Wie man Wachstumsbereiche und Risiken in einem Marketingplan basierend auf Daten vorhersagt

Wir haben kürzlich ein neues Produkt angekündigt – OWOX BI Insights – das in der Lage ist, die Verwirklichung von Marketingzielen auf der Grundlage Ihrer Daten, allgemeinen Marktdaten und maschinellen Lernens vorherzusagen. Es gibt Marketern Antworten auf wichtige Fragen:

• Werden wir diesen Monat den Plan für Verkäufe, Leads und andere Indikatoren erfüllen?
• Wenn wir nichts ändern, wie viele Verkäufe, Leads usw. werden wir bis Ende des Jahres erzielen?
• In welchen Kanälen, Regionen und Segmenten werden die Ziele nicht erreicht und wo liegen die wichtigsten Wachstumsfelder?
• Wie stehen wir relativ zum Markt? Ist der Markt zurückgegangen oder geht es uns nur schlecht?

In diesem Artikel erklären wir Ihnen, warum Sie Prognosen erstellen sollten und wie Sie Wachstumszonen und Risiken finden, um Ihren Mitbewerbern einen Schritt voraus zu sein.

Bestellen Sie jetzt Ihre Prognose!

• Technologie und Daten sagen uns viel
• Appetit kommt mit Zuschreibung
• Welche Aufgaben übernimmt ein OWOX BI Marketing Analyst?
• Wie sehen OWOX BI-Berichte aus?
• E-Mail-Newsletter für Entscheider
• Implementierung: wo anfangen und wie Prognosen erstellt werden
• Schlussfolgerungen, zu denen wir dabei gelangten

Marketinganalysen spielen in modernen Unternehmen eine wichtige Rolle.

Im Jahr 2018 überstieg der durchschnittliche Anteil des Marketingbudgets eines Unternehmens, der für Marketingtechnologien ausgegeben wurde (29 %), erstmals den Anteil, der für die Menschen ausgegeben wurde, die diese Technologien nutzen (24 %).

Erfüllt sich die Wachstumsprognose des Unternehmens nicht, werden die meisten Manager zunächst ihren Marketingleiter entlassen. Daher sollten CMOs sehr daran interessiert sein, Technologien einzuführen und nach besseren Lösungen zu suchen.

Die Mehrheit der CMOs (78 %) hat ihren ROI durch den Einsatz von Analysen bei der Entwicklung einer Marketingstrategie gesteigert.

Hier ist eine kurze Geschichte darüber, wie alles vor ein paar Jahren begann und wie wir zu der Erkenntnis kamen, dass unsere Kunden Prognosen und Erkenntnisse benötigen.

OWOX BI: Möchten Sie, dass wir Google Analytics einrichten?
Kunde: Sicher, aber wir können in Google Analytics keinen ROI für unsere Facebook- und Yandex.Direct-Marketing-Kampagnen sehen und können ihre Effektivität nicht vergleichen.
OWOX BI: Hier ist der automatisierte Datenimport. Fügen Sie einfach Zugriff auf Ihre Werbedienste hinzu und alle Daten werden automatisch in Google Analytics importiert. Sie erhalten einen ROI für alle Werbekampagnen.
Kunde: Großartig, aber die Daten in Google Analytics stimmen nicht mit denen in unserem CRM überein. Unser Management glaubt, dass die Daten im CRM vorhanden sind, und wir können Google Analytics-Daten nicht erneut verarbeiten, um sicherzustellen, dass sie korrekt sind. Wir können diese Daten auch nicht nachträglich mit internen Daten zusammenführen, insbesondere nicht ohne Abfragezeitimport.
OWOX BI: Okay, hier sind alle Ihre Daten in Google BigQuery. Wir haben sie von Google Analytics, Werbediensten, Anrufverfolgung und mobilen Anwendungen erfasst. Jetzt können Sie es mit Daten aus Ihrem CRM kombinieren und beliebige Berichte erstellen.
Kunde: Super! Aber wir müssen in all dem unterschätzte Kampagnen finden. Die Verwendung einer einfachen SQL-Abfrage hilft nicht, da Benutzer auf dem Weg zu einem Kauf eine Reihe von Klicks ausführen. Wir müssen den Wert all dieser Schritte irgendwie zuordnen, was bedeutet, dass wir Entwickler einstellen müssen.
OWOX BI: Einverstanden. Wie wäre es mit ML-trichterbasierter Zuordnung und vorgefertigten Berichten? Geben Sie einfach diese Schritte an und Sie sehen unterbewertete Kampagnen.
Kunde: Können Sie in all diesen Daten vielleicht unsere Wachstumszonen erkennen? Sagen Sie einfach, wo wir suchen sollten, um den Verkaufsplan zu erfüllen.
OWOX BI: Soooo... Lassen Sie uns besprechen, was Sie von Ihrem Marketing-Analysten erwarten.

1. Zeigt, wo die Marketingziele erfüllt und wo nicht erfüllt sind.
Bei einem Treffen am Anfang jedes Monats fragt der Manager den Marketingleiter: «Warum wurde es nicht erfüllt?» Welche Region oder Werbekanal hatten wir? " Und hört als Antwort: «Ich weiß es noch nicht. Ich brauche ein paar Tage – ich werde sehen, komme zurück und erzähle es. » Gemeinsame Situation?

Wir haben entschieden, dass genug genug ist – lassen Sie den gesamten Prozess automatisieren. Hier ist alles einfach: Wir nehmen retrospektive Daten, also eine Tatsache, und vergleichen sie mit den geplanten. Wichtig ist, dass dies automatisch für verschiedene Segmente erfolgt.

2. Zeigt, wie Sie die geplanten Jahresziele erreichen werden, wenn Sie im gleichen Tempo weitergehen wie jetzt.
Wenn Sie im Voraus feststellen, dass das Marketingteam in einer Kategorie oder Region zu kurz kommt, können Sie Ihre Marketingstrategie schnell korrigieren und die Ergebnisse verbessern. Damit unsere Kunden eine solche Möglichkeit haben, nehmen wir ihre Daten und bauen ein Prognosemodell mit einem Horizont von bis zu einem Jahr auf. Hier wird die Prognose mit dem Plan verglichen.

3. Findet Wachstumsbereiche und Risiken für den nächsten Monat.
Dazu vergleicht OWOX BI Insights automatisch die Marketingziele und Prognosen auf der Ebene von Regionen, Kanälen, Parametern und innerhalb der Verantwortungsbereiche jedes Entscheidungsträgers im Unternehmen.

4. Hilft bei der Beantwortung der Frage: «Arbeiten wir nicht daran, oder hat sich der Markt abgeschwächt?».
Das ist in jedem Unternehmen immer eine offene und relevante Frage, denn es reicht nicht, die eigenen Daten zu beantworten. Wenn zum Beispiel der Plan überschritten wird, ist es interessant zu wissen: Das sind Vermarkter – gut gemacht oder etwas ist auf dem Markt passiert und alle rannten los, um Geld auszugeben. Oder sagen wir mal, die Ziele wurden von 2% nicht erfüllt. Ist das ein gutes oder schlechtes Ergebnis für ein Marketingteam? Wenn der Markt gewachsen ist, dann ist er schlecht, und wenn er um 15 % gesunken ist, dann ist er gut.

Marktdaten sind entscheidend, um diese Fragen zu beantworten. Aus diesem Grund erstellen wir ein maschinelles Lernmodell, das auf Daten aus Zehntausenden von Projekten basiert, um bessere Prognosen zu liefern, als Sie nur mit Ihren eigenen historischen Daten erzielen könnten.

5. Erstellt Berichte in den gewohnten und bequemen Diensten für Sie.
Unsere Erfahrung zeigt, dass die meisten Unternehmen bei einem neuen Produkt keinen weiteren Service einführen wollen. Sie denken vielleicht: «Ich habe Excel (oder Google Sheets, Data Studio, Tableau, Power BI). Kann ich dort eine Prognose hinzufügen? » Natürlich können Sie das, denn fast jeder Visualisierungsdienst kann Daten von Google BigQuery abrufen, wo wir die Ergebnisse von Berechnungen speichern.

Schauen wir uns zunächst die Abschlussberichte an. Dann verraten wir Ihnen, wie sie hergestellt werden.

Das erste und einfachste ist, drei Spalten für jeden Monat zu erhalten: Plan, Actual und Forecast.

Die Erstellung des Plans ist eine einfache Sache. Es kann von jedem Analysten in Excel erstellt werden. Wir können auch die tatsächlichen Werte berechnen, da das Unternehmen über diese Daten verfügt. Unsere Aufgabe ist es, eine Prognose hinzuzufügen.

Hinweis: Der Bericht enthält Daten für Anfang April. Wie Sie sehen können, haben wir einen kleinen tatsächlichen Wert (der Monat hat gerade begonnen) und es gibt eine Art Prognose für den restlichen April. Dementsprechend sollte für den laufenden Monat die Planung mit der Summe aus Ist- und Prognosewert verglichen werden.

In der obigen Grafik sind die gelben Linien die Ziele, die sich der Kunde gesetzt hat, die dunkelblauen Säulen die bereits erreichten Ist-Werte und die hellblauen Säulen die Prognosen.

Kennen wir die Ziele, die Prognose und die Ist-Werte im Kontext der entscheidungsrelevanten Parameter, können wir in Google Sheets eine klassische Pivot-Tabelle aufbauen.

Diese Tabelle enthält drei Parameter: Berichtsmonat, Kanalgruppe (organische Suche, Marktplatz, E-Mail usw.) und Region. Dies ist die grundlegende Gruppierung, mit der die meisten Unternehmen arbeiten. Als Nächstes zeigen wir die wichtigsten Kennzahlen, die zur Verwaltung des Marketingbudgets erforderlich sind:

Aus dem Bericht geht hervor, dass die bezahlte Suche in Region 1 wahrscheinlich weniger Einnahmen generieren wird als geplant. Wir sehen auch, dass der E-Mail-Kanal hinter Transaktionen zurückbleiben kann. Diese Informationen ermöglichen es Ihnen, Entscheidungen zu treffen, bevor Ihr Budget nicht optimal ausgegeben wird – und bevor die Wachstumszone in der Vergangenheit liegt und verloren geht.

Und das Beste ist, dass wir eine Prognose für die Zukunft haben. Es zeigt, was passieren wird, wenn der aktuelle Trend anhält.

Sehen wir uns einige der Elemente in dieser Tabelle im Detail an. Die rot-grün hinterlegte prozentuale Abweichung errechnet sich nach einer einfachen Formel:

Wir nehmen die Tatsache mit der Prognose, die wir höchstwahrscheinlich Ende dieses Monats erhalten werden. Subtrahieren Sie davon die Segmentziele und dividieren Sie das Ergebnis durch die Periodenplanung. Die daraus resultierende Zahl beantwortet die Frage, inwieweit ein bestimmtes Segment von der Prognose abweicht.

Für April-Transaktionen sehen wir beispielsweise eine Abweichung von −4,8 %:

Damit liegen wir im April 4,8 % hinter dem Transaktionsplan zurück. Wenn Sie die Werte für alle Kanäle über dieser Zahl addieren, beträgt die Summe −4,8 %.

Warum schauen wir uns das an? Warum betrachten wir nicht die relative Abweichung? Angenommen, wir haben einen kleinen Empfehlungskanal. Laut Plan sollen es etwa 50 Transaktionen sein. Eine Differenz von sogar 20 Transaktionen ergibt eine Abweichung von 40 %. Darauf müssen Sie aber gar nicht erst achten, denn es gibt viel größere Kanäle. Und wenn ein größerer Kanal eine Abweichung von 10 % aufweist, ist er für das Geschäft viel wichtiger. Die roten und grünen Farben in der Tabelle zeigen, wie wichtig es für das Unternehmen ist, diesem Segment Aufmerksamkeit zu schenken.

Im Screenshot unten haben wir die Daten für April erweitert:

Hier sehen wir, dass Daten in Kanäle und Regionen zerlegt werden können. Wir können die Segmente auswählen, die wir uns zuerst ansehen möchten. Rot ist eine Risikozone, Grün ist eine Wachstumszone. Die Konversionsrate ist blau markiert, und unten gibt es eine Zusammenfassung.

Jetzt stellen wir den wichtigsten und interessantesten Bericht vor, der acht Zeiträume zeigt, die verwendet werden, um die Prognose mit den Zielen zu vergleichen.

1. This Year Actual zeigt die aktuellen Zahlen vom Jahresanfang bis zum aktuellen Zeitpunkt. Wir können diese Werte mit den Zielen vergleichen, um zu verstehen, wie gut wir sie erreichen.
2. Last Month Actual zeigt aktuelle Daten für den letzten Monat. Wir haben den Vormonat abgeschlossen, sodass wir in jedem Abschnitt und Segment leicht sehen können, ob die tatsächlichen Zahlen mit den geplanten übereinstimmen.
3. Last Week Actual zeigt aktuelle Daten für die letzte Woche.
4. Diese Wochenprognose zeigt die Prognose für die aktuelle Woche. Die Woche hat begonnen, und wir sehen, was mit uns passiert. Wobei die Verantwortlichen beispielsweise für Paid Search gerade jetzt darauf achten, am Ende der Woche ein besseres Ergebnis zu erzielen. Dazu müssen Sie lediglich Risiken vermeiden (rot markiert) und Wachstumszonen (grün markiert) implementieren.
5. Next Week Forecast zeigt die Vorhersage für die nächste Woche.
6. Diese Monatsprognose zeigt die Prognose für den aktuellen Monat.
7. Next Month Forecast zeigt die Prognose für den nächsten Monat. Unserer Erfahrung nach ist es besser, diese Prognose nur auf der Grundlage der primären Dimension zu erstellen. Das heißt, es ist nicht mehr ratsam, es auf die zweite Ebene (in unserem Fall Regionen) aufzuteilen, da es viel Rauschen und schlechte Prognosequalität gibt.
8. Diese Jahresprognose zeigt die Prognose bis Ende des Jahres. Wir bauen es nur für die Schlüsselmetrik Einkommen auf. Die Erfahrung zeigt, dass die Vorhersage der Verkehrsverteilung auf Regionen und Kanäle und andere Segmente vor Jahresende keine faszinierende Übung ist und zu großen Fehlern und einem Vertrauensverlust in Prognosen führt.
   

Sie können die Tabelle jederzeit in Google Sheets anzeigen. Entscheidungsträger erwarten jedoch in der Regel einen fertigen Bericht und sagen: Schauen Sie hier. Es scheint, wir haben eine Wachstumszone.

Das Erstellen dieses Berichts ist keine leichte Aufgabe, und wir arbeiten noch daran. Wir möchten, dass unsere Kunden klare, aussagekräftige Botschaften in menschlicher Sprache erhalten, so wie ein guter Analyst sie schreiben würde.

Es gibt zwei Probleme. Die erste ist eine Menge Nuancen. Es ist nicht sehr nützlich, sich über nicht verwaltete direkte Kanäle zu ärgern. Was sollten Sie tun, wenn Referral oder Direct gefallen sind? Sie müssen sich auf das konzentrieren, was Sie verwalten können, und dafür benötigen Sie mehr Wissen für das Programm, wenn Sie nach Erkenntnissen suchen.

Das zweite Problem ist, dass diese E-Mails möglicherweise beantwortet werden mit: «Geben Sie mir mehr Details.» Aber [email protected] hatte nie vor, in ein Gespräch einzutreten. Wir glauben jedoch, dass die Kommunikation eines Analysedienstes der Kommunikation mit einem Marketinganalysten so ähnlich wie möglich sein sollte. Daher planen wir zukünftig Insights zu Wachstumszonen und Risiken per Messenger zu versenden.

Am Ende der E-Mail befindet sich eine interessante Tabelle, in der die Ergebnisse der Hauptzeiträume rot und grün hervorgehoben sind. Das zeigt sofort, ob es notwendig ist, Google Sheets zu öffnen und sich die Details für diesen Zeitraum anzusehen.

Bevor Sie mit der Erstellung von Prognosen beginnen, müssen Sie einige wichtige Fragen beantworten:

Als Ergebnis dieser Implementierung erhalten Sie eine Tabelle wie diese:

Die erste Spalte gibt den Zuständigkeitsbereich an. In unserem Beispiel gibt es drei: Marketing im Allgemeinen, bezahlte PPC-Kampagnen und SEO (organisch).

Die zweite Spalte sind KPIs, die für die Festlegung von Zielen und die Bewertung der Leistung in jedem der Verantwortungsbereiche verwendet werden. Für einige dieser Indikatoren gibt es einen Plan. Wir empfehlen Ihnen, Ihre bestehenden Ziele nicht zu ändern, wenn Sie sich entscheiden, Vorhersagen anzunehmen. Es ist klar, dass Sie im Geschäft immer etwas verbessern können, und Sie möchten vielleicht neue Indikatoren zu Ihren Berichten hinzufügen. Aber unterwegs kann man sowas nicht machen. Zuerst ist es besser, das zu automatisieren, was Sie bereits haben, und dann neue Metriken hinzuzufügen.

In der dritten und vierten Spalte markieren wir die Metriken, für die es einen Plan gibt und für die wir eine Prognose erstellen können.

In der fünften Spalte markieren wir die quantitativen und qualitativen Metriken, weil sie unterschiedlich dargestellt und unterschiedlich behandelt werden müssen.

Die sechste Spalte enthält die Segmentierungskriterien. In unterschiedlichen Verantwortungsbereichen wird dieselbe Kennzahl nach unterschiedlichen Kriterien segmentiert. Zum Beispiel sind Marketingsitzungen interessanter für die Segmentierung nach Kanal; SEO sollte nach Suchmaschinen segmentiert werden.

Die siebte Spalte ist die sekundäre Dimension. Es kann mehr als zwei Dimensionen geben, aber in diesem Fall sollten die Anforderungen an das Datenvolumen höher sein. Je mehr Segmentierungsparameter, desto mehr Daten werden für statistisch signifikante Prognosen benötigt.

Die letzte Spalte ist die Anzahl der Werte für einen bestimmten Parameter, die Sie im Bericht sehen möchten. Warum brauchen Sie das? Wenn Sie kein Limit nach Region angeben und die Liste erweitern würden, hätten Sie beispielsweise nicht fünf Regionen, sondern fünfhundert. Viele von ihnen wären zu klein und höchstwahrscheinlich nicht informativ. Wir empfehlen das Hinzufügen von Limits, damit das gesamte Etikett irgendwie in Google Sheets passt und damit funktioniert.

Sie haben also eine Tabelle wie diese erstellt und alle Ihre Daten (geplant und tatsächlich) in Google BigQuery (oder einem anderen Cloud-Speicher) gesammelt. Was sollen wir als nächstes tun? Das erste und einfachste, was Sie tun können, ist OWOX BI zu kontaktieren. Unser KI-Algorithmus analysiert Ihre Daten, vergleicht sie mit Marktdaten, trifft Vorhersagen und zeigt, wo Ihre Wachstumszonen und Risiken liegen.

Wenn Sie Prognosen selbst erstellen möchten, gibt es mehrere Möglichkeiten, dies zu tun. Es gibt mehrere Möglichkeiten. Wir werden Ihnen mitteilen, wie es in Google Cloud geht, da uns diese Plattform am vertrautesten ist. Natürlich können Sie in Ihrem Unternehmen auch andere Tools verwenden.

Es gibt drei grundlegende Möglichkeiten, Prognosen in Google Cloud zu erstellen:

1. TensorFlow und CloudML sind die Methoden, die am häufigsten von Datenwissenschaftlern verwendet werden, die nicht zu faul sind, Zeit mit der Anpassung von Modellen zu verbringen. Dies sind schwierige Werkzeuge, mit denen Sie jedoch gute Ergebnisse erzielen können.
2. BigQuery ML – Wenn Sie noch nie mit maschinellem Lernen gearbeitet haben, aber bereits Daten in Google BigQuery haben, empfehlen wir, mit dieser Methode zu beginnen. Wenn Sie Daten aus Google Analytics 360 haben, können Sie bereits ein Modell trainieren, um beispielsweise die Conversion-Wahrscheinlichkeit, Abwanderung oder andere Parameter zu berechnen. Es ist sehr einfach, Prädiktoren, Merkmale und Testmodelle auszuwählen. Dies ist ein intelligenter Weg für einen Analysten, der mit SQL vertraut ist.
3. Die AutoML- und CloudML-APIs sind die grundlegendsten Methoden für Entwickler. Sie erleichtern die Bereitstellung von Modellen, deren Vergleich und das Rollback der Versionsverwaltung. Dies ist ideal, wenn Sie ein Entwickler sind und Ihre Aufgabe darin besteht, das von Ihnen erstellte Modell in der Produktion bereitzustellen.

Dies ist eine große Tabelle mit Daten, aus denen Sie leicht die Abweichung und die Umrechnung berechnen können, da Sie alle Komponenten dafür haben und sie in drei Blöcke gruppiert sind: Plan, Ist und Prognose.

1. Wenn Ihnen gesagt wird «Wir haben Marketingziele», ist bestenfalls eine Excel-Tabelle gemeint, die ein Analyst einmal pro Woche manuell aktualisiert.
2. Automatisierte Prognosen ersetzen Analysen nicht – sie sind lediglich eine Möglichkeit, deren Effizienz zu steigern. Unserer Erfahrung nach sind immer manuelle Anpassungen notwendig. Nehmen wir zum Beispiel an, dass wir im Oktober ein großes Geschäft in Houston eröffnen. Das Prognosemodell wird dies niemals berücksichtigen, da es dieses Wissen nicht hat.
3. Die Qualität der Prognosen wird deutlich verbessert, wenn Sie zusätzlich zu Ihren eigenen Daten Marktdaten verwenden. Dies macht den Ansatz von OWOX BI zur Prognose qualitativ anders. Wir verwenden Daten aus Zehntausenden von Projekten, um unser Modell zu trainieren. Infolgedessen zeigt es Markttrends genauer an. Wir kennen zum Beispiel den Marktanteil der organischen Suche und der bezahlten Suche für Projekte in derselben Nische wie die unseres Kunden, und wir wissen, wozu diese Zahlen führen. Wenn Sie das Modell mit diesen Daten anreichern, können Sie Trends besser verstehen und wissen, ob Sie gut abschneiden oder der Markt nur wächst.
4. Es ist notwendig, Berechnungen von der Datenvisualisierung zu trennen. Wenn Sie Erwartungen an Genauigkeit und Tiefe formuliert haben, können Sie eine Prognose erstellen und Daten in einer genau festgelegten Zeit berechnen. Die Datenvisualisierung ist eine endlose Aufgabe, und der Perfektion sind keine Grenzen gesetzt.
5. Um qualitativ hochwertige Prognosen mit einer Granularität von zwei Parametern zu erhalten, benötigen Sie Website-Daten von 3 Millionen Sitzungen pro Monat. Es ist möglich, eine Prognose mit einem kleineren Betrag ohne Segmentierung zu erstellen, aber die Frage ist, warum. Wenn Sie zum Beispiel sehen, dass die Ziele nicht erreicht werden, können Sie sagen, in welchem ​​Segment es nicht funktioniert? Welche Regionen? Wahrscheinlich werden Sie die Antwort nicht finden, weil es nur wenige Daten gibt.

Wenn Sie über historische Daten von Google Analytics für zwei Jahre verfügen, Traffic von 3 Millionen Sitzungen pro Monat haben und Ihre Marketingziele erreichen und dank Erkenntnissen schneller wachsen möchten, schreiben Sie uns, indem Sie ein Formular auf unserer Website ausfüllen. Wir besprechen die Details mit Ihnen und helfen Ihnen bei der Erstellung einer Prognose.