Bevor wir fünf praktische Empfehlungen für Data Driven Experience vorstellen, grenzen wir diesen Ansatz zunächst vom Data Driven Marketing ab. Beim Data Driven Marketing (auf Deutsch: datengetriebenes Marketing) stehen die Analyse von Daten und datenbasierte Entscheidungen im Mittelpunkt. Dabei werden große Datenmengen, zum Beispiel über Kunden, gesammelt und genutzt. Anwendungsszenarien können sein:  

• Zielgruppen genauer identifizieren 
• Personalisierte Werbebotschaften und Angebote erstellen 
• Kampagnen optimieren 
• Erfolg beziehungsweise Performance von Marketingaktivitäten messen 

Die Datenquellen für Data Driven Marketing können unterschiedlicher Art sein, wie zum Beispiel Kundendaten aus CRM-Systemen, demografische Daten aus sozialen Medien oder Daten aus Analysen einer Website. Aus diesen Daten wiederum können Unternehmen Verhaltensmuster und Präferenzen ihrer (potenziellen) Kunden besser verstehen und so maßgeschneiderte Angebote erstellen und Informationen liefern.

Die Vorgehensweise hilft Unternehmen, mithilfe der gesammelten Daten mehr über Kunden zu erfahren und deren Bedürfnisse besser zu verstehen. Dadurch haben Firmen die Chance, ihre Zielgruppen individueller anzusprechen und das Kundenerlebnis entlang der gesamten Customer Journey zu verbessern. Insgesamt kann Data Driven Marketing also dazu beitragen, die Beziehung zu (potenziellen) Kunden zu stärken.  

Die Wirtschaftsprüfungsgesellschaft PricewaterhouseCoopers (PwC) sagt zu Data Driven Marketing:  

Data Driven Marketing schafft die Grundlage dafür, sich stets zu verbessern. Etwa, indem man die Zielgruppen und Touchpoints optimiert oder die Maßnahmen noch zielgerichteter auf den Kunden zuschneidet. Das Ziel: Die Kundenzentrierung und Kreativität auf der Customer Journey zu erhöhen. 

Data Driven Experience beleuchtet die Sicht des Kunden 

Stellen wir uns einen Kunden vor, der ein Produkt in einem Online-Shop kauft. Nach dem Kauf erhält er einen Tag später eine E-Mail oder eine digitale Anzeige des Unternehmens, das ihm genau das gleiche Produkt noch einmal anbietet. Möglicherweise liegt dieses, für den Kunden ärgerliche Erlebnis darin begründet, dass die unterschiedlichen Systeme und Prozesse innerhalb des Unternehmens nicht aufeinander abgestimmt sind. Das Interesse des Kunden an diesem Produkt wurde durch seinen Besuch der Produktseite zwar registriert, sein Kauf jedoch erst verspätet.   

Während dieser Vorgang den Blick auf die internen Prozesse des Unternehmens lenkt (wie lässt sich datengetriebenes Marketing am besten umsetzen?), geht es bei Data Driven Experience (auf Deutsch: datengetriebene Erfahrung) um die Perspektive des Kunden: 

Wie sieht das Kundenerlebnis aus, das komplett über Daten gesteuert wird? 

Data Driven Experience ist also ein Ansatz, der sich auf die Verwendung von Daten zur Optimierung des Kundenerlebnisses (Customer Experience) konzentriert. Durch die Analyse von Daten über das Verhalten und die Vorlieben von Kunden können Unternehmen personalisierte Erlebnisse schaffen, die auf ihre individuellen Bedürfnisse und Interessen zugeschnitten sind.   

Um beim oben genannten Beispiel zu bleiben: Data Driven Marketing muss natürlich mehr leisten als eine identische Anzeige beim Kunden mehrmals einzublenden. Was Data Driven Experience anbelangt, so können Kundendaten dazu beitragen, das Kundenerlebnis vom frühestmöglichen Kontakt – noch bevor eine Personalisierung beginnt – über den Einkaufsprozess und den Kundenservice bis zur Kundenbindung zu verbessern.  

Wenn Unternehmen die Data Driven Experience (potenzieller) Kunden möglichst positiv gestalten wollen, können sie folgenden Maßnahmen umsetzen:  

Empfehlungsmaschinen nutzen 

Kunden werden täglich mit unzähligen Marketingbotschaften konfrontiert. Selbst wenn sie eine Website besuchen, um ein bestimmtes Produkt oder bestimmte Informationen zu recherchieren, müssen sie oft viele andere Schritte durchlaufen, die für ihr momentanes und spezielles Interesse im Prinzip irrelevant sind. Dabei handelt es sich um eine allgemeine Customer Journey mit entsprechend gewichteten Inhalten. Diese sind jedoch nicht spezifisch auf den Kunden abgestimmt. Die Herausforderungen für Unternehmen dabei:  

• Eine möglichst hohe Personalisierung gewährleisten
• Die richtigen Botschaften zur richtigen Zeit am richtigen Ort platzieren 

Kunden sollen sagen können: „Dieses Unternehmen versteht, was ich suche.“ 

Realisiert werden kann dies zum Beispiel über Empfehlungsmaschinen (Recommendation Engines). Empfehlungsmaschinen sind Softwaresysteme, die Vorhersagen über Nutzerinteressen treffen und aus dem Webangebot eines Unternehmens das entsprechende Produkt oder den passenden Artikel selektieren. Zum Einsatz kommen dafür Data Mining, Machine Learning, statistische und vorhersagende Analysen.  

Empfehlungsmaschinen analysieren früheres Nutzerverhalten sowie das Verhalten von Käufern. Unternehmen können diese Technologie nutzen, um selbst während eines Verkaufsprozesses die nächstbesten Inhalte zu identifizieren. Es geht dabei um die richtige Abstimmung von Angebot und Kundenerlebnis. 

Inhalte zum richtigen Zeitpunkt liefern 

Viele Unternehmen erstellen Inhalte auf ihrer Website anhand von Buyer Personas. Diese beruhen bekanntermaßen auf Annahmen über bestimmte Eigenschaften dieser fiktiven Personen. Das Problem dieser Inhalte: Werden sie nicht von vornherein erstellt, gibt es keine richtigen Inhalte zur richtigen Zeit.

Wer sich indes intensiver mit Daten über das Kundenverhalten befasst, ist in der Lage, die richtigen Informationen zu erstellen, die sich etwa aus Webnavigations- und Suchdaten, Daten über Online-Communities oder auch sozialen Interaktionen ergeben. Es gilt: Für den Kunden wertvolle und relevante Inhalte zu erstellen und zum richtigen Zeitpunkt auszuliefern.  

Anforderungen an den Datenschutz einhalten 

Laut einer Studie der Boston Consulting Group (BCG) und Google aus dem Jahr 2022 wünschen sich zwei Drittel der Kunden Anzeigen, die ihren Interessen entsprechen. Doch nur rund ein Drittel fühlt sich beim Teilen ihrer Daten für personalisierte Anzeigen wohl.  

Das zeigt: Datenschutz ist eine große Herausforderung, und sie wird immer größer. Unternehmen sollten dies bei der Umsetzung eines datengesteuerten Kundenerlebnisses nicht vergessen. Mitarbeitende aus dem Marketing sind gefordert, Kundendaten selbst zu verwalten und zu kontrollieren. Ist dies nicht der Fall und kommt es zu einer ungewünschten Nutzung persönlicher Daten, wird das Kundenvertrauen verletzt und kann nur schwer zurückgewonnen werden. 

Für nahtlos datengesteuerte Kundenerlebnisse sorgen 

In der Marketing- und Vertriebswelt gilt der Satz: Einen bestehenden Kunden zu halten ist mit weniger Aufwand verbunden als einen neuen Kunden zu gewinnen. Wenn dem so ist, dann sollte sich das datengesteuerte Kundenerlebnis über den gesamten Lebenszyklus des Produkts oder der Dienstleistung erstrecken. Mit modernen Technologien ist es heute möglich, Signale zu erkennen, ob Kunden inaktiv werden. Stellen Unternehmen das fest, sollten sie versuchen, das Engagement ihrer Kunden zurückzugewinnen.  

Bei dieser Art von Kundenbetreuung geht es nicht bloß darum, eine drohende Abwanderung zu verhindern, sondern auch um die Bereitstellung eines proaktiven Kundenservices. Hier ist vor allem der Datenaustausch zwischen den verschiedenen Abteilungen Marketing, Vertrieb und Service wichtig, um nahtlose Kundenerlebnisse zu bieten. Kunden speichern dies unter Wertschätzung ab und die Chance ist groß, dass sie zu loyalen Kunden werden.  

Datensilos identifizieren und auflösen 

Datenlatenzen wie im oben genannten Beispiel mit der doppelt ausgespielten gleichen Anzeige entstehen durch Datensilos. Dass diese Probleme entstehen, ist nicht verwunderlich, nutzen viele Unternehmen doch eine ganze Reihe unterschiedlicher Tools und Services, die jeweils eine andere Funktion erfüllen. Das Verbinden der Daten von einem System zum anderen ist dann oft sehr kompliziert oder gar nicht möglich. 

Datensilos entstehen aber nicht nur durch unterschiedliche und nicht aufeinander abgestimmte Technologien. Sie spiegeln oft auch ein organisatorisches Problem wider, wie etwa eine durch Prozesse erzwungene Trennung von Vertrieb und Marketing oder ein Problem unternehmenskultureller Art, wie etwa Revierkämpfe.  

Dem (potenziellen) Kunden aber sind solche internen Querelen egal. Werden Kundendaten durcheinandergebracht und findet er deshalb nicht die richtigen Informationen und Produkte, leidet die Customer Experience.  

Die Verbindung von Data Driven Experience und Customer Experience Management  

Data Driven Experience ist eng mit dem Konzept des Customer Experience Management verbunden, das darauf abzielt, alle Interaktionen zwischen Kunden und Unternehmen zu optimieren. Dabei geht es darum sicherzustellen, dass Kunden jederzeit eine positive Erfahrung mit dem Unternehmen machen, unabhängig davon, auf welchem Kanal oder an welchem Touchpoint sie interagieren.  

Durch Data Driven Experience können Unternehmen das Kundenerlebnis verbessern, indem sie personalisierte Empfehlungen, Informationen und Angebote bieten, die den Bedürfnissen und Interessen der Kunden entsprechen. So stärken sie die Beziehungen zu ihren Kunden und bauen eine langfristige Kundenbindung auf.