Big Data gehört aktuell zu den meist genutzten Begriffen im Marketing. Gleichzeitig ist er einer der diffusesten, weil auf Werbeträgerebene die konkreten Anwendungen, aber auch Grenzen noch viel zu wenig erörtert werden. Genau hier setzte das DMI-Treffen am 27. September in Düsseldorf an.
Die fünf Experten Joerg Blumtritt, Benedikt Köhler, Andreas Schwabe, Kai-Marcus Thäsler sowie Jörg Klekamp führten nicht nur aus, was das Buzzword Big Data tatsächlich bedeutet, sondern auch, welche Möglichkeiten sich in der Praxis für DOOH ergeben. Für alle, die nicht dabei sein konnten – das sind die wichtigsten Erkenntnisse:
Big Data erfordert die richtige Interpretation
Big Data hat eine jahrhunderte lange Tradition: So gesehen, ist das Thema eigentlich ein alter Hut, weil es hierbei im Kern immer um die Daten-Aggregation – und Interpretation geht. Doch die setzt nicht zwingend digitale Daten voraus. So konnten Ärzte in London etwa vor rund 150 Jahren den Ursprung der Cholera-Epidemie identifizieren, indem sie die Neu-Infizierten in Straßenkarten einzeichneten. Damit ließ sich der Ursprung der Erreger – ein verseuchter Brunnen – lokalisieren. Durch die Digitalisierung haben sich die Möglichkeiten natürlich vervielfacht, weil Konsumenten immer und überall ihre digitalen Fußabdrücke hinterlassen – und weil die händische Datenverarbeitung längst der Algorithmus übernimmt. Doch das das Grundprinzip bleibt: „Bei Big Data geht es letztlich um einfache Daten, die jeder intuitiv versteht“, so Benedikt Köhler. „Die Herausforderung ist es, sie richtig zu aggregieren, zu visualisieren und die richtigen Schlüsse daraus zu ziehen“.
Eine saubere System-Architektur ist die Basis
Eine saubere System-Architektur ist die Basis für Big Data: Man kann lange und ausgiebig über die Daten-Aufbereitung, -Analyse, -Interpretation und auch die datenbasierte Produktentwicklung diskutieren – ohne zukunftsfähiges Data-Warehouse ist alles Makulatur. Das setzt also Investitionen in Big Data-Tools und -Expertise voraus – und den Abschied von herkömmlichen Excel-Charts. Noch haben viele Unternehmen diese erste Hürde nicht genommen.
Daten in ihrer Gesamtheit erheben
Herkömmliches Projektmanagement stößt bei Big Data an seine Grenzen: Ziel, Strategie, Umsetzung, Maßnahmen, Ergebnisse – so sieht der klassische Projektablauf bekanntlich aus. Doch Big Data fordert einen geradezu spielerisch-experimentellen Zugang, der Vorwissen bewusst ausblendet. Die Definition und Selektion von wichtigen und unwichtigen Daten im Vorfeld etwa gerät hier schnell zur Sackgasse. „Man muss ohne Scheuklappen an das Thema gehen und Daten erst einmal in ihrer Gesamtheit erheben“, fordert Jörg Blumtritt. Ein Beispiel aus der eigenen Praxis: Ursprünglich wollte das DMI über ein entsprechendes Big Data-Projekt die Nutzung des mobilen Internets zuhause im Vergleich zum DOOH-Umfeld erkunden. Doch tatsächlich lieferte der Trackingsatz deutlich mehr Informationen – etwa Mobilitätstypologien und Customer Journeys für Zielgruppensegmente. „Wären wir allein mit eigentlichen Fragestellung in die Analyse gegangen, hätten wir diese Insights glatt übersehen“, sagt DMI-Geschäftsführer Frank Goldberg.
Nutzen für DOOH liegt in Bewegungsmustern
Der Kernnutzen von Big Data in der Außenwerbung liegt aktuell im Erkennen und Analysieren von Bewegungsmustern: Die Grundlogik kennen wir aus der Online-Welt. Hier werden Customer Journeys aggregiert, um zu erkennen, wie sich Konsumenten zeitlich im virtuellen Raum bewegen. Eine solche Vorgehenseise findet auch im DOOH-Markt zunehmend Anwendung. Kai-Marcus Thäsler etwa berichtete von einem Einzelhändler in München, der mithilfe von Big Data – hier Mobilitätsstudien, Pendlerströme und Telekommunikationsdaten – seine Kampagne optimierte.
Big Data muss kreativ sein
Das Zusammenspiel von Big Data, Kreation und Strategie ist die Herausforderung von morgen: Schon heute, machte Andreas Schwabe klar, ist mit Big Data eine sehr genaue Simulation von Media und Abverkauf möglich. Letztlich prägen natürlich zahlreiche weitere Einflussfaktoren den Vertriebserfolg, die aber zu einem großen Teil in der Simulation berücksichtigt werden können. Doch alles lässt sich eben nicht so einfach prognostizieren. Sollten etwa Autobauer aktuell weniger Autos verkaufen, so muss das nicht zwingend an einer missglückten Mediastrategie liegen. Möglichweise wollen die Verbraucher sie auch gerade nur abstrafen, nachdem sie mit dem Abgasskandal nach Strich und Faden reingelegt wurden. Allein über Big Data wird man dies wohl kaum auflösen können. Dazu bedarf es wohl noch ein bisschen menschlicher Strategie – und Empathie.
