Optimierung der Customer Experience anhand von Nutzerdaten

Nutzerdaten sind zur Optimierung der Customer Experience ein effektives Mittel, um den Umsatz deutlich zu steigern.

Laut der neuesten Studie von Forrester, wachsen Unternehmen, die Daten und Analysen nutzen, um ihre Produkte und ihre Customer Experience zu unterscheiden, voraussichtlich jährlich um 27% bis 40%. Das bedeutet ein fast doppelt so schnelles Wachstum als bei Unternehmen, welche keine Daten zu Optimierungszwecken nutzen.

Das Problem wieso viele Unternehmen ihre Customer Experience nicht optimieren besteht darin, dass sie schnell mit der Datenmenge überfordert sind oder glauben, die Nutzung der Daten zu Optimierungszwecken sei zu riskant.

Unser Guide unterstützt Sie bei der Lösung dieses Problems.

Daten lassen sich einfach in verschiedene Risikostufen einteilen. Die meisten Daten haben ein geringes Risiko, während die Verwendung anderer Daten wichtige Sicherheitsmaßnahmen für die Nutzung erfordern. Nachdem Sie verstanden haben, wie man die verschiedenen Daten in Bezug auf Potential und Risiko einordnet, ist es einfach daraus eine „Data-Governance-Strategie” zu entwickeln.

Mit dieser Strategie wissen Sie, welche Daten Sie wie und zu welchem Zweck verwenden können.

Unser Leitfaden soll Unternehmen den Einstieg in die richtige Nutzung von Data-Governance zu Optimierungszwecken erleichtern. Selbst bei bereits gescheiterten Versuchen gibt Ihnen dieser Leitfaden die nötige Sicherheit, einen Weg und diverse Beispiele, wie Sie Ihre Daten effektiver für Ihre Optimierung nutzen.

Was Sie in diesem Leitfaden über Daten und Optimierung der Customer Experience
lernen werden:

• Die verschiedenen Arten von Daten und warum sie wichtig sind
• Wie Sie sich mit der Menge und der Komplexität der Daten nicht überwältigt fühlen
• Wie Sie mit den verschiedenen Arten von Daten mit der Optimierung beginnen sollten, damit Sie ein Geschäftswachstum erzielen und Ihre KPIs erreichen können
• Der Leitfaden enthält eine hilfreiche Grafik, die Sie dabei unterstützt schnell zu ermitteln, wie und welche Daten Sie nutzen können, um Ihre Conversions, Ihre Engagement Rate und Ihren Umsatz zu steigern - und das unabhängig von Ihrer Branche

1 Wie riskant ist die Optimierung der Customer Experience mit Nutzerdaten?

Zu viele Unternehmen verzichten auf die Optimierung der Customer Experience, weil sie Nutzerdaten zu riskant finden..

Das Erste, was Sie wissen müssen ist: Die meisten Daten, die Sie für A/B-Tests verwenden, sind weder riskant, noch sensibel. Tatsächlich sind sogar 96% aller Daten, die Sie über Ihre Besucher und Kunden auf Ihrer Website sammeln völlig anonym.

Da die Daten als nicht-personenbezogene Daten (PII) gelten, sind diese keiner Vorschriften unterlegen. Die Informationen der Identität des Nutzers bleiben anonym, es gibt also keine Möglichkeit diese mit dem Nutzer in Verbindung zu bringen oder zurück zu verfolgen. Sie dürfen die Daten nutzen, um damit Ihre geschäftlichen KPIs zu erreichen, ohne dass Sie sich Gedanken über gesetzliche Risiken machen müssen.

Später werden wir in diesem Artikel näher auf die Nutzung von nicht-personenbezogene Daten (PII) eingehen. Einige Beispiele hierfür wären:

• Sie können Ihrem Kunden die Digital Experience basierend auf dem Endgerät, welches er benutzt (Handy oder Desktop) bieten
• Sie suchen und beheben diverse Reibungspunkte auf der Website, indem Sie das Verhalten des Besuchers und den Browserverlauf Ihrer Website analysieren (Scrolltiefe, Engagement Rate, Verweildauer auf der Seite)
• Sie bieten Ihrem Besucher die Customer Experience, welche auf der Grundlage Ihrer Bezugsquelle basiert (Soziale Medien, organischer oder direkter Traffic)

Sie können personenbezogene Daten weiterhin mit sehr geringem Risiko nutzen, indem Sie sie anonymisieren.

PII öffnet die Tür zu Dutzenden von Targeting-, Test- und Optimierungstechniken. Damit können Sie komplexere Tests durchführen, sofern Sie sich bereits mit A/B-Testing, multivariates Testing und anderen risikofreien Techniken vertraut gemacht haben, welche wir weiter unten näher erläutern. Mit diesen Tests können Sie Ihre Zielgruppen noch genauer ansprechen, optimieren und so eine noch bessere Customer Experience schaffen.

Aus diesem Grund führen Unternehmen eine sogenannte „Anonymisierung” durch, sobald Sie mit personenbezogenen Daten arbeiten.

Die Anonymisierung ermöglicht die Verwendung kritischer Daten. Ihre persönlichen Informationen sind personenbezogene Daten, können aber mit Anonymisierungstechniken wie Datenmaskierung und Verallgemeinerung von Ihrer Identität getrennt werden. Wenn Sie einen tieferen Einblick in die Besonderheiten der Anonymisierung erhalten möchten, finden Sie hier einen Leitfaden.

Grundlegend geht es darum, zu wissen wie und wann man anonymisierte und personenbezogenen Daten verwendet. Weiß man das, so hat man eine „Data-Governance-Strategie”, welche zur Optimierung und zum Wachstum genutzt werden kann!

2 Die Customer Experience Datenrisiko Pyramide

Es gibt 3 verschiedene Datentypen: anonyme, pseudonyme und identifizierbare Daten. Darüber hinaus gibt es 7 Optimierungsmethoden, die sich diese Daten zu Nutzen machen, beginnend mit dem geringsten Risiko bis hin zum höchsten Risiko.

Die verschiedenen Testarten überschneiden sich. Bei der Betrachtung dieser Datenrisiko Pyramide ist es wichtig zu wissen, dass sich die Techniken nicht gegenseitig ausschließen. A/B-Testing steht zwar am unteren Ende der Pyramide, wird jedoch von den darüber liegenden Optimierungstechniken ebenfalls genutzt. Durch die untere Position in der Pyramide spiegelt die Infografik die Idee wider, dass A/B-Testing die Grundlage für die anderen Techniken ist. Oft schließen die darüber liegenden Techniken die darunter liegenden mit ein, umgekehrt ist dies jedoch nicht der Fall.

3 Anonyme Daten für die Customer Experience

Auf Ihrer Website sind 96 % der Besucher anonym was bedeutet, dass Sie die Besucher weder identifizieren, noch bei ihrem nächsten Besuch wiedererkennen können. Sie generieren „Heiße Daten”, die alles erfassen, was die Besucher beim Surfen tun. Normalerweise sind diese Daten anonym, es sei denn der Besucher loggt sich ein und ist folglich identifizierbar.

Sie sollten auf jeden Fall anonyme Daten nutzen. Diese haben den Vorteil, dass sie risikoarm und gleichzeitig lohnenswert sind. Wie James McCormick von Forrester in seinem Bericht "Adopt AI for Personalization Safely and Smartly to Win European Customers" (KI für Personalisierung sicher und intelligent einsetzen, um europäische Kunden zu gewinnen) feststellt, ist die Verwendung anonymisierter Daten, wie z. B. Verhaltensdaten von Besuchern einer Website, relativ risikoarm.

Einige Beispiele für anonyme Daten:

• Was klicken die Besucher an?
• Wie häufig klicken die Besucher etwas an?
• Wo kommen die Besucher her? (Organisch, Direkt oder Social Media)
• Wie viel Zeit verbringen Besucher auf bestimmten Seiten?
• Wie entwickelt sich der Besuch auf der Webseite?
• (Wie) nutzen die Besucher Ihre Suchleiste?

Laut einem kürzlich erschienenen Bericht von Forrester führen nur 31 % der Unternehmen im Gesundheitsbereich A/B-Tests durch. Und das, obwohl sie ein wesentlicher Bestandteil einer Strategie sind, mit der die Wahrscheinlichkeit einer Umsatzsteigerung bei Gesundheitsunternehmen um das Fünffache erhöht werden kann.

Das Gesundheitswesen ist, neben dem Finanz- und Versicherungswesen, ein perfektes Beispiel für eine datenschutzbewusste Branche.

Diese Unternehmen gehen mit Daten sehr sensibel um. Sie haben Angst vor der Nutzung von Daten und vernachlässigen deshalb die sogar am wenigsten riskanten Arten von Tests. Dadurch bleiben sie oft hinter neuen, digitaleren Plattformen und Start-Ups, welche sich nicht scheuen, datengestützte Erkenntnisse über Kunden anzuwenden.

Mit anonymen Daten kann man sehr viel erreichen. Hier sind einige Beispiele:

Klassisches A/B-Testing

Beim A/B-Testing werden zwei oder mehr Varianten einer Funktion oder Website getestet, um zu sehen, welche Variante für verschiedene Zielgruppen und Segmente am besten funktioniert. Hierbei gibt es verschiedene Elemente, die Sie testen können, ohne identifizierbare Daten zu verwenden:

• On-Page Elemente
• Website Überschriften
• Call-to-actions (CTA)
• Große Bannerbilder
• Pop-Ups
• Preisangebote
• Lead-Erfassung: An welchem Punkt im Formular springen die Nutzer ab?
• Eingabefelder
• Feldbeschriftungen
• Field labels
• Design
• Zugänglichkeit
• Endgerät (Handy vs. Tablet vs. Desktop)
• Schriftgrößen

Multivariates Testing (MVT)

Bei multivariaten Tests werden mehrere Elemente der Customer Experience gleichzeitig getestet. Im Vergleich zu einem klassischen A/B-Test ermöglicht ein multivariater Test ein besseres Verständnis der Gründe für Leistungsunterschiede zwischen verschiedenen Varianten.

Hier ein Beispiel:

In Ihrer mobilen Webseitenansicht hat ein A/B-Test durch einen größeren CTA-Button möglicherweise mehr Klicks erzeugt, als durch einen kleineren Button. Im Gegensatz zu Ihrer mobilen Website verwendet Ihre Desktopversion jedoch ein zweispaltiges Layout. Um nun einen multivariaten Test auf der Desktopseite durchzuführen, müssen Sie beide Layouts und beide Buttongrößen testen.

Mit dieser Technik kann die Kombination von Attributen berechnet werden, die das gewünschte Ergebnis für die verschiedenen Kundensegmente am besten erzielt.

Regelbasiertes Targeting

Das regelbasierte Targeting liefert spezifische Inhalte und Customer Experiences auf der Grundlage von „Business Rules" (Geschäftsregeln) - ein Begriff, der jede Art von Kriterien umfassen kann, die der Marketer verwenden möchte. Mit dem Hinzufügen von personenbezogenen Daten kann das regelbasierte Targeting zu einem profilbasierten Targeting werden. In der am wenigsten riskanten Form können Sie jedoch mit regelbasiertem Targeting unter Verwendung völlig anonymer Daten Ihre Seite optimieren.

• Neue beziehungsweise wiederkehrende Besucher
• Mobile vs. Desktop
• Android vs. iPhone vs. Windows
• Verweildauer auf einer Seite
• Scrolltiefe
• Video-Engagement

Sie können zum Beispiel ein Google Tag Manager Pixel auf Ihrer Seite integrieren, sobald ein Nutzer eine bestimmte Scrolltiefe auf einer Landing Page erreicht hat. Wenn Sie wissen, dass ein Nutzer Ihr Nutzenversprechen versteht, könnten Sie sich bei einem Absprung des Nutzers für ein Social-Proof Pop-Up anstatt einem informativen Pop-Up entscheiden.

4 Pseudonymisierte Daten für die Customer Experience Optimierung

Pseudonymisierte Daten sind eine breitgefächerte Kategorie. Im Wesentlichen handelt es sich um jede Art von Daten, bei denen sich das Unternehmen bemüht, personenbezogene Daten (PII) zu verschleiern. Dazu gehören:

• Transaktionshistorie
• IP-Adressen
• Browserverlauf
• Postings auf Social Media
• Geografische Information

Anonymisierung ist eine Möglichkeit, die Risiken der Verwendung personenbezogener Daten zu mindern, ohne dass der Nutzer hierfür ein Kästchen bestätigen muss. Ein erfahrener Data Scientist kann personenbezogene Daten so anonymisieren, dass sie nicht mit dem Kunden in Verbindung gebracht werden können. Das Risiko wird hierdurch deutlich verringert.

Zu den Techniken gehören Umwandlungen, Verschlüsselungen oder die Ersetzung von Zeichen.

Die Regulierungsbehörden prüfen Daten von Fall zu Fall, um sicher zu stellen, dass sie der Definition von PII entsprechen. Sobald Ihr Unternehmen jedoch pseudonymisierte oder nicht-pseudonymisierte Daten zu Marketingzwecken nutzen möchte, müssen Sie die Zustimmung der Nutzer einholen. Mit anderen Worten: Die gesetzlichen Anforderungen gelten auch für pseudonymisierte Daten.

Mit pseudonymisierten Daten stehen Ihrem Unternehmen keine völlig anderen Instrumente zur Verfügung als mit anonymisierten Daten. Diejenigen, die bereits über A/B-Testing- und Experimentierprogramme verfügen, können ihre Fähigkeiten jedoch durch Hinzufügen pseudonymisierter Daten auf fortschrittlichere Techniken erweitern.

So sollten Sie beispielsweise das regelbasierte Targeting bereits beherrschen, um das profilbasierte Targeting durchzuführen. Kontextuelles Targeting macht wenig Sinn, wenn Sie vorher noch nie A/B-Tests durchgeführt haben.

Wenn Sie pseudonymisierte Daten nutzen, können Sie Folgendes tun:

Produkt-/Content-Empfehlungen

Während Sie bei anonymisierten Daten nur auf das Besucherverhalten während einer Sitzung beschränkt sind, können Sie bei pseudonymisierten Daten historische Verhaltensdaten und Produktvergleiche verwenden, um Ihre Empfehlungen noch effektiver zu gestalten..

Nehmen wir mal an, dass Sie ein Onlineshop für Sneaker besitzen. Mit ersteren Daten könnten Sie nur denjenigen Socken empfehlen, die viel Zeit im Sockenbereich Ihrer Schuhseite verbringen.

Die zweite Datenvariante ermöglicht es Ihnen jedoch, denjenigen Socken zu empfehlen, die im Internet auf anderen Webseiten nach Socken suchen (zum Beispiel bei Nutzung von Drittanbieter-Cookies), oder denjenigen die bereits Socken auf Ihrer Webseite gekauft haben.

Kontextbezogenes Targeting

Um den Kontext zu erkennen, benötigt man nicht zwingend personenbezogene Daten. So ist es möglich z.B. eine Anzeige für neues Autozubehör in einem Artikel mit dem Titel „Wann der erste Ölwechsel fällig ist” zu schalten, da der Kontext klar ist. Der Leser hat wahrscheinlich vor kurzem ein Auto gekauft und wird deshalb Zubehör benötigen.

Pseudonymisierte Daten ermöglichen es Ihnen jedoch, Personen auf der Grundlage ihres Standorts und anderer damit verbundener Faktoren wie Wetter und Fahrtzeit anzusprechen. Wenn Ihr Geschäft also Blumen verkauft, können Sie kontextbezogenes Targeting nutzen. So ist es Ihnen möglich beispielsweise Kunden in Großstädten Balkonpflanzen an zu bieten, während Kunden in ländlichen Regionen eher auf richtige Gartenpflanzen hingewiesen werden.

Profilbasiertes Targeting

Bei profilbasierten Targeting benötigen Sie einige personenbezogenen Daten, ganz gleich ob anonymisiert oder nicht, um diverse Kundenprofile zu erstellen und zu identifizieren. Hierzu zählen unter Anderem das Alter, die letzten Transaktionen und Handlungsbereitschaft.

Profilbasiertes Targeting ist, nicht zu verwechseln mit der grundlegenden Erstellung eines Kundenprofils, eine relativ fortgeschrittene Technik. Es umfasst die Berechnung und Ausrichtung der Customer Experience (z.B. Anzeigen, Inhalte und Produkte), die am wahrscheinlichsten zu einem positiven Ergebnis (z.B. einen Klick, einer Conversion oder Umsatz) führen. Außerdem beinhaltet es die Ermittlung der Segmente auf Grund von Profildaten, die mit höherer Wahrscheinlichkeit konvertieren.

5 Personenbezogene Daten für ausgereifte Customer Experience Optimierungsprogramme

Sollten Sie sich fragen, wie sie personenbezogene Daten für das Marketing effektiv nutzen können, dann sind Sie wahrscheinlich noch nicht bereit.

Identifizierbare Daten beziehen sich hauptsächlich auf Kunden- und Benutzerinformationen, die Sie in Ihrem CRM haben oder auf Transaktionsdaten. Hier sind personenbezogene Daten ohne weiteres verfügbar.

Am besten verwenden Sie erst später personenbezogene Daten. Unternehmen, die mit der Data-Governance und der Optimierung beginnen, sollten sich darauf konzentrieren, anonyme und pseudonyme Daten zu nutzen.

Für Unternehmen, die eine fortgeschrittene algorithmische Personalisierung durchführen, sind personenbezogene Daten jedoch unerlässlich. Das liegt daran, dass Algorithmen große Mengen an Kundendaten benötigen, um zu funktionieren. In Verbindung mit dem CRM eines Unternehmens haben diese Algorithmen und Programme Zugriff auf sensible Informationen, die das Unternehmen verwalten muss.

Achtung: Data-Governance ist nur eine schöne Umschreibung dafür, dass Sie wissen müssen, welche Daten Sie wofür verwenden wollen.

Marketing verwenden will. Auf diese Weise können sie bei der Datenerfassung um Zustimmung bitten, so dass nur diese Teilmenge vom Algorithmus für bestimmte Tests verwendet werden kann. Datenkonforme Tools wie Kameleoon können Ihnen jedoch helfen, algorithmische Tests ohne dieses Risiko durchzuführen.

Sobald Sie bereit sind, personenbezogene Daten zu verwenden, können Sie folgendes tun:

Omnichannel Optimierung

Forrester schreibt, dass bei der Omnichannel-Optimierung offene KI-Plattformen verwendet werden, die viele Arten von Interaktionsdaten (z. B. Verhalten, Produkt, Kontext und Profil) erfassen und berechnen können. Omnichannel-Optimierung dient vor Allem dazu, um fortschrittliche prädiktive Analysen für eine zielgerichtete Customer Experience zu erstellen. Dies ist eine zukunftsfähige Praxis, die gerade erst anfängt sich durchzusetzen.

6 Ist es gefährlich, 1st, 2nd- oder 3rd-Party-Daten für die Optimierung der Customer Experience zu verwenden?

Ihre Data-Governance-Strategie wird wahrscheinlich auch 1st-Party-Daten umfassen. Alle Informationen, die Sie über Nutzer auf Ihrer eigenen Website erhalten, sind 1st-Party-Daten, ebenso wie Informationen die Sie persönlich durch Formulare, E-Mails oder sogar Telefongespräche erhalten. Wenn Sie diese Informationen an ein anderes Unternehmen verkaufen, handelt es sich um 2nd-Party-Daten. Daten von Dritten sind Daten, welche von Anbietern verkauft werden, die über riesige Marktplätze und Plattformen Daten von Millionen von Menschen sammeln, um sie dann zu verkaufen.

Bis vor kurzem konnten viele Unternehmen Kundendaten ohne große Auflagen vermarkten. Jedoch änderten sich die Vorschriften, als die Kunden zu Recht zu verstehen begannen, dass ihre Zustimmung und alle Daten, die sie zur Verfügung stellen, ihnen gehören, sofern dies nicht anders vereinbart wurde.

Dabei geht es um zwei Dinge: Datenschutz und Einwilligung. Stellen Sie sich vor, wie schlimm es für Sie wäre, wenn jeder Ihre Rechnungen sehen könnte oder wenn Kriminelle Ihre Identität fälschen würden, um Betrug zu begehen. Anonymisierungstechniken können dies verhindern und Ihnen sowohl Schaden als auch Peinlichkeiten ersparen, weshalb sie in vielen neuen Vorschriften vorgeschrieben sind.

Warum Daten von Zweiten und Dritten riskanter sind

Die Regulierungsbehörden vertreten das Argument, dass Unternehmen grundsätzlich nicht in der Lage sein sollten persönliche Daten zu sammeln, zu verwenden und daraus Profit zu schlagen, ohne vorher die Einwilligung eingeholt zu haben. Da niemand zustimmen würde, dass seine Daten weitergegeben werden, wird die Verwendung von 2nd- und 3rd-Party Daten für Unternehmen immer schwieriger. Deshalb wird sich hauptsächlich auf Daten aus erster Hand konzentriert. Jedoch muss auch hier jedes Unternehmen den Datenschutz respektieren und sich die jeweilige Einwilligung holen. Die DSGVO, HIPAA, GLBA und CCPA sind die verschiedenen Rechtsrahmen für verschiedene Regionen und Branchen, die regeln, was dies im Genauen bedeutet.

Die Einhaltung der Zustimmung und des Datenschutzes bedeutet in der Regel eine Kombination aus Anonymisierungstechniken und Einverständniserklärungen bei der Optimierung Ihrer Customer Experience.

Als Unternehmen sammeln Sie sowohl nicht persönlich identifizierbare Daten, als auch identifizierbare Daten von Benutzern und Kunden. Das liegt daran, dass ein Kunde irgendwann seine Kreditkarteninformationen, seinen Namen, seine Adresse und seine E-Mail-Adresse angibt, was im Allgemeinen eine sehr sensible Datengruppe umfasst. Sie werden auch ihr Verhalten auf Ihrer Seite und möglicherweise auf anderen Webseiten mit Cookies von Drittanbietern erfassen können.

Ein Benutzer, der nichts auf Ihrer Seite gekauft hat, hat die geringste Menge an personenbezogenen Daten zur Verfügung gestellt. Allerdings hat jemand, der sich auf der Website registriert oder ein Formular ausgefüllt hat, bereits 1st-Party-Daten abgegeben.

Es gibt ein überschaubares Risikospektrum für die Arten von Informationen, die Sie für das Marketing verwenden und welche Sie nicht verwenden können. Als Marketer, der mit der Optimierung beginnen möchte, müssen Sie eine Data-Governance-Strategie entwickeln, die die Arten von Daten berücksichtigt, die Sie benötigen, um verschiedene Arten von Tests durchzuführen.

7 Schlussfolgerung: Auf dem Weg zu einer Data-Governance-Strategie für eine Verbesserung der Customer Experience

Durch den Aufbau einer ausgereiften Data-Governance-Strategie können Sie verhindern, sich von Daten überwältigen zu lassen und von den einfachen, risikoarmen Testarten zu den fortgeschritteneren übergehen.

Sobald Sie wissen, welche Daten für welche Methoden zur Optimierung der Customer Experience benötigt werden, können Sie entscheiden wie Sie diese Daten unter Beachtung der Sicherheits- und Datenschutzbestimmungen erfassen.

Wenn dieser Leitfaden Ihnen etwas gezeigt hat, dann dass Daten nicht überwältigend kompliziert sein müssen.

Jedes Unternehmen, das in Datenkompetenz, Prozesse und die richtigen Tools investiert, kann mit der Optimierung beginnen und wird nicht von den Digital-First-Leadern abgehängt, die datengestützte Customer Experience zur Grundlage ihres Wachstums machen.

Um herauszufinden, wie Kameleoon Ihnen bei der Optimierung Ihrer Daten helfen kann, buchen Sie jetzt einen Termin für eine kostenfreie Demo.