Das digitale Marketing nutzt viele verschiedene Datenquellen für die Optimierung von Websites, effektive Werbung, Customer Centricity, Reaktivierung von Kaufabbrechern, onsite oder offsite Personalisierungsmaßnahmen und vieles mehr.

Datenintegrationen sind hier der Schlüssel, denn jedes Mal, wenn man etwas über eine „360°-Sicht“, „Kundenzentriertheit“, „Multi-Channel-Attribution“, „Medien-Modellierungs-Mix“ oder „Personalisierung“ liest, erfordert der jeweilige Ansatz die Verbindung mehrerer Datenquellen, um einen Wert zu liefern.

Von 1st zu 3rd Party Daten

Die meisten bezahlten Traffic Kanäle (z.B. Social Ads und Retargeting) basieren auf Daten von Drittanbietern, um eine bessere, relevantere Botschaft zur richtigen Zeit an einen Nutzer zu liefern sowie die Zielgruppe zu identifizieren und Konversionen zu fördern.

Gleichzeitig messen die 1st Party Datenquellen alle Aktivitäten und Geschäftserfolge auf den eigenen Plattformen und durch Direktmarketingmaßnahmen wie z.B. per E-Mail, Newsletter, Apps, Kundenservice, jegliche Kundenkommunikation (und möglicherweise auch durch digitale Touchpoints in Ihren Geschäften).

Datenquellen von Drittanbietern lassen sich relativ einfach zu einer digitalen Plattform hinzufügen (die berühmte „eine Codezeile“). Ihre Leistung beruht darauf, dass sie cloud-basierte Profile mit Signalen von mehreren Websites füttern, wodurch der Profilbesitzer (die 3rd Party) relevante Informationen ableiten kann, die wiederum zur Optimierung der verschiedenen digitalen Plattformen oder des an sie gesendeten Traffics verwendet werden. Daten von Drittanbietern schaffen jedoch ein weiteres Datensilo und diese Daten sind in der Regel weniger granular oder für den Daten-Controller (den Website-Besitzer) nicht anpassbar. Kurz: Man bezahlt für den Erfolg, aber man kann nicht „unter die Haube“ schauen.

1st Party Daten erfordern meist eine komplexere Implementierung, um alle relevanten Datenpunkte zu erfassen, den Datenverkehr, Benutzertypen und Ereignisse/Events zu segmentieren und alle Einstellungen entsprechend zu konfigurieren. Es ist sozusagen mehr der Bau eines Hauses als die Anmietung einer voll ausgestatteten Einrichtung. Die Daten stehen jedoch im Rohformat und nichtaggregiert zur weiteren Verarbeitung zur Verfügung. Insbesondere Advanced Analytics und Data Science benötigen Rohdaten, um Modelle zu erstellen und Erkenntnisse abzuleiten.

Dann gibt es 2nd Party Daten, d.h. alle Daten, die von einem anderen Datenbesitzer stammen. 2nd Party Daten werden weniger mit Bezug auf Dateneigentum, Datenschutz und Datenintegration für die Marketingautomatisierung diskutiert, da die Sammlung an anderer Stelle durchgeführt wurde – ohne durch die eigene Anreicherung dessen.

Übersicht über die Datenparteien

Hier sind Beispiele für die drei verschiedenen Datenparteien und die Herkunft der Datenquellen:

Im Hinblick auf die Nachhaltigkeit können wir drei Perspektiven für die Bewertung von Datentypen und -quellen unterscheiden, die für den Geschäftserfolg benötigt werden:

  • Eigentumsverhältnis

  • Datenverarbeitung und Datenintegration

  • Längerfristige Risikominimierung

Die Daten selber zu besitzen („Data Ownership“) ist ein großer Vorteil, da man die Daten hinsichtlich der Datenverarbeitung und weitere Datenintegrationen nutzen kann wie man möchte und immer parat hat. Data Ownhership ist auch für die Rechtssicherheit eine wichtige Voraussetzung, nicht zuletzt wegen der Möglichkeit zur Löschung von Daten oder z.B. um „das Recht vergessen zu werden“ zu gewährleisten.

Die Datenverarbeitung und Datenintegration hängt sehr stark von der Datengranularität und der Fähigkeit ab, die Daten systemübergreifend zu importieren und zu exportieren. Bestimmte Systeme ermöglichen die Datenverarbeitung und -integration innerhalb des eigenen Ökosystems, nicht aber den Datenexport in andere kundenspezifische Systeme. Auf jeden Fall muss man eine Datenquelle auch danach beurteilen, wie sie in ein Datenökosystem integriert werden kann.

Eine langfristige Risikominderung kann aus verschiedenen Perspektiven betrachtet werden. Eine davon sind die Kosten, die mit der Zeit steigen können, was sich auf den ROI auswirkt. Wenn dies mit einer Abhängigkeit von einer Datenquelle einhergeht, sind die Ausstiegsmöglichkeiten begrenzt. Eine andere ist die Datenqualität und -quantität, die im Laufe der Zeit im Hinblick auf höhere Datenschutzstandards für die Einholung der Zustimmung der Nutzer bei der Nachverfolgung abnehmen kann. Eine dritte Perspektive ist die Datenportabilität, falls man die historischen Daten behalten, aber in ein anderes System migrieren möchten.

Hier ist ein Überblick über verschiedene Aspekte der drei verschiedenen Datenparteien:

Fazit

Während Daten von Drittanbietern den Vorteil haben, am schnellsten produktiv zu sein, indem man einfach ein funktionierendes System zu den Plattformen und Kanälen hinzufügt, hat diese Methode die Kehrseite hoher Kosten, begrenzter Datenverarbeitung, geringerer Benutzerakzeptanz und der Schaffung einer externen Abhängigkeit.

Auf der anderen Seite enthalten 1st Party Daten alle Informationen über Benutzer und Kunden, sind günstiger in der Speicherung und portabel, aber mit einem höheren Grad an Implementierung und Wartung verbunden. Es fehlen aber externe Informationen, die notwendig sein könnten, um Zielgruppen zu erreichen, die noch nicht mit deinem Unternehmen in Kontakt waren.

Die Lösung ist keine Entweder-oder Entscheidung! Ein nachhaltiges Datenökosystem muss beide Welten umfassen und die digitalen Marketingaktivitäten unterstützen. Aber es muss auch erkennen, wo eine effektive Optimierung mit einem Minimum an externer Abhängigkeit, langfristigen Risiken und Kosten möglich ist.

Oft gewinnt der „schnelle und einfache“ Ansatz von 3rd Party Daten gegenüber dem „langsameren, aber günstigeren und zuverlässigen“ Ansatz der Verwendung von 1st Party Daten. Es kann auch ein Kampf zwischen Marketingmanagern und Data Analysts/Data Scientists sein. Doch viele Unternehmen haben die Risiken verstanden und sich darauf vorbereitet. Die zunehmende Menge an hochspezialisierten Data Warehouses und Data Lakes mit einer automatisierten Operationalisierung der Daten in Echtzeit spricht für sich. Es besteht also ein Bedarf an hochentwickelten Technologien, die Unternehmen helfen, das Beste aus ihren 1st Party Daten zu machen.

ODOSCOPE basiert auf 1st Party Daten, es erstellt kein weiteres Datensilo, sondern kombiniert verschiedene bestehende Datenquellen, um die vielversprechendsten Korrelationen zu identifizieren und datengetriebene Personas abzuleiten. Unsere Plattform ist für die Integration von Rohdaten und für die Automatisierung von Entscheidungen auf Basis ihrer KPIs und Geschäftsanforderungen konzipiert. ODOSCOPE liefert Echtzeit-Entscheidungen, die für die Personalisierung auf die Situation („Situationalisierung„) mit direkter Auswirkung auf die User Experience optimiert sind – optional können auch andere Datenquellen (z.B. aus einem CRM, ERP etc.) integriert werden. Die Verhaltenssegmentierung und die manuelle Pflege von regelbasierten Systemen sowie die Produktsortierung werden automatisch operationalisiert, um optimale Ergebnisse auf der Grundlage Ihrer Ziele zu erzielen.