Sich über Wasser halten: Erfolg mit Deep Data

Ryan Anderson, Director of Analytics bei FortyFour, sitzt in der Nähe der Küche der Agentur, während durch das Fenster hinter ihm Sonnenlicht in den Raum strömt. Er findet, es ist ein Riesenglück, hier sein zu dürfen.

„Nach dem College war ich erstmal in der Lieferkettenlogistik“, so Anderson. „Es hat etwa 18 Monate gedauert, bis mir klar wurde, dass ich nur wenig Leidenschaft dafür hatte, effizientere Wege zu finden, Kartons hin- und herzuschieben.“

Anderson hat gekündigt und von da an in Start-ups und Technologieunternehmen gearbeitet, bis Adam Roe auf ihn zukam. Roe gründete gemeinsam mit Thomas Frank die Websitedesignagentur FortyFour. Aber nachdem sie für ihre Klienten Websites eingerichtet hatten, wollten die auch wissen, wie sie abschnitten.

„Als ich zum Team stieß, begann FortyFour gerade, sich immer mehr auf Marketing und Analysen zu konzentrieren“, erzählt Anderson. „Wenn man die Daten hat, will man auch herausfinden, wie man die Leistung steigern kann. Ich musste mich aber ganz schön umstellen. Ich musste lernen, an einem Arbeitstag zwischen den Accounts zu wechseln. Außerdem wurde eine gute Kommunikation mit den Klienten entscheidend. Sobald ich das gelernt hatte, machte wir die Arbeit in der Agentur richtig Spaß.“

Säkularer Daten-ismus

FortyFour hat bereits für die American Cancer Society, Robot Chicken von Cartoon Network und an Coca-Colas extrem beliebter „Share a Coke“-Kampagne gearbeitet. Während all dem schuftete Anderson unermüdlich hinter den Kulissen und nutzte Daten für den Erfolg. Dazu gehört nicht nur, im Nachhinein Zahlen zu sammeln. In erster Linie bedeutet es, die Ziele der Klienten zu verstehen.

„Wir beginnen damit, sicherzustellen, dass wir verstehen, wie Klienten ihr Unternehmen sehen und was sie wollen“, erklärt Anderson. „Wollen sie ihren Einzelhandelsumsatz steigern? Ihre Website optimieren? Welche Metriken sind wirklich sinnvoll? Wir wollen auch wissen, ob sie glauben, dass sie diese Daten bereits in irgendeiner Form erhalten, damit wir verstehen, an welchem Punkt sie gerade sind.“

Viele von Andersons Klienten befassen sich bereits auf irgendeine Art und Weise mit Datenerfassung, sei es in Form eines WordPress-Statistikfelds oder von Google Analytics. Solche Daten sind vielleicht anfangs nützlich, aber nicht unbedingt erforderlich.

„Wir sind plattformunabhängig: Wenn unseren Klienten ihre Analyseplattformen gefallen, arbeiten wir gerne auch damit“, sagt Anderson. „Aus unserer Sicht ist das Wichtigste, festzustellen, ob wir ihre Fragen mit den erfassten Daten beantworten können. Wenn die Antwort „Nein“ lautet, fügen wir ihrer Website und auf Plattformen wie Facebook und Mailchimp mehr Tracking hinzu.“

Anderson betont jedoch, dass sich Analysetools nicht immer einig sind. Dann muss man wissen, wann man sich Sorgen machen muss, und wann nicht.

Atom-U-Boote und weiße Pottwale

Stelle dir vor, du bittest deine Kolleg*innen, dir kurz das Auto eures Chefs zu beschreiben. Wahrscheinlich sind sie sich beim Modelljahr oder beim Rotton nicht ganz einig. Mit solchen kleinen Unterschiede muss man rechnen. Ein Problem hast du erst, wenn jemand sagt, dass dein Chef eigentlich ein Atom-U-Boot fährt.

„Wenn die Leute feststellen, dass ihre Messplattform und ihre Datenbank unterschiedliche Ergebnisse liefern, machen sie sich häufig Sorgen“, weiß Anderson. „Google Analytics stimmt zum Beispiel häufig nicht mit Shopify überein, und die Abweichungen sind ziemlich gleichbleibend. Man erhält dort fast immer eine Diskrepanz von 3 % bis 5 %. Aber wir wissen das, wir rechnen damit. Es macht uns also keine Sorgen. Wenn man einen echten Ausreißer findet, hat man ein Problem.“

Ein Teil des Problems ist die Attribution. Verschiedene Marketingplattformen zählen Klicks unterschiedlich. Es ist nicht einfach, diese Plattformen zur Zusammenarbeit zu überreden.

„Das allgemeine Attributionsproblem ist der große weiße Wal der Analytik, das Problem, das jeder zu lösen versucht“, so Anderson. „Es kann einen verrückt machen. Aber zu einem bestimmten Zeitpunkt entscheidet man sich, welche Formel man verwendet, und trifft seine Entscheidungen basierend auf dem, was einem vorliegt. Sonst können dich deine Daten auch lähmen.“

Anderson hat für dieses Leiden eine einfache Lösung.

Die richtigen Kennzahlen für die jeweilige Aufgabe

„Welche Kennzahlen helfen dir, Maßnahmen zu ergreifen? Das sind die, die wichtig sind“, betont Anderson. „Im E-Commerce will zum Beispiel jeder den Umsatz verfolgen, und das aus gutem Grund. Aber was die Maßnahmen angeht, gibt es einfach keinen Umsatzhebel, den ich ziehen kann, um diese Zahlen zu erhöhen. Die Messungen lassen sich nicht in Maßnahmen umsetzen.“

Anderson rät Klienten stattdessen, sich die Faktoren anzusehen, die zu Verkäufen führen.

„Der Umsatz errechnet sich aus Traffic x Konversionsrate x durchschnittlicher Größe der Bestellung, oder? Das sind Kennzahlen, um die herum du eine Strategie aufbauen kannst. Du kannst herausfinden, wie du diese Bestandteile steigern kannst, und das führt wiederum zu mehr Umsatz“, sagt Anderson.

Eine andere Möglichkeit, dich von Daten nicht lähmen zu lassen, besteht darin, dich für deine Kennzahlen zu entscheiden und dann dabei zu bleiben.

„Wir haben in der Regel zwei Arten von Klienten: Die einen wollen für alles Zahlen sehen, sie wollen so viele Daten, wie nur möglich, sie wollen Updates, am besten minutengenau. Sie lieben es einfach“, so Anderson. Die anderen sehen sich nur ab und zu ein paar Zahlen an und fühlen sich dabei womöglich nicht gerade wohl. In beiden Fällen empfehlen wir ihnen, eine Kampagne zu starten, bei der sie sich auf drei bis fünf Kennzahlen konzentrieren. Es ist wichtig, in der Marketingautomatisierung schrittweise vorzugehen. Wenn du zu viele Datenpunkte hast, ergeben sie gemeinsam keinen Sinn und du verbringst am Ende die ganze Zeit damit, nach Antworten auf Datenfragen zu suchen, anstatt rund um die Faktoren zu planen, die sich auf dein Unternehmen auswirken.“

Liebe deine Marke wie deine Daten

Anderson schlägt bei E-Mail-Analysen eine ähnliche Strategie vor: Räume ein paar Kennzahlen, die mit deinen Zielen zusammenhängen, Priorität ein und verfolge sie sorgfältig.

„Mailchimp ermöglicht eine ziemlich tiefgehende Segmentierung. Wir können also nachverfolgen, wer E-Mails erhält und wie oft sowie welche Maßnahmen die Empfänger*innen ergreifen“, so Anderson. „Auch wenn man mit ein paar einfachen Kennzahlen beginnt, kann man einige sehr anspruchsvolle Fragen beantworten, wenn man mehr Feedback sammelt. Wenn wir herausfinden, was bei den einzelnen Segmenten einer Zielgruppe funktioniert, können wir unsere Botschaften an die jeweilige Gruppe anpassen.“

Sobald die Ergebnisse eingehen, wird den Daten mit den größten Auswirkungen auf die nächste Entscheidung Priorität eingeräumt. Dies kann bedeuten, dass im E-Commerce der Verkauf wichtiger ist als die Öffnung der E-Mail.

„Natürlich wollen wir, dass den Empfänger*innen die E-Mail gefällt, aber letztendlich ist das Ziel immer noch, etwas zu verkaufen“, sagt Anderson. „Im E-Commerce geht es uns mehr darum, Artikel, die zu Warenkörben hinzugefügt wurden, Käufe und den Betrag pro Verkauf nachzuverfolgen. Um die Öffnungsrate machen wir uns weniger Sorgen, da an dieser im Laufe der Zeit gedreht werden kann. Was für uns anfangs schwieriger zu verstehen ist, ist, wer eine E-Mail liest und dann tatsächlich etwas kauft. Daraus stammen die wertvollsten Daten.

Wenn du dich auf einige wichtige Kennzahlen konzentrierst, fallen strategische Entscheidungen leichter, und sie können auch die Marke insgesamt stärken.

„Deine Zielgruppe gibt dir viel mehr Spielraum, wenn du dein Unternehmen mit Herz und Leidenschaft vertrittst“, versichert Anderson. „Es ist schwierig, dieses Maß an Leidenschaft aufrechtzuerhalten, wenn du dich ständig auf jedes kleine Datenelement konzentrierst oder Änderungen vornimmst, die deine Ergebnisse um ein paar Prozentpunkte verbessern. Auf lange Sicht bist du viel besser damit bedient, zur Identität deiner Marke zu stehen, anstatt sie von den Zahlen diktieren zu lassen. So schaffst du eine langfristige Affinität deiner Kund*innen zu deiner Marke.“

4 Möglichkeiten, mit schlechten Daten umzugehen

Früher oder später passiert es uns allen: Die Daten ergeben einfach keinen Sinn mehr. Vielleicht sind sich deine Messplattformen bei deinem Traffic nicht einig. Vielleicht führen die Engagementzahlen dazu, dass du schreckliche Betreffzeilen und unsinnige Calls-to-Action ausprobierst. Egal, wie sie im Detail aussehen, jeder, der sich mit Analysen befasst, stößt früher oder später auf Hindernisse.

Auch die besten von uns bekommen es irgendwann mit schlechten Daten zu tun. So gehst du damit um:

1. Vertraue (größtenteils) deinem Bauchgefühl. Es kann verlockend sein, sich einfach an die Daten zu halten, auch wenn sie keinen Sinn ergeben. Allerdings kann dich dies auch in ein Labyrinth führen, aus dem du nicht mehr allein herausfindest. Leugne nicht, dass es ein Problem mit den Zahlen gibt, sondern vertraue deinen Instinkten. „Wenn du versuchst, schlechte Daten auszusortieren, musst du häufig nur deinen gesunden Menschenverstand nutzen“, verrät Anderson. „Wenn etwas überhaupt keinen Sinn macht, musst du erst deine Daten überprüfen, um herauszufinden, was passiert, bevor du deine Strategie änderst.“

2. Stelle bessere Fragen. Unklare Daten können das Ergebnis unklarer Fragen oder Hypothesen sein. Vielleicht lohnt es sich, dir noch einmal die Grundlagen anzusehen, oder vielleicht brauchst du nur Feedback von jemandem, der mehr Abstand zu der Kampagne hat. Das Ziel ist in jedem Fall dasselbe. „Du musst wissen, was du testest und wie du es testest“, sagt Anderson. Dafür brauchst du klare Fragen, wenige Variablen und eine möglichst große Stichprobengröße.

3. Sieh dir das große Ganze an. „Wenn du viele kleine Tests durchführst, die zu winzigen Optimierungen führen, erreichst du nur eine begrenzte Maximierung“, so Anderson. „Du erreichst zwar die Spitze eines Hügels, aber den Berg, der eine drastische Veränderung erfordern würde, bewältigst du nicht.“ Wenn du viel Zeit damit verbringst, Daten zu sammeln, um eine Strategie umzusetzen, mit der du nur geringfügige Gewinne erzielst, denkst du vielleicht nicht groß genug. Statt Betreffzeilen A/B-Tests zu unterziehen, solltest du vielleicht besser zwei völlig neue Vorlagen testen.

4. Gestehe dir deine Annahmen ein. „Schlechte Daten ähneln ein wenig dem Problem der Marketingattribution“, erklärt Anderson. „Wenn du grundverschiedene Informationen hast, musst du dir irgendwann einfach eingestehen, welche Annahmen du triffst, und eine Weile einfach damit leben.“ Wenn du auf widersprüchliche Daten stößt, kannst du einfach die nutzen, die zu deinen ursprünglichen Annahmen passen, solange du weißt, dass du mit diesen Annahmen arbeitest und bereit bist, sie dir später erneut anzusehen, sobald weitere Informationen vorliegen.