Ein falscher Ansatz und die Fehleinschätzung der Realität können fatale Folgen auf die Ergebnisse Ihrer Datenanalyse haben.

Das Team arbeitete hoch motiviert und engagiert zusammen. Das Budget stimmte. Der Vorstand wartete mit großen Erwartungen auf den versprochenen Nutzen der Ergebnisse.

Die Datenanalyse sollte neue Fortschritt bringen, der schwache Newsletter endlich verkaufen.

Die Zauberformel: Next-Best-Offers. Der individuelle Kunde bekommt personalisiert nur das für ihn jeweils beste Produkt angezeigt. Clever und vielversprechend. Mit den neusten Machine-Learning-Methoden werden die Öffnungsraten und Verkaufszahlen steigen. Das versprach die Beratungsfirma in ihrer Präsentation. Rechenkapazitäten waren dank der Cloudanwendung im Übermaß vorhanden.

Das Team programmierte, rechnete und analysierte. Immer wieder. Der Newsletter wurde mit einer personalisierten Produktempfehlung verschickt. Es herrschte Aufbruchstimmung.

Die neue Präsentation wurde auf die Leinwand projiziert. Die Stimmung war ausgelassen, bis die Seite der Verkaufszahlen angezeigt wurde. Der Umsatz hatte sich nicht erhöht. Der Grund: Die Kunden haben nicht mitgemacht.

Der Vorstand legte das Projekt enttäuscht ad acta. Man sah keinen Nutzen in der Optimierung. Das Projekt war gescheitert.

Woran aber hatte es wirklich gelegen?
Warum hatte der Kunde nicht mitgemacht?

Eine Kundenstamm-Analyse gab Aufschluss. Die Empfänger des Newsletters öffneten die E-Mail erst gar nicht. Deshalb konnten sie ihre individuellen Angebote auch nicht sehen. Diejenigen, die öffneten, hatten andere Motive. Sie wollten nichts kaufen. Und die wenigen, die kaufen wollten, warteten auf Sonderangebote.

Das alles hätte man vor der Analyse berücksichtigen müssen. Datenoptimierungen sollten immer in das Marketingkonzept der Firma mit eingebettet und auf die individuelle Situation abgestimmt sein.

Man hätte die bisherigen Newsletter besser analysieren können. Wer liest sie, welche Merkmale haben diese Menschen und was erwarten sie von uns? Will man eine neue Botschaft bei den Newslettern rüberbringen, muss man Schritt für Schritt vorgehen. Das geht nicht von heute auf morgen. Nur mit einem langen Atem werden Sie erfolgreich sein.

Daten-Projekte scheitern nicht an der Methode oder Technologie. Sie scheitern daran, dass der Kunde nicht als Mensch gesehen wird. KI und andere neue Technologien sollen schnell Erfolge bringen. Oft erreicht man aber mehr, wenn man nachhaltig arbeitet und den Kunden ganzheitlich sieht.