Customer Intelligence Data Wrapping – datengetriebenes Produkt(re)design

Autor / Redakteur: Filipe Martins und Anna Kobylinska / Nico Litzel

Immer mehr Unternehmen wollen aus ihren Produkten Big Data schöpfen, um für ihre Kunden einen Mehrwert zu schaffen. Wie es geht, was es bringt und was passiert, wenn es mal schief geht, erklärt der nachfolgende Artikel.

Firmen zum Thema

„Data Wrapping“ klingt wie ein Marketing-Buzzword. Dahinter verbirgt sich jedoch datengetriebenes Produkt(re)design.
„Data Wrapping“ klingt wie ein Marketing-Buzzword. Dahinter verbirgt sich jedoch datengetriebenes Produkt(re)design.
(Bild: gemeinfrei / Unsplash)

Daten sind das neue Öl. Ertragsreiche Wertschöpfung aus Big Data muss analog zu Ölfeldern an der Quelle ansetzen: Dort, wo die Daten entstehen, gilt es, sie „anzuzapfen“ – am Schnittpunkt der Interaktionen zwischen Produkt und Benutzer. Was sich im digitalen Publishing längst durchgesetzt hat, erobert gerade das Produktdesign greifbarer Gebrauchsartikel. Willkommen in der Ära von Data Wrapping.

In Daten eingewickelt

„Data Wrapping“ klingt wie ein bedeutungsloses Marketing-Buzzword. Ein „Datenumschlag“? Eine „Datenumwicklung“? Falsch. Bei Data Wrapping handelt es sich schlicht und ergreifend um datengetriebenes Produkt(re)design.

Data Wrapping hat zum Ziel, mit Big Data den praktischen Nutzwert von Produkten für den Kunden zu steigern. Durch die Integration analytikbasierter Funktionen entstehen „intelligente“ Produkte und Dienstleistungen, welche die Bedürfnisse ihrer Nutzer vorhersagen und vorausschauend darauf eingehen können. In einfachen Worten ausgedrückt läuft das Ganze darauf hinaus, Produkte und Dienstleistungen datengesteuert zu entwickeln und zu individualisieren.

Data Wrapping soll im Durchschnitt einen Anteil von rund 26 Prozent am Gesamtumsatz der Datenmonetarisierung ausmachen. Das stellten vor zwei Jahren Forscher vom MIT Sloan Center for Information Systems Research beim Massachusetts Institute of Technology fest. Die Schätzung basiert auf einer Umfrage von 511 Produktmanagern in Nordamerika.

Unternehmen, die auf den Wettbewerbsdruck der Digitalen Transformation reagierten, verfolgten ihre Data-Wrapping-Projekte mit einer „extrem hohen Dringlichkeit“, um Möglichkeiten der Digitalisierung auszuloten, schreiben die Forscher in ihrem Bericht. Doch diese Initiativen würden von Fall zu Fall sehr unterschiedliche Früchte tragen, hieß es weiter.

Überdurchschnittlich erfolgreiche Data-Wrapping-Projekte bescherten den Unternehmen eine Kapitalrendite in Höhe von sagenhaften 122 Prozent, wohingegen unterdurchschnittlich erfolgreiche Data-Wrapping-Initiativen eine immer noch respektable zweistellige Kapitalrendite in Höhe von 39 Prozent erzielten.

Der Weg zu erfolgreichen Data Wraps

Für den Erfolg einer Data-Wrapping-Initiative seien drei Aktivitäten die entscheidenden Leistungsträger:

  • 1. Das Engineering des Kundenzuspruchs durch die Erschaffung nützlicher und ansprechender „Wraps“ (gemeint ist hierbei das subjektive Benutzererlebnis der Analytics-Engine am benutzergerichteten Frontend).
  • 2. Die Pflege des Kundenengagements durch Merkmale und Erfahrungen, die (die Kundenbedürfnisse) antizipieren, (die Entscheidungsgrundlage) augmentieren, (das bestehende Leistungspaket) anpassen und Lösungen schaffen, die – wenn es sein muss – (im Interesse des Kunden autark) agieren können.
  • 3. Das Quantifizieren und Überwachen der finanziellen Erträge.

 

Bei Data Wraps, die diesen Grundsätzen folgten, sei der Nutzen für den Endanwender um 20 bis 43 Prozent gestiegen.

Die Pflege des Kundenengagements im Rahmen von Data-Wrapping beruht auf vier klangvollen Buzzwords (die vier „As“):

  • Antizipieren (engl. anticipate): Wer die Bedürfnisse seiner Kunden vorhersagen kann, ist seinen Mitbewerbern um Längen voraus.
  • Advise (im Sinne: beratend beeinflussen): Wer dem Kunden Daten bereitstellt, hilft ihm zu einer fundierten Entscheidung auf.
  • Anpassen (adapt): Personalisierte, kontextspezifische Angebote kommen bei Kunden besser an als jene „von der Stange“, die zwangsweise am Bedarf des Einzelnen schon mal vorbei zielen.
  • Agieren (act): Eine robuste Analytik erlaubt es, im Auftrag und im Interesse des Kunden automatische Handlungen auszulösen.

 

Alle Großkonzerne nutzen eigene Methoden des Data Wrapping, ohne sich dabei groß in die Karten schauen zu lassen. Viele von ihnen haben es insgeheim zur wahren Kunst erhoben.

Drei Elemente eines Data Wrap auf einer Produktseite von Amazon beim Abschließen eines Kaufvorgangs.
Drei Elemente eines Data Wrap auf einer Produktseite von Amazon beim Abschließen eines Kaufvorgangs.
(Bild: Martins / Kobylinska)

Zu den größten Erfolgsgeschichten des Data-Wrapping zählt der Online-Einzelhandelsriese Amazon. Mit Features wie „Kunden, die diesen Artikel gekauft haben, kauften auch ...“ versucht der Online-Riese, aktuelle Bedürfnisse des Kunden treffsicher vorherzusagen. Amazon nutzt hierzu in erster Linie die bisherigen Aktivitäten des betreffenden Käufers, also die von ihm gesuchten, gekauften bzw. bewerteten Artikel, dann fließen aber auch die bisherigen Entscheidungen anderer Kunden mit ähnlichen Vorlieben in das Prognosemodell mit hinein, erläutert Amazon auf der eigenen Webseite. Beim Kauf von Elektronik schlägt der Warenkorb dem Käufer ggf. eine Garantieverlängerung und/oder komplementäre Produkte vor – alles Beispiele von Data Wrapping.

Labels wie „Amazon's Choice“ oder „Bestseller“ sollen Produktinformationen des Herstellers um Amazons interne Wertungen augmentieren. Mit Produktübersichten vom Typ „Mit ähnlichen Produkten vergleichen“ trifft Amazon de facto eine benutzerspezifische Vorauswahl.

Viele Finanzinstitute nutzen Data Wrapping als ein Instrument der Betrugsprävention. Einige Banken zeigen ihren Kunden an den üblichen Touchpoints – im Online-Banking, in der Banking-App oder im personalisierten E-Mail-Newsletter – den neuesten Verlauf ihrer Transaktionen. Diese Visualisierung, ob chronologisch auf einer Zeitachse und/oder auf einer Karte, erleichtert den Nutzern das Aufspüren von Anomalien. So kann sich der Kunde an der Betrugsfrüherkennung und dem Risikomanagement durch das Finanzhaus aktiv beteiligen.

Beispiel BBVA-Bank

Ein Data Wrap rund um ein Girokonto: Die preisgekrönte mobile App der BBVA nutzt maschinelles Lernen, um das Verhalten der Nutzer vorherzusagen und personalisierte Empfehlungen auszusprechen.
Ein Data Wrap rund um ein Girokonto: Die preisgekrönte mobile App der BBVA nutzt maschinelles Lernen, um das Verhalten der Nutzer vorherzusagen und personalisierte Empfehlungen auszusprechen.
(Bild: BBVA)

Die BBVA-Bank (ein südamerikanisches Finanzinstitut mit deutschen Niederlassungen in Frankfurt und Düsseldorf) stoß mit einer KI-gestützten Finanz-App im Jahre 2016 bei ihren Kunden auf großen Zuspruch. Die App konnte beliebige Transaktionen einer der vordefinierten Kategorien automatisch zuordnen, visualisieren und dem Kunden bei der Budgetplanung und bei Kaufentscheidungen mit personalisierten Tipps unter die Arme greifen. Bald wurde die App zum wichtigsten Touchpoint für die Interaktionen der Kunden mit der BBVA. Im Verlauf der Corona-Krise soll sich die Anzahl der Engagements verfünffacht haben, teilte kürzlich der CEO mit. Im Übrigen hat die Consulting-Firma Forrester die BBVA-App zwei Mal hintereinander zur weltbesten Banking-Anwendung gekrönt.

Der Erfolg der App hat für die BBVA die nötigen Voraussetzungen zur Entwicklung eines neuen Service-Modells geschaffen. In diesem neuen Modell rückt Customer Intelligence in den Mittelpunkt, während personalisierte Beratung auf der Basis von Big Data und maschinellem Lernen mit jedem einzelnen Kunden eine langfristige Vertrauensbeziehung aufbaut.

Mit Data Wrapping zur effizienteren Datenmonetarisierung

Konkrete Implementierungen von Data Wrapping lassen sich nach ihren primären Vorsätzen in prädiktive oder proaktive unterscheiden. Bei Data-Wraps im Online-Handel wie jenen von Amazon treten die prädiktiven Aspekte der Datenanalyse in den Vordergrund. Im Finanzwesen überwiegen proaktive Ansätze.

Unternehmen können Data-Wrapping-Strategien nutzen, um ihre eigenen Produkte und/oder Geschäftsabläufe zu verbessern, den Umsatz durch Upsell-Taktiken zu steigern oder die Kundenbindung zu verstärken. Data-Wrapping ist ein mächtiges Werkzeug zum Aufbauen von Customer Intelligence. Doch all das nützt nichts, solange sich der Erfolg nicht beziffern lässt.

Das Quantifizieren und Überwachen der Ergebnisse stellt die Verantwortlichen vor eine Vielzahl an praktischen Herausforderungen. Denn Data Wrapping erzeugt nur indirekt einen Mehrwert. AB-Tests, Umfragen und Experimente können diesen Mehrwert ausfindig machen, aber sie gestalten sich je nach Anwendungsfall möglicherweise sehr langwierig. Selbst die Attribution bereitet den Verantwortlichen Probleme.

Beispiel missratenes Data Wrapping

Barbara Wixom, Principal Research Scientist beim Sloan Center for Information Systems Research, könnte von missratenem Data Wrapping ein Lied singen. Sie erinnert sich an ein Szenario, in dem ein Datenkontroller gewisse Datenbestände an ein anderes Unternehmen verkaufte, welches aus jedem Datensatz nur einen marginalen Mehrwert in der Größenordnung von 25 US-Cent schöpfte. Im Gegenzug zahlte jener Datenprozessor dem Datenaggregator pro Datensatz einen Bruchteil eines Cents.

Die exakt gleichen Datensätze flossen zugleich auch die in Analytics-Werkzeuge eines Finanzdienstleisters hinein, um Entscheidungen im Wert von mehreren Millionen Dollar pro Transaktion zu unterstützen. Für jene Nutzung konnte der Datencontroller für die paar Hand verlesene Datensätze dem Finanzinstitut jeweils 100.000 US-Dollar in Rechnung stellen.

„In einem Fall verdienen Sie weniger als einen Cent“, überlegt Wixom, „in dem anderen 100.000 US-Dollar“. Hier kommt es darauf an, wie die Daten verwendet werden und welchen Wert der Nutzer ihnen entlocken kann. „Sie müssen zuerst verstehen, wie der Kunde Geld spart oder verdient und in welchem Umfang“ enthüllt die Datenwissenschaftlerin, „und dann gehen Sie zurück und überlegen, wie Sie sich eine Scheibe davon abschneiden können."

Der Monetarisierung von personenbezogenen Daten stehen bekannterweise strenge regulatorische Auflagen wie die DSGVO-Richtlinie im Wege. Unter gewissen Voraussetzungen ist jedoch selbst der Verkauf DSGVO-geschützter Daten an Dritte zulässig.

Darüber hinaus können Unternehmen statt der Rohdaten vielmehr die daraus resultierenden Erkenntnisse verkaufen, indem sie ihre Analytics-Engine „verpachten“. Eben diesen Weg hat unter anderem Facebook eingeschlagen: Werbetreibende können das soziale Graph des Netzwerks nach bestimmten Kriterien durchforsten, um die eigene Zielgruppe zu identifizieren und zu adressieren, sie erhalten jedoch niemals einen Einblick in die Rohdaten, welche den Suchresultaten zu Grunde liegen – von Fehlanwendungen wie Cambridge Analytica einmal abgesehen. Wer es mit Data Wrapping falsch anstellt, kann wie Facebook leicht gegen die Wand laufen.

Fazit

Data Wrapping hat zum Ziel, mit Big Data den praktischen Nutzwert von Produkten für den Kunden zu steigern und für das Unternehmen zusätzliche Dimensionen der Wertschöpfung zu schaffen. Der Ansatz erhöht die Kundennähe und verfestigt die Kundenbindung.

(ID:47006177)