Data Mining: Der nächste große Trend im Social Media Marketing?

Die meisten Unternehmen freuten sich zunächst, in Social Media einen Kanal gefunden zu haben, mit dem sie ihre Marketing Botschaften in die Welt hinausrufen können.

Andere Unternehmen sind da schon weiter und sehen in Social Media eine Plattform, auf der sie durch wechselseitige Kommunikation ein tiefere Beziehung zu ihren derzeitigen oder potenziellen Kunden aufbauen können.

Doch es gibt noch eine dritte Möglichkeit Social Media zu nutzen: Man analysiert die Erwartungen, Bedürfnisse und Wünsche der Kunden („Voice of the Customer“) indem man deren Social Network Daten erfasst, darin neue Muster erkennt und die eigenen Geschäftsstrategien danach ausrichtet, um etwa seine Kunden gezielter und besser ansprechen zu können. Kurz: Man betreibt Data Mining in sozialen Netzwerken. Bei der immensen Menge an Daten, die in den Social Networks gespeichert sind, ein verlockender Gedanke.

Derzeit erstellen CRM Systeme Kundenprofile indem sie demographische Daten heranziehen und diese mit dem früheren Verhalten des Kunden (meist vorherige Kaufsmuster) kombinieren. So entsteht ein Bild des Kunden, das Auskunft über seine Vergangenheit gibt.

Doch die Kundendaten, die in Online Communitys wie Facebook gespeichert sind, sind meist nicht nur ausführlicher sondern auch zukunftsweisender. So wüsste zum Beispiel ein Kreditinstitut, das Zugang zu diesen Daten hätte, nicht nur, dass der Kunde ein Girokonto, ein Sparkonto, zwei Einlagenzertifikate und eine Hypothek hat, sondern auch, dass sich der Kunde für Golf und Gourmet-Kochen interessiert. Das sind wichtige Informationen für zukünftige Marketing-Initiativen.

Jede Sekunde werden unglaubliche Mengen dieser Daten auf Facebook, Twitter, Xing und andere Communitys gestellt. Hätte man Zugang zu diesen Daten, hätte man eine Art Echt-Zeit CRM-System, das regelmäßig über neue Trends und Möglichkeiten informiert. Wie erreiche ich das?

.

Zugang zu Social Media Daten erhalten

.

Zwar kann man mit der heutigen Technologie diese Daten herausziehen, doch sind dabei einige Herausforderungen zu bewältigen. Der riesige Datenstrom, der jede Sekunde zunimmt, ist ein Paradebeispiel für sogenannte „Big Data“, der nicht so leicht verarbeitet werden kann. So steht man vor dem Problem, dass nicht alles, was der soziale Datenstrom liefert, auch wirklich relevante Informationen bringt. Experten gehen von nur 20% relevanter Information aus. Doch bevor man den Datenstrom eines Nutzers analysiert, muss man erst herausfinden wo sich mein Kunde in dem riesigen Social Universe befindet.

.

Das Problem der Kundenidentität

.

Die meisten Unternehmen finden ihre Kunden auf den sozialen Plattformen, indem sie dort ebenfalls präsent sind. Dieser Weg ist langwierig, mühselig und kostet Geld. Auf Facebook erhalten Unternehmen Zugang zu persönlichen Informationen eines Nutzers, wenn diese Person auf den „Like Button“ der Unternehmensseite klickt (je nachdem wie die Privatsphäre Einstellungen sind). Durch besondere Angebote, Spiele oder Anwendungen kann ich als Unternehmen noch weitere Muster im Kundenverhalten erkennen und Informationen sammeln.

Jetzt gibt es jedoch Technologien, die diesen Identifizierungsprozess beschleunigen. Spezielle Matching Technologien können herausfinden, ob ein „Peter Müller“ in meiner Unternehmens-Datenbank dieselbe Person ist, wie ein bestimmter „Peter Müller“ auf Facebook. Die Algorithmen, die das können, sind extrem ausgeklügelt und wurden schon erfolgreich von Strafverfolgungsbehörden eingesetzt um Verbrecher ausfindig zu machen.

Man benötigt für die Identifizierung auf den sozialen Netzwerken ein oder zwei Informationen zum Kunden – die E-Mail Adresse ist meist die wichtigste. Anschließend erhält man, je nach Sicherheitseinstellungen, die Profildaten des Users und dessen Verbindungen.

.

Was macht man mit den gewonnen Daten?

.

Das zweite Problem bei Social Media ist, dass ich die gewonnen Daten in nutzbare Daten umwandeln muss. Doch Social Media Daten werden durch andere Technologien gewonnen und werden deshalb auch in anderen Formaten und eigenen Datenbanken gespeichert, als die Daten die normalerweise in mein CRM System einfließen. Wie kann ich diese Daten passend umwandeln? Eine Lösung bieten Produkte zur Stammdatenverwaltung.

Diese Master Data Management (MDM) Systeme gibt es schon länger, denn das Problem der verteilten Daten existiert nicht erst seit Social Media. Oft liegen relevante Daten nämlich zerstreut in den Datenbanken der historisch gewachsenen operativen Systeme. MDM Systeme sollen die Konsistenz meiner verschiedenen Datenbanken sicherstellen. Damit kann ich auch Social Media Daten in meine bestehenden CRM Systeme einfügen. Was ich anschließend erhalte, sind wertvolle Daten, mit denen ich meine Zielgruppen passender ansprechen kann und eine individuellere Betreuung meiner Kunden sicherstellen kann.

.

Trade off: Daten sammeln oder Beziehungen aufbauen?

.

Doch diese Schritte sind nicht unproblematisch. Denn viele Nutzer fühlen sich in ihrer Privatsphäre bedroht, wenn Unternehmen anfangen, persönliche Daten in großen Mengen aus dem Netz zu saugen. Social Media lebt zum großen Teil von den dort aufgebauten Beziehungen zwischen Kunden und Unternehmen, mit all seinen Dialogen. Wird der Prozess des Data Minig automatisiert vorangetrieben, geht viel von dieser Beziehung verloren. Bei Social Media sollten die Informationen in beide Richtungen fließen – d.h. auch Unternehmen müssen Informationen von sich preis geben und dürfen ihre Kunden nicht als Datenstrom betrachten. Deshalb sollte man seine Kunden immer zuerst um Erlaubnis fragen, wenn man Informationen  über sie einholt. Denn nur wenn die Kunden dem Unternehmen vertrauen und keine Angst haben, werden sie auch loyale Kunden.

Anmerkung: In Anlehnung an einen Artikel von Mashable.

Veröffentlicht unter CRM, Marketing, Social Media Getagged mit: , , , ,

Hinterlasse eine Antwort

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *

*

Du kannst folgende HTML-Tags benutzen: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>