Daten, die durchleuchten

“Werbung wirkt,” sagt einer, der es wissen muss: Jan-Carsten Jüchtern, Projektleiter bei der Schober Direkt Media GmbH & Co. KG, die vertriebs- und marketinggerechte soziodemografische und mikrogeografische Daten verkauft – ein Markt, der boomt. Denn: Je besser die Daten, desto größer gerät der Werbeerfolg.
Auch beim Wettbewerber, der Deutschen Post Direkt GmbH, brummt das Geschäft. Die hundertprozentige Tochter der Deutschen Post AG, die 1998 gegründet wurde, beschäftigt zurzeit 270 Mitarbeiter. Insbesondere für die Neukundenwerbung bietet sie sowohl Mietadressen für die direkte, adressierte Werbung an als auch Analysen auf der Ebene von Zustellbezirken, zum Beispiel für Postwurfsendungen. Denn ohne Anreicherung durch externe Daten, zumeist in Form eines mikrogeografischen Systems, brät jede noch so gute Kundensegmentierung nur im eigenen Saft. Will eine Firma, egal ob Touristikbranche, Katalogversender, Versicherung oder Bank, mehr über ihre Kunden erfahren oder Prinzipien finden, um potenzielle Neukunden aufzuspüren, bedarf es weiterer Informationen.

Dazu kommt, dass sich in den Industrienationen aus ökonomischer Perspektive der Verkäufer- zum Käufermarkt entwickelt. Dafür sorgt im Wesentlichen eine Marktsättigung. Das bringt mit sich, dass die Nachfrage in Käufermärkten langsamer wächst oder stagniert. In der Folge müssen sich die Unternehmen verstärkt um ihre Kundschaft bemühen; der Preis- und Qualitätswettbewerb nimmt zu. Zudem fördert die demografische Alterung der Bevölkerung die Nachfrage nach mehr Service und höherer Individualität, das Internet sorgt für bessere Information und macht Angebote leichter vergleichbar. Das Marketing der Anbieter muss intensiver und zielgenauer werden.

1. Schritt: Daten bereinigen

Der Adressbestand von Deutsche Post Direkt dürfte der vollständigste und korrekteste sein, sorgen doch die Zusteller ständig für die Aktualisierung der Einträge. Die 95.000 Einträge bilden die Grundlage für jede Dienstleistung des Unternehmens. Das beginnt beim Abgleich der Namen und Adressen, die ein Kunde in seinen Stammdaten vorhält. Zur Post-Direkt-Klientel gehören etwa Energieversorger, die in regelmäßigen Abständen diese Daten auf Vordermann bringen lassen. Dabei werden Schreibweisen von Namen und Straßenbezeichnungen vereinheitlicht und gegebenenfalls ergänzt. Auch die Zustellbarkeit lässt sich überprüfen, indem ein Abgleich mit den Nachsendeaufträgen vollzogen wird. ” Je mehr korrigiert werden muss, desto teurer die Dienstleistung”, verrät Oliver Magedanz, Abteilungsleiter Database und Analyse bei der Deutschen Post Direkt.

Zu seinen Kunden gehört Sven Delzer, verantwortlich für das Database-Marketing bei der Rheinischen Post, Düsseldorf. Er lässt, etwa wenn Mailings geplant sind, einen Teil der zu den Profildaten gehörigen Adressen von dem Dienstleiter bereinigen. “Im Herbst 2002 haben wir damit begonnen und die Bereinigung seither viermal machen lassen”, sagt Delzer.

In seinen Augen lohnt sich der Aufwand; denn 20 bis 25 Prozent des eigenen Adressbestands ist fehlerhaft. Unter solchen Adressen würde das Werbemittel niemanden erreichen. Die Zielgruppe wäre ohne Not von vornherein kleiner und die Menge der Retouren, die aufgrund der Unzustellbarkeit Portokosten verursachen, größer. Zudem hebt eine wiederholte Bereinigung des Adressbestands die Qualität dauerhaft an: “Der Satz fehlerhafter Adressen wird sich irgendwann auf 10 Prozent einpendeln”, überlegt Delzer. Niedriger wird die Quote kaum sein, weil Veränderungen bei den Kunden, wie zum Beispiel ein Umzug, nicht unmittelbar aktualisiert werden können.

2. Schritt: Daten anreichern

In ‘Microdialog’, dem hauseigenen System der Deutschen Post Direkt, lassen sich die Adressen mit mikrogeografischen Daten, also mit beschreibenden Daten anreichern. Post-Direkt-Experte Magedanz spricht von “diskriminierenden Variablen”, die flächendeckend, zumeist bezogen auf Zustellbezirke à rund 600 Haushalten, vorliegen. Soziodemografische Faktoren sind etwa Titel, Alters- und Familienstruktur, Anonymitätsbedürfnis und Kulturkreisschwerpunkt. Daneben gibt es Kriterien, die das Wohnumfeld charakterisieren: Gebäude- und Ortsgröße, Anzahl der Haushalte, Gewerbedichte, Straßentyp, Bebauungsstruktur, Bundesland und Geo-Koordinaten. Faktoren zum Konsumverhalten und zum PKW-Besitz ergänzen das Bild: Bonitätsrisiko, Kaufkraft, Werbe-, Marken- und Versandhausaffinität, Kommunikationsmittel, Consumer-Typologie sowie PKW-Dichte, -Alter, -Leistung und -Typen.

Um diese Merkmale zu bekommen, arbeitet Post Direkt mit dem Versandhandel von Quelle und Neckermann zusammen. Aus Datenschutzgründen beziehen sich deren Informationen auf jeweils fünf Haushalte. Die Fahrzeugdaten erhält das Unternehmen vom Kraftfahrzeugbundesamt, verdichtet auf 20 Haushalte. Für das Postunternehmen würden dagegen laut Magedanz Informationen keinen Sinn machen, die etwa Zeitschriften-Abos entstammen: “Die zugrunde liegenden Verträge sind zu komplex. Außerdem haben Zeitschriften häufig einen regionalen Bezug und die Informationen sind nicht unmittelbar übertragbar.”

3. Schritt: Informationen bewerten

Um vielversprechende Kundengruppen finden zu können, ist es notwendig, zunächst den bestehenden Kundenstamm zu analysieren. “Wir helfen dabei, den jeweiligen Kundenstamm sauber zu segmentieren”, erläutert Magedanz. Wenn etwa die Kundschaft eines Teeversenders zu 80 Prozent aus Frauen besteht, ist es wahrscheinlich, dass auch die neuen Kunden weiblich sein werden.

Die Analyse selbst geschieht mit Hilfe statistischer Verfahren, beziehungsweise einem Scoring nach 13, 14 verschiedenen Variablen: Diskriminanz- und Regressionsanalysen, Entscheidungsbäume und neuronale Netze kommen beispielsweise zum Zug. Im offiziellen Sprachgebrauch von Post Direkt funktioniert das wie folgt: “Mittels unvarianter Analysen werden die Adressen der Endkunden mit einer angepassten Refernzdatei bezüglich verschiedener Merkmale verglichen. Hierdurch werden die Merkmale identifiziert, die eine geeignete Trennschärfe für das multivariante Modell (Scorecard) besitzen. Entscheidend hierbei ist nicht nur die statistische Signifikanz, sondern auch die Plausibilität der Merkmale.” Letzteres deutet darauf hin, dass die Ergebnisse von Fachleuten interpretiert werden müssen, weil Data Mining nur ein Tool ist und nicht die Lösung.

Ist das statistische Modell auf Stabilität geprüft, lässt sich eine Score-Kurve erzeugen. An dieser lässt sich der vermutete Erfolg ablesen; zum Beispiel: “Das Bewerben der besten 20 Prozent der Adressen würde eine Verbesserung der Erfolgsquote um beinahe 100 Prozent erzielen.”

4. Schritt: Plausibilität prüfen

Eine Erfolgsgarantie wäre ein solches Ergebnis dennoch nicht. Der Kunde muss nun beispielsweise entscheiden, ob adressierte Werbung, unadressierte Werbung oder eine Kombination sinnvoll ist. Dazu kommt der Faktor Zeitpunkt, ob nämlich die Aktion am Wochenende oder zu einer bestimmten Saison stattfinden soll. Magedanz spricht vom “kreativen Faktor”.

Auch Jan-Carsten Jüchtern, Experte aus dem Datenvermarkter Schober Direkt Media, warnt vor dem unreflektierten Umgang mit solcherlei Datenanalysen. Wie der Wettbewerber bezieht das Unternehmen ebenfalls einen Großteil seiner Informationen zum Konsumverhalten vom Versandhandel. Die Firma ist ein Joint Venture des Otto-Konzerns und der Schober-Information Group, zu der unter anderem auch Infas Geodaten gehört. Das Dienstleistungsangebot ist mit Post Direkt vergleichbar.

So unterhält Schober ein Team, das so genannte ‘Hausbewertungen’ vornimmt, also Angaben zum Wohnumfeld macht. Zudem integriert Schober auch anonymisierte Kundeninformationen von anderen Firmen. Doch hier muss Schober Abstriche in der Qualität hinnehmen, etwa bei der Aktualität. Schließlich lassen sich die Informationen noch durch die Ergebnisse aus Lifestyle-Umfragen ergänzen.

5. Schritt: Kritikfähigkeit bewahren

Die vielen Datentöpfe suggerieren ein hohes Maß an Qualität und Objektivität. Doch Fragebögen können falsch oder unvollständig ausgefüllt sein, andere Angaben bestenfalls repräsentativ, Firmenadressen sind schlechter als private und das Telefonbuch unzuverlässiger als Versandadressen. “Fehler sind unsere ständigen Begleiter”, resümiert Jüchtern. Dazu kommt, dass externe Daten immer welche aus zweiter Hand sind, die lediglich dazu dienen, Adressen mit beschreibenden Informationen anzureichern.

Engin Akgöz, fachlicher Produktspezialist für Geomarketing bei IZB Soft, der Software-Gesellschaft der Bayerischen Sparkassen, hat für die 82 Sparkassen in Bayern ein IT-Instrument für das Geomarketing gebaut und beschreibt die Ungenauigkeit anhand der Erfahrungen von Kassenmitarbeitern. Wenn diese das neue Tool ausprobierten, gäben sie häufig ihre eigene Adresse ein. Die vom System gelieferten Angaben zum Wohnumfeld beispielsweise riefen zumeist Reaktionen hervor wie: “Das stimmt doch alles gar nicht!” Der Einwand möge für den Einzelfall berechtigt sein. Doch komme es eher auf die Masse an, und meistens stimmten die Angaben. Grundlage jeder mikrogeografischen Marktsegmentierung ist der Nachbarschaftseffekt. Dabei wird davon ausgegangen, dass sich Menschen mit gleichartigen Lebens- und Konsumgewohnheiten nicht gleichförmig über eine Region verteilen, sondern in räumlichen Ballungen.

In diesem Zusammenhang steht auch der Hinweis vom Schober-Experten Jüchtern, dass nur Kundeninformationen aus dem eigenen Unternehmen erste Wahl sein können. Ein Scoring könne die direkte Information nicht ersetzen, aber sinnvoll ergänzen. Zum Beispiel in der ‘Kaltakquise’, die das Grundwachstum eines stabil funktionierenden Geschäfts sichern soll, darf sich ein Anbieter von teuren Markenschuhen an die Kundschaft von edlen Ledertaschen heranwagen und mit Erfolg rechnen. Umgekehrt braucht nicht automatisch jemand, der im Speckgürtel von München wohnt, Golfkleidung, Träger teurer Marken aber vielleicht schon.

Zu guter Letzt: Einige Tipps

Jüchtern rät deshalb zu Analysen, die sich auf konkrete Aktionen beziehen. Das sei in jedem Fall besser als vergleichsweise wahllos 10.000 Kundenadressen aus einem Stamm von einer Million einzukaufen. Für die Überprüfung des Erfolgs und einer weiteren Qualifizierung ist es zudem wichtig, eine Vergleichsgruppe zu bestimmen, die einem Querschnitt aus dem Kundenstamm entspricht. Bestehe die Kontrollgruppe nur aus ‘Nicht-Käufern’, verfälsche das die Erfolgsquote nur.

Übrigens darf man davon ausgehen, dass neue Kunden, die gerade erst gekauft haben, nicht sofort wiederkommen oder -bestellen. Es reicht also nicht, qualifizierte Adressen zu haben, um auf einen Prospekt, einen kleinen und dann einen großen Katalog zu versenden. Man denke nur an die Katalogjäger, mit denen zum Beispiel Erotikversender zu kämpfen hätten, merkt Jüchtern an. In diesem Zusammenhang entscheidend sei vielmehr festzustellen, ob es sich um ‘Eintagsfliegen’ oder potenzielle Stammkunden handelt und wie hoch die Wahrscheinlichkeit ist, dass Kunden noch einmal bestellten.

Allerdings lassen sich adressqualifizierende Daten auch dazu verwenden, Kunden zu reaktivieren. Denn einen Werbebrief zu adressieren oder ein Preisausschreiben zuzusenden sind zumeist weitaus preisgünstigere Alternativen als Nachfrageaktionen. Dazu kommt, dass die Wahrscheinlichkeit, dass frühere Kunden mit einem Merkmal “hat vor vier Jahren gekauft” reagieren, deutlich höher ist, als bei der Ansprache von Unbekannten.