Predictive Analytics, das klingt ziemlich amerikanisch und wer will schon was mit den perfekten Manipulatoren jenseits des Atlantiks zu tun haben? Wörtlich übersetzt bedeutet Predictive Analytics „voraussagende Analyse“. Es wäre toll für Marketing-Verantwortliche, wenn sie voraussagen könnten, welche Effekte und Ergebnisse mit einer bestimmten Unternehmensstrategie verbunden sind. Big Data macht es möglich: Predictive Analytics (wie sie beispielsweise von dastani.de angeboten wird) sollte es über die Verwendung von Statistik, Data Mining, maschinellem Lernen und Modellierung aktueller und zukünftiger Welten möglich machen, dass man die Zukunft etwas besser abschätzen kann. Wie ist das Potential für entsprechende Vorgehensweisen und wie kann man sich pramatisch darauf beziehen?
Bei den Unternehmen liegen viele Daten vor, doch diese sind oft unstrukturiert und können nicht direkt für Marketingzwecke eingesetzt werden. Zwar wird das Kundenverhalten in Datenbanken abgebildet, doch die Impulse, die zum entsprechenden Verhalten geführt haben, liegen in einer anderen Datenbank vor und verwenden ein Format, was nicht direkt mit den ersten Datenbank kompatibel ist. Hier müssen dann Experten ran. Sie sorgen mit intelligenten Algorithmen für die passgenaue Verbindung und schon wird deutlich, welche Marketing-Impulse welche Ergebnisse implizieren könnten, zumindest mit einer gewissen Wahrscheinlichkeit. Dieses neuartige Wissen, das deutlich über die Möglichkeiten von Nostradamus hinausreicht, kann genutzt werden, um mit einer gewissen Wahrscheinlichkeit die Marketing-Impulse zu verbessern.
Der Einsatz von Predictive Analytics hat allerdings auch Kritiker. Manche Professoren der Sozialwissenschaften halten es für ziemlich unwahrscheinlich, dass statistische Voraussagepotentiale über die Laborbedingungen hinaus Relevanz entfalten könnten. Denn die Zahl der Variablen (für Verhaltensweisen von Konsumenten) ist sehr groß und man finde schnell Schein-Korrelationen, die nicht direkt für tatsächliches Verhalten erfolgreich genutzt werden könnten. So bilde man aus der längst abgelaufenen Vergangenheit Verhaltensanforderungen aus, die eher selten auf aktuelle Anforderungen passen würden.
Dem können die Praktiker des Marketings mit Predictive Analytics allerdings gewichtige Argumente entgegensetzen. Die Effekte sind konkret messbar und man könne anschließend auch messbar überprüfen, ob eine geänderte Marketingstrategie funktioniert hat. Man ist also nicht auf die Kristallkugel angewiesen, wenn man entscheiden möchte, ob eine neu bestimmte Strategie funktioniert hat.
Erkennbar ist bereits jetzt, dass die Entscheidungsträger im Marketing davon ausgehen, dass Predictive Analytics das nächste große Ding wird, wenn es um den Einsatz von Big Data geht. Man hat angesichts der vielfältig anfallenden Daten aus der Internetkommunikation und -interaktion mit Kunden das Gefühlt, dass man irgendwie diese Daten erschließen kann, um zu besseren Handlungsoptionen zu kommen. Dafür müssen allerdings Ressourcen bereitgestellt werden. Doch (wie generell beim Online-Marketing) kann anschließend sehr gut bestimmt werden, ob der Ressourceneinsatz sich bezahlt gemacht hat. Früher war man der Meinung, dass die Hälfte der Werbeausgaben zum Fenster rausgeschmissen ist. Da man aber nicht wusste, welche Hälfte das war, konnte man nicht besonders einfach Wissen generieren, um mehr Transparenz zu bekommen. Auch in Zukunft wird man die Hälfte der Werbeaufwendungen zum Fenster herauswerfen, aber (so ist die Hoffnung) wird man hinterher wissen, welche Hälfte es war und wird ausgehend von diesem Wissen bei den nächsten Werbeausgaben eine bessere Quote erreichen können.
Verwandte Artikel:
- BarCamp Bonn 2018 #bcbn18
- Fahrrad FrühjahrsCheck: Fahrrad hält länger, weil es beim FrühjahrsCheck gepflegt wird
- Der Roboter als Lehrer
- Definitionen von Big Data
- Amazon und der normale Buchhandel
- Deutsche Telekom und Peter Schaar zur digitalen Verantwortung
- Der neue Mensch der granularen Gesellschaft
