Suchen

Marketingaktionen vorhersagen Wie B2B-Unternehmen Daten nutzen können

| Autor / Redakteur: Isabel Thormann* / Lena Müller

Integratives Datenmanagement ermöglicht es, relevante Datenpunkte zusammenzuführen und für Predictive Marketing und Vertrieb nutzen zu können. Aber wo kommen relevante B2B-Daten her? Und wie kuratiert man die eigenen, bereits vorhandenen Daten? Hier sind sechs Schritte für die Praxis, die Orientierung geben können.

Firmen zum Thema

Jedes Unternehmen, das für das eigene B2B-Marketing interessant ist, hinterlässt eine Fülle an öffentlich einsehbaren Daten. Mit den richtigen Tools lassen sich hier neue Leads gewinnen.
Jedes Unternehmen, das für das eigene B2B-Marketing interessant ist, hinterlässt eine Fülle an öffentlich einsehbaren Daten. Mit den richtigen Tools lassen sich hier neue Leads gewinnen.
(Bild: gemeinfrei / Pexels )

Im B2B-Marketing ist jetzt Neudenken gefragt. Denn eines ist klar: Nach Corona wird vieles anders sein; neue Geschäftsfelder zu identifizieren ist das Gebot der Stunde. Doch wie findet man diese, um neue Leads zu generieren? Smarte B2B-Datenstrategien könnten hier zum Ziel führen.

Gemeint ist damit folgendes: Jedes Unternehmen, das für das eigene B2B-Marketing interessant ist, hinterlässt eine Fülle an öffentlich einsehbaren Daten. Mit den richtigen Tools lassen sich hier neue Leads gewinnen. Die Kunst ist es, diese Daten nicht nur datenschutzkonform „aufzuspüren“, sondern sie auch aus ihren Silos zu befreien und so miteinander zu verknüpfen, dass relevante Muster identifiziert werden. In der Praxis sind das folgende Schritte:

1. Die Anfangssuche, oder wie man wirklich relevante Daten findet

Beginnen wir mit einem Beispiel: Ein Unternehmen, das Firmenwagen verleast, ist auf der Suche nach Kunden, die eine prosperierende Geschäftsentwicklung verzeichnen. Dazu gehört das Wachstum, positive Veränderungen bei Personal- und Stellenanzeigen, und natürlich sämtliche Zahlen aus öffentlich einsehbaren Geschäftsberichten.

Auch die aktuelle Onlinewerbung verrät übrigens Aufschlussreiches: Welche Unternehmen werden durch GoogleAds regelmäßig unter den ersten drei Suchergebnissen gelistet oder sind bei GoogleMaps mit ausreichend Informationen sichtbar? Darüber hinaus kann auch das Gründungsdatum eines Unternehmens eine Rolle spielen.

Es kann auf ein potenzielles Wachstum hinweisen, wenn es in Relation zu den geschilderten Wachstumszahlen gesetzt wird. Aber Achtung: Auch junge Unternehmen können schnell stark wachsen. Man sollte sich bei der Datenstrategie nicht nur auf bloße Annahmen verlassen.

2. Das Tool, oder wie Big Data Analytics vollautomatisiert Daten erhebt und auswertet

Neu ist diese Strategie der Datenerhebung nicht: Früher wurden relevante Daten mühsam, meistens händisch zusammengesucht. Heute übernimmt das eine Software (Künstliche Intelligenz). Big Data Analytics vermag dabei Daten aus unterschiedlichen Quellen gewinnen, aufarbeiten sowie analysieren. Ergebnis: Eine sinnvoll zu verwertende Datenquelle, die im B2B-Marketing eingesetzt werden kann.

Viele Unternehmen wissen allerdings nicht, wie sie dieses komplexe Thema umsetzen sollen. Kein Problem: Ist die notwendige Expertise inhouse nicht vorhanden, kann man Daten-Dienstleister zu Rate ziehen und ihnen das Operative überlassen. Sie überlegen in einem ersten Schritt, welche Art von Daten für welche Kundenanforderung zielführend sind.

Mit AB-Tests können diese Daten abgefragt und auf ihre jeweilige Tauglichkeit geprüft werden. Die Dienstleister verfügen häufig auch über die entsprechenden Selektionen, die diese Anforderungen umsetzen können.

3. Wie man die richtigen Wortwolken bildet, oder Elemente einer Implementierungsstrategie

Wie könnte eine entsprechende Implementierungsstrategie aussehen? Wichtig ist die Wahl der richtigen Tools wie Business-Intelligence-as-a-Service (BaaS), die Data-Clearing-Prozesse übernehmen – das Stichwort ist hier „Profiling“ – Predictive Analytics und Co. kommen ebenfalls zum Einsatz.

Mit diesen Lösungen können Daten extrahiert, organisiert und aufbereitet zur Verfügung gestellt werden. Generell werden KI-Programme geschrieben und „Wortwolken“ erstellt: dies sind Begriffe, die helfen, mit dem Thema verwandte Informationen zu identifizieren.

Um das einmal anhand eines Beispiels zu illustrieren: Ein/e Einkäufer/in sucht in einem bestimmten Bereich nach Firmen, die eine technische Neuerung (zum Beispiel bei bestimmten Maschinen) im Jahr 2020 auf den Markt gebracht haben. Google-Suchen nach dem Schema „neu“, „Maschinen“ und „innovativ“ werden zu keinem verwertbaren Ergebnis führen.

Denn ein Satz wie „neueste innovative Druckmaschine 2020“ muss genauso gefunden werden wie „Maschinenentwicklung präsentieren wir 2020 auf...“ Diese Informationen werden durch Daten-Spezialisten erhoben und an die bestehenden Daten via SEO-Techniken angehängt.

4. Auf den Zwillingseffekt aufbauen

Das Prinzip der „Digital Twins“ wird im Bereich der Big Data Analytics eingesetzt. Was ist damit gemeint? Die digitalen Zwillinge sind vor allem aus dem User Tracking bekannt. Mithilfe von BaaS werden aus großen Datenmengen Datenbestände mit nützlichen Informationen, beispielsweise bestimmte Schlüsselwörter, extrahiert.

Diese Daten erhalten Unternehmen unter anderem von Websites ihrer Bestandskunden. Websites von potenziellen Neukunden werden dann mit dem Fokus auf genau diese Informationen abgeglichen. Stimmen die Websites zu einem bestimmten Maß überein, verfügen die Unternehmen über ähnliche Merkmale, lohnt sich die Ansprache der Firmen. Denn als digitaler Zwilling kommen sie als potenzieller Kunde infrage.

5. Die Datenqualität muss stimmen

Wer also B2B-Daten sammelt und optimiert, der ist seiner Konkurrenz einen Schritt voraus – eigentlich. Doch so einfach ist es nicht. Um die richtigen Schlüsse aus ihnen zu ziehen, müssen Daten sauber, beispielsweise frei von Tippfehlern oder falschen Geschlechtszuordnungen (zum Beispiel Personendaten) sein. Andernfalls kommt es in der geplanten Neukundenansprache zu peinlichen Versehen. Durch moderne IT-Systeme, auf die an dieser Stelle verwiesen sei, lassen sich solche Fehler aber vermeiden, indem Datensätze automatisiert geprüft werden.

Professionelle Adress-Audits können die Datenqualität noch weiter optimieren, indem zum Beispiel fehlende Daten ergänzt und Datensätze mit relevanten Informationen angereichert werden. Darüber hinaus hilft ein datengetriebenes Dashboard, das die Basis für ein gutes CRM darstellt.

Mitarbeiter haben einen besseren Überblick, Bereiche wie Produktmarketing und Vertrieb arbeiten effektiver zusammen. Und auch im strategischen Business Development bringt Smart Data Vorteile: Durch Analysetools können Kennzahlen in Marketing und Vertrieb tagesaktuell erfasst werden und Entscheidungen darauf aufbauen.

6. Leadgenerierung nur im Einklang mit dem Datenschutz!

Auch der Datenschutz spielt eine zentrale Rolle: Durch das Inkrafttreten der DSGVO sind die Reglementierungen verstärkt worden, die Erhebung und Verarbeitung personenbezogener Daten unterliegen besonderen Verordnungen. Dabei müssen Unterschiede zwischen dem Kauf dieser Daten und der Auftragsdatenverarbeitung beachtet werden.

Wer Leadgenerierung betreibt, muss sich also absichern. Denn jedes Unternehmen ist verpflichtet, Auskunft über die gespeicherten personenbezogenen Daten zu geben, sollte es eine Aufforderung der betreffenden Person erhalten.

Fazit

Der Einblick in das Thema Smart Data zeigt: Es gibt viel zu beachten. Die Thematik ist komplex, spezielle Anbieter oder eigene Data Scientists im Unternehmen lohnen sich. Denn Smart Data existiert nicht von allein, sondern muss hart erarbeitet werden. Nur wer gezielt und überlegt an die Arbeit geht, kann aus einzelnen Silos voller unstrukturierter Daten Smart Data kreieren, diese sinnvoll nutzen und im B2B-Bereich neue Leads generieren.

*Isabel Thormann ist Data Business Managerin bei DataM Services.

(ID:46634425)