Big Data Analysen machen’s möglich: Intelligentes Retargeting für treue Kunden im Online-Handel

Ein Gastbeitrag von Sean Jackson

Big Data Analysen für intelligentes Retargeting

Retargeting ist eine gängige und sehr wirksame Marketingmethode im Bereich E-Commerce – vorausgesetzt, sie wird richtig eingesetzt. Denn: Zufriedene Kunden sind keine Seltenheit. Viel schwieriger ist es allerdings, treue und glückliche Kunden vorweisen zu können. Die Analyse des Kundenverhaltens kann einen entscheidenden Beitrag zu Glück und Treue der Konsumenten leisten und somit den Online-Handel insgesamt ein gutes Stück erfolgreicher machen.

Im Fokus: Intelligentes Retargeting

Das A&O eines Webshop Betreibers liegt darin zu unterscheiden, ob der Besucher vor oder nach dem Kauf agiert. Wird dies nicht differenziert, könnten dem Konsumenten Banner oder andere Werbeformen über ein bereits gekauftes Produkt angezeigt werden. Eine Ansprache mit ähnlichen oder gar gleichen Werbebotschaften erweist sich als kontraproduktiv. Sie verärgert Besucher in der Regel und kann sogar dazu führen, dass der Webshop zukünftig nicht mehr besucht wird. Um dies zu vermeiden, ist ein intelligentes Retargeting gefragt.

Wie funktioniert intelligentes Retargeting?

Grundsätzlich wird der Besucher auf Basis seiner Suche oder seines Kaufverhaltens identifiziert. Intelligentes Retargeting sorgt in diesem Zusammenhang für die sofortige Erkennung beim Kauf eines Produkts oder einer Dienstleistung. Werbebotschaften lassen sich daraufhin entsprechend zielgerichtet platzieren. Ab dem Moment des Kaufs wird der Besucher dann zwar weiter getrackt, aber ausschließlich mit Angeboten versorgt, die auf Empfehlungen basieren und nicht aus in der nahen Vergangenheit erworbenen Produkte bestehen. Jeder kennt den Zusatz „Dieses Produkt könnte Sie ebenfalls interessieren“ oder auch „Käufer dieses Produkts haben sich diese Produkte ebenfalls angesehen“. Diese individuellen Empfehlungen resultieren aus einer Recommendation Engine, die für ein intelligentes Retargeting essenziell ist.

Der Schlüssel zum Erfolg: Analyse des Kundenverhaltens

Erfolgsentscheidend für sinnvolle Empfehlungen sind in erster Linie die persönlichen Nutzerdaten und der Kontext, in dem sich der Nutzer bewegt. Beim Besuch des Webshops hinterlässt jeder Nutzer seine IP-Adresse und seinen Standort; zudem sind seine Vorlieben bekannt, wenn er die Suchfunktion und Navigation im Webshop genutzt hat. Weitere Daten lassen sich durch Google Analytics herausfinden, wie zum Beispiel: welche Webseiten hat der Nutzer vorher und nachher besucht und wie lange ist die Verweildauer auf den jeweiligen Seiten. Wenn der Besucher bereits ein Produkt erworben hat, stehen auch die Bezahldaten zur Verfügung. Durch die exakte Analyse des Kundenverhaltens können zum Beispiel Up- und Cross-Selling-Methoden geschickt eingesetzt werden.

Need for Speed: Analysen müssen schnell sein

Für eine effiziente Datenanalyse ist eine ebenso effiziente Datenbanklösung erforderlich. Denn Voraussetzung für die gewinnbringende Verwendung der Analyse von Kundendaten ist Schnelligkeit. Um den gewünschten Mehrwert in Form einer höheren Konversionsrate zu erbringen, muss die Analyse der Nutzerdaten bestenfalls in Echtzeit erfolgen. Um Echtzeitanalysen zu erzielen, sollte die zugrundeliegende Datenbank sehr schnell und leistungsfähig sein. Darüber hinaus muss sie eine große Anzahl an Besucherprofilen gleichzeitig verarbeiten können. Nur so ist der Webshop in der Lage, seinen Besuchern Retarget-Botschaften so zügig zu schicken, dass sie diese auf der eigenen oder auch auf anderen Webseiten ansprechen können.

Die passende Datenbank und Analyse- sowie Visualisierungssoftware

intelligentes RetargetingBesonders geeignet für die Datenanalyse in Echtzeit sind In-Memory Datenbanken. Sie bieten die notwendige Geschwindigkeit. Dabei werden sehr große Datenmengen direkt im Hauptspeicher in Echtzeit verarbeitet. So ermöglichen sie das Retargeting innerhalb kürzester Zeit – nämlich in einer Zeitspanne von wenigen Sekunden. Zudem können sie auch Informationen bzw. Daten aus verschiedenen Quellen verarbeiten. Je mehr Informationen in die Analysen einfließen, umso genauer können Wahrscheinlichkeiten und Vorhersagen berechnet werden. Zur Auswertung der Daten ist eine passende Web-Analyse-Software nötig. Das Unternehmen Econda beispielsweise bietet eine solche Analyse-Software an. Sie integriert Shop-Monitoring, Customer Journey Analyse, Segmentierung, Behavioural Analysis und eine Recommendation Engine. Über ein Dashboard liefert sie zum Beispiel Informationen darüber, welche Suchkette die Besucher eines Webshops durchlaufen. Idealerweise visualisiert der Webshop-Betreiber die relevanten Erkenntnisse über eine Visualisierungssoftware wie beispielsweise die Software von Tableau, um aussagekräftige Präsentationen zu den Ergebnissen erstellen zu können.

Die Resultate der Analysen sind für das Online Marketing Gold wert. Auf Basis der gespeicherten Nutzerdaten können so Prognosen über das zukünftige Interesse des Nutzers getroffen werden. Eine Prognoselösung ist die Predictive Analytics Software von Blue Yonder. Sie leitet exakte Vorhersagen auf Basis der gespeicherten Nutzerdaten ab, was Kunden zukünftig möglicherweise interessiert. Je präziser diese Annahmen sind, desto zielgerichteter erfolgt das Retargeting. Daher berücksichtigt die Software für die Prognosen nicht nur einen einzelnen Kunden, sondern die Vorlieben so vieler Kunden wie möglich.

Trends erkennen

Bei der Analyse des Kundenverhaltens spielt auch deren Engagement in sozialen Netzwerken und Communities eine wichtige Rolle. Heute sind nahezu aller Besucher vernetzt und erzählen sehr wahrscheinlich innerhalb der Netzwerke, in denen sie sich bewegen, von ihren Online-Erfahrungen. Im schlimmsten Fall berichten sie über Negativerlebnisse, im besten Fall wird der Nutzer ein treuer Fan des Unternehmens, eines bestimmten Produkts oder einer Dienstleistung. In diesem Zusammenhang ist es für einen Marketer sehr wichtig, über die intensive Interaktion innerhalb sozialer sowie Verbraucher-Netzwerke an aussagekräftige Daten zu gelangen. Deshalb bietet es sich an, dass die Datenbank auch unstrukturierte Texte wie Blogbeiträge, Rezensionen oder Tweets verarbeiten kann, um sie im Nachgang auszuwerten.

Neben positiven Retargeting-Effekten profitiert die Marketingabteilung von den Datenanalysen auch in Form eines Trendscoutings. Wie beim intelligenten Retargeting kommt es hier darauf an, eine nicht kalkulierbare Menge an Daten möglichst schnell verarbeiten zu können. Die Urteile der Millionen von Besuchern über Produkte, Unternehmen oder Marken in sozialen Medien wie Xing, Facebook, LinkedIn oder auf stark frequentierten Verbraucherplattformen wie Dooyoo.de und Ciao.de lassen fundierte Rückschlüsse auf die Beliebtheit eines Produkts oder einer Dienstleistung schließen. Zugleich können Marketingkampagnen auf diese Weise effektiv gesteuert werden. Sollte die Kampagne zum Beispiel während ihrer Laufzeit einen Effekt hervorrufen, der nicht beabsichtigt war, ist es dem Marketing möglich, direkt und innerhalb kürzester Zeit darauf zu reagieren. So lassen sich negative Folgen und Image-Schäden im Vorfeld abwenden.

Auf diese Weise kann das Marketing die Big Data-Analyse nicht nur für intelligentes Retargeting nutzen. Vielmehr lassen sich zugleich extrem schnell Trends erkennen und die Unternehmens- bzw. Marketing- oder Produktstrategie innerhalb kürzester Zeit an diese Trends sowie an das Nutzerverhalten anpassen.

Kommentieren Sie den Artikel