Data + Psychology = Growth

Beschreibung zum kostenlosen Online Marketing Webinar

Explosiv wachsende Unternehmen wir airbnb oder Booking.com haben verstanden, wie aus Daten echter ROI wird. Daher hat André Morys, Gründer und Vorstand von konversionsKRAFT in den vergangenen Jahren die Strategien dieser Unternehmen studiert. Als Resultat zeigt André, auf welche Art und Weise profitabel wachsende Unternehmen unterschiedliche Disziplinen verbinden um deutlich mehr ROI zu erzeugen als ihre Wettbewerber.

Video zum Webinar

Webinar Termin:

23.08.2017

14:00 Uhr - 15:00 Uhr

Was Du nach dem Webinar gelernt hast:

  • Welche Disziplinen für Wachstum zusammen arbeiten müssen
  • Wie Personalisierung im Web wirklich funktioniert
  • Was Amazon, Airbnb und Booking.com anders machen

Zielgruppe:

  • E-Commerce-Manager
  • Shop-Betreiber
  • Conversion-Manager
  • UX-Experten
  • Data Scientists
  • Web Analytics-Experten

Data + Psychology = Growth

Es geht tatsächlich: Mit Psychologie und Daten neue Märkte zu erschließen, hat nichts mit Zauberei zu tun. Es ist in der Regel einfacher als gedacht und vor allem auch für kleine und mittlere Unternehmen künftig ein wichtiger Faktor, um die erfolgversprechendsten Zielgruppen zu erschließen. Denn es ist ein Regelkreis zwischen den verschiedenen Kundentypen, der Menge und Qualität der Daten sowie den richtigen Schlüssen, die man aus dieser Kombination zieht.

Richtige Personalisierung

Unter dem Schlagwort „Recommendations“ bringt dieses Marketingkonzept oft die sonderbarsten Kombinationen zustande. Zum Beispiel Vorschläge, die erstellt werden, weil man irgendwann und irgendwo etwas gekauft hat. Oft enthalten diese Vorschläge Produkte und/oder Dienstleistungen, die man bei dem genannten Anbieter ohnehin schon gekauft hat. Daran merkt man, dass sich niemand wirklich mit dieser Technologie auseinandersetzt und die Entscheidung einfach der „Maschine“ überlässt. Und das ist Geldverbrennung in der reinsten Form.
Künstliche Intelligenz und Big Marketing Data Automation schalten oft das Hirn aus
Es ist fatal, wenn gestandene Marketer und Vertriebler immer mehr der Maschine als ihrem Gefühl und Verstand trauen. Wenn so kryptische Schlagworte kommen wie künstliche Intelligenz, Big Data Online Konversion oder dergleichen, dann wird einfach der Schalter umgelegt und das Denken wird der Maschine überlassen.

Sind Recommendations – Empfehlungen – der Umsatzbringer schlechthin?

Es kann funktionieren, wie wir in weiterer Folge sehen. Es funktioniert nur nicht wirklich, wenn wir nur die eine Seite betrachten und uns nur auf die Technik verlassen. Denn es gibt „kein Schlangenöl für schlechte Websites“. Da hilft dann auch keine Personalisierung. Und selbst wenn es den perfekten Anbieter geben sollte, es lässt sich kaum schlüssig nachvollziehen, dass Recommendations den Umsatz signifikant beeinflussen.

Wenn nun der Umsatz und damit der Gewinn kaum beeinflusst werden, so ist die Überlegung legitim, auf Recommendations überhaupt zu verzichten und alleine schon dadurch den Gewinn zu erhöhen, weil die Kosten für die Tools wegfallen (wenn in diesem Zusammenhang von Gewinn gesprochen wird, dann wird darunter „Average Revenue per Visitor“ verstanden).

Der Paradox of Choice Effekt

Irgendwann weiß der Konsument nämlich nicht mehr, was er kaufen soll, weil er schon alles hat, was hier vorgeschlagen, also empfohlen wird. So wird es auch dem Kunden gehen, der vor zwanzig Paar schwarzen Schuhen steht. Er kann kaum eine Entscheidung treffen. Im schlimmsten Fall geht er mit den alten Schuhen nach Hause. Das ist dann der „Qual der Wahl“- Effekt. Es handelt sich dabei um die Entscheidungsunfähigkeit, wenn sich die Angebote zu ähnlich sind. Die besten Tools können es nicht ersetzen, dass man sein Hirn einschaltet. Das ist nun mal eine Tatsache.

Wo bleibt der Kunde?

In den meisten Modellen und Schaubildern über digitale Transformation fehlt sehr oft der Kunde. Für wen aber sonst werden Inhalte aufbereitet, Websites erstellt, Prozesse definiert, wenn nicht für den Kunden. Wie kann Technik und Strategie funktionieren, wenn Du selbst nicht weißt, was Deine Kunden wollen. Wahre Kunden sind keine Avatare, die man sich nach Belieben bastelt. Wahre Kunden sind bzw. denken auch anders als die Berater und Techniker, die „digital transformation“ schlichtweg zu dem einzigen Zaubermittel im Marketing hochstilisieren.

Darum: Start with the customer und work backwards

Eine gute Strategie fängt nicht mit dem Tool oder der Website an, sondern mit dem Wissen über den Kunden, seine Bedürfnisse, Motive und auch Ängste an. Darauf müssen die Inhalte angepasst werden. Man sollte mal überprüfen, wieviel Geld ausgegeben wird, um Werkzeuge zu optimieren, neue Tools zu entwickeln und wie viel Geld in die Hand genommen, um ernsthaft zu erforschen, was Kunden wirklich wollen und was wir ihnen wirklich verkaufen sollten.
Woher kommt der ROI

Jede Investition, jede Entwicklung muss sich irgendwann rechnen – also einen Rückfluss der Investition gewährleisten. Bei diesem Thema beruht der ROI auf den Daten, die wir sammeln und dann dazu nutzen, um im Gehirn des Konsumenten einen „Kauflust-Knopf“ zu drücken, ihn also zu stimulieren. Die gewünschte und erzielte Reaktion (=Kauf) führt dazu, dass der ROI ständig verbessert wird. Deshalb „Kenne den Kunden!“ Denn ohne diesen Mechanismus hat das Sammeln von Daten keinen ROI! Die reinen Tools haben keinen ROI. Sie können Dir nicht abnehmen, zu wissen was die Motivation Deiner Nutzer ist.

Aus dem echten Leben lernen

Die Psychologie kennt eine Menge von Tools, die es ermöglichen, eine schnelle Typisierung des Kunden vorzunehmen mit verschieden Zuschreibungen wie Performer, Harmonisierer, Abenteurer usw. Jeder einzelne dieser sogenannten Typen hat eine besondere Motivlage. Wenn es uns im Verkauf gelingt die Value Proposition – als das Nutzenversprechen – auf diese Motivlage abzustimmen, dann hat der Kunde das Gefühl, das Ding sei „Wie für mich gemacht“. Damit erzeugt unsere Produktbotschaft Resonanz, anstatt nur Relevanz. Es löst also einen Handlungsimpuls aus.

Ein guter Verkäufer kann das, indem er Kunden beobachtet, die Typen identifiziert (im Data Mining sagen wir dazu „clustern“), und dann schneidert er die Customer Experience – die individuelle Kauferfahrung – auf den Kunden zu.
Zitat: „Es ist nicht genug, Dein Bestes zu geben. Du musst wissen, was Du tust, und dann gibst Du Dein Bestes.“ (W.E.Deming)
Realität versus Strategie

So eine Personalisierung geht auch online: Erschwert wird das oft durch die riesige Lücke zwischen „taktischer Realität“ – also dem täglichen einfachen Business – und der „Strategischen Vision“ des Unternehmens. Dies liegt oft daran, dass diese strategische Vision – sofern es eine gibt – gar nicht bis an die Basis durchdringt. Oder schon veraltet ist, wenn sie dort ankommt. Es wird demnach die Lücke, zwischen dem was funktioniert und dem was man machen könnte, immer größer. Und irgendwann gibt es dann den Knall, und die Vision löst sich in Luft auf. Das ist dann die Chance für den Wettbewerb. Er erntet auf einfache Weise die Früchte.

Man muss oft den Schmerz spüren, um eine Strategie zu ändern. Im wirtschaftlichen Umfeld heißt dieser Schmerz Verlust. Solange wir nicht spüren, dass wir mit unserer Strategie am Kunden vorbeiarbeiten und richtig Geld verlieren, solange es also nicht richtig wehtut, solange werden wir unsere Strategie nicht ändern.
Wir werden typisiert – immer und jederzeit

Menschen werden jeden Tag, wenn Sie einen Raum betreten, von ihrem Gegenüber an Hand gewisser Merkmale in eine Schublade gesteckt werden. Im Gegenzug machen wir das gleiche mit Menschen, die uns begegnen. Es ist die Natur der Sache, dass Menschen andere Menschen auf Basis ihres Verhaltens einordnen. Und das ist die Grundlage für die Psychologie der Personen.

Künstliche Intelligenz macht das mit uns ebenso. Es gibt Untersuchungen, dass jemand der 500 Facebook–Likes und mehr hat, von der „Maschine“ besser typisiert wird als der Ehe- oder Lebenspartner dazu imstande wäre. Bei 300 „Likes“ schlägt die Technik zumindest nur die Freunde. Dahinter steckt das Prinzip, dass man auf Basis des Verhaltens den Persönlichkeitstyp vorhersehen kann. Das ist noch ein riesiges Spielfeld für die Psychologie und ihre Vertreter.

Der „Usability Papst“ Jakob Nielsen hat die Augenbewegungen der User untersucht und herausgefunden, dass unterschiedliche Typen auch unterschiedliche Augenbewegungen haben. Ebenso machen sie unterschiedliche Mausbewegungen, haben unterschiedliche Aufenthaltszeiten und einiges mehr. Man muss die Menschen also nicht mit Facebook durchleuchten. Man kann auch an ihrem Verhalten erkennen, um welchen Typ es sich handelt.

Erste Schritte zur Umsetzung

  1. Personas auf Basis von Typologien bauen, dazu kann man Tools wie die Limbic Card oder ähnliches nutzen.
  2. Analysiere Deine bestehenden Kunden (Clustern).
  3. Analysiere den Gesamttraffic Deiner Kundentypen.
  4. Stelle die Korrelationen her.
  5. Baue ein Modell, dass Dir zeigt, welche Daten ein geeigneter Predictor für einen bestimmten Kunden- oder Nutzertyp sind.

 

Nutzertypen herausfinden

Die Darstellung zeigt ein Programm um herauszufinden, was für Nutzertypen du hast.

 

Dieses Modell kann Dir dann abhängig davon, welche Daten (also Variablen) vorhanden sind, eine Typisierung ermöglichen. Abhängig vom so ermittelten Typ (predicted targeting) werden die Recommendations typgerecht präsentiert.
Es gibt konkrete Untersuchungen dafür, dass sich so die „Adds to Cart“-Rate signifikant steigern lässt.

Von Big Data zu Smart Data

Es bringt mehr und ist weniger Aufwand, wenn wir nicht auf die Menge der Daten fokussieren, sondern die richtigen Schlüsse daraus ziehen.
Konkrete Vorschläge
Beispielsweise kannst Du mit der typgerechten Wortwahl in den Adwords-Anzeigen Deine Zugriffe wesentlich steigern. Und es werden sich eben mehr Traditionalisten auf Deiner Seite einfinden, wenn die Wortwahl typgerecht ist.

Daher ist es erforderlich, dass man sich frühzeitig damit beschäftigt, welche Typen den man so hat und welche man auch in welcher Form mit Produkten und Dienstleistungen zielgerichtet ansprechen will. In der Psychologie ist bekannt, dass unterschiedliche Typen unterschiedlich stark auf unterschiedliche psychologische Verkaufsmuster reagieren. Ob es nun um das Prinzip der Verknappung oder Commitment geht, löst unterschiedliche Reaktionen bei unterschiedlichen Typen aus.

  1. Fange mit Kunden an, verstehe seine Realität, seine User Experience
  2. Sammle Daten
  3. Ziehe die richtigen Schlüsse daraus
  4. Suche nach Verbindungen zwischen Daten, die du hast und diesen unterschiedlichen Typen
  5. Baue ein Modell, um das vorherzusagen

 

Big Data und Small Data in der Conversion Optimierung

Die Darstellung zeigt den Weg von Big Data zu Small Data.

 

Hintergrundwissen

In der klassischen Psychologie wird das Modell der Typisierung eher abgelehnt, weil die Wissenschaft davon ausgeht, dass sich der Typus ändert, wenn die Situation sich ändert.
In der Psychologie geht man auch davon aus, dass erste Entscheidungen im limbischen System getroffen werden, also im sogenannten „Reptiliengehirn“, das die Vorentscheidung trifft, bevor es den Impuls an das Großhirn weiteroutet.
Kognitive Verzerrungen sind in der Psychologie als Prinzipien für Beeinflussungs-Muster bekannt. Das sind für den Verkauf sehr spannende Muster, die auch ON-Line typgerecht angewendet werden können.

Data + Psychology = Growth

Es geht tatsächlich: Mit Psychologie und Daten neue Märkte zu erschließen, hat nichts mit Zauberei zu tun. Es ist in der Regel einfacher als gedacht und vor allem auch für kleine und mittlere Unternehmen künftig ein wichtiger Faktor, um die erfolgversprechendsten Zielgruppen zu erschließen. Denn es ist ein Regelkreis zwischen den verschiedenen Kundentypen, der Menge und Qualität der Daten sowie den richtigen Schlüssen, die man aus dieser Kombination zieht.

Richtige Personalisierung

Unter dem Schlagwort „Recommendations“ bringt dieses Marketingkonzept oft die sonderbarsten Kombinationen zustande. Zum Beispiel Vorschläge, die erstellt werden, weil man irgendwann und irgendwo etwas gekauft hat. Oft enthalten diese Vorschläge Produkte und/oder Dienstleistungen, die man bei dem genannten Anbieter ohnehin schon gekauft hat. Daran merkt man, dass sich niemand wirklich mit dieser Technologie auseinandersetzt und die Entscheidung einfach der „Maschine“ überlässt. Und das ist Geldverbrennung in der reinsten Form.
Künstliche Intelligenz und Big Marketing Data Automation schalten oft das Hirn aus
Es ist fatal, wenn gestandene Marketer und Vertriebler immer mehr der Maschine als ihrem Gefühl und Verstand trauen. Wenn so kryptische Schlagworte kommen wie künstliche Intelligenz, Big Data Online Konversion oder dergleichen, dann wird einfach der Schalter umgelegt und das Denken wird der Maschine überlassen.

Sind Recommendations – Empfehlungen – der Umsatzbringer schlechthin?

Es kann funktionieren, wie wir in weiterer Folge sehen. Es funktioniert nur nicht wirklich, wenn wir nur die eine Seite betrachten und uns nur auf die Technik verlassen. Denn es gibt „kein Schlangenöl für schlechte Websites“. Da hilft dann auch keine Personalisierung. Und selbst wenn es den perfekten Anbieter geben sollte, es lässt sich kaum schlüssig nachvollziehen, dass Recommendations den Umsatz signifikant beeinflussen.

Wenn nun der Umsatz und damit der Gewinn kaum beeinflusst werden, so ist die Überlegung legitim, auf Recommendations überhaupt zu verzichten und alleine schon dadurch den Gewinn zu erhöhen, weil die Kosten für die Tools wegfallen (wenn in diesem Zusammenhang von Gewinn gesprochen wird, dann wird darunter „Average Revenue per Visitor“ verstanden).

Der Paradox of Choice Effekt

Irgendwann weiß der Konsument nämlich nicht mehr, was er kaufen soll, weil er schon alles hat, was hier vorgeschlagen, also empfohlen wird. So wird es auch dem Kunden gehen, der vor zwanzig Paar schwarzen Schuhen steht. Er kann kaum eine Entscheidung treffen. Im schlimmsten Fall geht er mit den alten Schuhen nach Hause. Das ist dann der „Qual der Wahl“- Effekt. Es handelt sich dabei um die Entscheidungsunfähigkeit, wenn sich die Angebote zu ähnlich sind. Die besten Tools können es nicht ersetzen, dass man sein Hirn einschaltet. Das ist nun mal eine Tatsache.

Wo bleibt der Kunde?

In den meisten Modellen und Schaubildern über digitale Transformation fehlt sehr oft der Kunde. Für wen aber sonst werden Inhalte aufbereitet, Websites erstellt, Prozesse definiert, wenn nicht für den Kunden. Wie kann Technik und Strategie funktionieren, wenn Du selbst nicht weißt, was Deine Kunden wollen. Wahre Kunden sind keine Avatare, die man sich nach Belieben bastelt. Wahre Kunden sind bzw. denken auch anders als die Berater und Techniker, die „digital transformation“ schlichtweg zu dem einzigen Zaubermittel im Marketing hochstilisieren.

Darum: Start with the customer und work backwards

Eine gute Strategie fängt nicht mit dem Tool oder der Website an, sondern mit dem Wissen über den Kunden, seine Bedürfnisse, Motive und auch Ängste an. Darauf müssen die Inhalte angepasst werden. Man sollte mal überprüfen, wieviel Geld ausgegeben wird, um Werkzeuge zu optimieren, neue Tools zu entwickeln und wie viel Geld in die Hand genommen, um ernsthaft zu erforschen, was Kunden wirklich wollen und was wir ihnen wirklich verkaufen sollten.
Woher kommt der ROI

Jede Investition, jede Entwicklung muss sich irgendwann rechnen – also einen Rückfluss der Investition gewährleisten. Bei diesem Thema beruht der ROI auf den Daten, die wir sammeln und dann dazu nutzen, um im Gehirn des Konsumenten einen „Kauflust-Knopf“ zu drücken, ihn also zu stimulieren. Die gewünschte und erzielte Reaktion (=Kauf) führt dazu, dass der ROI ständig verbessert wird. Deshalb „Kenne den Kunden!“ Denn ohne diesen Mechanismus hat das Sammeln von Daten keinen ROI! Die reinen Tools haben keinen ROI. Sie können Dir nicht abnehmen, zu wissen was die Motivation Deiner Nutzer ist.

Aus dem echten Leben lernen

Die Psychologie kennt eine Menge von Tools, die es ermöglichen, eine schnelle Typisierung des Kunden vorzunehmen mit verschieden Zuschreibungen wie Performer, Harmonisierer, Abenteurer usw. Jeder einzelne dieser sogenannten Typen hat eine besondere Motivlage. Wenn es uns im Verkauf gelingt die Value Proposition – als das Nutzenversprechen – auf diese Motivlage abzustimmen, dann hat der Kunde das Gefühl, das Ding sei „Wie für mich gemacht“. Damit erzeugt unsere Produktbotschaft Resonanz, anstatt nur Relevanz. Es löst also einen Handlungsimpuls aus.

Ein guter Verkäufer kann das, indem er Kunden beobachtet, die Typen identifiziert (im Data Mining sagen wir dazu „clustern“), und dann schneidert er die Customer Experience – die individuelle Kauferfahrung – auf den Kunden zu.
Zitat: „Es ist nicht genug, Dein Bestes zu geben. Du musst wissen, was Du tust, und dann gibst Du Dein Bestes.“ (W.E.Deming)
Realität versus Strategie

So eine Personalisierung geht auch online: Erschwert wird das oft durch die riesige Lücke zwischen „taktischer Realität“ – also dem täglichen einfachen Business – und der „Strategischen Vision“ des Unternehmens. Dies liegt oft daran, dass diese strategische Vision – sofern es eine gibt – gar nicht bis an die Basis durchdringt. Oder schon veraltet ist, wenn sie dort ankommt. Es wird demnach die Lücke, zwischen dem was funktioniert und dem was man machen könnte, immer größer. Und irgendwann gibt es dann den Knall, und die Vision löst sich in Luft auf. Das ist dann die Chance für den Wettbewerb. Er erntet auf einfache Weise die Früchte.

Man muss oft den Schmerz spüren, um eine Strategie zu ändern. Im wirtschaftlichen Umfeld heißt dieser Schmerz Verlust. Solange wir nicht spüren, dass wir mit unserer Strategie am Kunden vorbeiarbeiten und richtig Geld verlieren, solange es also nicht richtig wehtut, solange werden wir unsere Strategie nicht ändern.
Wir werden typisiert – immer und jederzeit

Menschen werden jeden Tag, wenn Sie einen Raum betreten, von ihrem Gegenüber an Hand gewisser Merkmale in eine Schublade gesteckt werden. Im Gegenzug machen wir das gleiche mit Menschen, die uns begegnen. Es ist die Natur der Sache, dass Menschen andere Menschen auf Basis ihres Verhaltens einordnen. Und das ist die Grundlage für die Psychologie der Personen.

Künstliche Intelligenz macht das mit uns ebenso. Es gibt Untersuchungen, dass jemand der 500 Facebook–Likes und mehr hat, von der „Maschine“ besser typisiert wird als der Ehe- oder Lebenspartner dazu imstande wäre. Bei 300 „Likes“ schlägt die Technik zumindest nur die Freunde. Dahinter steckt das Prinzip, dass man auf Basis des Verhaltens den Persönlichkeitstyp vorhersehen kann. Das ist noch ein riesiges Spielfeld für die Psychologie und ihre Vertreter.

Der „Usability Papst“ Jakob Nielsen hat die Augenbewegungen der User untersucht und herausgefunden, dass unterschiedliche Typen auch unterschiedliche Augenbewegungen haben. Ebenso machen sie unterschiedliche Mausbewegungen, haben unterschiedliche Aufenthaltszeiten und einiges mehr. Man muss die Menschen also nicht mit Facebook durchleuchten. Man kann auch an ihrem Verhalten erkennen, um welchen Typ es sich handelt.

Erste Schritte zur Umsetzung

  1. Personas auf Basis von Typologien bauen, dazu kann man Tools wie die Limbic Card oder ähnliches nutzen.
  2. Analysiere Deine bestehenden Kunden (Clustern).
  3. Analysiere den Gesamttraffic Deiner Kundentypen.
  4. Stelle die Korrelationen her.
  5. Baue ein Modell, dass Dir zeigt, welche Daten ein geeigneter Predictor für einen bestimmten Kunden- oder Nutzertyp sind.

 

Nutzertypen herausfinden

Die Darstellung zeigt ein Programm um herauszufinden, was für Nutzertypen du hast.

 

Dieses Modell kann Dir dann abhängig davon, welche Daten (also Variablen) vorhanden sind, eine Typisierung ermöglichen. Abhängig vom so ermittelten Typ (predicted targeting) werden die Recommendations typgerecht präsentiert.
Es gibt konkrete Untersuchungen dafür, dass sich so die „Adds to Cart“-Rate signifikant steigern lässt.

Von Big Data zu Smart Data

Es bringt mehr und ist weniger Aufwand, wenn wir nicht auf die Menge der Daten fokussieren, sondern die richtigen Schlüsse daraus ziehen.
Konkrete Vorschläge
Beispielsweise kannst Du mit der typgerechten Wortwahl in den Adwords-Anzeigen Deine Zugriffe wesentlich steigern. Und es werden sich eben mehr Traditionalisten auf Deiner Seite einfinden, wenn die Wortwahl typgerecht ist.

Daher ist es erforderlich, dass man sich frühzeitig damit beschäftigt, welche Typen den man so hat und welche man auch in welcher Form mit Produkten und Dienstleistungen zielgerichtet ansprechen will. In der Psychologie ist bekannt, dass unterschiedliche Typen unterschiedlich stark auf unterschiedliche psychologische Verkaufsmuster reagieren. Ob es nun um das Prinzip der Verknappung oder Commitment geht, löst unterschiedliche Reaktionen bei unterschiedlichen Typen aus.

  1. Fange mit Kunden an, verstehe seine Realität, seine User Experience
  2. Sammle Daten
  3. Ziehe die richtigen Schlüsse daraus
  4. Suche nach Verbindungen zwischen Daten, die du hast und diesen unterschiedlichen Typen
  5. Baue ein Modell, um das vorherzusagen

 

Big Data und Small Data in der Conversion Optimierung

Die Darstellung zeigt den Weg von Big Data zu Small Data.

 

Hintergrundwissen

In der klassischen Psychologie wird das Modell der Typisierung eher abgelehnt, weil die Wissenschaft davon ausgeht, dass sich der Typus ändert, wenn die Situation sich ändert.
In der Psychologie geht man auch davon aus, dass erste Entscheidungen im limbischen System getroffen werden, also im sogenannten „Reptiliengehirn“, das die Vorentscheidung trifft, bevor es den Impuls an das Großhirn weiteroutet.
Kognitive Verzerrungen sind in der Psychologie als Prinzipien für Beeinflussungs-Muster bekannt. Das sind für den Verkauf sehr spannende Muster, die auch ON-Line typgerecht angewendet werden können.