Datenstrategie

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.

Die Kernziele:

  • Etablieren einer Single Source of Truth
  • Gewinn von Einblicken über die Media-Kanal-Performance und die kanalübergreifenden Effekte
  • Durchführen einer Daten-Machbarkeitsprüfung für eine Media-Mix-Modellierung (MMM)

„FELD M hat einen großartigen Job gemacht und uns mit wertvollem Projektmanagement, Data Science und Insights unterstützt. Wenn Sie einen zuverlässigen Partner mit tiefgreifendem Wissen suchen, dann sollten Sie FELD M in Betracht ziehen.“

DANIEL LIST
Head of Marketing bei bexio AG

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.

Auszug Tableau Dashboard

Zugängliche Marketing Insights für alle Stakeholder

Basierend auf unseren Erkenntnissen konnten wir bei FELD M diese Empfehlungen ableiten:

  • Die Strategie der TV-Kampagne war erfolgreich, da Offline-TV-Kanal und Web-Traffic hoch korrelieren, daher empfiehlt FELD M diese Strategie fortzusetzen.
  • Low-Performance-Kanäle sind sichtbar, weshalb Maßnahmen ergriffen werden sollten, um sie zu verbessern.
  • Time Lags, die je nach Kanal zwischen 1 und 8 Wochen variieren, wurden identifiziert. FELD M schlägt vor, Marketingmaßnahmen basierend auf der individuellen Akquisitionszeit innerhalb jedes Kanals zu planen.

Alles in allem erlaubt die Kombination aus der aktuellen Strategie von bexio und den Erkenntnissen der deskriptiven Analyse unserem Kunden bereits, Maßnahmen zu ergreifen und die Marketing-Budgetallokation zu verbessern. Darüber hinaus konnten wir nachweisen, dass die Datengrundlage für MMM ausreichend ist und haben die Daten dafür vorbereitet. FELD M empfiehlt MMM als nächsten Schritt zur Automatisierung der Marketingausgabenoptimierung.

Ähnliche Projekte

Was ist eine Case Study? Wir verwenden das Format der Case Study, um unsere Kundenprojekte als Beispiele vorzustellen. Unsere Case Studies zu Themen wie Datenintegration und Architektur oder Dashboards und Visualisierung zielen darauf ab, die Herausforderungen und Probleme unserer Kunden und die von uns entwickelten Lösungen zu veranschaulichen. Sie erfahren, mit welchen Ansätzen wir unsere Kunden als Dienstleister und Partner unterstützen und wie wir gemeinsam die definierten Ziele erreicht haben.