Anzeige

Wie falsche Dateninterpretation in Amerika zu Panik führt

23.11.2015 - Werden Daten in ausreichender Menge gesammelt, aber falsch interpretiert, kann das Ergebnis verheerend sein - zumindest wenn es ums Wetter geht. In einem Gastbeitrag erläutert Julian Stein, Senior Consultant Performance Marketing beim Ad-Tech-Dienst Quisma, wie das Online-Marketing aus falscher Dateninterpretation von amerikanischen Wetterdiensten lernen kann.

Was war geschehen?
Anfang Oktober sah sich die Ostküste der USA mit einer verheerenden Naturkatastrophe konfrontiert. Die Angst war groß: Hurrikan Joaquin, so sagten es die Wetterdaten, wird mit brachialer Gewalt auf die USA treffen und die Küsten meterhoch überschwemmen. Entsprechend groß war die Erleichterung, als Joaquin vor der Küste abdrehte und das vorhergesagte Unglück ausblieb.

Sind Wettervorhersagen unberechenbar? Ist auf sie kein Verlass?
Jein. Die in den USA ansässigen Wetterdienste, allen voran das Global Forecast System (GFS) des National Weather Service, prognostizierten, dass Joaquin auf die US-Ostküste treffen würde. Ganz anders sah es das Europäische Zentrum für mittelfristige Wettervorhersage (EZMW) in Reading, wo man den Schwenk nach Osten voraussagte. Die Geschichte ist kein Einzelfall: Schon 2012 kam es zu unterschiedlichen Vorhersagen, als der Wirbelsturm Sandy in den USA wütete. Während die Europäer prognostizierten, dass Sandy einen linken Haken Richtung Küste schlagen würde, gab das GFS (falsche) Entwarnung. Das Verwunderliche an beiden Fällen: Beide Institute hatten dieselbe Datengrundlage - und kamen dennoch zu völlig konträren Annahmen.

Wie kommt es zu diesen unterschiedlichen Ergebnissen?
Cliff Mass, Atmosphärenforscher von der University of Washington, äußerte sich plakativ in der New York Times: Das amerikanische Modell sei "klar schlechter". Auch andere Experten sind der Meinung, dass das europäische Modell die besten Prognosen erstelle. "Ein Hauptgrund ist, dass das EZMW die verfügbaren Messdaten besser nutzt und sie sehr sorgfältig modelliert", sagt der Meteorologe und Klimaforscher Lennart Bengtsson, der das EZMW bis 1990 leitete.

Welche Parallelen gibt es zum Online-Marketing?
Es wird heutzutage viel über Big Data geschrieben: Dem Sammeln von Daten und dem Erkennen von Zusammenhängen gilt höchste Priorität. Schließlich lässt sich so prognostizieren, was die nächsten Trends im E-Commerce sind oder wie Marketingbudgets noch effizienter auf die verschiedenen Online-Marketing-Kanäle verteilt werden kann, um mehr Sales zu generieren. Von entscheidender Bedeutung dabei ist die Transformation von Big Data zu Smart Data: Von Anfang an müssen KPIs (Umsatz, Conversions, RoI, CLV et cetera) richtig ausgewählt werden, damit eine fundierte Analyse erstellt werden kann.

Ein wesentlicher Punkt wird jedoch immer wieder vergessen: Werden Daten zwar in ausreichender Menge gesammelt, jedoch falsch interpretiert, lassen sich keine Rückschlüsse auf die entsprechenden KPIs ziehen - was zu Lasten der Performance geht.

Ein Beispiel: Im Performance Marketing scheint es sinnvoll, in Aktivitäten zu investieren, die einen niedrigeren CPO aufweisen. Vom reinen Conversion-Aspekt her ist das vollkommen richtig. Versprechen diese Maßnahmen jedoch weniger Umsatz als solche, die mit höheren Kosten verbunden sind, sollte man ein Investment in die teureren Aktivitäten evaluieren. Zum zweiten ist eminent wichtig, das richtige Datenmodell zu wählen, damit anders als beim Global Forecast System (GFS) keine Fehlprognosen entstehen.

Assoziieren wir die Problematik auf die Interpretation der Customer Journey im Online-Marketing, finden wir viele Schnittmengen. Im Online-Marketing aktive Unternehmen verfügen bereits über eine Fülle von Daten. Die Interaktionen beziehungsweise Touchpoints des Kunden mit den Marketingaktivitäten können von vielen Systemen als Reise des Kunden dargestellt werden. Allerdings gilt es, die Kundendaten nicht nur zu visualisieren, sondern eben auch korrekt zu interpretieren. Wird das Verhalten der Kunden besser verstanden und werden deren Interaktionen real bewertet, ist der Werbetreibende im Vorteil: Er kann sein Marketingbudget gezielter einsetzen, um relevante Kunden zum richtigen Zeitpunkt zu erreichen.

Damit dies gelingt, müssen die Kampagnenziele von Anfang an dafür genau definiert werden. Geht es dem Werbetreibenden um Umsatz, ROI oder Conversions? Je nach Zielsetzung kann die Effektivität der Kampagnen anders ausfallen - was auch die Prognosegenauigkeit der Modelle maßgeblich beeinflusst. Essenziell für die Präzision von Modellen ist die Granularität der Daten. Beispielsweise sollten die Touchpoints der Kunden nicht nur danach bewertet werden, welchem Kanal sie angehören. Neben der Kanalzugehörigkeit müssen weitere Bewertungskriterien in die Gewichtung der Interaktion mit einfließen, um Streuverluste zu vermeiden. Betrachtet man Display-Aktivitäten, macht es Sinn, die Effektivität und Effizienz beispielsweise auf Basis von Placements und Werbemitteln zu bewerten.

Was ist zu tun?
Sollen Marketingaussichten nicht nur frühzeitig, sondern vor allem korrekt prognostiziert werden, ist es unabdingbar, intern Know-how um die Nutzung und Interpretation von Prognosemodellen aufzubauen. Alternativ kann man sich auf die Expertise externer Dienstleister stützen. Nur so ist man den entscheidenden Schritt voraus und vermeidet dort Panik, wo andere den Sturm aufziehen sehen.

Anzeige
Anzeige