Es hat uns versprochen, jeden Aspekt unseres Lebens zu verändern:
Vom Sport, über Unternehmen, bis hin zum Kochen.
Ich spreche vom Wort, dass unsere Zukunft voraussagen wollte…
Big Data.
2008 veröffentlichte Google „Google Flu Trends“ (GFT), um den Ausbruch der Grippewellen vorherzusagen. Das ist ein tolles Beispiel für Big Data in Aktion.
Welche Strategie hat der Such-Gigant verfolgt?
Sie haben die Begriffe, nach denen Menschen in verschiedenen Gebieten auf der ganzen Welt gesucht haben, aufeinander abgestimmt. Und als diese Suchanfragen mit traditionellen Grippe-Überwachungssystemen abgeglichen wurden, fand Google heraus, dass die Grippezeit mit einem höheren Suchaufkommen nach bestimmten Phrasen einher ging.
Hat Google es also geschafft, durch die Aggregation von Suchanfragen, die Influenza-Welle in Echtzeit vorherzusagen?
Nicht wirklich.
Selbst mit einem Überschuss an Informationen dank der Suchanfragen, hat GFT die Bedeutung der Grippe mit über 50 % in 2012-2013 und 2011-2012 überschätzt.
Dieser Misserfolg führte dazu, dass Google eine „automatisierte Arroganz“ und die pure Beteiligung am Big-Data-Hype vorgeworfen wurde.
Siehst Du, worauf ich hinaus will?
Für kleine Unternehmen ist es sehr verlockend, die versteckten Muster des Konsumentenverhaltens zu erforschen. Deswegen will jeder bei Big Data mitmischen.
Es ist aber gar nicht so einfach, viele Informationen zu sammeln und sie dann zu analysieren, um genaue Erkenntnisse zu erzielen. Du brauchst Weltklasse Forscher, finanzielle Ressourcen und fortschrittliche Technologien, um derartige Datenmengen zu verarbeiten.
Des Weiteren sind die meisten großen Datensätze nutzlos und mittelgroße Unternehmen brauchen wahrscheinlich eh nie Big Data.
Gib Small-Data eine Chance.
Dabei handelt es sich um zugängliche und kleine Daten, die für Menschen, die auf der Suche nach umsetzbaren Erkenntnissen sind, leicht zu verstehen sind. Tatsächlich geht es bei Small-Data um echte Menschen.
Hier ist eine Tabelle, um Dir die Unterschiede zwischen Big und Small-Data zu zeigen.
Wie Du sehen kannst, kann Small-Data die spezifischen Merkmale, die unerfüllte Kundenbedürfnisse darstellen, zeigen. Die Ironie dabei ist, dass, nach einer Untersuchung von Forrester, nur 12% aller Unternehmen ihre bestehenden Small-Data auswerten.
Das bedeutet, dass 88% aller Daten verschwendet werden.
Stell Dir nur mal die intelligenten Marketing- und Unternehmens-Entscheidungen vor, die Du mit diesen unbeachteten Daten treffen könntest.
Deswegen möchte ich Dir in diesem Artikel umsetzbare Strategien und Beispiele für die Nutzung von Small-Data zeigen.
Martin Lindstrom, Autor des Buches „Small Data“, sagt:
Small-Data sind die Grundlage für bahnbrechende Ideen oder völlig neue Wege, um Marken zu verändern.
Er teilt folgende Beispiele, um zu zeigen, wie Small-Data zu großen Ideen, unter anderem Snapchat, geführt hat.
Bist Du bereit für die komplette Veränderung Deines Marketing-Ansatzes?
Dann fang an, Deine Small-Data-Reserven zu nutzen.
Korrelation ist nicht gleich Kausalität: Finde „das Warum“ sowie Kundenbedürfnisse/-wünsche mit Small-Data heraus
Unter der Woche stehst Du vielleicht vor Sonnenaufgang auf.
Aber bedeutet das, dass Du für den Sonnenaufgang verantwortlich bist? Natürlich nicht.
Das ist ein dummes Beispiel für den Trugschluss, den viele Menschen ziehen – „Korrelation bedeutet Kausalität“. Oft funktioniert Big Data ähnlich. Sie gewähren uns faszinierende Einblicke, aber wir können nicht herausfinden, warum die Dinge passieren.
Sieh Dir zum Beispiel den OkCupid Blog an. Er zeigt einen interessanten Zusammenhang zwischen Rasse und Anziehung, basierend auf Nutzer-Daten.
Christian Rudder (Mitgründer von OkCupid) hat auf Basis dieser Daten sogar ein Buch über das menschliche Verhalten geschrieben.
In einem Beispiel vergleicht er OkCupid-Bewertungen für Attraktivität mit 5.000 Job-Datensätzen von Shiftgig.com (Webseite für Stellenanzeigen). Er stellte fest, dass die „Attraktivität“ für die große Lücke zwischen Männern und Frauen verantwortlich sein könnte.
Aber garantiert Schönheit allein einen Arbeitsplatz?
Ähnlich der Versuch von Google, um die Grippewelle vorherzusagen. Sie stützten sich auf gigantische Suchanfragen, die von Nutzern durchgeführt wurden, um eine Beziehung zu finden und machten sich dabei keine Gedanken um die Kausalität.
Du brauchst scheinbar unbedeutende Erkenntnisse über den Kunden, um ihre Bedürfnisse zu verstehen. Du versetzt Dich in den Kunden hinein und denkst/fühlst die Gedanken Deines Kunden.
Vielleicht musst Du auch persönlich werden, mit Deinen Kunden sprechen und ihre Persönlichkeit kennen lernen.
Ein tolles Beispiel ist Pinterest. Der Forscher für Nutzererfahrung, Gabriel Trionfi, verlangt von den Designern Hausbesuche. Er glaubt, dass persönliche Besuche bei Pinterest-Nutzern helfen, zu verstehen, wie sie die Plattform tatsächlich nutzen.
Einmal hat Trionfi herausgefunden, dass eine junge Krankenpflege-Studentin und ihr Freund Pinterest oft nutzten, um zu planen, was sie kochen.
Es war unterhaltsam und interessant zu sehen, dass Pinterest die Menschen bei ihren Offline-Beziehungen unterstützt. Das war eine interessante Erkenntnis, zur der Trionfi sonst nie gelangt wäre. Mit seinen eigenen Worten:
Man denkt nicht unbedingt daran, dass Menschen eine Webseite auch gemeinsam benutzen.
Steli Efti, von Close.io, ist ebenfalls dafür, Kunden persönlich zu besuchen.
Er verschafft sich Einblick in die Umgebung, in der Kunden seine Produkte nutzen, und erfährt mehr über ihre Wünsche/Bedürfnisse.
Efti hat bei einem Besuch herausgefunden, dass sich ein Kunde die Berichte auf einem Fernseher anzeigen lässt. Und das sah schlecht aus – denn die Seite war nicht für die Ansicht im Vollbildmodus auf einem Fernseher optimiert.
Efti schickte den oberen Screenshot an sein Team und innerhalb einer Stunde führte der Entwickler, Phil, eine schnelle Optimierung für die Berichte durch.
Efti teilt hier konkretere Beispiele für Kundenbesuche, einschließlich dem Aufbau von Beziehungen, sowie Zusatzverkäufen.
Ich habe zuvor schon gesagt, wie derartig harte Arbeit das Wachstum Deines Unternehmens ankurbeln kann.
Ich will Dir eine weitere Fallstudie aus der echten Welt näher bringen. Sie zeigt, wie man mit der Interaktionen mit seinen Kunden nützliche und umsetzbare Small-Data gewinnen kann.
Simon Ouderkirk hat früher mal in einer Backstube gearbeitet – Seven Stars. Das war eine kleine Kette mit 3 Standorten.
In einem Gespräch mit dem Inhaber fand er heraus, dass Muffins nicht viel Gewinn abwerfen.
Dennoch produzierten sie täglich drei Sorten im Rotationsverfahren. Am Montag backten sie Blaubeere, Mais und Kürbis. Am Dienstag boten sie Schokolade, Kleie und Blaubeere an. Und so weiter…
Nachdem sie sich die Verkäufe angesehen und ein Muster ermittelt hatten, schlug Simon ein Experiment vor:
Er wollte sechs Wochen lang nur zwei Sorten Muffins produzieren (die aktuell am meisten verkauft wurden). Dann wollte er eine datengestützte Entscheidung im Hinblick auf den Muffin-Verkauf treffen.
Das Ergebnis?
An allen Standorten blieb der prozentuale Anteil der Wachstumsrate der Verkaufszahlen gleich.
Ich bin dafür uneffiziente Unternehmens-Assets komplett zu eliminieren.
Aber was, wenn die Verkäufe nicht steigen?
Du musst Dir die Daten genauer ansehen.
Im Fall von Seven Stars hatten sich die Verkaufszahlen sehr wohl geändert.
- Der Verkauf von Muffins sank erheblich.
- Aber Scones-Verkäufe (sie waren neben den Muffins platziert) stiegen so stark, dass der Rückgang der Muffins wieder ausgleichen wurde.
Simon vermutet, dass diese Kunden vorher die dritte Kategorie Muffins, die aus dem Sortiment genommen worden war, gekauft hatten. Jetzt wählten sie „ein anderes Produkt zum gleichen Preis“.
Aber mit Muffins lässt sich nur wenig Umsatz machen. Der Umsatzanstieg bei einem anderen Produkt ist in diesem Fall also mit dem Umsatzanstieg der Bäckerei gleichzusetzen.
Zudem konnte die Arbeitskraft, die für die Produktion der Muffins nötig war (ein aufwändiges Produkt), auf ein anderes, lukrativeres Produkt übertragen werden.
Ist das nicht ein tolles Beispiel dafür, wie man mit Small-Data, über die man bereits verfügt, Einblicke ins eigene Unternehmen bekommt?
Die 3 zentralen Schritte, um sich Small-Data erfolgreich zu Nutze zu machen
Du hast es begriffen… Small-Data können relevante und wertvolle Daten liefern.
Aber welche Daten sind wichtig und wie viele Daten benötigst Du, um Deine Marke sympathischer zu machen und Deine Angebote zu personalisieren?
Ich möchte Dir die 3 Säulen der Nutzung von Small-Data erklären.
1. Sammle Daten mit Deinen zentralen Marketing-Zielen
Du hast vielleicht Annahmen und Glaubenssätze, was die profitabelsten Plattformen Deines Unternehmens betrifft. Der erste Schritt ist die Verifizierung Deiner Hypothesen.
Ich empfehle Dir, Deine Daten mit Google Analytics (GA) zu sammeln und auszuwerten.
Aber das ist nicht so einfach, wie es klingt…
Google Analytics und KISSMetrics sind wirksame Quellen, wenn es um die Erhebung von Kundendaten geht.
Aber wenn Du Dich ins Dashboard einloggst, aber nicht mal weißt, was Du dort eigentlich machen willst oder wonach Du suchst, fühlst Du Dich verloren.
Es ist besser Deine Marketingziele/Hypothesen genau zu definieren und aufzuschreiben. Hier ist die einfache Definition eines Marketingziels von CoSchedule.
Mit GA kannst Du außerdem Ziele festlegen und ganz einfach überwachen.
Wenn Du bereits mit GA, oder einem vergleichbaren Analyse-Tool, Daten sammelst, dann:
Kannst Du mit den Hypothesen anfangen, z.B. wie Deine Kunden Dein Produkt nutzen oder welche Probleme und Bedürfnisse sie haben.
Simon, von Automattic, empfiehlt die Glaubenssätze Deiner Kundenbetreuung in Erfahrung zu bringen. In seinem Fall folgte die Kundenbetreuung den großen Glaubenssätzen von Automattic.
Dann musst Du Dich diesen Glaubenssätzen mit „optimistischer Neugier“ nähern und Fragen bilden:
Wenn Du Deine Ziele definiert hast, kannst Du zum nächsten Schritt übergehen…
2. Visualisiere Deinen Erfolg und schreib dann auf wie dieser Unternehmenserfolg aussieht
Das Sammeln und Speichern Deiner Daten sollte strategisch ablaufen. Andernfalls sind Deine Daten nicht überzeugend und könnten Dein eigenes Team verwirren.
Also beantworte folgende Frage: „Nach welchen Daten suchst Du?“
Und: “Wie nutze ich die Erkenntnisse aus diesen Daten?“
Traffic und soziale Medien sind Eitelkeits-Kennzahlen. Aber wenn Du Dir die Zahlen ausführlicher anschaust (Basis: die Ziele, die im ersten Schritt gesetzt wurden) findest Du durchaus geeignete Kennzahlen, um Deine Marketingziele zu erreichen.
Eventuell schlagen Deine Ziele auf Pinterest, die auf Facebook und anderen Social-Media-Plattformen. Wenn Du die Zeit und das Geld, das Du auf Pinterest investierst, verdoppelst, könntest Du Deine Ziele schneller erreichen.
Siehst Du, wie eine kleinere Menge Daten, die zielgerichteter sind, Deine Marke intelligenter machen können?
Wenn die Annahmen, die Automattic in Schritt #1 formuliert hatte, wahr wären, könnte man das messbare Verhalten, das die Kunden von Automatic zeigen würden, hier sehen.
3. Erhebe Daten, sieh Dir Deine Erkenntnisse genau an, handle und wiederhole alles
Im Gegensatz zu Big Data, benötigst Du keinen Datenanalysten und teure Technologien, um Small-Data auszuwerten. Sogar Einzelpersonen und kleine Unternehmen können Tools verwenden, um Small-Data zu analysieren und Erkenntnisse zu gewinnen.
Du könntest CoSchedule kaufen und es in Deinen GA-Account integrieren. Dann bekommst Du das folgende Dashboard mit Deinen beliebtesten sozialen Kanälen und den am häufigsten aufgerufenen Inhalten.
Wenn Du diese Erkenntnisse hast, musst Du eine informierte Entscheidung treffen, und die Daten regelmäßig überprüfen, um Deine Strategie anzupassen.
Simon hat festgestellt, dass die Plugin-Seite eine der Top 10 Seiten war, aber weniger als 1% des gesamten Traffics erhielt. Später fand er dann genügend Beweise dafür, dass die Kunden von Automatic nach Plugins suchen.
Die Anwendung des 3-Schritte-Musters in der realen Welt
Colleen Jones hat ein ähnliches 3-Schritte-Muster genutzt, um FootSmart (einem Nischen-Online-Katalog-Händler) ein Content-Marketing-Produkt zu empfehlen. Es hieß FootSmart Health Resource Center (FHRC) und bestand aus Artikeln, Diagrammen, Quizze und dergleichen.
Bei der Auswertung der Daten zur Steigerung der Sichtbarkeit in den Suchmaschinen stellte sich heraus, dass FHRC FootSmart dabei geholfen hatte, mehr der richtigen Kunden zu erreichen.
Sie bekamen mehr Traffic, der hauptsächlich aus Menschen bestand, die sich für Fußgesundheit und Behandlungsmöglichkeiten interessierten.
FootSmart beschloss also, mehr Inhalte bei FHRC zu veröffentlichen und die Vermarktung des Produktes zu verbessern.
Und das Ergebnis dieses informierten Entscheidungsprozesses?
Ein Anstieg der Verkäufe pro Woche um 36%.
Wie Du Small-Data fürs Content Marketing verwenden und Deine Seitenaufrufe um 434% steigern kannst
Nathan Ellering verwendete die Small-Data-Theorie in ihrer Content-Strategie und…
…steigerten die Seitenaufrufe von CoSchedule um 434%, die Abonnenten um 1.222% und die Anmeldungen für Tests um ganze 9.360%.
Wenn Du ähnliche Ergebnisse erzielen willst, kannst Du hier mehr über die 14-Schritte Content-Strategie lesen.
Fazit
Lass Dich nicht vom explosiven Datenwachstum verwirren. Du willst schließlich nicht in der Informationsflut ertrinken und Ideen ausmalen, was Du mit den vielen Daten anfangen könntest. Die Technologien, Datenforscher und anderen Ressourcen zur Ableitung des Nutzerverhaltens aus unstrukturierten Daten, gibt es vielleicht erst in weiter Zukunft.
Ich würde Dir raten, zunächst die Kundendaten zu identifizieren, auf die Du heute bereits Zugriff hast. Diese Small-Data sind eine tolle Quelle für Ideen und können Dich auf tolle Innovationsideen für Deine Marke bringen. Ich habe in diesem Beitrag zahlreiche Fallstudien geteilt, um ihre Wichtigkeit unter Beweis zu stellen.
Hier ist noch eine Slideshow von R2integrated, um den Prozess der Identifizierung von Small-Data, des Auswertungsprozesses und der darauf folgenden Aktionen zusammenzufassen.
Was hältst Du von Big Data? Hast Du Dir schon mal Deine Small-Data-Reserven zu Nutze gemacht? Berichte mir im Kommentarbereich von Deinen Erfahrungen.
Kommentare (0)