Je digitaler der stationäre Handel wird, umso wertvoller wird der Datenschatz, auf dem er sitzt. Das weckt die Begehrlichkeiten der Marketer. Händler wie Otto, Zalando und die Retail Media Group, Werbetochter der Metro-Nachfolgerin Ceconomy, haben daraus ein Geschäftsmodell gemacht und bieten Tiefenwissen fürs Targeting an.
Es sind sicher viel mehr, aber wenn man ein wichtiges Merkmal herausheben möchte, bei dem Amazon den Wettbewerb um Längen schlägt, dann sind es die Daten. Inzwischen kennt Amazon ja weit mehr als nur das Kaufverhalten. Über Prime Video und Audio weiß man auch so einiges über den Medienkonsum und natürlich läuft derzeit der gigantische Weltversuch, über Alexa und Co. Verhaltens- und Präferenzdaten aus den Wohnzimmern zu erhalten.
Doch wer sitzt wirklich nah am Kunden? Es könnte der stationäre Handel sein, wenn man endlich die Kompetenz besäße, Daten technisch zu erheben und mit diesen auch virtuos umgehen zu können. Und man braucht natürlich irgendein Geschäftsmodell, das das trägt.
Erste Früchte
Vor ziemlich genau einem Jahr kündigte Ugwu vollmundig an, dass der Handel in Deutschland mit seinen Datenschätzen gute Möglichkeiten hat, gegen Amazon zu bestehen. Auf den Online Marketing Rockstars zeigte er nun erstmals, wie das funktionieren kann.
Ugwu schöpft Daten aus unterschiedlichen Quellen, vor allem aus den eigenen Loyalty-Programmen. Dazu kommen Payback-Daten zum Beispiel für Real und anonyme Bon-Daten. Die Daten werden in einen Topf geworfen und geclustert. Das Prinzip ist simpel: Wenn ein Nutzer ein Babyphone und Windeln kauft, dann hat er vermutlich eine junge Familie und könnte somit eine spannende Zielgruppe für den Hersteller eines Minivans sein.
Natürlich sind die Daten anonymisiert, aber weil die RMG über Werbeflächen bei den jeweiligen Unternehmen verfügt – Display, Mobile, Newsletter und Retargeting – kann mit diesen Daten trotzdem genau der passende Nutzer erreicht werden.
Mustererkennung und Wahrscheinlichkeiten
Richtig spannend wird es aber, wenn man von den Einkaufsdaten auf den Lebensstil, die Präferenzen und Werte schließen kann. Daran arbeiten die Datenexperten bei RMG mit Hochdruck. Ist ein Mensch, der Kaffee-Kapseln für eine Nespresso und ein Ladekabel für ein iPhone kauft, eher empfänglich für die Werbung von Sportkleidung von Puma oder Under Armour?
Diese Form der Mustererkennung geschieht quantitativ. Es werde also Wahrscheinlichkeiten errechnet, etwa: kauft zu 70 Prozent eher Under Armour als Puma. Ist die Datenmenge groß, und das Berechnungsmodell gut genug, so nähert sich die berechnete Wahrscheinlichkeit dem Streuverlust der Werbeschaltung an. Die Marke wird 100 Prozent der gefundenen Zielpersonen anschreiben oder ihnen Display-Werbung zeigen, aber nur für 70 Prozent ist das relevant. Nur weiß die Marke leider nicht genau, für welche 70 Prozent. Der Rest ist ein Rechenspiel. Die Schaltungskosten für die zielgerichtete Werbung müssen halt inklusive Streuverlust geringer sein, als der erzielte Ertrag.
„Wir wissen noch gar nicht so viel darüber, wie Marken und deren Werbung auf den Kaufprozess wirken. Da gibt es viele offene Fragen“, sagt Ugwu. Als Beispiel nennt er den Autokauf, bei dem 40 Prozent aller Kundinnen nach Marke entscheiden und die Frauen wechselwilliger sind als die Männer. Für 40 Prozent der Kundinnen sind also der Lifestyle, die Werte, die Emotionen, die eine Marke vermittelt, eher kaufentscheidend, als die Funktionen und Merkmale. Anders wird es bei ganz neuen Produkten, die man nicht kennt. Hier entscheiden sich fast Dreiviertel der Befragten für bekannte Marken.
Im internationalen Vergleich zeigt sich, dass Menschen in Ländern mit niedrigerem Durchschnittseinkommen, wie etwa in Südamerika, deutlich mehr Markentreue haben, als die Europäer. „Im Marketing existiert aber das Klischee, das man den Einkommensschwachen eher das billige NoName-Produkt präsentiert“, wirft Ugwu ein. Liegt das Bauchgefühl-Marketing hier einmal mehr falsch?
Erste Cases
Soweit die Theorie. Jeder Händler hat wertvolle Daten, die er gemeinsam mit den Marken, die ihn beliefern, zumindest teilweise vermarkten kann. Fatima Lopez-Morales von Microsoft zum Beispiel freut sich über einen Return on Advertising Spend (ROAS) von 7,5, den sie für die letzte Kampagne zum Surface-Tablet erreicht hat. Das bedeutet, dass jedem ausgegebenen Werbeeuro sieben Euro fünfzig Umsatz entgegenstehen.
„Das war nicht von Anfang an so“, bremst Lopez-Morales die Euphorie. „Wir lagen am Anfang bei etwa 4,6. Aber die kontinuierliche Zusammenarbeit mit der RMG erlaubt natürlich eine schrittweise Verbesserung. Eine der spannendsten Erkenntnisse aus den Handelsdaten war, dass sich die Zielgruppe der Young Professionals stärker für das Produkt interessierte, als man das bei Microsoft dachte. „Die Daten haben prognostiziert, dass es da noch eine weitere Zielgruppe gibt, und sie hatten recht“, so Lopez-Morales.„Die Daten haben prognostiziert, dass es da noch eine weitere Zielgruppe gibt, und sie hatten recht.“
Einen ganz anderen Anwendungsfall zeigt das Beispiel der Deutschen Knochenmark Spenderdatei DKMS. Die hatten eigenen Angaben zufolge schon vier Jahre nicht mehr signifikant im Digitalsegment geworben, weil es nichts brachte. Stattdessen fokussierte man vor alle auf Plakate.Das RMG-Team suchte zunächst nach Zielgruppenmerkmalen, die auf eine positive Einstellung zu Charity hindeuten. Dann wurden sehr generische DKMS-Banner geschaltet. Der spannende Hebel aber kam in Phase zwei. Da entwickelte das RMG-Team eigene Werbemittel, die inhaltlich an die Gefühlswelten der gefundenen Zielgruppen andockten. Aus dem Stand erzielten die neuen Creatives eine um 15 Prozent höhere Registrierungsquote bei DKMS.
Fazit
Der Handel – egal ob stationär oder online – tut gut daran, den Schulterschluss mit den Kunden zu suchen und noch näher an diese heran zu rücken. Dadurch steigt das Wissen über die Kunden und das lässt sich direkt und indirekt vermarkten. Bei allem Wunsch zur Automatisierung sollte man vorsichtig sein, dass man sich zum Beispiel bei der Recommendation Engine nicht einfach damit zufrieden gibt, gute Zahlen zu bekommen. Es ist mindestens ebenso wichtig zu fragen, wie und warum diese Zahlen entstanden sind.
