Data Gardening – Segmentierung statt Wildwuchs

Data Gardening? Was hat die Pflege von Pflanzen und Beeten mit der von Kontakten und Segmenten zu tun und was kann man von der Struktur eines Gartens für das Data Management lernen?

In unserem ersten Blogpost “Data Mining vs. Data Gardening” aus der Data Gardening Reihe haben wir einen Prozess vorgestellt, der verschiedene Arten und Quellen von Daten in Verbindung und Relation zueinander stellt, um aus Informationen Werte schöpfen zu können. Dieser bisher weitgehend als Data Mining bezeichnete Ansatz der Datenpflege kann aus unserer Sicht deutlich verständlicher als Data Gardening verstanden werden.

 

Denken wir uns eine Brücke zwischen Gartenarbeit und Datenpflege, so wäre die Saat der Input der Kunden, das Feld eine Segmentierung, die konkrete Pflege das Kampagnenhandling und die Ernte der Umsatz. Um zu zeigen, dass diese Metapher auch neben dem Grundgedanken “Daten brauchen Pflege – wie Pflanzen” im Detail nahe zu perfekt auf modernes Datenmanagement passt, müssen wir uns in das Arbeitsumfeld eines Gärtners versetzen:

 

Farmer
Da steht der Gärtner also und blickt über seinen Garten. Ein prächtiger Anblick, voll mit vielen farbenfrohen Blumen, Gewächsen, Obst und Gemüse. Auf vorbeigehende Spaziergänger wirkt der Garten dank seiner Größe und Vielfalt sehr beeindruckend. Regelmäßig bringen Freunde und Kunden dem Gärtner neue Pflanzen oder Saat vorbei, die dieser dann irgendwo in das bunte Durcheinander setzt. Doch so harmonisch das Ganze auf den ersten Blick wirkt, so sehr fallen einem bei näherem Hinsehen unschöne Stellen auf. Ansehnlich blühen die Rosen, doch weshalb sind da so viele abgebrochene und alte Stiele zwischen den Blüten? Weshalb kommt die Tomatenernte so selten und warum schmecken die von der linken Seite des Beetes immer so wässrig? Wieso wachsen die Disteln und der Himbeerstrauch direkt nebeneinander in der prallen Sonne? Und aus welchem Grund stehen neben dem Schuppen so viele Behälter mit ungenutzter Saat?

Ähnlich geht es vielen Unternehmen mit ihrer Datenbank. Zu oft wird leider die Quantität und Vielfalt der Datensätze bestaunt, statt sie qualitativ zu kategorisieren und individuell zu segmentieren. Je nach Art und Ursprung des Datensatzes verlangt dieser doch eine gesonderte Prüfung, um zu verhindern, dass Daten falsch oder gar nicht erst verwendet werden. Besonders Altdaten werden gerne wie trockenes Laub aus Bequemlichkeit in ihrer alten Umgebung gelassen, statt sie entweder zu löschen oder sie separat zu archivieren.

 

Wheelbarrow
Aber zurück zu unserem Garten: worin liegt das Problem? Zunächst einmal ist eine große Grünanlage für einen einzigen Gärtner deutlich zu viel Arbeit. Der Personalengpass sollte so gelöst werden, dass für verschiedene Felder verschiedene, spezialisierte Kräfte eingestellt werden. Anstatt die Saat wahllos auf die Beete zu streuen und darauf zu hoffen, dass etwas Brauchbares daraus wächst, kümmern sich so Gärtner aus Fachbereichen darum, die die genauen Gegebenheiten und Anforderungen des jeweiligen Samens kennen. Um diesen Facharbeitern das Leben zu erleichtern, sorgt eine Gartenaufsicht für eine logisch gegliederte Infrastruktur und funktionierende Arbeitsgeräte. Doch die Gartenmannschaft ist nicht zwingend auf sich alleine gestellt: Wie wäre es, wenn die Freunde und Kunden, die die Saat bringen, ab und an beim Gießen mithelfen würden? Schließlich können diese so direkt ihre Erwartungen und Vorstellungen für den Garten übermitteln und aktiv mithelfen.

Bei der Datenpflege sieht es ähnlich aus: statt auf einen Wildwuchs zu setzen, holen Segmentierungen das Beste aus den Datensätzen heraus. Jeder Kontakt ist und reagiert unterschiedlich – weshalb man mit der Hilfe von Marketing Automation jede Interessengruppe einzeln nurturn sollte. In Unternehmen wird man zudem selten Kunden sehen, die die Büroblumen umtopfen, doch eine aktive Mitarbeit an der Qualität und Validität der Daten ist nicht so abwegig, wie man denkt. Solange das Unternehmen seinen Kunden ein lockeres und verständliches Umfeld für die Mitarbeit bietet und ihnen beidseitige Vorteile deutlich macht, helfen Kunden gerne dabei, eigene Angaben und Präferenzen aktuell zu halten. Dieses Mehr an Informationen erleichtert nicht nur Arbeitsabläufe, sondern schafft zudem ein Gefühl von Loyalität und Gemeinschaft.

 

Garden Shears
Nachdem die Verantwortlichkeiten geklärt sind, geht es an die Analyse. Wie bei einer Kontaktanalyse in Unternehmen muss im Garten analysiert werden, wie viele der Pflanzen überhaupt blühen und richtig gepflegt werden. Die gesunden, wachsenden Pflanzen werden nach Bedürfnissen und Verhalten in spezifische Beete umgepflanzt, damit sie exakt so behandelt werden, wie es ein optimales Wachstum erfordert. Doch Achtung beim Aussortieren der kleineren, trockenen Gewächse. Nicht alles ist unbedingt für die Mülltonne verdammt. Viele vermeintlich unnützen Pflanzen haben nur durch einen Mangel an korrekter Pflege gelitten und können in einem gesonderten Beet wieder aufgepäppelt werden, sodass sie mit etwas Geschick zu voller Blüte erstrahlen. Und die Säcke voll nicht verwendeter Saat? Die werden auf ihre Brauchbarkeit durchgesehen und direkt gepflanzt. Ein künftig klar definierter Ablauf für den Moment, in dem neuer Input von Außen kommt, schafft Transparenz und verhindert Unachtsamkeit.

Diese klare Übersicht in genutzten und ungenutzten Datensätzen hilft auch Unternehmen immens. Sind die aktiven Kontakte in die richtigen Nurture-Strecken eingebunden? Wie viele der Kontaktdaten werden tatsächlich im Marketing und Vertrieb verwendet? Welche sind durch Ursachen wie Hard Bounces unbrauchbar, welche durch etwa Soft Bounces saisonal nicht besonders ertragreich und können in ausgesonderten Kampagnen wieder langsam aufgewärmt werden? Welche Kontakte wurden zwar aufgezeichnet, aber wurden wie die Säcke voll Saat im Garten einfach vergessen und bleiben uneingebunden? Gerne passieren zudem Fehler auf Seiten der Mitarbeiter oder in den Konfigurationen. Wichtig ist hierbei stets die Frage nach dem Weshalb – nur mit einer detaillierten Ursachenanalyse sind Optimierungsmaßnahmen wirklich möglich und das Unkraut wird nicht nur ausgezupft, sondern vollständig eliminiert.

Was dem Gärtner verwehrt bleibt, ist dem Administrator gegönnt: Fehlerhafte oder unbrauchbare Datensätze lassen sich automatisiert sammeln und kategorisieren, sodass bei akuten Fällen der zuständige Mitarbeiter direkt über eine Push-Notification benachrichtigt werden kann. Solche klaren Handlungsanweisungen werden eher selten von einer Schnittlauch-Staude geäußert.

Automatisierung und Planbarkeit sind in Realität und Metapher gleich wichtig. Vom Verteilen von Pflanzenschutzmittel bis zu Follow-Up E-Mail Kampagnen sind Abläufe, die organisiert und getestet verlaufen, eine große Hilfe für sowohl Garten- als auch Marketing-Mitarbeiter. Zusammenhänge, Reihenfolgen, Klassifizierungen, Gruppierungen und Prognosen können nur durch Erfahrung und gründlichen Analysen im Data Gardening erkannt und genutzt werden.

 

Hand Planting
Wie es nach diesen Maßnahmen nun in dem Garten aussieht? Die verschiedenen Pflanzengruppierungen sind in einzelne und klar gekennzeichnete Beete umgezogen, in denen sich Experten speziell um ihre Bedürfnisse kümmern. Austrocknende Pflanzen werden wie inaktive Kontakte schnellstmöglich in einen gesonderten Bereich gebracht, in dem sie vorsichtig wieder zu voller Größe heraufgezogen werden. Die Saat, die Freunde und Kunden als Input vorbeibringen, läuft nicht mehr Gefahr, in einer Ecke vergessen zu werden. So kann der regelmäßige und stets wachsende Ertrag des Datengartens an diejenigen der Community zurückgegeben werden, die das Projekt überhaupt erst ermöglicht haben.

 

 

Ihre Datenbank könnte auch etwas Gartenarbeit vertragen? Gerne schauen wir uns Ihre Pain Points gemeinsam an und geben Tipps für eine ertragreichere Ernte.

The following two tabs change content below.

Jasmin Kind

Jasmin steckt mit der Nase tief in den Weiten der Marketing Welt und interessiert sich bei APTLY für Alles, was mit Text, Bild und Kommunikationskonzepten zu tun hat.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.