Big Data im Marketing - Chancen und Möglichkeiten für eine effektive Kundenansprache

    1;Cover ;1 2;Inhaltsverzeichnis;7 3;Einleitung – Big Data im Marketing;13 4;1 Dialoge in Zeiten des Internets der Dinge;21 4.1;1.1 Das Internet der Dinge wird Realität;21 4.2;1.2 Das Internet der Dinge führt zu neuen Herausforderungen;24 4.3;1.3 Wie soll der künftige Marketingmix beschaffen sein?;26 4.4;1.4 Neue Anforderungen an das Marketing der Zukunft;29 4.5;1.5 Fazit;29 5;2 Big Data, ein Missverständnis? Oder: Warum Daten erst sprechen, wenn man über sie spricht.;30 5.1;2.1 Algorithmen als Geschäftsmodell;31 5.2;2.2 Die digitale Überforderung;31 5.3;2.3 Die trügerische Kraft des Algorithmischen;32 5.4;2.4 Digitaler Echtzeithandel: Finanzmarkt und Werbemarkt;34 5.5;2.5 Von Menschen und Maschinen;34 6;3 Big Data: Daten sammeln, aggregieren, analysieren, nutzen;37 6.1;3.1 Einführung;38 6.2;3.2 Use Cases für Big Data;41 6.3;3.3 Technologie zur Handhabung von Big Data;44 6.4;3.4 Wie man Big Data nutzen kann;49 6.5;3.5 Zusammenfassung und Ausblick;53 7;4 Streaming Analytics: Management in Echtzeit;57 7.1;4.1 Streaming Analytics;57 7.2;4.2 Mehrere Modelle bei komplexen Problemen;59 7.3;4.3 Anwendungsbeispiele;61 7.4;4.4 Planung und Realisierung;64 7.5;4.5 Fazit;66 8;5 Von der Webanalyse zur Digitalen Intelligenz;68 8.1;5.1 Big Data in der Analyse;69 8.2;5.2 Business Intelligence als integriertes Gesamtkonzept;70 8.3;5.3 Der Gartner Hype-Cycle innerhalb digitaler Information;77 8.4;5.4 Positionierung von Analytics im Unternehmen;79 8.5;5.5 Investition in Fachkräfte und Synergien;80 8.6;5.6 Quo vadis Analyse, quo vadis Intelligence?;81 9;6 Marketing und IT im digitalen Zeitalter: Liebesheirat statt Zwangsehe!;84 9.1;6.1 Die veränderte Rolle des Marketing: Digitale Kundenerfahrungen stehen im Mittelpunkt;84 9.2;6.2 Erfolgreiche Digitalisierungsstrategien in Zusammenarbeit mit der IT: Fünf Tipps für Marketingentscheider;87 10;7 Denken in Seen, nicht in Silos;93 10.1;7.1 Zielbild: Eine neue und alltägliche Umgangsform?;94 10.2;7.2 Ausgangslage: Die etablierte Umgangsform scheitert;96 10.3;7.3 Sammeln;99 10.4;7.4 Verwalten;103 10.5;7.5 Verwerten;104 10.6;7.6 Ein verändertes Mindset;105 11;8 Always-On – eine Wunschvorstellung?;107 11.1;8.1 Gefühlte Wirklichkeit versus Realität;107 11.2;8.2 Globale Ergebnisse im Überblick;108 11.3;8.3 Weltweite Selbstüberschätzung;109 11.4;8.4 Wer führt den Markt an?;111 11.5;8.5 Hilfe zur Selbsthilfe;113 12;9 Offensive im Datenschutz;117 12.1;9.1 Was bedeutet Data-driven Marketing für die Verbraucher?;117 12.2;9.2 Datenschutzaufsichtsbehörden sind weltweit besorgt;118 12.3;9.3 Die Lösung – wie versuchen die Gesetze die Verbraucher zu schützen?;119 12.4;9.4 Das Verbraucherinformationsportal Aboutthedata.com;119 12.5;9.5 Die Selbstdatenauskunft;120 12.6;9.6 Margaret Smith und ihre Daten;121 12.7;9.7 Die Struktur der Auskunftsinformation;121 12.8;9.8 Die Hauptkategorien im Detail;122 12.9;9.9 Die Reaktionen;124 12.10;9.10 Zu Datenschutz und der Ära von Big Data;126 13;10 Passende Inhalte an die richtigen Empfänger;128 13.1;10.1 Mailing, Newsletter und „einmal das Internet bitte“;128 13.2;10.2 Direktmarketing 2.0;129 13.3;10.3 Eine Plattform – tausend Möglichkeiten;131 13.4;10.4 State of the Art – leider;132 13.5;10.5 Konzert der Systeme;133 13.6;10.6 Erfolg – reich?;134 13.7;10.7 Willkommen in der Matrix;135 13.8;10.8 Digital – mir egal?;136 13.9;10.9 Social Media – für fast alle;136 13.10;10.10 „Wir machen jetzt Big Data!“, „Ja, wir auch!“;138 13.11;10.11 Automatisierung in kleinen Schritten;138 13.12;10.12 Daten und ihre Summe;140 13.13;10.13 Max Mustermann soll zurückkommen;141 13.14;10.14 Vorbereitung und Standards sind alles;142 13.15;10.15 Glaskugel und Kaffeesatz;143 14;11 Programmatic Advertising und Real Time Bidding;144 14.1;11.1 Was hat Big Data mit der Anzeige von Werbebannern zu tun?;144 14.2;11.2 Die technische Evolution vom Ad-Server zum Programmatic Advertising;145 14.3;11.3 Vorteile für Werbekunden und konkrete Anwendungsfälle;148 14.4;11.4 Programmatic Advertising als Nucleus für Marketingautomation der zweiten Generation;149 14.5;11.5 Herausforderungen;150 14.6;11.6 Ausblick;152 15;12 Tag Management – so werden Sie Herr über die Customer Journey;153 15.1;12.1 Was versteht man unter der Customer Journey?;153 15.2;12.2 Erfolgsrezepte für die übergreifende Messung von Customer-Journey-Daten;154 15.3;12.3 Tag Management als Alternative zu „vollintegrierten“ Marketing-Cloud-Lösungsansätzen;155 15.4;12.4 So funktioniert Tag Management;156 15.5;12.5 Eine neue Generation von MarketingMiddleware4;161 15.6;12.6 Die Marketingverantwortlichen können nicht warten;162 15.7;12.7 Kundendaten im Sinne eines Mehrwerts für die Kunden nutzen;163 15.8;12.8 Marketing Performance steigern und gleichzeitig Kosten sparen;164 15.9;12.9 Von Produktivitätssteigerungen zu einer betriebsnotwendigen, erfolgskritischen Middleware;165 16;13 Big Data und Social Media Analytics;166 16.1;13.1 Social Media Analytics;166 16.2;13.2 Ein Konzept zur Analyse von Social Media;168 16.3;13.3 Konstruktion eines Bewertungsrahmens;170 16.4;13.4 Der Facebook-Ansatz;171 16.5;13.5 Conversions;176 16.6;13.6 Sammeln, speichern und auswerten;177 17;14 Optimierung digitaler Touchpoints;179 17.1;14.1 Warum müssen digitale Touchpoints optimiert werden?;180 17.2;14.2 State-of-the-Art-Optimierungen – Wie werden digitale Touchpoints aktuell optimiert?;182 17.3;14.3 Digitale Touchpoints und Big Data;187 17.4;14.4 Der Weg zur 1:1-Kundenbeziehung – Optimierungslösungen mit Big Data;189 18;15 Customer Lifecycle und Customer Value – mit optimierten Daten zu optimierter Kundenkommunikation;198 18.1;15.1 Die Bedeutung von Big Data im modernen Marketing;198 18.2;15.2 Der Customer Lifecycle – Basis für die Kundenkommunikation;199 18.3;15.3 Optimale Ansprache durch Kundenwertberechnung;201 18.4;15.4 Effektive Kommunikationsstrategien mittels Kundenwert und -lebenszyklus;206 19;16 Big Data für Webshops;209 19.1;16.1 Erfolgsfaktoren eines Webshops;210 19.2;16.2 Big Data für Webshops scheitert früh: falsche Strategie und Fehlerquellen;210 19.3;16.3 Optimierung der Website durch Big Data;212 19.4;16.4 Einsatz von Big Data bei der Preisgestaltung;216 19.5;16.5 Sortiment und Big Data;219 19.6;16.6 Service und Big Data;220 19.7;16.7 Customer Relationship Management (CRM) mit Big Data;220 19.8;16.8 Onlinemarketing und Big Data;222 19.9;16.9 Image und Big Data;224 19.10;16.10 Big Data in der Technik;224 19.11;16.11 Prozesse und Big Data;225 19.12;16.12 Organisation und Mitarbeiter Know-how für Big Data;226 19.13;16.13 Zusammenfassung;227 20;17 Kunden und kausale Zusammenhänge verstehen;228 20.1;17.1 Die Ansprüche des Kunden sind gestiegen;228 20.2;17.2 Kundenverhalten prognostizieren;229 20.3;17.3 Der Gewinn liegt im Preis: Dynamic Pricing;229 20.4;17.4 Zusammenhänge zwischen Preis und Kaufverhalten aufdecken;230 20.5;17.5 Immer vernetzt, immer online…;230 20.6;17.6 Leistungsstarke Software;231 20.7;17.7 Kausalitäten beim Katalogversand;231 21;18 Amazon, das zahlengetriebene Unternehmen;233 21.1;18.1 Big Data – oder „Sexy Little Numbers“;234 21.2;18.2 Amazon, Google und die Werbung;236 21.3;18.3 Und der „klassische“ Einzelhandel?;238 22;19 Data-driven Marketing in der Gaming-Branche;241 22.1;19.1 Spiele für alle – kostenlos;242 22.2;19.2 Eine Menge Daten;244 22.3;19.3 Der Weg des Kunden;245 22.4;19.4 Maximale Relevanz für den Kunden;247 22.5;19.5 Verhaltensgesteuerte und durch Events ausgelöste Kampagnen;248 23;20 Data Driven Advertising bei Google und Facebook;251 23.1;20.1 Das Google-Modell;251 23.2;20.2 Google-Werbung innerhalb der AIDA;256 23.3;20.3 Werbeausgaben pro Zeiteinheit;258 23.4;20.4 Real Time Bidding – Das Google-Modell in tausend Teilen;259 23.5;20.5 Facebook – Exhibitionismus als Teil des Systems;265 23.6;20.6 Die technologische S-Kurve;269 24;21 Big Data im Marketing: Rechtliche Eckpunkte;272 24.1;21.1 Einführung;272 24.2;21.2 Rechte an den Datenbanken und den Erkenntnissen;273 24.3;21.3 Datenschutzrecht;274 25;22 Regulatory Challenges for Big Data;310 25.1;22.1 The New Data Protection Regulation;310 25.2;22.2 Main Direction and Key Provisions Impacting Business;311 26;Die Autoren;314 27;Stichwortverzeichnis;319