Smart Data - Marketing Center Münster

Transcription

Smart Data –
Nutzung von Daten für eine marktorientierte
Unternehmensführung
Prof. Dr. Thorsten Wiesel
Marketing Center Münster
Institut für Wertbasiertes Marketing
© IWM/MCM 2015
1
Digitalisierung erfasst alles und jeden!
© IWM/MCM 2015
2
Was ergibt sich daraus für Unternehmen?
© IWM/MCM 2015
Wandel in der Marketingdisziplin
Digitalisierung lässt den Kunden wieder König sein (1/2)
Bisherige Interaktion
Quelle: Hennig-Thurau, et al. (2010) “The Impact of New Media on Customer Relationships: From Bowling to Pinball”
© IWM/MCM 2015
4
Wandel in der Marketingdisziplin
Digitalisierung lässt den Kunden wieder König sein (2/2)
„Digitale“ Interaktion
Das ist ihr neues
Marktumfeld!
Quelle: Hennig-Thurau, et al. (2010) “The Impact of New Media on Customer Relationships: From Bowling to Pinball”
© IWM/MCM 2015
5
Eigenschaften der Flipper Ökonomie
 Kundengetriebene („abgefälschte“) Interaktion
 „Loslassen“(„chaotisch“) und daraus Unsicherheit („unvorhersehbar“)
 Netzwerkeffekte enorm wichtig
 Hohes Datenaufkommen
© IWM/MCM 2015
6
Was heißt eigentlich Big/Smart Data?
Was müssen wir messen?
Wie setzen wir das um?
© IWM/MCM 2015
7
Was heißt eigentlich Big/Smart Data?
© IWM/MCM 2015
Die Vier „Vs“ von Big Data
Quelle: IBM (2011) „Analytics: Big Data in der Praxis “
© IWM/MCM 2015
9
Datenquellen im Internet
Quelle:
http://pennystocks.la/internet-in-real-time/
© IWM/MCM
2015
10
Datenquellen im Unternehmen
© IWM/MCM 2015
11
(Bahnbrechende) digitale Geschäftsmodelle …
Quelle: Handelsblatt vom 21.03.2013
© IWM/MCM 2015
12
… basieren auf Daten, die Konsumenten bereitstellen
müssen …
© IWM/MCM 2015
13
… und umfassen Dinge, die wir uns noch gar nicht
vorstellen können.
Quelle: http://www.britax-roemer.de/fahrrad-kindersitze/fahrrad-kindersitze/jockey-relax (04.10.2013)
© IWM/MCM 2015
14
Technische Herausforderungen
Quelle: IBM (2011) „Analytics: Big Data in der Praxis“
© IWM/MCM 2015
15
Inhaltliche Herausforderungen
Wie wird Big Data (Masse)
zu Smart Data (wertvoller Inhalt)?
© IWM/MCM 2015
16
Wie Big Data zu Smart Data wird? (1/2)
 Nur wer den „Daten-Generations-Prozess“ versteht, kann Mehrwert
schaffen

Gerätewissen
− Wie funktionieren die Geräte und Anlagen und mit welcher Sensorik und
Messtechnik kommt man an nützliche Daten heran?

Anwenderwissen
− Wer ist der Nutzer?
− Wie sind die Abläufe und Bedürfnisse der Nutzer?
© IWM/MCM 2015
17
© IWM/MCM 2015
Data
Science-Konzept
18
Wie Big Data zu Smart Data wird? (2/2)
 Dann die richtigen „Algorithmen“ zur Datenauswertung verwenden,
um echten Mehrwert für die Kunden z.B. durch

Senkung der Kosten,

Verbesserung der Prozesse
− “Uber is able to predict demand, dynamically price journeys and send the
closest driver to the customers.”

Verbesserung der Produkte/der Dienstleistung
− “Amazon or Netflix include recommendations”
zu schaffen.
© IWM/MCM 2015
19
Meine Uber Erfahrung in DUS
© IWM/MCM 2015
20
© IWM/MCM 2015
21
Meine coursera Erfahrung (1/2)
© IWM/MCM 2015
22
Meine coursera Erfahrung (2/2)
© IWM/MCM 2015
23
Pressemitteilung Collins (Fashion-Start-Up der Otto Group)
(19. Oktober 2015)
© IWM/MCM 2015
24
Meine nicht so guten Erfahrungen (1/2)
© IWM/MCM 2015
25
Meine nicht so guten Erfahrungen (2/2)
© IWM/MCM 2015
26
Das fünfte und wichtigste „V“ von Big Data
 “The applications of big data are endless. (…) We must be sure to
never forget the fifth V: Value.
 Value refers to our ability turn our data into value. It is important
that businesses make a case for any attempt to collect and leverage
big data.
 It is easy to fall into the buzz trap and embark on big data initiatives
without a clear understanding of the business value it will bring.”
Quelle: http://www.ibmbigdatahub.com/blog/why-only-one-5-vs-big-data-really-matters (Abgerufen: 30.11.2015)
© IWM/MCM 2015
27
Was müssen wir messen?
© IWM/MCM 2015
Konzept der Marktorientierten Unternehmensführung (1/2)
Beschaffung
Forschung &
Entwicklung
Produktion
Marketing
als
Funktion
(Abteilung)
Logistik
“After Sales”
Kunde
Marketing als ein Set von funktionsübergreifenden Prozessen und einer Kultur,
welche zu einem wirklich marktorientiertem Unternehmen führt
© IWM/MCM 2015
11
Konzept der Marktorientierten Unternehmensführung (2/2)
Ressourcen
• Produkt/Dienstleistung
• Marke
Was
Kunden
denken & tun?
• Kundenbeziehung
Erfolg
Fähigkeiten
© IWM/MCM 2015
30
Die richtigen Fragen stellen – Beispiele
Produkt /
Dienstleistung
Wie benutzen unsere Kunden
unser Produkt?
Welchen Preis sollten wir
für unser Produkt setzen?
Um welche nächsten
„Features“ sollten wir das
Produkt erweitern?
Welcher weitere Angebote
können wir machen, damit
Kunden zu uns kommen?
Wie können wir die
Bekanntheit erhöhen?
Wie messen wir den Erfolg
unserer Kampagnen?
Marke
Was ist unser Image?
Wie reden Kunden über uns
(bspw.) in Sozialen Medien?
Kundenbeziehung
© IWM/MCM 2015
…
Wie stehen wir i.V.z.
Wettbewerbern?
Welche Kanäle sollten
wir verwenden, um mit
unseren Kunden
zu kommunizieren?
Was ist der Wert der Kunden?
Was ist ein loyaler Kunde?
Was treibt Loyalität?
…
Wie identifizieren wir
Neukunden?
…
31
Von Big Data zu Smart Data
© IWM/MCM 2015
Big Data
Smart Data
Produkt /
Dienstleistung
15‘000 „Kommentare“
auf unserer Seite
Social Media Nutzer
mögen 123 nicht
Marke
Durchschnittlich 5
Re-Tweets pro Woche
Wenn wir XYZ posten,
dann 5x mehr Re-Tweets
Kundenbeziehung
1 Mio Kunden
am Ende der Periode
50‘000 Kunden haben
uns verlassen, wg. ABC
32
Praxisbeispiel
Netflix: Online-DVD-Verleih zum Online-Streaming-Dienst mit Eigenproduktionen
 Video-on-Demand Anbieter Netflix
überholt den erfolgreichsten
amerikanischen Pay-TV Anbieter HBO in
der Abonnentenzahl (über 48 Millionen
Abonnenten weltweit)
 Rund ein Drittel des US-Internetverkehrs
entfällt heute auf Netflix
 Seit Ende 2014 auch in Deutschland
 Benutzerdatenanalysen führten zu
Eigenproduktionen wie der Polit-Thriller
„House of Cards“
 Serie wurde komplett online gestellt und
nicht wie im Fernsehen in wöchentlichen
Abständen gezeigt
 Führte zu Steigerung der
Abonnentenzahl um 1/3 und EmmyAuszeichnung Drama
Quelle: http://www.spiegel.de/kultur/tv/netflix-ueberholt-hbo-in-der-abonnentenzahl-40-millionen-weltweit-a-929324.html; Handelsblatt (2014), „Warten auf Frank Underwood“ (22. Mai 2014)
© IWM/MCM 2015
33
Wie setzen wir das um?
© IWM/MCM 2015
Too much data!
© IWM/MCM 2015
35
Entscheidende Frage
Wie nutzen Unternehmen Daten wirklich effizient,
ohne sich selbst technisch, personell und
finanziell zu überfordern?
© IWM/MCM 2015
36
Smart-Data-Strategie
Schritt 1: Was ist das Ziel? Welche kritischen Fragen sind zu klären?
Schritt 2: Welche Daten sind zur Beantwortung der kritischen Fragen nötig?
Schritt 3: Analyse der Daten – Verstehen Sie Ihre Kunden!
Schritt 4: Notwendige Änderungen konzipieren und umsetzen!
© IWM/MCM 2015
37
Smart-Data-Strategie – Schritt 1 (1/2)
Was ist das Ziel? Welche kritischen Fragen sind zu klären?
 Was ist das Businessproblem, welches es zu lösen gilt?
 z.B. Nutzung unseres Online-Angebots wächst nicht.
 Was sind vorläufige Hypothesen zu dessen Ursache bzw. welche
kritischen Fragen sind zu beantworten?
Kundenbeziehung
Niemand kennt unser Angebot!
=> Wer von unserer Zielgruppe kennt unser Angebot?
Marke
Produkt /
Dienstleistung
© IWM/MCM 2015
Wir adressieren die falschen Kunden!
=> Wer ist unsere Zielgruppe?
Die Kunden sehen das Angebot nicht als nutzenstiftend an!
=> Welches Problem haben Kunden unserer Zielgruppe?
38
Was ist das Ziel? Welche kritischen Fragen sind zu klären?
Globalization
Upheaval of
Energies
and
Resources
Climate
Change
Urbanization
Megatrends
Demographic
Change
Digitalization
Gibt es Ihre Kunden in
Zukunft überhaupt noch
bzw. wer sind Ihre Kunden
der Zukunft?
© IWM/MCM 2015
Healthcare
Mobility
39
Welche Daten zur Beantwortung der kritischen Fragen nötig?
 Es kommt darauf an, nicht unendlich viele, sondern bloß die
richtigen Daten zu sammeln.
("Es ist besser auch Daten zu produzieren, die erst einmal nicht genutzt werden,
und sich dann Szenarien zu überlegen.“ HB 29.9.2015)
 Auflistung der bereits vorhandenen Datenquellen
 Aufwandsschätzung die fehlenden Daten zu erheben, zu tauschen
oder zu kaufen.
© IWM/MCM 2015
40
 Versuchen sie, aus vorhandenen Daten bzw. Wissensbasis im
Unternehmen das beste zu machen
− Wert unstrukturierter Daten wird oft überschätzt, jener von
Kundendaten oder Clickstreamdaten häufig unterschätzt.
Marktforschung
Daten
Wissensbasis
Erfahrung/
Intuition
© IWM/MCM 2015
Experimente
41
© IWM/MCM 2015
42
Welche Rolle spielt die Intuition (noch)?
Quelle: http://www.mercedes-amg-f1.com - 30.09.2013
=> “Fact-Based Gut Feeling”
© IWM/MCM 2015
43
 Evtl. bleiben viele kritische Fragestellungen offen, da bspw.
 die Daten nicht vorliegen,
 die Qualität der Daten nicht eindeutig ist oder
 nicht klar ist, wie die Daten erhoben werden sollen.
 Daraus ergeben sich Projekte/Maßnahmen, die zu priorisieren sind
− Maßnahmen mit der wahrscheinlich größten Wirkung sind nicht unbedingt die,
die am spektakulärsten klingen
(z.B. moderierter Kreativ-Workshop mit Mitarbeitern unterschiedlicher Hierarchieebenen
und auch mit Leuten aus externen Gruppen – Kunden, Lieferanten –, die Expertenwissen
mitbringen)
© IWM/MCM 2015
44
Erwarteter Wert des Wissens
hoch
Quadrant 1
Quadrant 4
Hier starten!
„Proxy“ & Pläne
Quadrant 2
Quadrant 3
Ignorieren!
Vermeiden!
niedrig
niedrig
Erwartete Kosten/Schwierigkeiten
hoch
Denken Sie daran, dass Sie Daten nutzen/erheben/kaufen, die auch künftig kontinuierlich
bereitstehen werden, damit sie die Analyse regelmäßig wiederholen und updaten können!
© IWM/MCM 2015
45
Analyse der Daten – Verstehen Sie Ihre Kunden!
 Businessproblem: Nutzung unseres Online-Angebots wächst nicht!
 Kritischen Fragen:
Kundenbeziehung
Marke
Produkt /
Dienstleistung
Wer ist unsere Zielgruppe?
Wer von unserer Zielgruppe kennt unser Angebot?
Welches Problem haben Kunden unserer Zielgruppe?
 Daten:
 Eigene Transaktionsdaten
 Befragung von Kunden und Nicht-Kunden
 Workshop mit Mitarbeitern und Kunden
© IWM/MCM 2015
46
Analyse der Daten – Verstehen Sie Ihre Kunden!
Kundenbeziehung
Marke
Produkt /
Dienstleistung
• Eruieren Sie die bestehende Kundensegmentierung
• Analyseergebnis: Kundengruppen mit klar definiertem Verhalten
• Eigenschaften, so dass zumindest 70% der Kunden
eindeutig einem Segment zugeordnet werden
• X% der (potenziellen) Kunden unserer Zielgruppe kennt
unser Angebot.
• Davon nutzen Y% unser Angebot bisher,
davon Z% x-mal pro Periode
• Kunden unserer Zielgruppe wollen die richtige Information
zum richtigen Zeitpunkt, ohne groß suchen zu müssen
• K1: „es soll einfach da sein“
Oft kein neues IT-Tool benötigt,
gute Excel-Analyse zumindest für den Start ausreichend.
© IWM/MCM 2015
47
Notwendige Änderungen konzipieren und umsetzen!
 Ziel: Lösung des Business Problems
Kundenbeziehung
Marke
Produkt /
Dienstleistung
© IWM/MCM 2015
=> Klare und einheitliche Kundensegmentierung
=> Erhöhung des Bekanntheitsgrad durch XYZ
=> Sortiments- oder Produktanpassungen, so dass die richtige
Information zum richtigen Zeitpunkt, ohne groß suchen zu müssen
48
Notwendige Änderungen konzipieren und umsetzen!
 Veränderungen sollten machbar sein
 Beginnen mit solchen, die den höchsten Nutzen versprechen
 Für jede Maßnahme müssen Kriterien feststehen, anhand derer der
Erfolg gemessen wird
 Testen mit Kontrollgruppen, sodass Sie lernen und Erkenntnisse
wieder einbringen können
© IWM/MCM 2015
49
Letzte Anmerkungen
© IWM/MCM 2015
Volkszählung in Deutschland 1983
Quelle: http://www.badische-zeitung.de/deutschland-1/fast-schon-ziviler-ungehorsam--9222957.html (Abruf: 23.11.2015)
© IWM/MCM 2015
51
Snowden-Affäre
Quelle: http://www.absatzwirtschaft.de/content/online-marketing/news/angst-um-datensicherheit-fuehrt-zu-rueckgang-im-onlineshopping;80831 (Abruf 02.10.2013)
© IWM/MCM 2015
52
Ganz aktuell
Quelle: http://www.spiegel.de/netzwelt/gadgets/vtech-spielzeug-daten-von-eltern-und-kinder-erbeutet-a-1065182.html (Abruf 30.11.2015)
© IWM/MCM 2015
53
Wie erlangen wir die Akzeptanz/Vertrauen der Kunden?
Quelle: Deloitte (2014) „Datenland Deutschland – Die Transparenzlücke“
© IWM/MCM 2015
54
Smart Data ist auch eine Frage der Kultur (1/2)
 Fehler dürfen und sollten gemacht werden, solange Experimente zu
Erkenntnissen führen
 Flexibilisieren Sie auch Ihre Organisationsstrukturen und –prozesse
© IWM/MCM 2015
55
Smart Data ist auch eine Frage der Kultur (2/2)
Messung/
Evaluierung
Hypothese
•
•
•
•
•
•
Implementierung
© IWM/MCM 2015
Iterativ
Funktionsübergreifend
Evolutionär
Schnell
Flexibel
…
Design/
Prototyping
56
Zusammenfassung
© IWM/MCM 2015
Die 8 Key Take Aways
 Digitalisierung erfasst alles und jeden
 Heutiges Marktumfeld entspricht einem Flipper-Spiel
 Inhaltliche Herausforderungen machen den Unterschied zwischen
Big Data (Masse) und Smart Data (wertvoller Inhalt) aus
 Dabei kann nur jemand wertvollen Inhalt / Mehrwert schaffen, der
den „Daten-Generations-Prozess“ versteht
 Dieser Mehrwert sollte nach „Produkt/Dienstleistung“, „Marke“ und
„Kundenbeziehung“ (den Ressourcen) analysiert werden
 Die vier Schritte der Smart-Data-Strategie helfen, diesen Mehrwert
Ressourcen-spezifisch zu identifizieren und umzusetzen
 Vergessen Sie dabei nicht, dass Sie die Akzeptanz / das Vertrauen
der Kunden unbedingt gewinnen müssen
 Smart Data ist insbesondere auch eine Frage der Kultur
© IWM/MCM 2015
58
Vielen lieben Dank für Ihre Aufmerksamkeit!
Ich freue mich auf die Diskussion!
© IWM/MCM 2015

Smart Data - Marketing Center Münster

Transcription

Similar documents

Hauszeitung Ausgabe Nr. 75 vom Dezember 2012

MediaTailor Kunden PDF

- Marketing Center Münster

PDF, 1,33 MB - Marketing Center Münster

Sandel_Was man fuer Geld_CS4.indd

Automotive digital: Das Rennen gewinnen

The Company

Open-Source-Marketing - Munich Business School

mathematik-klausur haupttermin 2011

Bericht der Strukturkommission der Bundeswehr vom Oktober 2010