Um durch digitales Marketing und Vertrieb signifikante Umsatz- oder Gewinnsteigerungen zu erzielen, sind Erkenntnisse und Intelligenz erforderlich, die sich aus der Fähigkeit ergeben, Nutzer online auf einer persönlichen Ebene zu identifizieren und Ihre Marketingkommunikation auf der Grundlage von Kundendaten zuzuschneiden. Bis heute sind nur sehr wenige Unternehmen in Nordeuropa in der Lage, das Potenzial der Kombination von Online- und Kundendaten in großem Umfang zu nutzen. Diese Fähigkeiten lassen sich nicht von heute auf morgen entwickeln, sondern erfordern eine Kombination aus langfristiger Vision und unermüdlicher Entschlossenheit. Sobald Ihre Datenkapazitäten vorhanden sind, werden sie einen bedeutenden Vorteil gegenüber Ihrer weniger versierten Konkurrenz bieten. Sie werden auch den Konkurrenten, die auf Daten angewiesen sind, das Feld ebnen. In diesem Blog werden Sie sich mit folgenden Themen vertraut machen:
- Die wichtigsten Vorteile der Kombination Ihrer Online- und Kundendaten
- Hohe technische und Compliance-Anforderungen
- Wie Sie Ihren Bestand an identifizierbaren Kunden und Interessenten in Online-Kanälen maximieren können
Wir definieren dies als das wichtigste Puzzlestück, um den Wert Ihrer Kundendaten zu erhöhen oder sie in verwertbare Daten umzuwandeln. Da Online- und Offline-Kundenerfahrungen unweigerlich miteinander verschmelzen, ist das kanalübergreifende Verständnis des Kundenverhaltens ein Muss, um unabhängig von der Branche oder dem B2B- bzw. B2B-Kontext spielen zu können. Im Dezember 2020 baten wir Google-Vertreter, Beispiele für Unternehmen in den nordischen Ländern zu nennen, die es geschafft haben, Kundendaten an digitalen Berührungspunkten zu nutzen, selbst in kleinem Maßstab. Das nächstliegende Beispiel stammte aus den Niederlanden. In diesem Fall war das Beispiel Rituals.
Die wichtigsten Vorteile der Kombination Ihrer Online- und Kundendatenquellen
Die Webanalyse, d. h. die Messung des Online-Verhaltens, stützt sich seit ihren Anfängen auf Browser oder Geräte, anstatt gründlich zu versuchen, die Nutzer oder den Menschen hinter diesem Gerät zu verstehen. Trotz der wachsenden Herausforderungen im Internet tracking und der Bedenken hinsichtlich des Datenschutzes sind wir optimistisch, weil wir glauben, dass sowohl die Technologie als auch die Verantwortung der Unternehmen die wachsenden Bedenken hinsichtlich der Spionage ausräumen können.
Um die Vorteile der Kombination von Online-Verhaltensdatensätzen mit Kundendatenquellen zu verdeutlichen, haben wir die Vorteile in vier Hauptkategorien unterteilt:
- Erstellung eines "präzisesten" Nutzer Profils (manchmal irreführend als Customer 360 bezeichnet)
- Neue und bessere Kundeneinblicke
- Marketingeffizienz, verbesserte Ergebnisse für Vertrieb & Marketingaktivitäten
- Backbone und Genauigkeit für Predictive Analytics oder Machine Learning Lösungen
Customer 360 ist ein überstrapaziertes Versprechen, das von keinem Technologie- oder Dienstleistungsanbieter jemals eingelöst wurde. Ich möchte die Perspektive des Erwerbs neuer Erkenntnisse über das Kundenverhalten hervorheben. Die Kombination von Verhaltensbeobachtungen über verschiedene Kanäle hinweg mit der Kenntnis verschiedener Attribute wie grundlegender Kundenmerkmale sollte lead zu neuen Erkenntnissen führen. Andernfalls ist der Teil der Analyse gescheitert. Der eigentliche Wert dieser Erkenntnisse besteht jedoch darin, dass sie umsetzbar gemacht werden und auf der Grundlage der neu gewonnenen Erkenntnisse kundenorientierte Maßnahmen entwickelt werden. Je mehr Sie neue Erkenntnisse finden und daraufhin Maßnahmen ergreifen können, desto mehr Wert wird geschaffen. Für die Skalierung ist Automatisierung erforderlich, worauf im nächsten Beitrag dieser Blogserie gesondert eingegangen wird.
Ein umsetzbares Nutzer Profil ist eine Ebene, die die Geschäftsauswirkungen vorantreibt
Bei unseren Gesprächen mit Führungskräften und Technologieanbietern in den letzten 12 Monaten haben wir ein häufiges und sehr grundlegendes Missverständnis festgestellt, wenn es um die Kombination von Online- und Kundendaten geht. Wenn nicht alle Daten an einem "physischen" Ort gespeichert sind, wird angenommen, dass diese Datenquellen überhaupt nicht kombiniert werden. Wir hingegen behaupten, dass es nicht einmal den Zweck hat, alle Daten zu kombinieren, sondern nur relevante Datenpunkte, die einem klar definierten use case dienen. Außerdem ist es nach den Grundsätzen der Datenminimierung gemäß der Datenschutz-Grundverordnung noch sinnvoller, sich nur auf bestimmte Datenpunkte zu konzentrieren, die tatsächlich verwendet werden.
Man kann die Kombinationslogik aus vielen Blickwinkeln betrachten, aber als Erstes sollte man definieren, ob man Online-Verhaltensdaten mit Kunden- und Transaktionsdaten kombiniert oder umgekehrt. Dies hat enorme praktische Auswirkungen. Nehmen wir an, die Online-Verhaltensdaten sind der Ausgangspunkt. In diesem Fall ist es sinnvoll, sie mit gezielten Kundendatenelementen anzureichern, z. B. innerhalb benutzerdefinierter Dimensionen (oder ähnlicher Variablen), wobei die Online-Verhaltensdaten im Rohformat auf Ereignisebene vorliegen und die Kundendaten für die Anreicherung vorverarbeitet werden. Umgekehrt könnte ein Kundenprofil mit Online-Verhaltensauslösern angereichert werden, die auf ein bestimmtes Verhalten hinweisen, was wiederum einem klaren use case dient.
Eines der größten Missverständnisse ist, dass alle Daten physisch zusammen gespeichert werden sollten, um kombiniert und verwertet werden zu können.
Bei Gesprächen mit Experten oder Fachleuten aus dem Datenbereich tauchen immer wieder Fragen zu Datenseen (auch Data Lakes genannt) auf. Wenn man Rohdatensätze auf einer gemeinsamen Plattform speichert, werden sie nicht kombiniert und bringen auch keinen Mehrwert. Dies bringt uns zu der interessanten Frage, wie diese Datenquellen tatsächlich kombiniert werden können.
Anforderungen aus technischer Sicht sind einfach, erfordern aber eine systematische Herangehensweise
Um Nutzer online zu identifizieren, müssen Sie eine Personenkennung erfassen, die oft als PII-Datenpunkt bezeichnet wird, und diese mit einer Online-Kennung kombinieren, wie z. B. einige der Kennungen, die von gängigen Webanalyse-Tools verwendet werden, oder eine selbst erstellte Kennung. Diese Personenkennungen können nicht nur erfasst werden, wenn sich die Nutzer auf Ihrer services anmelden, sondern auch, wenn sie Daten über Formulare, Chats, Rechner oder ähnliches eingeben. Eine Möglichkeit, die Anzahl der Wertepaare aus Online-Kennungen und Personenkennungen zu erhöhen, besteht darin, eine pseudonymisierte Personenkennung in eine Kommunikation einzubetten, z. B. in eine E-Mail, die durch die Kenntnis des Empfängers ausgelöst wird. Wenn ein Nutzer mit dieser Kommunikation interagiert, in die eine Personenkennung eingebettet ist, kann das Ereignis als Teil der Online-Verhaltensdatenerfassung erfasst werden, wodurch ein Wertepaar gebildet wird, das für die Kombination von Datensätzen weiter verwendet werden kann.
Da Nutzer, wie oben beschrieben, durch verschiedene Methoden identifiziert werden können und keine der einzelnen Methoden es ermöglicht, alle Nutzer zu identifizieren, ist ein systematischer Ansatz erforderlich, um das Potenzial der Kombination von Online-Verhaltensdaten mit Kundendaten für jede use case , an der Sie interessiert sind, zu maximieren. Dieser systematische Ansatz erfordert langfristiges strategisches Denken und die Bereitschaft, in einen wertsteigernden Datenbestand zu investieren.
Die Schwierigkeit besteht darin, dass Sie diese Personenidentifikatoren nicht in einem Format offenlegen wollen, das an sich die Persönlichkeit einer Person offenbart, da diese Personenidentifikatoren auf diese Weise lead an Dritte weitergegeben werden könnten, was mit hoher Wahrscheinlichkeit in den meisten Fällen als Datenschutzverletzung eingestuft werden kann. Auch die meisten Cloud-basierten SaaS-Marketing-Tools verweigern die Verarbeitung von PII-Daten (nicht zu verwechseln mit personenbezogenen Daten) innerhalb ihrer Plattformen. Ein sicherer Weg ist die Pseudonymisierung von PII-Datenpunkten bei der Erfassung, und zwar auf sichere Art und Weise.
Allzu oft werden Anonymisierung und Pseudonymisierung miteinander verwechselt.
Der Klarheit halber muss man zwischen Anonymisierung und Pseudonymisierung unterscheiden. Anonymisierung bedeutet, dass ein Datenpunkt so umgewandelt wird, dass er anonym bleibt, wobei die Möglichkeit, den Anonymisierungsprozess rückgängig zu machen, ausgeschlossen wird. Die Pseudonymisierung hingegen ermöglicht die Rückübersetzung eines Datenpunkts in sein ursprüngliches Format mit einem Schlüssel zur Rückgängigmachung des Prozesses. Der Pseudonymisierungsprozess sollte unter Sicherheitsaspekten so stark sein, dass der Rückgängigmachungsprozess nur mit Hilfe eines Übersetzungsschlüssels durchgeführt werden kann. Dieser Prozess der Umkehrung pseudonymisierter PII-Datenelemente spielt eine Schlüsselrolle bei der Anreicherung von Online-Verhaltensdaten mit Kundenattributen oder umgekehrt. Wenn das Verfahren gut konzipiert ist, ermöglicht es auch ein hohes Maß an Automatisierung, Skalierbarkeit in der Praxis.
Strenge gesetzliche Anforderungen für Marketingzwecke
In unserer früheren Einführung in die zehn Bausteine für umsetzbare Marketingdaten - die Avaus Data Factory, haben wir auf die Rechtsgrundlagen verwiesen, die das Umfeld betrachten, in dem die GDPR-Gesetzgebung derzeit interpretiert wird. Das Sammeln, Speichern und Kombinieren von Datensätzen erfordert immer eine gültige rechtliche Grundlage, um auf eine konforme Weise verarbeitet zu werden. Es gibt nicht so viele Alternativen, aus denen man wählen kann, entweder berechtigtes Interesse, Einwilligung der betroffenen Person oder Erfüllung vertraglicher Verpflichtungen.
Zehn Bausteine für ein umsetzbares Marketing-Daten-Asset
Sicher ist, dass die Kombination von Online-Verhaltensdaten mit Kundendaten zu Aktivierungs- und Marketingzwecken in jedem Kanal eine widerrufbare Einwilligung erfordert. Die Einwilligung muss auch den Anforderungen an den Prüfpfad genügen. Mit Prüfpfad ist hier die Möglichkeit gemeint, nachzuweisen, wann und wer eine Einwilligung zu welchem Zweck erteilt hat. Das Gleiche gilt für den Widerruf einer Einwilligung.
Zu Zwecken der Nachvollziehbarkeit ist es wahrscheinlich am besten, einen separaten Datensatz für Einwilligungen in einem Einwilligungsspeicher zu führen, der so aufgebaut ist, dass er sich flexibel an Änderungen entweder bei der Einhaltung von Vorschriften oder bei Geschäftsanforderungen anpassen lässt. Für den praktischen Gebrauch könnte es sinnvoll sein, die rechtlichen Gründe für die Datenverarbeitung auch in Ihre Datensätze für betriebliche Zwecke einzubauen, so dass der Endnutzer Nutzer die Informationen über die Verwendung der Daten leicht zur Verfügung hat oder die Daten in Datenprodukte für Endnutzer verpacken kann, die auf Anwendungsfälle oder use case Kategorien zugeschnitten sind.
Viele Tools von Marketing Automatisierung verfügen über integrierte Funktionen zur automatischen Verfolgung des Online-Verhaltens in Verbindung mit einer Personenkennung, meist der E-Mail-Adresse. Obwohl dies eine sehr praktische Funktion ist, birgt sie viele Risiken, die entweder aufgrund mangelnden Bewusstseins oder eines streng definierten Datenschutzrahmens leicht übersehen werden. Außerdem können die Daten, obwohl sie leicht verdauliche und nützliche Informationen liefern, nur selten in vollem Umfang genutzt werden. Dies liegt an der Möglichkeit, die Daten außerhalb des Tools Marketing Automatisierung auf flexible Weise weiter zu bearbeiten, an der Möglichkeit, sie mit anderen Datenquellen zu kombinieren, und an den Einschränkungen bei der Einhaltung von Vorschriften, die hoffentlich erkannt werden, bevor der betroffenen Person oder dem für die Datenverarbeitung Verantwortlichen Schaden entsteht.
Wie man Datensätze in der Praxis kombiniert, sollte durch Anwendungsfälle definiert werden
Die erste Überlegung bei der Kombination von Datensätzen besteht darin, zu definieren, was der primäre Fokus in Bezug auf die Anwendungsfälle ist und ob Sie Online-Verhaltensdaten mit Kundendaten (anderen Datenquellen) oder umgekehrt kombinieren. Bei diesen Perspektiven handelt es sich nicht um ein Entweder-oder. Sie können beide Perspektiven als separate Prozesse für unterschiedliche Anwendungsfälle nutzen. Aber die gewählte Perspektive definiert die Logik, wie technische Datensätze kombiniert werden, welche Datenpunkte tatsächlich kombiniert werden und wie mit Compliance-Verpflichtungen, z. B. Zustimmungswerten, umgegangen wird.
Beispiele für konkrete Anwendungsfälle könnten folgende sein:
- Analyse von services auf der Grundlage von Kundensegmenten zur Optimierung von Konvertierung und zur Verbesserung der Erfahrung mit digitalen Anwendungen.
- Werbung targeting / Ausschlüsse mit Kundendaten über digitale Kanäle wie Suchmaschinen, Display, YouTube / Video oder Social Media.
- Auslösen von kundenorientierten Aktivitäten in 1-zu-1-Kanälen auf der Grundlage des beobachteten Verhaltens wie E-Mail, SMS, Push-Benachrichtigungen, Telesales usw.
- Präzisere Vorhersagen mit Hilfe von fortgeschrittenen Analysen oder maschinellem Lernen in Bezug auf Konversions-/Kaufneigung, Reaktion auf Kommunikation, Abwanderung oder ähnliche interessante Vorhersagen.
- Empfehlungen für relevante Inhalte, Produkte, services und Next Best Actions.
Alle diese use case Beispiele könnten einen unterschiedlichen Ansatz verfolgen, wie man dem Prinzip folgen kann, relevante Datenpunkte für die gesetzten Ziele für die gegebene use case bereitzustellen. Man kann eindeutig zwischen zwei Arten von Anwendungsfällen unterscheiden, von denen sich der eine auf Maßnahmen konzentriert und diese erstellt, während der andere analytische Erkenntnisse liefert. Bei der Schaffung von Erkenntnissen ist es ratsam, die Ermöglichung der Handlungsfähigkeit als Endergebnis im Auge zu behalten.
Wenn es um die Aktivierung geht, ist es für die Gestaltung des Datenmodells von entscheidender Bedeutung, ob eine Aktivität auf der Ebene einer einzelnen Person oder für eine Gruppe oder ein Segment von Personen durchgeführt werden muss. Dies ist auch eine grundlegende Entscheidung für die Pseudonymisierung von PII-Daten, die für die Erstellung von Wertepaaren aus Online- und Personenidentifikatoren erforderlich ist. Neben der Anreicherung von Profilen mit Online-Verhaltensdaten oder Kundendatenattributen müssen auch die Grundsätze des Datenzugriffs unter dem Gesichtspunkt der Einhaltung von Vorschriften sorgfältig geprüft werden. Für Compliance-Fragen gibt es leider keine Patentrezepte, sondern sie müssen als Teil eines Gesamtkonzepts bewertet werden. Datenschutz-Rahmenwerks von Fall zu Fall bewertet werden.
Schrems II könnte den Prozess der Zusammenführung von Datensätzen erschweren
Das Urteil des EU-Gerichts in der Fall Schrems II mit dem das frühere Privacy-Shield-Abkommen für ungültig erklärt wurde, sind die Unternehmen gezwungen, sich zumindest Gedanken darüber zu machen, wie sie Online-Verhaltensdaten mit Kundendaten, die vor allem als personenbezogene Daten behandelt werden, auch in pseudonymisierter Form, verknüpfen können. Die entscheidende Frage ist, ob Sie die Kontrolle darüber haben, wo die Daten geografisch verarbeitet werden. Viele MarTech-Plattformen, die für die Datenerfassung an Online-Kontaktpunkten verwendet werden, bieten keine Kontrolle über den Ort der Datenverarbeitung. Public-Cloud-Anbieter bieten stattdessen eine viel größere Auswahl und Flexibilität, um entweder Regionen oder sogar einzelne Rechenzentren rund um den Globus zu wählen.
Daher sollten Sie die Logik der Verknüpfung von Online-Kennungen und Kundenkennungen überdenken, und zwar sowohl auf der technischen Seite data flow als auch dort, wo diese Wertepaare verarbeitet werden. Wenn die Verknüpfung von Online-Kennungen und persönlichen Kennungen auf einer Plattform erfolgt, bei der der Ort der Datenverarbeitung nicht direkt von Ihnen als Vermarkter und für die Datenverarbeitung Verantwortlicher kontrolliert wird, empfehle ich Ihnen dringend, innerhalb der Rechtsabteilung Ihres Unternehmens und der Interessengruppen die genauen Definitionen von personenbezogenen Daten zu klären. Es gibt unterschiedliche Auslegungen, wie Identifikatoren insbesondere im Online-Universum behandelt werden, wobei personenbezogene Daten im rechtlichen Sinne immer personenbezogene Daten sind, sei es im Klartext oder pseudonymisiert.
Mit einem "Privacy First"-Ansatz und der Anwendung von "Privacy by Design"-Grundsätzen lassen sich auch diese Komplikationen lösen, wenn man sich auf den richtigen Aufbau seiner Datenkapazitäten konzentriert. Hier spielt das Prinzip der Proaktivität eine Schlüsselrolle, und die in die Datenverarbeitungslogik eingebaute Flexibilität ist in der Lage, sich an Veränderungen des Umfelds anzupassen, sei es in Bezug auf rechtliche oder technologische Aspekte. Flexibilität ist insbesondere die Fähigkeit, Änderungen in der Logik der Online- und Kundenwertkopplung vorzunehmen. Die rasche Anpassung und Entwicklung der Serverseite tracking ist von entscheidender Bedeutung, um mehr Kontrolle über die Datenerfassungslogik zu haben und die oben erwähnte Flexibilität zu ermöglichen.
Der Erfolg wird durch die Fähigkeit definiert, Nutzer online auf Personenebene zu identifizieren
Die Auswirkungen von Anwendungsfällen und Customer Journeys, die auf der Kombination von Online-Verhalten mit anderen Kunden- oder Transaktionsdaten beruhen, werden in hohem Maße von der Fähigkeit beeinflusst, Nutzer online zu identifizieren, ob sie eingeloggt sind oder nicht. Es ist wichtig, sich die Frage zu stellen, wie viele Unternehmen in den nordischen Ländern einen klar definierten KPI für identifizierte Online-Nutzer haben. Ich bezweifle, dass das heute leider zu viele sind. Da die Fähigkeit, Benutzer online zu identifizieren, ein so wichtiger KPI für den Erfolg von Anwendungsfällen ist, sollte er nicht dem Zufall überlassen werden. Es gibt mehrere Möglichkeiten, Nutzer systematisch zu identifizieren, abgesehen davon, dass sie sich direkt bei einem beliebigen services anmelden. Bei ausreichender rechtlicher Grundlage oder Einwilligung kann jede Interaktion, z. B. über Push-Kommunikation, genutzt werden, um Online-Identifikatoren mit Personenidentifikatoren zu verknüpfen. Auch alle Berührungspunkte, an denen der Nutzer freiwillig personenbezogene Daten für einen bestimmten Zweck angibt, sind die Momente, denen Sie Aufmerksamkeit schenken sollten. Gleichzeitig muss die Identifizierungsebene im Auge behalten werden, d. h. es muss festgelegt werden, welche Identifizierungsebene für jeden Anwendungsfall erforderlich ist, z. B. eine starke Authentifizierung über eine Bankleitzahl auf der einen Seite und ein Spiel mit Wahrscheinlichkeiten auf der anderen.
Ein weiterer kritischer KPI, der die Auswirkungen von Anwendungsfällen definiert, die auf der Kombination von Online-Verhaltensdaten mit Kundendaten beruhen, ist die Anzahl der identifizierten individuellen "betroffenen Personen" im rechtlichen Sinne, die sich für das entschieden haben, wofür Sie um Zustimmung gebeten haben. Um die Anzahl der Einwilligungen und die Opt-in-Rate zu maximieren, lohnt es sich, darüber nachzudenken, wie man die Einwilligungen überhaupt einholt. Ein sehr logischer Ansatz wäre es, sich auf den Kanal zu konzentrieren, über den Sie die meisten Ihrer Zielgruppen erreichen und bei dem die Nutzer noch nicht identifiziert sein muss. Neben bestehenden Kunden ist es auch eine Überlegung wert, potenzielle Kunden als betroffene Personen zu identifizieren, um die Wirkung zu maximieren. Neben einem systematischen Ansatz für einen geschäftsorientierten KPI sollte man nicht vergessen, gegenüber den Nutzern transparent zu sein, um nicht nur die GDPR-Anforderungen zu erfüllen, sondern auch Vertrauen aufzubauen, das schwer zu verdienen ist, wenn es aus irgendeinem Grund verloren geht.
Ich empfehle Ihnen dringend, die wertvollen Erkenntnisse aus der Kombination von Online-Verhaltensdaten mit Kundendaten zu nutzen. Sie werden sehen, dass Ihre Investitionen in die Bereitstellung relevanter Informationen über die von Ihren Kunden und potenziellen Kunden bevorzugten Kanäle einen großen Einfluss auf die Rentabilität haben. Kundenerlebnis über die von Ihren Kunden und potenziellen Kunden bevorzugten Kanäle.
*Die in diesem Blogbeitrag dargestellten Ansichten und Meinungen sind meine eigenen und stellen keine Rechtsberatung durch Avaus Marketing Innovations dar.
Geschrieben von Teemu Relander