datenstrukturen, klaren Abfragen und der Möglichkeit von Änderungen in den Datensätzen.

Die Idee von MapReduce ist simpel und zugleich die Antwort auf Big Data:
Zerlege die Daten in kleinste Teile, verteile diese Teile auf verschiedene Rechner (Map) und führe diese dann wiederzusammen (Reduce).


MapReduce zeigt, dass entsprechende Technologie zur Datenorganisation zur Verfügung steht, die genau der Diversität und Anstieg der Datenmenge Rechnung trägt.

Unstrukturierte Daten, gerade im Marketing
Big Data fokussiert primär unstrukturierte Daten. Viele Daten sind oder können gut strukturiert werden, z.B. Kundendaten, Bestellhistorie, Umsatz, Deckungsbeitrag, etc.
Gerade die unstrukturierten Daten nehmen zu und bergen naturgemäß Informationen, die ausgewertet werden sollten.


Zettabytes of Daten

Wir gehen einmal grob die Bereiche des Marketings anhand der 4 Ps (Product, Price, Place, Promotion) hinsichtlich der Anwendung in Big Data durch:

Product

Es gibt zwar Produktdokumentationen und Produktbeschreibungen, aber von Vereinheitlichung und Strukturierung kann keine Rede sein. Es eher so, dass gerade Hersteller die Produkteigenschaften bewusst nicht standardisieren und strukturieren, um so einen Vergleich untereinander zu erschweren. Es gibt einige homogene Produkte, die gut vergleichbar sind. Sobald aber es aber in den Bereich B2B-Produkte, Handelsmarken oder auch individualisierte Produkte geht, ist eine Strukturierung nicht vorhanden und schwer auch abzubilden.
Produktbeschreibungen können unisono als unstrukturiert bezeichnet werden.


Price

Der Preis ist leicht zu strukturieren. Auch sind Preisdifferenzierungen für verschiedene Märkte und Zielgruppen gut abbildbar. Sobald man aber diesen begrenzten Bereich der Preisfestsetzung verlässt, ist man im unstrukturierten bzw. semi-strukturierten Bereich. Preisschwankungen, die von Wechselkursen oder anderen Preisen abhängig sind, nicht klar definierte Ab- und Zuschläge z.B. beim Transport und Zoll, aber auch Bundling-Preise für Pakete, die aus mehreren Einzelprodukten bestehen, sind Beispiele für nicht klar definierte Preise.
Wichtige Preisinformationen sind strukturiert, aber eine gewisse Preisintransparenz mit entsprechend semi-strukturierten Daten ist seitens der Anbieter gewünscht.


Place

Place ist der Vertrieb und damit der Weg des Produkts oder Dienstleistung zum Kunden. Die Vertriebswege können klar beschrieben sein, z.B. Lieferung über verschiedene Logistik-Unternehmen, Abholung, etc. oder auch die Dauer der Lieferzeit.
Naturgemäß werden gerade die Informationen zur Lieferung, Lieferbedingungen, der rechtliche Rahmen bzw. der Liefervertrag in vorwiegend Textform und somit in unstrukturierten Daten dargestellt.


Promotion

Zu Werbung gehören nicht nur die kreative Form, sondern auch Informationen zur Zielgruppe und der Mediaplanung. Die Zielgruppenbeschreibung ist höchstens semi-strukturiert. Die Mediadaten und daraus aufbauend die Mediaplanung ist dagegen sehr strukturiert. Somit muss hier eine Verarbeitung von strukturierten und auch unstrukturierten Daten erfolgen.


Die folgende Grafik von David Feinleib (Big Data Group) zeigt gut, dass durch die Anstieg von Big Data auch neue Optionen im datenbasierten Marketing entstehen werden.


Big Data & Marketing

Marketing planbar
Das Marketing in Unternehmen ist auch schon jetzt in vielen Bereichen sehr genau planbar. Als ein Beispiel sei nur die Mediaplanung genannt, die häufig noch unzureichend auf das Mediennutzungsverhalten der Zielgruppe Rücksicht nimmt.

Durch Big Data bekommen die strukturierten und jetzt auch unstrukturierten Daten eine neue Relevanz für das Marketing.

Man könnte fast meinen, dass erst die unstrukturierten und die Unmenge an Daten für das Marketing interessant sind.
Die Potenziale liegen in all den aufgezeigten Informationen der Produkt-, Preis-, Vertriebs- und Kommunikationspolitik der Unternehmen. Somit kommen zu den strukturierten Daten nun auch unstrukturierte Daten wie
 

 

  • Kundenkommunikation zum Unternehmen und/oder in Social Media,
  • Meinungen zu Produkten und Wettbewerbern sowie
  • Ideen von Kunden zu Produktverbesserungen


hinzu.
 

Zusammenfassung
Wir müssen nicht warten, bis große Big Data Tools auf dem Markt sind. Wir können schon heute die strukturierten Daten auswerten und eine Vielzahl von unstrukturierten Daten erfassen und analysieren.

Customer Insights sind keine Vision, sondern zu einem guten Teil
schon möglich …

Tags zum Artikel
Die meistgelesenen Artikel der letzten 3 Monate
Diese Webseite nutzt Cookies, um sicherzustellen, dass Sie bei der Nutzung die bestmögliche Erfahrung machen. Weitere Informationen zum Datenschutz erhalten Sie in der Datenschutzerklärung.
Ablehnen Cookies zulassen