print logo

Herausforderung und Chancen im B2B-Business

Enorme Möglichkeiten für Data Driven Ansätze. Beispiele intelligenter Analytics im E-Mail-Marketing.
Peter Gentsch | 02.09.2019
Herausforderung und Chancen im B2B-Business © Pixabay / rawpixel
 

Teil 3 B2B und B2C haben große Gemeinsamkeiten. Die Ansprüche im B2B steigen stetig - und der aus dem B2C gewohnte Komfort wird immer mehr auch im B2B-Umfeld erwartet. Trotzdem gibt es große Unterschiede in der Customer Journey, so dass gerade im B2B die Online-Kanäle anders bewertet und gesteuert werden müssen. B2B-Kunden müssen insbesondere im transaktionalen Bereich deutlich stärker betreut werden, da diese seltener direkt online buchen und häufig intern längere Entscheidungswege und komplexere Entscheiderstrukturen haben. Nicht selten fühlt man sich im B2B-Umfeld auch einfach wohler, wenn der finale Auftrag noch papierhaft unterschrieben wird. Und gerade bei größeren Aufträgen und komplexeren Fragestellungen ist dies auch vom Auftragnehmer als Nachweis und zur Vermeidung von Missverständnissen gewollt. Um nun herauszufinden, welche Unternehmen angesprochen werden sollten, obwohl diese bisher gar keine Conversion auf der Website ausgelöst haben, eignen sich AI-Methoden aus dem Bereich der Lead-Prediction. Basierend auf den Daten der bisherigen Anfragen oder Kunden kann vorhergesagt werden, welche Unternehmen wahrscheinlich auch an denselben Leistungen und Produkten Interesse haben. Dies ermöglicht die direkte Ansprache solcher Kunden und ersetzt nicht selten die transaktionale Phase der online User-Journey durch eine intensive Betreuung und Beratung am Telefon. Besonders spannend sind solche Ansätze, wenn die Lead-Prediction nicht auf Basis von klassischen Daten-Kategorien (wie Branchen oder Umsatzgröße) erfolgt, sondern der gesamte Online-Fußabdruck eines Unternehmens berücksichtigt wird. So können deutlich zielgerichteter “offline Lookalike-Audiences” gebildet werden, die eine höheres Abschlusspotenzial bergen. Dabei werden Daten aus Offline-Quellen (wie dem Handelsregister) mit vielfältigen Onlinedaten verknüpft, um so sehr zielgenaue Vorhersagen zu spannenden Leads treffen zu können. Diese Daten können wiederum nicht nur genutzt werden, um dem Vertrieb direkt erfolgversprechende Daten zu liefern, sondern auch als Inputmenge für beispielsweise ein Targeting auf Facebook über für Programmatic Advertising. Anbieter für diese Art der Conversion Optimierung sind DATAlover AG oder Leadspace.

Retention

Aber auch nachdem der Kunde gewonnen wurde, geht die Customer-Journey weiter. Es wäre falsch, ihn nachdem er gekauft hat, zu ignorieren oder die gesamte Session als abgeschlossen zu betrachten. Je nach Geschäftsmodell muss es das Ziel sein, dass der Kunde erneut einkauft. Doch gerade dieses Potenzial wird von vielen innovativen Geschäftsmodellen vollständig ignoriert oder sehr suboptimal umgesetzt. Selbst Majorplayer wie Amazon haben keine wirklich guten Strategien, den Nutzer erneut anzusprechen, zum richtigen Zeitpunkt weitergehende Produkte anzubieten oder ihr zielgerichtet mit neuen Einkaufsvorschlägen zu inspirieren. Retention ist jedoch ein komplexeres Thema, als dem Kunden nur immer wieder Angebote zu schicken. Denn obwohl Amazon diese Möglichkeit der erneuten Ansprache der Nutzer praktisch nicht nutzt, ist die Wiederkäuferquote bei Amazon doch riesig. Dies liegt insbesondere daran, dass Amazon den Einkaufsprozess so einfach gestaltet - von der ersten Produktrecherche, über den eigentlichen Kauf bis zur Bearbeitung von Reklamationen und Problemfällen. So wird sichergestellt, dass die Erfahrung des Nutzers immer möglichst positiv ist, was wohl der größte Treiber für den Wiederkauf ist. Kundenzufriedenheit kann und muss aber auch gemessen werden. So lässt sich feststellen, welche Kundensegmente oder Produktgruppen besondere Zufriedenheit generieren und wo es verstärkt zu Problemfällen kommt. Auch hier bietet ist die datengetriebene Vorgehensweise sehr hohe Potenziale, um Aufwand und Investitionen genau in die Themen zu investieren die wirklich relevant sind. Margenschwache Produkte mit vielen Probleme werden ausgelistet. Bei margenstarken Produkten lohnt sich der Aufwand, um die Kundenzufrieden durch diverse Maßnahmen nachhaltig zu erhöhen. Nicht zuletzt ist das schon oft totgesagte E-Mail Management ein wichtiges Retention-Instrument. E-Mail ist und bleibt hier der wichtigste Kanal. Sie landet direkt beim Nutzer, kann stark individualisiert und personalisiert werden und bietet vielfältige Möglichkeit der Interaktionsmessung. Besonders interessant sind Ansätze, die das E-Mail Management mit intelligenter Analytics Optimierern. E-Mail-Marketing ist exzellent messbar, trotzdem liegen in der Regel enorme Umsatzpotentiale brach. Einerseits, weil im operativen Tagesgeschäft zu wenig Zeit für systematische Split-Tests bleibt, andererseits, weil für viele responserelevante Einflussfaktoren (Frequenz, Versandzeitpunkt, Auswahl und Anzahl der Angebote, Text-Bild-Verhältnis, Bildinhalt, CTA, Incentivierungsgrad, E-Mail-Design, Betreff, Versand-IP, ...) die Personalisierung des Einflussfaktors den Hauptschlüssel für die Steigerung Relevanz bedeutet, und es noch keine geeigneten Technologien gibt, die diese Personalisierung umsetzen. In Kombination mit den zunehmend interaktiven Möglichkeiten der E-Mail eröffnet das enorme Möglichkeiten für Data Driven Ansätze. Folgend Beispiele intelligenter Analytics im E-Mail-Marketing: • Versandzeitpunkte Einen allgemein gültigen optimalen Versandzeitpunkt kann es allein schon deshalb nicht geben, weil andernfalls alle Versender zu diesem Zeitpunkt versenden würden, und damit wäre dieser Zeitpunkt aufgrund der E-Mai-Flut nicht mehr optimal. Versandzeitpunkt-Personalisierung berechnet auf Einzelempfängerebene auf Basis der historischen Öffnungen und Klicks optimale Versandzeitpunkte. Die XQueue-Lösung Maileon (https://www.maileon.de/) unterstützt die Versandzeitoptimierung über ein eigenes, parametrisierbares funktionales Modul. Eine erfolgreiche Versandstrategie ist dabei, E-Mails in den Zeitintervallen zu versenden, zu denen der Empfänger die E-Mail mit höherer Wahrscheinlichkeit auf einem Desktop oder Laptop öffnet als auf einem Smartphone, denn die Click-to-Open Raten auf mobilen Endgeräten sind im Durchschnitt nur halb so hoch wie auf größeren Bildschirmen. • Frequenz Die optimale E-Mail-Frequenz ist Gegenstand zahlreicher Analysen, Publikationen und Meinungen. Leider wird die Versandfrequenz so selten getestet, dass die meisten Versender nicht einmal wissen, ob eine Steigerung oder Senkung der Frequenz besser für sie ist. Um diese Frage qualifiziert beantworten zu können, hat XQueue ein E-Mail Frequenzoptimierungstool entwickelt (https://www.maileon.de/spezialtools/ ) mit dessen Hilfe man auf Basis vergleichsweise weniger Frequenztests die optimale Versandfrequenz für den Gesamtverteiler oder eine hinreichend große Teilmenge davon berechnen kann. Dies ist jedoch nur der erste Schritt in Richtung personalisierter Versandfrequenzen. Aufgrund der immer häufigeren Koexistenz des Newsletter-Regelversandes und diverser Marketing-Automation-Strecken wird eine personalisierte Betrachtung der Versandfrequenz und des Werbedrucks immer wichtiger, um die negativen Auswirkungen von Werbedruckspitzen (Listenermüdung und Abmeldungen) zu minimieren. • Deliverability E-Mail-Zustellbarkeit ist direkt umsatzkritisch, denn eine nicht zugestellte E-Mail generiert auch keine Response. Eine präzise Messung der Zustellbarkeit jenseits der erfolgreichen Übergabe einer E-Mail an den empfangenden Mailserver, also im Posteingang des Empfängers ist leider technisch noch nicht so genau möglich, wie es wünschenswert wäre, da Spam- und Relevanzfilter ihre Entscheidung dem Versender in der Regel nicht mitteilen. Deshalb müssen dafür indirekte Messemethoden eingesetzt werden, etwa Spamscore-Checks vor dem Versand, Scores für die Reputation der Versand-IPs (z.B. Senderscore) und Versand-Domains (z.B. https://deliveryindex.org/) oder Inbox-Placement-Tests mit sog. Seed-Adressen. Eine weitere Methode ist der XQueue-Deliverability Score Rechner (https://www.maileon.de/spezialtools/). • Recommendation Durch Advanced Anlytics sind gute Recommendations auch ohne Zugriff auf historische Kaufdaten der E-Mail-Empfänger möglich. Es reicht bereits eine gewisse E-Mail-Klickhistorie. So lässt sich der Klick bis zur Landing Page verfolgen und von dort alle relevanten Informationen extrahieren, die für die Profilierung des Empfängers relevant sein könnten (Tags, Keywords, Produktkategorien, Breadcrumbs, schema.org Daten, Markennamen, Preisintervalle usw.) • Text Die Optimierung der E-Mail-Texte ist ein hochinteressantes Feld für die Optimierung der E-Mail-Response. Analysen zur Textmenge und zum Bildanteil geben einen ersten Anhaltspunkt über den inhaltlichen Umfang kommerzieller E-Mails. Ebenso lassen sich für Betreffzeilen allgemeingültige Regeln zur Wortwahl und dem Satzbau aufstellen. Neue Werkzeuge bieten inzwischen KI-basierte Werkzeuge für die Textgenerierung an (z.B. https://phrasee.co/ oder www.persado.com).

Fazit und Ausblick

Erfolgreiches Marketing wird zukünftig immer stärker durch die Daten- und Analytik-Kompetenz von Unternehmen bestimmt. Dabei geht es sowohl um die analytische Optimierung einzelner Touchpoints und Funnel-Phasen als auch um ein durchgängiges Daten- und Analytik-Konzept entlang des gesamten Funnels. Programmatic Marketing und Advertising ist das Paradigma der Zukunft. Unternehmen sind gut beraten, hier eigene Kompetenzen und die Datenhoheit über die Kundendaten aufzubauen. Die Marktdominierenden Lösungen der GAFA-World sind aufgrund von Convenience und Reichweite besonders attraktiv. Allerding sind Unternehmen hier häufig nicht mehr im Driver Seat. Es ist also an der Zeit, die Daten selbst zu sammeln und sie nicht den großen Playern zur Verfügung zu stellen. Denn auch, wenn diese im ersten Schritt als günstige Dienstleister mit qualitativ hochwertigen Produkten auftreten, werden die Daten doch langfristig für viele andere Dinge verwendet. Amazon verkauft gut laufende Produkte auf einmal selbst, Google bietet häufig gefragte Dienste, Funktionen und Informationen einfach selbst an und auch andere Anbieter nutzen die Daten auf ganz unterschiedliche Weise. Die eigene Datenbasis mit spezialisierten Anbietern stellt da eine nachhaltige Lösung für den dauerhaften Erfolg des Marketings dar und bietet zudem die Chance auf besondere Innovationen und Wettbewerbsvorteile gegenüber den Massenanbietern. Denn genau hier liegt langfristig das primäre Unterscheidungsmerkmal: wie die Daten optimal genutzt werden, um den Nutzer optimal anzusprechen, zu führen und zu betreuen. Dies bedeutet natürlich nicht auf Google & Co zu verzichten, sondern durch intelligente Kombination der vorhandenen Tools die Hoheit über die Kundenbeziehung zu erzielen und zu festigen. Der vorliegende Artikel hat verschiedene Lösung deutscher Anbieter aufgezeigt, die das ermöglichen. Zusätzlicher Druck zum direkten Aufbau und Zugang von Kundendaten kommt von der DVSGO sowie die ePrivacy-Verordnung. Zudem benötigen auch die innovativen analytischen Konzepte zur Neukunden-Gewinnung im Upper-Funnel wie Lookalike-Audiences möglichst detaillierte Daten über Kunden und Zielgruppen. Damit ist nicht nur die zu Recht geforderte integrative Sicht von Marketing, Advertising und Sales notwendig, sondern auch deren unmittelbare Verbindung zum CRM. Unternehmen, denen das als erst gelingt, sind die Gewinner von morgen. Teil 1 - Data- und Analytics-driven Sales und Marketing Teil 2 - 5 Schritte zu einer optimalen Customer Journey

Img of Peter Gentsch
Über Peter Gentsch

Prof. Dr. Peter Gentsch arbeitet als Dozent und als Partner der diva-e Gruppe. Er ist Experte im Bereich Digitale Transformation, Big Data sowie KI.