BIG DATA UND ATTRIBUTION MODELLING: TOTAL MARKETING CONTROLLING IN ECHTZEIT
von Andrea Malgara,Geschäftsführer, MediaplusGruppe
Big Data ist viel mehr als ein Modewort. Wer dies nicht erkennt, verpasst eine der ganz großen Entwicklungen dieser Zeit – „das zweite goldene Zeitalter der Werbebranche“, wie in der Financial Times im Juli 2013 zu lesen war1. Wer sich heute, ein ganzes Jahr später, noch immer vor diesem Trend verschließt, vergibt die immensen Chancen, die in ihm stecken, und verschenkt wichtige Vorteile für sich und seine Kunden.
Treiber der Big-Data-Entwicklung sind die Fragmentierung der Medien und der medialen Inhalte, die Varianz der (immer mehr digitalen) Screens und die technische Konvergenz. Parallel zu den neuen Möglichkeiten haben sich auch Nutzungsweise und Bedürfnisse der Menschen verändert, die zunehmend bestrebt sind, das eigene Verhalten zu dokumentieren und zu analysieren. Das alles führt dazu, dass die Menge an Daten, die wir produzieren, immer weiter zunimmt, dass die Vielfalt der Daten steigt und auch die Geschwindigkeit, mit der neue Daten entstehen. Und das sind sie dann auch, die „3V“, auf denen das Big-Data-Universum fußt: Volume (Menge), Variety (Vielfalt) und Verocity (Schnelligkeit)2.
Aber Daten allein sind wertlos. Erst durch die Verknüpfung über Hypothesen und Regeln in Form eines Attributionsmodells erhalten diese Daten einen ökonomischen Wert. Denn auf Basis dieser Daten- mengen gelingt, was noch nie zuvor möglich war: jede Person individuell über den richtigen Kanal und das richtige Medium in Echtzeit mit der richtigen Botschaft zu versorgen. Vorausgesetzt natürlich, man hat Zugriff auf Big Data und nutzt einen entsprechenden Attribution-Modelling-Ansatz – denn der Datenbesitz allein ist noch nicht der Schlüssel zum Erfolg. Um die bislang ungenutzten Effizienzpotenziale zu nutzen, muss man die Daten zu lesen und zu nutzen wissen.
Überall auf der Welt wird an Big-Data-Lösungen gearbeitet, die Silicon-Valley-Maschinerie läuft auf Hochtouren. Auch auf europäischer Ebene und in Deutschland befassen sich interdisziplinäre Forschungsprojekte mit diesem Themenkomplex.
Auch Mediaplus hat sich einem solchen Projekt angeschlossen und kooperiert seit 2013 als erste und einzige Mediaagentur mit „Stratosphere“, einem EU-Forschungsprojekt, in dem sich unter anderem die TU Berlin unter der Führung von Prof. Dr. Volker Markl, die Humboldt-Universität zu Berlin und das Hasso-Plattner-Institut um Prof. Dr. Felix Naumann zusammengeschlossen haben. Ein sehr spannendes und bereicherndes Projekt, dessen Ziel in der Entwicklung eines Big-Data-Analysemodells besteht.
Eine intelligente Analyse aller zur Verfügung stehenden Daten führt zu Ergebnissen, mittels derer sich zielgruppengenau die optimalen Kommunikationsstrategien ableiten und in innovative und individuelle Mediamaßnahmen übersetzen lassen. Und genau dies wird zuneh- mend vom Endkunden in einer digitalisierten Welt erwartet: personalisierte, maßgefte Angebote, unmittelbare Interaktionsmöglichkeiten zu Unternehmen und Marken, schnelle Transaktionen und kurze Reaktionszeiten – dies alles selbstverständlich unabhängig von Zeit und Raum, Technologien, Kanälen und Geräten.
Bis 2016 soll dem Netzwerkausrüster Cisco zufolge der weltweite Datenverkehr auf rund 1,3 Zettabyte ansteigen – das entspricht etwa dem Datenvolumen von 328 Milliarden DVDs.3 Dass vor diesem Hintergrund der Bedarf nach einem entsprechenden Big-Data- Lösungsspektrum im Großen wie im Kleinen enorm ist, liegt auf der Hand. Um die Datenflut zu bewältigen und zugleich dem immer spezifischeren Anforderungsprofil der Konsumenten gerecht werden zu können, bedarf es einer wesentlich stärkeren Verzahnung von Marketing und IT, Analysekompetenz und Technologie-Infrastruktur. Und Agenturen brauchen vor allem eines: eine Palette an verschiedenen Big-Data-Solutions – angefangen bei kleineren Lösungen, die das Zusammenwirken zweier Mediakanäle untersuchen und deren jeweiligen Beitrag zur Conversion eines Kunden analysieren, um darauf aufbauend die Mediaplanung zu optimieren. Mediaplus hat mit
„TV Performance: Extended“ ein Tool entwickelt, das die Rolle von TV und Online in der Customer Journey berücksichtigt. Beide Kanäle werden bis heute noch immer überwiegend getrennt geplant und optimiert. Dabei lassen sich dank eines kombinierten Ansatzes Streu- verluste deutlich reduzieren und Conversion Rates optimieren.
Setzt man den diesem Tool zugrundeliegenden Gedanken konsequent fort und betrachtet nicht die aggregierte Kanalebene, sondern bricht die Analyse und Optimierung auf die Ebene des einzelnen Touchpoints herunter, gelangt man unweigerlich zum Attribution-Modelling-Ansatz. Der Anspruch besteht hier in der Bestimmung des Beitrags jedes einzelnen Touchpoints zum Umsatz. Dafür werden noch immer stark vereinfachte Standardmodelle herangezogen, wie beispielsweise das Last-Cookie-Wins-Modell, das in seiner Einfachheit der Realität bei weitem nicht gerecht wird.
Dank der Big Data-Technologie sind wir heute dazu in der Lage, die umfassende Modellierung des Einflusses jedes einzelnen Touchpoints (offline wie online) auf die Conversion vorzunehmen – unter der Berücksichtigung von Randbedingungen wie etwa Wetter oder Saisonalitäten. Ein wahres Big-Data-Attribution-Modelling also. Mediaplus bedient sich dabei eines iterativen Verfahrens, bei dem Umwandlungspfade, -wahrscheinlichkeiten und Zeitreihenmodelle miteinander verknüpft werden und permanente Neuberechnungen, quasi in Echtzeit, erfolgen. Dies ermöglicht ständige Planoptimierungen und in der Folge eine permanente Steigerung des ROI. Hier ist die Datenflut ein Segen, denn durch die Integration zusätzlicher Datenquellen kann schrittweise die Modellgüte erhöht werden.
Für uns ist dieser Big-Data-Attribution-Modelling-Ansatz die Business Intelligence für Programmatic Buying. Denn ohne Attribution Modelling ist Programmatic Buying nur eine weitere Möglichkeit, günstig Werbeplätze einzukaufen. Mit Attribution Modelling wird daraus aber viel mehr: Dadurch sind wir in der Lage, Zielgruppen dynamisch zu definieren, diese hochgradig granular und personalisiert in Echtzeit zu adressieren und so Streuverluste zu minimieren. Die Ergebnisse aus der Realtime-Wirkungsanalyse fließen dann unmittelbar in eine evolutionäre Kampagnengestaltung ein, über die wir dann noch einmal in der Lage sind, die Conversion-Rate zu steigern. Über diese beiden Stellschrauben, Senkung der Streuverluste und Steigerung der Conversion Rate, können wir den ROI der Mediamaßnahmen um mehr als 20% steigern.
Doch das ist erst der Anfang: Ist Realtime-Marketing und konkret Programmatic Buying im Moment noch überwiegend auf den digitalen Bereich beschränkt – aktuell werden international circa 20 % der digitalen Media dadurch verkauft, dass eine Maschine mit der anderen kommuniziert, aber der Anteil wächst4 – so wird diese Entwicklung über kurz oder lang auch auf die klassische Media übertragen werden. Wir sehen bereits erste Anzeichen dafür, wenn beispielsweise die Mechaniken aus dem Einsatz von Online Dynamic Bannering Tools (hier werden abhängig von der Zielgruppe bzw. einzelnen Nutzerprofi die Werbemittel in Echtzeit dynamisch und individuell zusammengestellt) auf die Welt der TV-Werbung übertragen werden.
Wir sehen hier nicht nur neue spannende Möglichkeiten, den ROI der Kampagnenmaßnahmen für unsere Kunden zu erhöhen – vielmehr verändert sich durch die Potentiale in Big-Data-Ansätzen auch die Rolle der Mediaagenturen hin zu ganzheitlichen Marketingberatern. Denn durch die umfassende Analyse von Consumer Data sind wir in der Lage, eine holistische Sicht auf den Konsumenten zu entwickeln, Wertschöpfungsprozesse und -beiträge zu identifizieren und darüber auch die Wertschöpfung von Media im Marketingprozess greifbarer zu machen.
1 Financial Times, 30.07.2013: A glimpse into the second golden age of advertising.
2 blogs.gartner.com/doug-laney/deja-vue-others-claiming-gartners-volume-velocity-variety-construct-for-bid-data/
3 www.spiegel.de/netzwelt/web/weltweiter-datenverkehrs-soll-sich-bis-2016-vervierfachen
4 www.iab.net./programmatic
Quelle: OMG Jahrbuch Forum Werbewirkung, September 2014