Marketing-Automation: CRM braucht gute Daten

Aus Sicht des Werbenden sollte die digitale Kampagne möglichst automatisiert, integriert und am Ende natürlich erfolgreich sein. Schaut man auf die Zahlen der Trovarit CRM Studie aus dem Jahr 2019, geben mehr als 40% der 551 Befragten an, eine Kampagnenplanung und -steuerung in ihrem CRM-System einzusetzen, etwas weniger setzen auf die integrierte Massenkommunikation – also Email-Versand aus der CRM-Anwendung.

Die Voraussetzungen sind also eigentlich schon mal nicht schlecht, um einerseits die Budgets stärker in die digitale Richtung zu lenken und andererseits dank weitgehender Automatisierung der Marketing-Aktivitäten ein möglichst positives Ergebnis – sprich Marketing Qualified Leads – zu erhalten.

Technologie allein reicht nicht

Der technologische Teil des CRM-Dreiklangs aus Technologie, Prozessen und Menschen ist am einfachsten zu erfüllen. Die meisten gängigen CRM-Suites bekommen den Versand und die Erfolgsauswertungen zufriedenstellend hin. Komplexer wird es bei eher prozessualen Fragestellungen:

• Womit gewinne ich die Aufmerksamkeit meiner Zielgruppe?
• Wer ist überhaupt meine Zielgruppe?
• Wen kenne ich aus meiner Zielgruppe so gut, dass ich ihn anschreiben darf?
• Wie erreiche ich die „Unerreichbaren“?
• Was passiert, wenn der Angeschriebene reagiert?
• Was passiert, wenn der Angeschriebene nicht reagiert?

Am Anfang steht die Durchsicht der Marketing-Datenbank inklusive Qualifizierung und Segmentierung der Kontakte und die Verwaltung der unterschiedlichen Listen, die für die einzelnen Kampagnen verwendet werden sollen. Zentraler Punkt im Kampagnen-Management ist die Erstellung der Inhalte, beispielsweise eines Whitepapers, Tweets, Videos etc., die Planung der Kampagne und die Einspielung ins System. Nach dem Start der Kampagne geht es um die Ergebnisbewertung: Wer hat geantwortet, wer wird vom Vertriebsinnendienst betreut, welche Adressen haben sich als falsch herausgestellt – das sind die weiteren Schritte. Immer wieder einen Feedback-Loop einplanen, also beispielsweise falsche E-Mail-Adressen aussortieren, Inhalte nachbessern, Segmentierungen ändern, hat sich als sinnvoll herausgestellt.

Dem CRM-System kommt dabei eine verbindende und auslösende Funktion zu. Es gilt die Erkenntnisse der Website-Analytik und der Analyse der Kommunikationskanäle zu nutzen, um dynamische Inhalte auf den bevorzugten Kommunikationskanälen Trigger basiert automatisch auszuspielen. Hilfreich ist, dass die Systeme immer intelligenter werden und die zugrundeliegende Technologie immer besser „versteht“, welche Kampagnen funktionieren.

Garbage In – Garbage Out

Doch leider sind Kundengewinnung und -bindung deutlich komplizierter, als einfach nur ein Stück Software zu beziehen und zu hoffen, die Kunden kommen dann schon automatisch – schließlich heißt es doch Marketing Automation? Eine mehrstufige Kampagne braucht neben der Technologie Inhalte, Analytik, Adressen und Übergabepunkte, damit aus einfachen Adressen sogenannte Marketing Qualified Leads, im Anschluss Sales Qualified Leads und am Ende dann hoffentlich Aufträge und bezahlte Rechnungen werden.

Der Markt für Datenmanagement-Software ist unübersichtlich und heterogen. Eine Vielzahl von Softwareanbietern ist hier aktiv, deren Lösungen in ihrem Fokus und Funktionsumfang von kleinen Tools zur Bereinigung einzelner Datensätze bis hin zu umfangreichen Server-Applikationen zum ganzheitlichen Datenmanagement von Konzernen reichen.

Damit solche aufwändigen Bereinigungen keine Einmal-Aktion sind und die Daten anschließend wieder nachlässig gehandhabt werden, bietet es sich an, auf Basis der gewonnen Erkenntnisse des Datenprojektes Maßnahmen zum täglichen Umgang mit Daten abzuleiten. Die durchzuführenden Maßnahmen leitet sie dabei aus den Ursachen der identifizierten Probleme ab und untergliedert diese in die Kategorien „automatisch“, „halbautomatisch“ und „manuell“.

Automatische Maßnahmen lassen sich ohne weiteren Aufwand z. B durch die Nutzung eines Tools erledigen (z. B standardisiertes Format für Telefonnummern erzeugen). Halbautomatische Maßnahmen erfordern nach einem automatischen Teil eine zusätzliche Betrachtung und Bearbeitung der Daten. Typisches Beispiel dafür ist eine Dublettenanalyse, die Gruppen von Datensätzen liefert, die mit hoher Wahrscheinlichkeit zueinander Dubletten sind. Eine endgültige Entscheidung, welche Datensätze aus den Dublettengruppen übrigbleiben, muss jedoch der Kunde treffen. Manuelle Maßnahmen erzeugen einen hohen Aufwand, wenn z. B. für ein obligatorisches Feld bei vielen Datensätzen Einträge fehlen und nachträglich aus anderen Datenquellen im Unternehmen ermittelt werden müssen. Daher ist es auch nach einmaliger Analyse wichtig, in einem repetitiven Prozess fortlaufend Datenanalysen und -bereinigungen durchzuführen, um die erreichte Datenqualität aufrechtzuerhalten und langfristig zu sichern. Denn selbst wenn bei entsprechender Maßnahmenumsetzung nach der Systemeinführung ein halbwegs akzeptabler Zustand erreicht wurde, kann die Datenqualität danach ohne regelmäßige Maßnahmen schnell wieder sinken.