Wir verwenden Cookies zur Bereitstellung unserer Dienste.
Seite verlassen Cookies akzeptieren
Diese Seite (Marketing.de) steht zum Verkauf. Mehr dazu

Wie Sie ein Daten-informiertes Unternehmen aufbauen können.

Wie Sie ein Daten-informiertes Unternehmen aufbauen können.

Daten geben Unternehmen die Macht, rationale und logische Entscheidungen zu treffen. Doch sollten Unternehmen den eigenen Daten vertrauen oder diese kritische hinterfragen? Diese Frage wird besonders in letzter Zeit immer häufiger diskutiert. In einer optimalen Welt würden wir unsere Produkte an Kunden liefern, die rational über die eigenen Kaufabsichten und Produktbewertung entscheiden würden. Auf der Grundlage des Kundenfeedbacks könnten Unternehmen dann das eigene Produkt optimieren.

Jedoch leben wir leider nicht in einer optimalen Welt. Heutzutage wird Produktmanagement mit einem kontinuierlichen Innovationsprozess gleichgesetzt. Begriffe wie Feedback Loop, Lean Process, MVP, Fast Shipping und A/B Tests sind gängige Prozesse im Fertigungsvorgang und beschreiben eine, auf Daten basierende und kontinuierliche Produktoptimierung. Die genannten Prozesse helfen Unternehmen dabei, Daten über Kundenfeedback zu sammeln und Daten-gesteuerte (data-driven) Entscheidungen zu treffen.
Obwohl wir Daten basierte Entscheidungen befürworten, wollen wir Ihnen durch diesen Artikel dabei helfen nicht nur Daten-gesteuert (data-driven) zu sein, sondern in Ihrem Unternehmen mehr Daten-informiert (data-informed) zu handeln.

Unterschiede zwischen Daten-gesteuert und Daten-informiert

Daten-gesteuert
In einem Daten-gesteuerten Unternehmen bilden Daten die Grundlage für den Entscheidungsprozess. Ein typischer Daten-gesteuerter Optimierungsansatz ist der A/B Test. Zwei Produkte, Preise oder Werbemaßnahmen werden in einem bestimmten Zeitraum miteinander verglichen. Die bessere Version wird auf Grundlage der gesammelten Daten und Resultate beibehalten. Das Produktteam eines Daten-gesteuerten Unternehmens such ständig nach Möglichkeiten, die wichtigsten Kennzahlen oder KPIs zu verbessern, ohne dabei die externen Faktoren zu berücksichtigen. Ein externer Faktor könnte zum Beispiel sein, dass Ihre Kundenabwanderungsrate gestiegen ist, da ein neuer Konkurrent im Markt eingetreten ist und eine kostengünstigere Alternative zu Ihrem Produkt anbietet.
Um Leistungskennzahlen zu verbessern, implementiert ein Daten-gesteuertes Unternehmen so schnell wie möglich Verbesserungen, misst die Ergebnisse und verwendet die gewonnenen Daten, um das Produkt oder das Angebot zu optimieren. Dies wird in einer dauerhaften Schleife wiederholt.
Vorteile dabei ist, dass menschliche Entscheidungsfehler und Vorurteile eliminiert werden. Zudem spart es Zeit und steigert die Produktivität. Den Daten oder dem Algorithmus einfach blind zu vertrauen, kann aber auch Nachteile haben und ein erhebliches Risiko für das Unternehmen darstellen. Um akkurate und auf Daten basierende Entscheidungen treffen zu können, muss zuerst eine gewisse Menge an Daten gewonnen werden. Zudem braucht ein Daten-gesteuertes Unternehmen einen Analytiker, der die Daten über einen längeren Zeitraum hinweg auswertet und analysiert. Dies bedeutet, dass Vorurteile durch die Selektierung der Daten nicht ganz ausgeräumt werden können und es teilweise sehr teuer sein kann ein Daten-gesteuertes Unternehmen zu leiten.

aten-gesteuert

Daten- informiert
Ein Unternehmen das Daten-informiert handelt, trifft Entscheidungen auf Grundlage von Daten. Jedoch werden diese von Zeit zu Zeit nicht berücksichtigt und andere Faktoren werden bevorzugt, wie zum Beispiel Kundenerfahrungen oder Produktanforderungen. Daten werden somit in die globale Unternehmensstrategie integriert und stehen nicht an erster Stelle.
Beispiel
Ein Unternehmen verschickte eine Umfrage für Verbesserungsvorschläge zur Onboarding-Erfahrung für Neukunden. Aus der reinen Datenperspektive war das Ergebnis der Umfrage ein großer Fehler. Insgesamt lag die Teilnehmerrate bei -12% (Zeitaufwand für das Produkt). Sollte das Unternehmen nun die Umfrage also einfach verwerfen und etwas Neues ausprobieren? Nein, das Team glaubte fest an die Umfrage. Aus der Erfahrung mit früheren qualitativen Forschungsversuchen wusste das Unternehmen mit der Situation umzugehen. Die gesammelten Daten wurden ausgewertet, ein neuer qualitativer Forschung Ansatz wurde verwendet und das Experiment wurde mit einem verbesserten Design wiederholten. Die Teilnehmerrate lag nun bei + 22%.
Genau dieses Beispiel beschreibt einen Daten-informierten Verhaltensansatz. Die bereits gewonnenen Daten wurden mit qualitativem Feedback kombiniert und in das Design implementiert.

Daten-Informiert

Ist ein Daten-informierter Verhaltensansatz immer die beste Lösung?

Es gibt Situationen in dem Daten-gesteuerte Verhaltensansätze bevorzugt sind. Zum Beispiel könnte man für die Kunden, die in der Umfrage mitgemacht haben, einen A/B Test durchführen und auf Grundlage der Daten das Umfragedesign verändern.
Wenn Sie jedoch nicht genügend Daten zur Verfügung haben, um eine Entscheidung für eine Produktoptimierung treffen zu können, dann ist ein Daten-informierter Ansatz die bessere Wahl.

Doch was brauchen Sie für ein Daten-informiertes Unternehmen?

Im vorherigen Abschnitt wurde bereit beschrieben, dass ein Daten-informiertes Unternehmen, eigene Erfahrungen und Daten kombiniert, um ein besseres Produkt zu entwickeln.
Die führt uns zu unserem zweiten Punkt: Kundenfeedback.
Um Empathie aufzubauen und die Bedürfnisse Ihrer Nutzer wirklich verstehen zu können, müssen Sie sich deren Feedback genau anhören.
Effektives Feedback, sowohl positiv als auch negativ, ist sehr hilfreich. Feedback ist eine wertvolle Dateninformationsquelle, mit der wichtige Entscheidungen getroffen werden können. Aus diesem Grund ist es sehr wichtig eine Feedbackschleife zu haben.
Wenn Sie sich noch in der Start-Up Phase befinden, ist das Sammeln von Feedback relative einfach. Sie können einfach Ihre Erstkunden nach ihren Erfahrungen befragen und diese direkt implementieren. Um das qualitative Feedback zu analysieren, mit den quantitativen Daten zu kombinieren und die richtige Entscheidung treffen zu können, benötigen Sie ein automatisiertes Feedbacksystem, das dauerhaft wiederholt wird.
Das Ziel ist es, eine Feedback-Anfrage an Ihre Nutzer zu versenden, wann immer sie für Ihre Nutzer relevant ist. Oder anders gesagt, wenn die Nutzer mit der spezifischen Funktion interagieren, über das Sie Feedback erhalten möchten.
Wenn Sie beispielsweise Feedback zu einer neuen Funktion sammeln wollen, können Sie ein Feedback-Tool (z.B. ein spezielles Widget auf der eigenen Webseite) verwenden, das die Möglichkeit bietet, den Nutzer nach seiner Erfahrung zu befragen, wenn er mit dem Feature interagiert.
Oder vielleicht sind Sie daran interessiert herauszufinden, warum einige Kunden Ihr Produkt nicht mehr verwenden. In diesen Fall macht ein Feedback-Tool keinen Sinn. Hier wäre die bessere Option relevante Nutzer per Telefon oder E-Mail zu befragen.
Wenn Sie eine Feedbackschleife benutzen, entwickeln Sie ein Einfühlungsvermögen für Ihre Kunden und können besser nachvollziehen, warum sie Ihr Produkt kaufen.

Fazit
Unsere quantitativen Daten helfen uns zu erkennen, WAS wir verbessern sollten und unsere qualitativen Daten helfen uns zu verstehen, WIE wir es verändern sollten. Man sollte dabei aber nicht seine Erfahrungen und Gefühle für bestimmte Entscheidungen verdrängen. Daten ersetzen nicht die menschliche Intelligenz. Daten sollten uns bei unserem Entscheidungsprozess nur unterstützen, aber nicht vollständig leiten.


Über die Autorin
Photo
Nadine Kohlbrenner

Nadine Kohlbrenner arbeitet für das dänische Start-Up Morningscore als Content Creator und Marketing Assistent.

Morningscore ist ein neues online SEO-Analyse-Tool, mit dem der ROI durch SEO-Maßnahmen gemessen werden kann.
morningscore.io


» Wie Sie ein Daten-informiertes Unternehmen aufbauen können.
» Die Top-10 Instagram-Verdiener – diese Models kassieren am meisten ab

Werbung

Aktuelle Anzeigen auf Mabya.de


RankSider