Zugängliche und handlungsrelevante Marketingdaten

Die bexio AG (https://www.bexio.com/), ein Anbieter von Finanzsoftware, verfügt über eine solide Marktposition mit jährlich wachsender Anzahl an Kunden. Das mittelständische Unternehmen mit Sitz in Rapperswil, Schweiz, möchte das dynamische Wachstumspotenzial des Marktes nutzen. Langfristig soll das Marketingbudget optimiert eingesetzt werden, um den Kundenstamm exponentiell zu erweitern.

Für dieses ehrgeizige Ziel muss sich bexio gegen die wachsende Konkurrenz durchsetzen. Dementsprechend hat das Unternehmen seine interne Marketingorganisation neu strukturiert, um die Effizienz über verschiedene Kanäle hinweg zu steigern.

Bexio kontaktierte FELD M, um Advanced Analytics-Unterstützung bei der Bewältigung ihrer Herausforderungen zu erhalten. Hierzu zählten die Beseitigung von Datensilos, um eine Single Source of Truth für analyserelevante Daten zu schaffen und die Komplexität der Interaktion zwischen Online- und Offline-Marketingkanälen zu verstehen. Dabei mussten externe Faktoren wie das saisonale Geschäft berücksichtigt werden.

Erkenntnisse durch eine Single Source of Truth

Um das Ziel des Projekts zu spezifizieren, haben wir einen Data Thinking Workshop mit bexio durchgeführt. Als Ergebnis des Workshops wurden zwei Projekte – Customer Journey Mapping und MMM – identifiziert, um das langfristige Ziel zu unterstützen. Gemeinsam beschlossen wir, zunächst Quick Wins durch die Basis einer MMM zu erhalten: datenbasierte Erkenntnisse über die verschiedenen Marketingkanäle und eine Einschätzung des Beitrags jedes einzelnen Touchpoints. Dieses Wissen ermöglicht eine datengetriebene Budgetallokation und ebnet den Weg für weitere Analyseprozesse wie Customer Journey Mapping.

Anschließend haben wir die Datenlandschaft mit allen relevanten Marketingkanälen und anderen Datenquellen dokumentiert. Eine Datenlandschaft bietet einen grundlegenden Überblick über alle verfügbaren Datenquellen, um die für die MMM genutzten Kanäle zu priorisieren. Darüber hinaus entwickelten wir ein Konzept für die Datenspeicherung und ETL (extract, transform, load) mit dem Ziel, Datensilos zu beseitigen und die vorhandenen Datenquellen zu dokumentieren. Wir führten eine deskriptive Datenanalyse durch, um das Verständnis für die Kanäle zu gewinnen. Diese umfasste eine Korrelationsanalyse, um die Effekte zwischen den Kanälen und der Conversion sowie die kanalübergreifenden Effekte zu bewerten, eine Lag-Analyse, um die Time Lags (Wirkungsverzögerungen) zwischen Marketingaktion und Conversion zu ermitteln, sowie eine Streuverlustanalyse zwischen ausgespielten und gesehenen Anzeigen.

Um die Ergebnisse leicht zugänglich zu machen, haben wir die deskriptive Analyse in ein Tableau-Dashboard implementiert. Mit den hier gewonnenen Erkenntnissen konnten wir feststellen, dass es genügend Varianz bei den Marketingaktionen gab, um eine MMM zu berechnen, wobei die Ausreißer durch externe Faktoren erklärbar waren. Wir berechneten die Länge der Time Lags zwischen Marketingaktion und Conversion in jedem Kanal, um diese Zeitspanne im Modell zu berücksichtigen.