Datentreiber im Interview: Michael, Teil 2

Teil 2 des Interviews

Hier geht es zu Teil 1

 

Was soll denn ein Kunde konkret in einem Agenturvertrag festlegen?

Ganz klar das uneingeschränkte Recht auf den Export der Daten, die mit dem Geld des Unternehmens erzeugt wurden. Das klingt selbstverständlich, ist es in der Praxis aber nicht. Viele Agenturen sperren sich dagegen, weil sie damit entmachtet werden. Also: unbedingt den Zugang zu den eigenen Daten sichern! Diese Daten, das ist sehr wichtig, sollen nicht aggregiert sein, also zusammengefasst, z.B. pro Woche oder so. Es geht um Rohdaten. Auf die muss ein Unternehmen oder Verband für eigene Analysen jederzeit zugreifen können. Das heißt nicht, dass eigene Daten unbedingt auf eigenen Rechnern liegen müssen. Es reicht ein anderer Dienstleister. Hauptsache es sind nicht die Rechner desjenigen, dem die Mediagelder anvertraut worden sind, also Google, Facebook, Agenturen, womit ich nicht Content- oder Kreativagenturen meine.

Das hört sich jetzt so an, als wenn Daten im eigenen Haus vor allem nötig sind, um die Dienstleiser zu überwachen, deren Zahlen man nicht glauben kann.

Nein, das ist nur ein Randaspekt, es gibt genug Beispiele, in denen inhabergeführte Agenturen sauber arbeiten, gar keine Frage, mit denen verstehen wir uns auch sehr gut. Das Hauptmotiv besteht darin, dass die Unternehmen die Tür zur eigenen digitalen Wertschöpfung durch Kommunikation aufstoßen.  Wenn man sich einfach mal vor Augen hält, dass 70% der Wertschöpfung einer Automobilmarke an ihrer Kommunikation und ihrem Image hängen und eben nicht an ihrem Produkt, dann wird klar, was da für ein Potenzial dranhängt. Content und Marketing haben ein wahnsinniges Potential zur Wertschöpfung aus Daten. Das wollen wir für die Unternehmen heben. Dazu muss zuerst die Hoheit über die Daten gewonnen werden, ich muss sie als Unternehmen kontrollieren können, dann erkämpfe ich mir auch Transparenz über den, sorry, durch und durch korrupten Onlinewerbemarkt und kann in einen datenbasierten Wettbewerb um die Köpfe und Herzen meiner Zielgruppe eintreten. Hoheit und Kontrolle über die eigenen Daten sind die absolute Voraussetzung für Wertschöpfung aus Daten. Das gilt für die Entwicklung von digitalisierten Produkte ebenso, wie für Kommunikation und Marketing. Bei Maschinen zum Beispiel, die mit Nutzungsdateen ihre eigenen Wartungszyklen optimieren , scheint das allen sofort klar zu sein. Warum das in Kommunikation und Marketing nicht so ist und man auch mehr als 20 Jahre nach dem Start digitaler Medien immer noch Überzeugungsarbeit leisten muss, ist mir schleierhaft. Dass im Digitalmarketing über Dekaden kein Kraut gegen naiven Bullshit, Betrug und gesellschaftlich unverantwortliche Fortschrittsmärchen von Twitterkönigen und Überwachungspriestern wachsen konnte, hat sicher auch damit zu tun, dass die Unternehmen und Werbungtreibenden in Sachen Datenhoheit zu lange passiv waren. Das ändert sich jetzt endlich, zum Glück.

Wie schöpft man denn aus Daten Wert?

Na, indem Menschen oder Rechner sie dazu nutzen, Entscheidungen zu treffen und Handlungen durchzuführen, die sie ohne Daten nicht durchgeführt hätten. Bei Rechnern, die ja bekanntlich Trottel sind, wie Peter F. Drucker mal so schön sagte, ist das ganz simpel. WDDD – wenn dies, dann das. Für Rechner werden Regeln definiert und stumpf aber hocheffizient abgearbeitet. Ob Twitterkönige das nun „künstliche Intelligenz“ nennen oder nicht, das ändert nichts an dem Prinzip. Computer sind dumm, aber ab einer gewissen Datenmenge schlägt Masse in Klasse um.

Mit Menschen aus Daten Wert zu schöpfen, das ist unser Job, der ist aber komplizierter. Denn Menschen leben und arbeiten in Gruppen und sie organisieren sich entlang Macht und Hierarchie, auch in „agilen Strukturen”, was zuvor mal “flache Hierarchie” genannt wurde. Die soziale Umgebung in den Unternehmen ist, wie überall sonst auch, gefärbt von sehr persönlichen und sehr unterschiedlichen Perspektiven und Interessen. Wenn man da datenbasierte Entscheidungen herbeiführen will, dann braucht man wenige Standards und viel Übung und Geduld, um Widerstände zu überwinden, die einem logischerweise entgegenschlagen, wenn man vereinheitlichen will.

Es sollte doch kein Problem sein, einen Marketing-Analysedienst zu bauen, in dem alle relevanten Zahlen zusammenlaufen?

In seltenen Ausnahmen ist das wirklich kein Problem. Da gibt es Top-Management-Attention und auch den mit Analytics-Budgets verbundenen erforderlichen Druck von oben. Aber wo ist das schon so? „Sag mal, wollen wir uns eigentlich wirklich messen lassen?“ Erst letzte Woche berichtete mir ein Kunde von genau diesen Worten seines Chefs. Und mein Kunde, dem da der ganze Wind aus den Segeln genommen wurde, der war tatsächlich der Head of Analytics. Ich habe das jetzt nicht erfunden. Es ist oft frustrierend, wie stark Machtstreben, Territorialinstinkte und Eitelkeiten den Unternehmensalltag beherrschen, aber das muss wohl so sein beim Homo Sapiens.

Woran zeigt sich das?

Das geht schon in den unteren Etagen, bei den Mediensilos los. Da gibt es den einen Kollegen, der nur für Facebook verantwortlich ist. Dann die nächste Kollegin, die macht Twitter und LinkedIn, dann eine Online-Redakteurin nur für Web-Inhalte, den Mediamenschen, der nur Branding macht, usw. usf. Alle diese Silos sind kleine Fürstentümer, oft mit eigenen Auswertungstools. In so einer Organisation ist niemand motiviert, den eigenen Verantwortungsbereich transparent und vergleichbar zu machen, indem man Daten gleich auswertet. Daten verkörpern Herrschaft und Macht. Warum sollte ich das aufgeben? Das Problem kennt jedes Unternehmen mit lokalem Vertriebsnetz. Die Automobiler brauchten Jahrzehnte um Zugang zu Kundendaten der lokalen Händler zu bekommen. Und ob die Versicherer das nach 20 Jahren Internet inzwischen geschafft haben, wer weiß, die internen Kämpfe waren jedenfalls blutig. Meistens haben die Zentralen immer noch keinen Zugriff auf die Daten aus den Märkten. Wenn z.B. Frankreich von einer eigenständigen Landesgesellschaft bedient wird – keine Chance. Die Beharrungswiderstände sind nur sozialer Natur, also machtmotiviert, und sie sind gigantisch. Oft braucht es eine neue eigene Firma, um sie zu brechen.

Ok, nehmen wir an, es gelingt alle Agentur-Daten anzubinden und die internen Daten-Silos aufzubrechen. Dann habe ich einen Data-Lake, und ich muss Analyse-Experten aubilden und trainieren. Ist das realistisch?

Die großen Namen schaffen es mit viel Geld und Mühe, sich diese Experten ins Haus zu holen und das Know-how selber aufzubauen. Ich halte aber Analytics Experten im eigenen Haus für keine gute Idee. Denn die Experten, die im eigenen Haus Daten analysieren, die unterliegen doch genau denselben sozialen Mechanismen, wie ihre Kollegen. Denselben Kämpfen um Macht und Einfluss, wie die anderen auch. Wenn die Datenexperten hauseigene Experten sind, dann können die doch gar nicht neutral analysieren und interpretieren. Das ist wirklich ausgeschlossen. Die müssen erst interne Interessen bedienen und dann auf die Daten schauen. Welchen Wert kann man unter solchen Vorzeichen noch aus den Daten holen? Wie kann da “Digital Excellence” entstehen?

Da haben es Unternehmen aus dem Hochsauerland oder Oberfranken viel besser. Die machen sich erst gar keine Illusionen. Nein, kein Data Science Experte wird ins Bergische Land einwandern, um dort bei einem „hidden champion“ zu arbeiten. Die studierten Datenmenschen bleiben schön alle in ihrem Milieu, in Berlin, Hamburg oder anderen Städten. Unternehmen in der Provinz – ich rede also von den meisten, den stärksten und den besten Unternehmen in diesem Land – die haben auf dem Arbeitsmarkt für Data Science kaum ein Chance, die bekommen manchmal nicht eine einzige Bewerbung auf ihre Data Science Stellenausschreibung. Da gibt es dann nur eine Lösung: vertrauenswürde externe Dienstleister, die Zugang zu den Daten des Unternehmens bekommen, diese Daten zusammenführen und in enger Absprache Auswertungen fahren, die verstanden und umgesetzt werden. Das geht alles remote, per Videokonferenz, dafür muss man nicht vor Ort sein.

Gilt das nur für große Mittelständler in der Provinz?

Nein, .companion arbeitet beispielsweise auch auf globaler Ebene für einen der weltweit größten Automobilzulieferer. Die haben den gesamten Analysebereich an uns ausgelagert, obwohl sie unsere Kompetenz und noch viel mehr auch im Haus haben. Ökonomisch ist es aber viel sinnvoller für das Unternehmen, die eigenen Data Science Kapazitäten in eigenen digitalen Produkten zu verbauen. Darum sollte man Data Science für Marketing und Kommunikation nach außen vergeben. Und dann hat man sich für uns entschieden und wir machen das nun seit Jahren (klopft auf Holz). Externe Services helfen, dass sich intern, bei den Unternehmen, das Content Marketing endlich auf seine Kernaufgabe konzentrieren kann, nämlich bei Inhalten,  Interaktion und Effizienz immer besser zu werden. Dass das auch wirklich so klappt, das zeigt unser grösster Klient Bosch, der Erfolg des Content Marketings ist auch dann herausragend, wenn man ganz objektiv und nüchtern draufschaut. An dem Beispiel kann man gut sehen, dass maßvolle Zentralisierung, kluges Outsourcing und agile Integration von Externen und Internen in Sachen Analytics der richtige Weg sind. Ich denke tatsächlich: es ist der einzig richtige Weg.

Aber wenn ich einen Dienstleister mit der Analyse meiner Digitaldaten beauftrage, habe ich dann nicht schon wieder die Hoheit über meine Daten abgegeben?

Nicht, wenn du.ihn beauftragt hast, die relevanten Daten für das Unternehmen zusammenzuführen und jederzeit verfügbar zu halten. Das ist ein Riesenschritt für die Werbungtreibenden. Für uns als Dienstleister ist das eine große Verantwortung und benötigt viel Vertrauen, aber in Abhängigkeit gerät niemand.

Ihr nennt euch manchmal auch Datenagentur. Was zeichnet eine Datengentur aus?

Ein Dienstleister, der bei der Auswertung der Daten unterstützt, muss ein Treuhänder des Kunden sein. Er muss neutral sein und keine Interessenkonflikte haben. Ob das so ist, kann man durch ein Gedankenexperiment schnell testen. Was passiert, wenn ich meinem Dienstleister kündige? Merkt das überhaupt jemand im eigenen Haus? Falls nein, ist der Service nicht werthaltig, also weg damit. Sind dann meine Daten dann weg? Falls ja, wird fahrlässig gemanagt und ich brauche bessere Verträge. Verliere ich alle meine Standards für Analyse und Reporting? Falls ja, dann habe ich in Wirklichkeit keine Standards, denn sie sind nicht intern verankert. Diese Verankerung ist eigentlich unsere Hauptaufgabe, alles andere ist Technik. Sie dient nur dazu ganz einfache und universale Analyse-Standards, die jeder nachvollziehen kann.

Daten-Analyse an sich ist ja gut und schön, aber sie ist schließlich nicht das Produkt, nicht die eigentliche Wertschöpfung, die stattfinden soll. Wie verhindere ich, dass ich mich zu Tode analysiere?

Daten-Analyse, egal in welchem Bereich, hat einzig und allein den Zweck, die Wertschöpfung in einer Abteilung oder einem Unternehmen zu erhöhen. Sonst ist sie in der Tat nicht nur wertlos, sondern kontraproduktiv, sie ist dann Zeitverschwendung. Datenanalyse darf keine isolierte Tätigkeit sein, sie muss unbedingt eingebunden sein: in die Standard-Prozesse, in die Regelmeetings und in die Strategiefindung. Wenn man diese Prozesse, die unterschiedlichen Akteure, Situationen und Interessen einmal kurz vor Augen führt, dann wird schnell klar, wie vielfältig das ist, wieviele total unterschiedliche Fragestellungen und Perspektiven von Daten unterstützt werden müssen. Diese Vielfalt in einer Marketingorganisation ist kaum beherrschbar, laufend werden neue Management-Modelle entwickelt um sie zu beschreiben. Auf dieses Chaos mit einem Blumenstrauß aus vielen bunten Kennzahlen und Dashboards zu reagieren, das ist die ganz normale Praxis, aber sie ist grundfalsch. Das Gegenteil ist gefordert, radikale Vereinfachung.

Und wie kommt man zu einfachen Lösungen?

Wer Daten in seine Organisation nutzen will und mit einem differenzierten Briefing zu Kennzahlen startet, hat schon verloren, bevor er losläuft. Gleich zu Beginn braucht es die Festlegung möglichst weniger Kennzahlen, an denen in Zukunft die Leistung von Marketing und Kommunikation gemessen werden soll. Möglichst wenig heißt ja nicht, dass man bei Bedarf nicht tiefer in die Zahlen reinschauen kann. Aber wenn du zu einer neuen Gasturbine auf 120 nationalen landing pages in acht Sprachen und auf einem Dutzend sozialer Netze kommuniziert hast, dann musst du dir erst einmal ein Gesamtbild machen können. Das geht nur mit ganz wenigen KPI, mit unsern dreien, um genau zu sein.

Verlangt eine konsequente und umfassende Analyse der Daten auch andere interne Strukturen?

Ganz klar, ja. Wenn aus Daten keine Handlungen folgen, ist das Ganze wertlos. Darum ist die organisatorische Einbettung, die Interpretation und Diskussion von Daten das alles Entscheidende. Das geschieht auch heute schon, aber immer noch meistens in den Medien-Silos, wo Spezialisten erst über die Optimierung ihrer Facebook-Posts sprechen, dann über die Verbesserung ihrer Twitter-Tweets. Die Performance der Website-Inhalte zum selben Thema wird an anderer Stelle besprochen, oft auch mit anderen Spezialisten. In so einer Silo-Welt hat Content Marketing keine Chance, das wissen auch alle. Aber warum gibt es diese Zersplitterung überhaupt? Aus meiner Erfahrung sagt mir,  überkomplexe “KPI” und “Analytics” haben dazu ganz entscheidend beigetragen und jetzt wo digitale Medien in Mainstream und Reifephase angekommen sind, jetzt tragen falsche KPI die maßgebliche Verantwortung für diese Zersplitterung. Wer Kommunikation umbauen will, braucht andere Kennzahlen, so kann man es auch sehen.

Wie kann man sich andere interne Strukturen vorstellen?

Mindestens einmal im Monat sollten alle die Verantwortung für Content und/oder Media haben,  an einem Tisch sitzen: das interne Team, die Daten-Analyse und natürlich auch die Agentur. Wichtig ist, dass hier offen geredet wird! Es geht nicht um die Verteidung von Kampagnen, die vielleicht schlecht gelaufen sind, sowas braucht man für Cheftermine. Wir sind hier auf Arbeitsebene, hier geht es darum, aus Tops und Flops zu lernen. Also, dafür braucht man Vertrauen und eine wirklich offene Gesprächskultur. Die ist extrem wichtig, es geht auch darum, dass sich Experten aus ganz verschiedenen Fachgebieten überhaupt verstehen können; der Newsroom in Köln mit dem Produktmanager aus dem Schwabenland, mit dem Datenanalysten aus Berlin, mit dem Content Editor aus Hamburg.

Kann aus den Daten alleine eine Kommunikations-Strategie abgeleitet werden?

Quatsch, natürlich nicht! Man braucht auch Ziele um die richtigen Fragen an die Daten zu stellen.  Content Marketing Verantwortliche in den Unternehmen, brauchen oft gute Moderation, um zu erkennen, was sie wollen. Ihre Ziele liegen nicht einfach im Regal herum und wenn da etwas liegt, dann ist es die Strategiepräsentation aus dem letzten Jahr, Schnee von gestern, nicht mehr relevant. Also, Ziele herausarbeiten ist immer der erste Schritt. Ja, mit den geklärten Zielen kann ich dann also die richtigen Fragen ans Datenorakel stellen.  Aber was ist mit den Antworten, die zurückkommen, diese ganze Statistiken und Diagramme, wie soll ich sie verstehen?

Wir sagen immer “Daten sprechen nur, wenn man über sie spricht”. An dieser Stelle kommt das Team ins Spiel. Nur das Team weiß, unter welchen Bedingungen die Messergebnisse zustande kamen. Nur wenn ich die Umstände kenne, weiß ich ob das super Engagement durch Targeting erklärt werden kann oder z.B. durch die Kreation. Das ist das sogenannte Kontextwissen, das ist das entscheidende Wissen für die Interpretation von Daten, die Daten selber reichen nicht aus. Kein Datenexperte und auch keine künstliche Intelligenz kann erklären, warum der eine Post durch die Decke ging und der andere aber nicht. Lag es vielleicht daran, dass am Vormittag der CEO des Unternehmens festgenommen wurde? Daten liefern sehr gute Hinweise, aber Erklärungen liefern sie nur zusammen mit dem Kontextwissen aus dem Unternehmen. Dieses Fachwissen wird immer im Unternehmen bleiben, ist doch beruhigend, oder nicht?

Wie könnte ein guter Einstieg aussehen in eine ideale Analyse-Praxis?

Beispielsweise kann man mit einem Rückblick auf ein Jahr Content Marketing beginnen, mit einem Content Audit. Wir ziehen alle Daten in eine Auswertungsumgebung, quer über alle Kanäle wohlgemerkt, und dann gehen wir mit einem vorbereiteten Dashboard in einen Strategieworkshop. Dort passiert dann genau das: wir diskutieren und interpretieren die Daten gemeinsam mit dem Team, wir leiten im offenen Diskurs Erkenntnisse, Handlungsempfehlungen und Ziele für 2019 ab. Der Audit hat den Vorteil, dass das “Neuland” der integrierten Datenanalyse in einem abgeschlossenen Projekt betreten wird. Das ist irgendwann eindeutig vorbei. Später kann man immer noch frei entscheiden, ob man die integrierte Analyse über alle Digitalkanäle dauerhaft und fortlaufend haben will. Wir empfehlen das, logisch.