Data Analytics für Marketing: Schulung zu Attribution und CLV

Marketingdaten – Grundlagen

• Wert von Marketingdaten: Budget verteilen, Zielgruppen schärfen, Botschaften prüfen
• Typische Herausforderungen: jede Plattform zählt anders, Datensilos, fehlende Rückmeldung
• Messlücken durch abgelehnte Cookies, Tracking-Schutz im Browser und modellierte Werte
• Landkarte der Datenquellen: Web-Analyse, Werbekonten, E-Mail-System, CRM, Shop, Umfragen
• First-Party-Daten: was Sie selbst erheben und wofür Einwilligungen vorliegen
• Die Arten der Analyse: deskriptiv, prädiktiv, präskriptiv – je mit Marketingbeispiel
• Diagnostische Fragen ergänzen: warum eine Kampagne gewirkt hat oder nicht

Marketingdaten verwalten

• Werkzeuge zum Studium von Marketingdaten: Web-Analyse, Werbekonten, BI, Tabellenkalkulation
• Wichtige Marketing-Kennzahlen: Reichweite, Klickrate, Kosten je Lead, Conversion-Rate, ROAS
• Kennzahlen entlang des Funnels: Aufmerksamkeit, Interesse, Anfrage, qualifizierter Lead, Kunde
• Namenskonventionen und UTM-Parameter, damit eine Kampagne überall gleich heißt
• Schlüsselereignisse in GA4 statt Zielen aus Universal Analytics: festlegen, was als Erfolg zählt
• Data Governance: Kennzahlendefinitionen, Datenverantwortliche, Änderungsprotokoll
• Einwilligungsstatus mitführen und personenbezogene Daten nur aggregiert auswerten

Marketing- und Vertriebsdaten verbinden

• Gemeinsame Definitionen von MQL, SQL, Opportunity und Neukunde schriftlich vereinbaren
• Lead-Übergabe an den Vertrieb und Rückmeldung des Status ins Marketing
• Kampagnenherkunft im CRM speichern: Erstkontakt, letzter Kontakt, Kampagnen-ID
• Closed-Loop-Reporting: Umsatz und Aufträge je Kanal statt nur Leads je Kanal
• Infrastruktur für die Berichterstattung: Quellen, Datenmodell, Aktualisierung, Verteilung

Visualisierung und Marketing-Dashboards

• Daten-Visualisierung: Diagrammart nach Frage – Verlauf, Vergleich, Anteil, Zusammenhang
• Kanäle fair vergleichen: gleicher Zeitraum, gleiche Zählweise, Kosten neben Ergebnis
• Dashboard für Marketing: wenige Kennzahlen, Zielwert, Trend, Drilldown nach Kanal
• Sichten für Leitung und Kampagnenteam trennen: Steuerung gegenüber Optimierung

E-Mail-Marketing auswerten

• KPI-Diagramm: Zustellrate, Öffnungsrate, Klickrate, Klick-zu-Öffnungs-Rate, Abmeldungen
• Click-Through-Analyse: Klicks je Link, Position im Newsletter, Klickrate je Segment
• Öffnungsrate richtig lesen: Vorabladen durch Apple Mail Privacy Protection verfälscht Öffnungen
• Balkendiagramm der Öffnungs- und Klickraten nach Versand, Segment und Betreffzeile
• Betreffzeilen und Versandzeit im A/B-Test vergleichen: Stichprobengröße und Auswertung
• Zustellbarkeit beobachten: Bounces, Spam-Beschwerden, Anforderungen großer Postfachanbieter
• Dashboard für E-Mail-Marketing: Listenwachstum, Engagement im Verlauf, Umsatz je Versand

Typische Analysen im Marketing

• Zeitreihenanalyse: Saisonalität, Kampagneneffekte, Vergleich mit dem Vorjahr
• Kategorienanalyse: Kanäle, Produktgruppen und Zielgruppen gegenüberstellen
• Regionalanalyse: Anfragen und Umsatz je Region, Streuverluste regionaler Werbung
• Attributionsmodelle: letzter Klick, erster Klick, positionsbasiert, datengetrieben
• Plattformzahlen nicht addieren: Doppelzählungen bei Conversions mehrerer Werbekonten
• Inkrementalität prüfen: Holdout-Gruppen und regionale Tests als Gegenprobe zur Attribution
• Kohortenanalyse: Neukund:innen nach Erstkaufmonat und Kanal über die Zeit verfolgen
• Customer Lifetime Value aus Bestellwert, Kaufhäufigkeit, Marge und Bindungsdauer schätzen
• CLV und Akquisitionskosten ins Verhältnis setzen: was ein Neukunde kosten darf
• Marketing-Mix-Modelling im Überblick: wann sich ein statistisches Modell lohnt

Werkzeuge zur Analyse von Marketingdaten

• Google Analytics 4: Akquisitionsberichte, explorative Datenanalysen, Schlüsselereignisse
• Prognostizierte Messwerte in GA4 wie Kaufwahrscheinlichkeit: Voraussetzungen im Überblick
• Power BI: Werbekonten, CRM und E-Mail-System in einem Datenmodell zusammenführen
• Tableau: interaktive Dashboards, Karten und Kohortendarstellungen
• Data Studio (früher Looker Studio) als kostenfreie Option für Google-Datenquellen
• Auswahl nach Datenquellen, Konnektoren, Lizenzen und Teilen im Team

Praxisprojekt: Kundenwert und Newsletter eines Versandhändlers für Wolle und Strickgarn

• Ausgangslage: Onlineshop, Newsletter an 18.000 Empfänger:innen, Anzeigen in Suche und Social Media
• Kohorten nach Erstkaufmonat und Kanal bilden und Wiederkauf nach 3, 6 und 12 Monaten vergleichen
• CLV je Kanal berechnen und den Akquisitionskosten aus den Werbekonten gegenüberstellen
• Newsletter-Dashboard mit Klickrate, Umsatz je Versand und Abmeldungen; Empfehlung zu Budget und Versandrhythmus

Lernziele

• Sie erstellen eine Landkarte Ihrer Marketingdatenquellen und legen Kennzahlen mit eindeutiger Definition fest
• Sie verbinden Marketing- und Vertriebsdaten so, dass Umsatz je Kanal und Kampagne auswertbar wird
• Sie werten E-Mail-Kampagnen mit belastbaren Kennzahlen aus und bauen ein E-Mail-Dashboard
• Sie vergleichen Attributionsmodelle und prüfen deren Aussagen mit Holdout-Gruppen
• Sie führen Kohortenanalysen durch und berechnen den Customer Lifetime Value im Verhältnis zu den Akquisitionskosten

Zielgruppe

• Marketing-Teams, die Kampagnen und Budgets mit Daten begründen möchten
• Marketing Analysts und Online-Marketing-Verantwortliche
• Marketingleitung, die Berichte aus Agenturen und Plattformen einordnen muss