3 Möglichkeiten, wie Daten Sie in die falsche Richtung lenken können – und wie Sie bessere Erkenntnisse gewinnen

Moderne Marketer sind von Daten besessen – und das aus gutem Grund. Es gibt uns die Richtung vor und informiert unsere Strategien, neben vielen anderen Vorteilen. Aber nicht alle Daten sind gleich nützlich oder hilfreich. Die falschen Datensätze können für Ihr Marketingprogramm genauso schädlich sein wie keine.

Es ist wichtig zu wissen, wie man die richtigen Daten identifiziert, damit Ihre Erkenntnisse Ihre Entscheidungsfindung genau leiten. In diesem Artikel gehe ich auf drei Arten ein, wie Datenmissbrauch unseren Marketingbemühungen schaden kann und wie eine ganzheitliche Testmethodik dabei helfen kann, bessere Erkenntnisse zu gewinnen.

Das Herzstück bedeutender Marketingtrends sind Daten

Schauen Sie sich die Trends an, die die Aufmerksamkeit der Marketer in den letzten drei Jahren auf sich gezogen haben:

• 2021: Der Aufstieg von Apples Mail Privacy Protection-Funktion , die Benutzeraktivitätsdaten maskiert. Vermarkter gerieten bei dem Gedanken, Öffnungsraten zu verlieren, in Panik.
• 2022: Zero-Party- und First-Party-Daten, von denen die Leute plötzlich erkannten, dass sie sie brauchten, um den bevorstehenden Verlust von Cookie-Informationen von Drittanbietern auszugleichen.
• 2023: Der Aufstieg von ChatGPT und anderen KI-gesteuerten (d. h. datengesteuerten) Modellen zur Verarbeitung natürlicher Sprache.

Ob es darum geht, den Zugriff auf Daten zu verlieren, neue Datenquellen zu finden oder ihnen die Macht zu geben, Entscheidungen für uns zu treffen, Daten stehen im Mittelpunkt dieser Trends.

Daten haben technologische und philosophische Definitionen. Es können Informationen sein, die ein Computer zur Verarbeitung verwenden kann, oder, wie Google definiert, „Dinge, die als Tatsachen bekannt sind oder angenommen werden und die Grundlage für Überlegungen oder Berechnungen bilden“ (Hervorhebung von mir).

In diesem „oder angenommenen“ Teil können wir mit Daten falsch liegen. Die Leute sagen immer: „Die Zahlen lügen nicht.“ Daten lügen vielleicht nicht, aber sie bedeuten vielleicht auch nicht, was Sie denken.

Tiefer graben: Warum wir uns für datengesteuertes Marketing interessieren

Die gute Seite der Daten

Ich erzähle Ihnen vielleicht Dinge, die Sie bereits über Daten wissen, aber hören Sie mir zu. Wir verlassen uns täglich auf Daten, sowohl in den offensichtlichen als auch in den nicht offensichtlichen Dingen (um einen Begriff von Rohit Bhargava zu leihen).

Für E-Mail-Vermarkter gehören Marketingdaten, die wir beim Erstellen und Strukturieren von Kampagnen, beim Auswählen von Zielgruppen, beim Messen des Erfolgs und beim Ergreifen der nächsten Schritte verwenden, zum Selbstverständlichen. Aus diesem Grund ist E-Mail-Marketing so nützlich. Es generiert Daten, die wir in der gesamten Marketing-Ökosphäre anwenden können.

Dann gibt es den nicht offensichtlichen Wert. Unsere E-Mail-Daten können andere Marketingkanäle informieren und sogar über das Marketingteam hinausgehen, um den Kundenservice, den Geschäftsbetrieb und mehr im gesamten Unternehmen zu unterstützen.

Unsere Kampagnen sind wie eine ständige Quelle der Marktforschung. Da die Personen, denen wir E-Mails senden, unsere potenziellen und bestehenden Kunden sind, erschließen, verfolgen und messen wir täglich unseren Kundenstamm.

Darüber hinaus erleichtert die heutige Marketingtechnologie das Sammeln von Daten. Wir finden Daten überall, wo wir hinschauen – in unseren ESPs, Automatisierungsplattformen, CRMs, E-Commerce-Engines. Zahlen fliegen so schnell an uns vorbei, dass wir sie nicht alle erfassen können.

Aber das ist mein Punkt. Wir brauchen nicht alle Zahlen, die auf uns zukommen. Wir müssen wissen, was die richtigen Zahlen sind und was sie bedeuten – und dabei machen wir oft einen Fehler.

Tiefer graben: Warum wir uns für E-Mail-Marketing interessieren: Ein Leitfaden für Vermarkter

„Einblicke, Einblicke, Einblicke“ statt „Daten, Daten, Daten“

Wie mein guter Freund Chad S. White, Autor von „Email Marketing Rules“, es perfekt ausdrückte:

„Sie sprechen von ‚Daten-Daten-Daten'. Ich bin kein Fan von Daten. Niemand will wirklich Daten. Was sie wirklich wollen, sind Einblicke und Analysen sind, wie Sie die Einblicke finden, die sich in Ihren Daten verstecken.

Daten werden Sie oft in die Irre führen. Sie müssen sicherstellen, dass Sie Ihr Wissen über Ihre Kunden und Ihr Unternehmen einbringen und diese Daten analysieren, um den ganzen Mist herauszupressen und nur das Zeug zu haben, das Gold wert ist.

Es gibt viele Fehlleitungen in den Daten. Also Einblicke, Einblicke, Einblicke. Das wollen wir.“

– Chad S. White während einer Grundsatzrede auf der ANA-Email Evolution Conference in Washington, DC.

Sie können alle Daten sammeln, die Sie wollen, aber Sie müssen auch die notwendigen Daten von irrelevanten, relevanten von irrelevanten und echten von gefälschten trennen, um zu erfahren, was sie wirklich bedeuten.

Wir sammeln Daten nicht, um Datensilos, Seen und Lagerhäuser zu füllen, sondern um sie zu nutzen, um unsere Kunden zu verstehen und zu messen, wie gut unsere Marketingprogramme funktionieren. Alles andere, was wir als Vermarkter tun, hängt von diesen Bemühungen ab.

Daher kann es schädlich sein, wenn wir schlechte Daten sammeln oder nach Bedeutungen suchen, die Daten nicht geben können, weil sie uns, wie White sagt, in die falsche Richtung lenken. Falsche Daten sind genauso schlimm wie keine Daten – vielleicht noch schlimmer, weil sie Ihnen ein falsches Gefühl von Sicherheit und Erfolg vermitteln können.

Wenn Sie E-Mail-Daten verwenden, um das Verständnis Ihrer Marke für Ihr Publikum zu informieren und die Entscheidungsfindung über die Marketingabteilung hinaus voranzutreiben, stellen Sie sich das Chaos vor, wenn Sie Ihre Erkenntnisse auf fehlerhafte Analysen stützen.

Wenn gute Daten schlecht werden: 3 Szenarien, auf die Sie achten sollten

Lassen Sie mich mich korrigieren: Daten werden nicht schlecht. Die Art und Weise, wie wir es verwenden und interpretieren, schafft Probleme. Wenn Sie Ihre Daten – absichtlich oder versehentlich – missbrauchen, können Sie Ihr Team und sogar Ihr Unternehmen auf einen langen, falschen Weg bringen. Es ist einfach, besonders wenn Sie versuchen, Ihr E-Mail-Programm zu optimieren, indem Sie verschiedene Teile testen und nicht nur instinktiv handeln.

Ich kann nicht zählen, wie oft Kunden mit guten Testabsichten gestartet sind und dann vom Weg abkamen, weil die Tests falsch aufgesetzt wurden oder weil das Team zu falschen Schlussfolgerungen kam. Hier sind drei Szenarien, in denen Daten Sie zu falschen A/B-Tests führen können.

1. Optimierung für die falsche Erfolgsmetrik

E-Mail ist dafür bekannt, dass sie so einfach zu messen ist. Allzu oft erfasst die von uns gewählte Metrik nicht den wahren Erfolg oder Misserfolg unserer Kampagnen. Aber seien wir nicht zu streng mit E-Mails. Marketer in allen Kanälen, von Social Media bis Influencer Marketing, machen den gleichen Fehler.

Die offene Rate ist der offensichtliche Übeltäter. Diese Metrik löst ein Problem, das digitale und traditionelle Vermarkter gleichermaßen plagt – zu wissen, ob jemand unsere Kampagnen tatsächlich angesehen oder nur daran vorbeigescrollt, die Seite umgeblättert, den Katalog weggeworfen oder während der Werbung für einen Snack aufgestanden ist. Kein Wunder, dass wir als Maß für den Erfolg auf beträchtliche Öffnungsraten gesprungen sind.

Aber diese hohen Öffnungsraten lassen sich oft nicht in die wichtigen Kennzahlen wie Kampagneneinnahmen, Bestellungen, Warenkorbgrößen, Wiederkäufe und andere kampagnenbezogene Zahlen übertragen. Wenn Sie eine interessante Betreffzeile verwenden, um für eine höhere Öffnungsrate zu optimieren, könnten viele Leute diese E-Mail aus Neugier öffnen und dann nicht weiterklicken. Sie erhalten also eine außergewöhnliche Öffnungsrate, aber Ihre Kampagne ist gescheitert.

Viele Vermarkter gerieten in Panik, als die MPP-Funktion von Apple im Jahr 2021 eingeführt wurde, weil sie E-Mail-Aktivitätsdaten wie Öffnungen, Zeiten und Orte maskierte. Sie befürchteten, dass sie eine wichtige Leistungskennzahl verlieren würden. Es war eine rechtzeitige Erinnerung für den Rest von uns, dass die Öffnungsrate nicht immer unseren Kampagnenzielen entspricht.

Die von vielen vorgeschlagene MPP-Umgehung – sich auf die Klickrate zu konzentrieren – ist jedoch nur ein geringfügig besserer Rat. Klicks sind ein greifbarerer Beweis für Kundeninteresse als Öffnungen. Aber sie können auch gespielt werden und korrelieren nicht immer mit Conversions.

2. Richtungswechsel nach einmaligem Testen

Dieser Fehler geht Hand in Hand mit der Optimierung für die falsche Erfolgsmetrik. Dies geschieht, wenn Sie einen einzelnen A/B-Test für ein einzelnes Merkmal durchführen, z. B. eine Betreffzeile, einen Aufruf zum Handeln, ein Angebot, ein Bild, einen Fließtext oder eine Tageszeit.

Diese Tests sind einfach durchzuführen. Viele ESPs lassen sich mit nur wenigen Klicks einrichten. Möglicherweise erhalten Sie sogar Ergebnisse, die eindeutig und unangreifbar aussehen.

„Betreffzeile A hat eine Öffnungsrate von 54 % und eine Klickrate von 25 %. Betreffzeile B hat eine Öffnungsrate von 24 % und eine Klickrate von 12 %. Betreffzeile A ist der Gewinner! Lasst uns von nun an alle unsere Betreffzeilen wie die Betreffzeile A machen!“

Dies setzt zwei Tatsachen voraus, die Ihnen die Daten nicht geben:

• A hat mehr Eröffnungen als B und konvertierte auch besser.
• Ihr Publikum wird immer besser auf Betreffzeilen wie A reagieren.

Ein einzelner A/B-Test liefert Ihnen nur Ergebnisse für diese Kampagne zu diesem Zeitpunkt mit dieser Zielgruppe. Aber Ihr Publikum ändert sich ständig. Die Personen, die dieses Mal Ihre sogenannte Gewinnerversion geöffnet und angeklickt haben, sind möglicherweise nicht diejenigen, die Ihre nächste Kampagne sehen. Oder sie sehen es, reagieren aber nicht auf die gleiche Weise.

Die Änderung Ihres E-Mail-Ansatzes basierend auf einem einzigen Test kann zu einer Katastrophe führen. Sie müssen ständig verschiedene Komponenten testen und testen und sicherstellen, dass Ihre Erfolgsmetriken Ihre Kampagnenziele widerspiegeln.

Wenn Sie möchten, dass die Leute Ihre Nachricht sehen, kann eine Öffnungs- oder Klickrate funktionieren. Aber wenn Sie möchten, dass sie kaufen, sich registrieren, upgraden, herunterladen, ein Konto erstellen oder andere geschäftsbezogene Aktionen ausführen, müssen Sie weiter testen, um zu sehen, was im Laufe der Zeit funktioniert.

Tiefer graben: Wie Tests Ihrem E-Mail-Marketing einen Conversion-Schub verleihen können

3. Sich auf Ad-hoc-Tests statt auf wissenschaftliche Methoden verlassen

„Ad hoc“ ist ein ausgefallener Begriff für „Raten“. Sie werfen im Wesentlichen Dinge gegen die Wand, um zu sehen, was sticht – testen Sie eine einzelne Komponente, anstatt einen hypothesengetriebenen, ganzheitlichen Ansatz zu verfolgen, der alle Aspekte einer Kampagne berücksichtigt.

Wenn Sie spontan testen, öffnen Sie sich den Problemen, auf die Menschen stoßen, wenn sie eine einzelne Komponente testen und dann auf der Grundlage dieser Daten die Richtung ändern. Auch hier sind die Daten nicht falsch, aber die Schlussfolgerungen, die Sie auf der Grundlage dieser Daten ziehen, könnten es sein.

Wissenschaftliche Tests anhand einer Hypothese liefern mit größerer Wahrscheinlichkeit aussagekräftige Daten, da sie Ihnen einen Rahmen für die Ableitung praktikabler Erkenntnisse bieten. Die Testdauer ist ein Beispiel. Allzu oft werden bei A/B-Tests viele Entscheidungen zu früh getroffen. Nehmen wir an, die A/B-Testfunktion Ihrer E-Mail-Plattform ermöglicht es Ihnen, Version A an eine Beispielzielgruppe zu senden, die aus 10 % Ihrer Liste besteht, und Version B an weitere 10 % Ihrer Liste. Warten Sie ein paar Stunden und senden Sie den Gewinner an die verbleibenden 80%.

Diese Methode kann nützliche Ergebnisse liefern, wenn Sie auf Öffnungen oder Klicks testen. Aber wenn es auf Conversions ankommt, funktioniert es nicht. Ein 50/50-Test ist besser geeignet, um den Erfolg anhand der Conversion zu berechnen. Es erlaubt Ihnen, drei Tage bis eine Woche zu warten, bevor Sie den Gewinner bekannt geben und das Ergebnis angeben.

Aussagekräftige Messwerte wie Conversions erfolgen nicht immer in den ersten zwei Stunden, und die Optimierung für diese schnellen Ergebnisse kann bedeuten, dass Sie für das falsche Ergebnis optimieren. Der 50/50-Test gibt Ihnen auch eine größere Stichprobengröße, wodurch der Test auch robuster wird.

Durch die Kombination wissenschaftlicher Methoden mit ganzheitlicher Testmethodik erhalten Sie ein breiteres Verständnis Ihrer Zielgruppe und ihrer Motivation. Lesen Sie mehr über Testprobleme und meinen ganzheitlichen Testansatz in dieser MarTech-Kolumne „7 häufige Probleme, die den Erfolg von A/B/n-E-Mail-Tests beeinträchtigen“.

Erzählen Ihnen Ihre Daten die richtige Geschichte? Versuchen Sie diesen Lackmustest

Neue Kunden sind oft skeptisch, wenn ich (natürlich diplomatisch!) darauf hinweise, dass ihre Kampagnenleistung oder Testdaten die Schlussfolgerungen, die sie daraus gezogen haben, nicht stützen. Warum verdient die E-Mail kein Geld, obwohl sie großartige Öffnungs- oder Klickraten erzielt?

Wenn Sie sich dasselbe fragen, kann mein Lackmustest zeigen, was passiert, wenn Sie die falschen Metriken verwenden, um Erfolg oder Misserfolg zu erklären.

Erstellen Sie drei Listen:

• Die Top 10 Kampagnen mit der höchsten Öffnungsrate.
• Die Top 10 Kampagnen mit der höchsten Klickrate.
• Die Top 10 Kampagnen mit den höchsten Conversions oder anderen Kampagnenzielen.

Unter der Annahme, dass Ihre Conversion-Berechnung nicht an Ihre Öffnungsrate gebunden ist, sondern auf den zugestellten E-Mails basiert, sollten Sie zwischen den drei Kampagnengruppen kaum Überschneidungen feststellen. Sehen Sie sich nun die Kampagnen in jeder Kategorie an. Wie sehen Ihre umsatzstärksten Kampagnen im Vergleich zu denen aus, die die meisten Öffnungen oder Klicks erzielt haben?

Haben Sie längere Betreffzeilen verwendet, die wie Posteingangssortierer wirkten und Ihre motiviertesten Kunden ansprachen? Hat der Nachrichteninhalt längere oder kürzere Texte, spezifische oder allgemeine Handlungsaufforderungen verwendet? Konnte eine Art von Kampagne, wie z. B. ein Flash-Sale, besser konvertieren als eine Kampagne für neue Kollektionen?

Wenn Sie die Daten auf diese Weise studieren und dabei die Ergebnisse im Auge behalten, die wichtig sind, anstatt die Daten, die am einfachsten zu sammeln sind, können Sie Whites Ziel erreichen, „diese Daten zu analysieren, um den ganzen Mist herauszuquetschen und mit dem zu bleiben Zeug, das Gold ist.“