Innovation entsteht immer dann, wenn bestehende Angebote weiterentwickelt und neu gedacht werden. Das kann zum einen das Produkt selbst betreffen, zum anderen aber auch die Art und Weise wie es präsentiert oder zur Verfügung gestellt wird. Da diese Weiterentwicklungen stets darauf abzielen, das Angebot für die Zielgruppe attraktiver zu machen, ist das Kundenbedürfnis immer der Ausgangspunkt jeder Innovation. Wie Steve Jobs aber schon wusste, ist das eine grosse Herausforderung, denn Kunden wissen selbst häufig nicht, was sie überhaupt wollen – bevor man es ihnen zeigt.
Kunden verstehen…
Um herauszufinden, welches Angebot in Menschen den Wunsch auslöst, das Produkt oder die Dienstleistung unbedingt haben zu wollen, müssen Unternehmen ihren Zielmarkt besser verstehen. So wie es immer einfacher ist, Menschen zu beschenken, die einem nahestehen und die ihre Träume und Interessen mit einem teilen, so ist jedes Stückchen Information über die potenziellen Kunden ein wertvolles Puzzlestück, aus dem sich ein immer genaueres Bild formt. Und da Steve Jobs recht hat und Kunden nicht wissen, was sie wollen, genügt es nicht, sie danach zu fragen – Unternehmen müssen es ihnen zeigen. Und damit sie damit bei so vielen Menschen wie möglich richtig liegen, brauchen sie massenweise Daten. Sie brauchen Informationen darüber, was bestehende Kunden bereits in der Vergangenheit gekauft hatten, wofür sie sich interessierten, was sie zurückgesendet haben und aus welchen Gründen. Sie müssen genau wissen, ob es Kontakt mit dem Kundenservice gab und was der Grund dafür war. Es ist wichtig zu wissen, ob und was die Kunden über die Marke, das Produkt, den Service auf Plattformen und in Social Media gesagt haben. Und es ist wichtig zu wissen, wie sie auf das Produkt aufmerksam wurden – auf welche Werbung, welchen Link sie geklickt haben, um zum Angebot zu gelangen.
So formt sich nach und nach das Bild „des Kunden“, welches es Unternehmen möglich macht, ihr Zielpublikum sinnvoll zu segmentieren und so noch treffsicherer anzusprechen. Stellt ein Unternehmen beispielsweise qualitativ hochwertige Pfannen her, kann es durchaus sinnvoll sein, verschiedenen Kampagnen zu entwickeln, die jeweils auf andere Personas abzielen. So könnten beruflich sehr eingespannte Menschen, die viel Wert auf Lifestyle und unkomplizierte Gerichte legen, eher auf eine Kampagne anspringen, die das abendliche Kochritual als ideale Entspannung nach einem stressigen Arbeitstag zeigen. Möglicherweise könnte ein Angebot mit einem Kochbuch voll von gesunden und einfach zuzubereitenden Rezepten für dieses Publikum ein geeigneter Anreiz sein, um die Kaufentscheidung positiv zu beeinflussen. Für eine andere Zielgruppe, für die Kochen in erster Linie mit Familie und Notwendigkeit in Verbindung steht, macht eine andere Produktpräsentation sicherlich mehr Sinn. Hier würde man vielleicht eher hervorheben, dass die Pfanne ganz leicht zu reinigen ist und eine lange Lebenszeit hat. Möglicherweise sind hier Cross-Selling-Angebote mit rabattierten Kochgeräte-Sets eher dazu geeignet, die Kunden bei ihren Bedürfnissen abzuholen.
… und Bedürfnisse antizipieren
Auf Basis vergangener Marketingaktivitäten lassen sich schliesslich auch Vorhersagen darüber treffen, zu welchen Ergebnissen geplante Kampagnen wahrscheinlich führen werden. Auch hier gilt, dass je mehr Daten gesammelt und ausgewertet werden, desto präziser können Unternehmen voraussagen, wie erfolgreich Kommunikationsmassnahmen aber auch Produktinnovationen oder andere Angebote sein werden.
Die Grundlage? Master Data Management!
Sowohl um zu verstehen wie der Zielmarkt denkt als auch um Voraussagen darüber zu treffen, wie erfolgreich gewisse Massnahmen sein werden, benötigen Unternehmen also Daten – und zwar unterschiedlicher Art. Produktdaten gehören genauso dazu wie Kundendaten, aber auch Standortdaten, Lieferantendaten und sogar Wettbewerbsdaten sind wichtige Ergänzungen. Denn je umfangreicher die Informationslage ist, desto mehr Kontext kann geschaffen und desto mehr wertvolle Erkenntnisse können gezogen werden.
Master Data Management setzt genau hier an: Es nutzt verschiedenartige Datenquellen wie ERP, PIM, PXM, PLM, CRM, CDM und viele weitere, um eine konsolidierte Datenlage zu schaffen und zentral zur Verfügung zu stellen. MDM nutzt Business Rules, um diese integrierten Daten weiterzuverarbeiten und zu Wissen zu transformieren – ein Wissen, das Unternehmen letztlich handlungsfähig macht.
Die Rolle von Analytics und Künstlicher Intelligenz
Die Fähigkeit von MDM, Wissen aus Daten zu schöpfen, basiert auf einer Reihe von Analytics-Funktionen. Im Rahmen von Descriptive Analytics werden historische Daten ausgewertet, während Predictive Analytics diese Erkenntnisse nutzt, um auf Grundlage von neuen Parametern Ergebnisse vorherzusagen. Noch einen Schritt weiter geht Prescriptive Analytics: Hier werden, basierend auf den Vorhersagen, Handlungsempfehlungen generiert, die beispielsweise die Erfolgswahrscheinlichkeit positiv beeinflussen können.
All diese Aufgaben rund um die Produktentwicklung, Marketing- und Vertriebsstrategie sind enorm wichtig, um ein zukunftsfähiges Business aufzubauen. Damit Mitarbeiter sich solchen nachhaltigen Fragestellungen überhaupt widmen können, muss die eingesetzte Technologie so ausgestaltet sein, dass möglichst wenig manuelle Intervention notwendig ist. Daher verfügen die meisten MDM-Technologien über KI-Funktionen, die viele repetitiven Aufgaben übernehmen. Dazu gehört beispielsweise das automatische Verschlagworten von Bildern oder das Auffinden von Datenanomalien zur Sicherung der Datenqualität. Es gibt viele weitere Beispiele für den Einsatz von KI, um den Umgang mit Massendaten überhaupt effektiv zu ermöglichen.
