Login
Tour starten
Demo buchen

Demo buchen

Executive Summary

Wie bereits im ersten Teil der Studie Marketing Analytics 2022: State of Play gezeigt, war die manuelle Datenaufbereitung im Jahr 2021 die größte Herausforderung für Marketer und Datenanalysten im Marketingbereich. Aus dieser Herausforderung ergibt sich eine Vielzahl von weiteren Problemen, darunter eine zu geringe Transparenz, ungenügende Datengenauigkeit und ein Mangel an verwertbaren Erkenntnissen. Im zweiten Teil der Studie gehen wir der Frage nach, wie nah die Marketingteams tatsächlich an einer analytischen Reife sind und wie diese Stolpersteine die Marketingstrategien für 2022 gefährden könnten.

Optimismus statt Realismus

Oberflächlich betrachtet sind Marketingspezialisten und Analysten optimistisch hinsichtlich ihres analytischen Reifegrads, wobei sich zwei Drittel als analytisch ausgereift beschreiben. Bei näherer Betrachtung stellen wir jedoch fest, dass ihre tatsächlichen Kompetenzen weit weniger fortgeschritten sind, als wir es von einem analytisch ausgereiften Unternehmen erwarten würden.

So geben beispielsweise 68 % der Befragten, die sich als analytisch ausgereift bezeichnen, an, dass ihre Marketingreports in der Regel auf Tabellenkalkulationen basieren. Ebenso geben 77 % der Befragten, die sich als analytisch ausgereift bezeichnen, an, dass sie bisher noch keinen einheitlichen Überblick über die Marketingperformance haben. Im Hinblick auf Daten und Analysen leben Marketingteams in der Vergangenheit.

Predictive Analytics wird zum zentralen Thema

Marketingteams erkennen den Wert der proaktiven Analyse, und fast zwei Drittel planen bis 2022 die Implementierung vorausschauender Modelle. Mit der Umstellung der Kampagnenoptimierung von reaktiv auf proaktiv wird im Marketing ein Wendepunkt erreicht. Ebenso planen 56 % der Marketer und Analysten, im kommenden Jahr Marketing-Mix-Modelle zu implementieren. Beide Strategien erfordern exakte, integrierte Daten, und keine von ihnen kann ohne ein gewisses Maß an analytischer Reife sinnvoll umgesetzt werden. Viel zu oft verlassen sich Marketingteams jedoch noch auf manuelle Prozesse, um aus Daten Erkenntnisse zu gewinnen. 

Marketingspezialisten und Analysten haben unterschiedliche Meinungen über en Status quo ihrer Datenkompetenz

Marketingspezialisten und Analysten haben unterschiedliche Meinungen über den Status quo ihrer Datenkompetenz

Marketingspezialisten und Analysten haben sehr unterschiedliche Ansichten darüber, welche Technologien sie benötigen und sogar darüber, welche ihnen bereits zur Verfügung stehen. 60 % der Analysten sind der Meinung, dass sie vorausschauende Analysen durchführen können, aber nur 42 % der Marketer stimmen dieser Einschätzung zu. Ein kultureller Wandel ist notwendig, damit moderne Technologie

nicht ungenutzt verstaubt, weil die manuelle Datenintegration die Qualität untergräbt und die Analysten nur Zeit kostet oder aber weil die Marketer nicht genügend wissen, um vorhandene Technologien einsetzen und damit einen echten Nutzen aus ihren Daten ziehen zu können. 

Viele Marketingspezialisten sind der Ansicht, dass sie zwar eine Fülle von Daten haben, aber keinen zentralen Ort, an dem sie einen vollständigen Überblick über ihre Welt erhalten. Folglich ist die oberste Priorität der Marketer für 2022 die Implementierung einer zentralen, einheitlichen Übersicht über ihre Marketingdaten. 58 % der Marketer geben an, dass dies in den nächsten 12 Monaten passieren wird. Dass dies für so viele Unternehmen noch immer nicht abgeschlossen ist, zeigt deutlich, wo Marketingteams in analytischer Hinsicht derzeit tatsächlich stehen, während viele Analysten (69 %) offenbar vorschnell die Implementierung von Predictive Analytics zur obersten Priorität für 2022 erklärt haben.

Die Entlastung des Analysten

Viele Unternehmen beschäftigen Datenwissenschaftler, die ihre Zeit mit banalen Aufgaben wie dem manuellen Zusammenstellen von Daten aus verschiedenen Quellen verbringen. Dies untergräbt nicht nur die Datenqualität, sondern bedeutet auch, dass die Analysten ihre hohe Kompetenz, wegen der sie eigentlich eingestellt wurden, nicht einsetzen können. Um wirklich datengesteuert zu arbeiten, müssen Unternehmen grundlegende Daten-Tools zur Automatisierung der Integration in den Vordergrund stellen, bevor sie Zeit und Geld in komplexere Technologien wie Predictive Analytics investieren. 

Solange Marketingspezialisten und Analysten ihre aktuelle Kompetenz nicht realistischer einschätzen und die Lücken in ihrem Fundament schließen können, werden sie auch aus Predictive Analytics kaum einen Nutzen ziehen können. 


Die wichtigsten Ergebnisse


Selbsteinschätzung des analytischen Reifegrads

marketing-analytics-cartoon-teilzwei

 

Die meisten Marketer und Analysten halten sich für analytisch ausgereift

Analytische Reife ist ein langer und immer länger werdender Weg, der weit über die Lösung des Problems der Datenaufbereitung hinausgeht. Die wirklich analytisch reifen Marketingkräfte sind in der Lage, Erkenntnisse aus Daten zu gewinnen, die Auswirkungen von Marketingentscheidungen zu messen und bessere Entscheidungen auf der Grundlage von Daten zu treffen, und zwar nicht nur in Echtzeit, sondern proaktiv. 

Dies erfordert eine gute Datenkultur sowie die richtigen Tools zur Verbesserung. Beides stellt für viele Unternehmen und Marketingagenturen noch immer eine Herausforderung dar. Zwei Drittel der Befragten geben an, dass ihr Marketingteam analytisch ausgereift ist, und 63 % sagen, dass sie datenorientiert arbeiten. 

Aber erfüllen unsere analytisch reifen Befragten tatsächlich diese Kriterien?

Aussagen-reifegrad-teilzwei

 

Selbsteinschätzung vs. Realität

In der gegenwärtigen Marketinglandschaft haben viele Teams immer noch mit der manuellen Datenaufbereitung zu kämpfen und haben Mühe, eine einheitliche Sicht auf ihre Daten zu erhalten. Dies zeigt uns, dass Marketingfachleuten und Analysten häufig das Bewusstsein dafür fehlt, was analytische Reife eigentlich ist und welch weiten Weg die Teams noch vor sich haben, um wirklich datenorientiert zu arbeiten. 

Analytische Reife geht heute weit über Tabellenkalkulationen und die manuelle Zahlenverarbeitung hinaus. Marketingkräfte an der Spitze der Reifekurve treffen ihre Entscheidungen auf der Grundlage von proaktiven Erkenntnissen, die häufig mithilfe moderner KI erlangt werden. Für diese Teams sind eine automatisierte Datenintegration und eine einheitliche Sicht auf die Marketingdaten eine Selbstverständlichkeit. Doch mehr als drei Viertel der Marketingspezialisten und Analysten, die sich in Bezug auf den Umgang mit Daten für ausgereift halten, haben diesen ersten Schritt in Richtung Datenreife noch nicht getan. Marketingteams sollten ihre derzeitige Kompetenz einer kritischen Betrachtung unterziehen. Bevor sie über die Implementierung komplexer Technologien wie Predictive Analytics nachdenken, müssen sie die Lücken auf der Grundlagenebene schließen.

aussagen-reifegrad-teilzwei

Analysten mit optimistischer Selbsteinschätzung ihrer Kompetenz

Datenanalysten (72 %) sehen sich selbst viel häufiger als analytisch ausgereift als Marketingfachleute (60 %). Analysten sind zwar näher an den Daten und den Tools, die zur Gewinnung von Erkenntnissen eingesetzt werden, haben aber weniger Einblicke in die Art und Weise, wie Marketingspezialisten die Daten tatsächlich zur Entscheidungsfindung nutzen. Auch wenn Analysten Zugang zu komplexen Analytics-Tools haben, ergibt sich daraus noch keine Datenreife, wenn die Marketer diese Tools nicht nutzen, um die Daten in Maßnahmen umzusetzen. 

Und wie wir in unserer vollständigen Studie Marketer vs. Analysten festgestellt haben, fällt es Marketern oft schwer, Daten in greifbare Erkenntnisse umzusetzen

Die Sicht der CMOs von oben

Die Sicht der CMOs von oben 63 % der CMOs geben an, dass sie Entscheidungen auf der Grundlage von Daten treffen, aber mehr als die Hälfte von ihnen meinte auch, dass es ihnen an datengestützten Erkenntnissen fehlt, um die Marketingstrategie voranzutreiben – und 49 % fehlt es an datengestützten Empfehlungen zur Verbesserung der Marketingperformance.

Auch hier scheint bei allgemeinen Fragen großer Optimismus zu herrschen, aber wenn es ins Detail geht, auf einer eher operativen und taktischen Ebene, wird die Realität diesem Optimismus oft nicht gerecht.

aussagen-reifegrad-teilzwei

"Mein größtes Problem ist der Mangel an Tools, die uns zur Verfügung stehen."

Datenanalyst, USA, Spezialist, Technologie


Aktuelle Datenkompetenz

Die Mehrheit der Marketer und Analysten bemüht sich immer noch darum, eine Single-Source-of-Truth über alle ihre Marketingdaten zu erhalten, wobei 58 % immer noch routinemäßige Marketingreports in Tabellenkalkulationen erstellen. Marketingteams wissen, dass personalisierte Inhalte und Predictive Analytics eine Schlüsselrolle beim Aufbau eines Wettbewerbsvorteils spielen werden, aber sie haben noch nicht die Grundlagen, um diese Art von Technologie aufrechtzuerhalten. Bis sie sich dem stellen, ist eine proaktive Marketingstrategie nicht umsetzbar.

Marketingreports basieren noch immer auf Tabellenkalkulationen

Es ist erschreckend: 58 % der Marketingfachleute und Analysten geben an, dass routinemäßige Marketingreports immer noch mit Tabellenkalkulationen erstellt werden. Im ersten Teil dieses Projekts, unserer Studie über Herausforderungen und Prioritäten, wurde festgestellt, dass die manuelle Datenaufbereitung immer noch ein großes Hindernis für Marketingteams ist und derzeit die größte Herausforderung darstellt. Marketingexperten und Analysten verbringen immer noch viele Stunden pro Woche damit, dieselben Datensätze an einem Ort zu sammeln, obwohl diese Zeit viel besser dazu genutzt werden könnte, aus den Daten einen Mehrwert zu erzielen. 

Dabei trauen 41 % der Analysten ihren Marketingdaten nicht, was bedeutet, dass die Anzahl der manuellen Prozesse, die der Datensatz durchläuft, kritisch betrachtet werden muss. Wenn Daten aus Facebook und LinkedIn in Excel und dann in PowerPoint übertragen werden, ergibt sich ein enormes Potenzial für Bedienerfehler. 

Derzeit erstellen 58 % der Befragten ihre Reports manuell in Tabellenkalkulationen, und 65 % übertragen die Reports manuell in PowerPoint oder Google Slides. Wären Marketingteams in der Lage, diese Prozesse zu automatisieren, könnten sie viel Zeit sparen – etwa durch ein automatisiertes Dashboard, das im Handumdrehen präsentiert werden kann. Bedienerfehler durch die manuelle Datenaufbereitung könnten damit vermieden werden. 

aktuelle-datenkompetenz

Probleme bei der Schaffung einer Single Source of Truth

Nur 51 % der Marketer und Analysten geben an, dass sich ihre Marketingdaten von einem zentralen Datendepot aus aufrufen lassen. Das bedeutet, dass fast die Hälfte der Marketingteams immer noch damit beschäftigt ist, sich mithilfe von Daten aus unterschiedlichen Quellen ein vollständiges Bild von ihrer Marketingperformance zu machen. 

Und obwohl mehr als die Hälfte der Befragten angibt, einen Zugang zu Echtzeit-Reports zu haben, sagen 47 % dieser Befragten auch, dass die manuelle Datenintegration eine große Herausforderung darstellt. Die Echtzeitdaten mögen zwar vorliegen, aber wenn sie erst durch umfangreiche manuelle Arbeit nutzbar gemacht werden müssen, lassen sie sich nicht als Grundlage für Echtzeitentscheidungen heranziehen. 

Für viele Marketingteams liegt die Möglichkeit, datengestützte Entscheidungen zu treffen, in greifbarer Nähe, aber die Abhängigkeit von der manuellen Integration unterschiedlicher Datenquellen bremst sie immer wieder aus. 

Teams mit proaktiver Modellierung haben bessere strategische Möglichkeiten

Die Hälfte der Marketer und Analysten gibt an, dass sie derzeit vorausschauende Modelle für ihre Analysen verwenden – und diese Befragten verfügen in der Regel über wesentlich stärkere strategische Möglichkeiten zur Unterstützung ihrer Marketingstrategie. 

So ist die Wahrscheinlichkeit, dass Marketingteams mit starken Kampagnenreports Predictive Analytics einsetzen, doppelt so hoch wie bei Teams, deren Kampagnenreports verbesserungswürdig sind. Ebenso ist bei Marketingteams mit einer starken Kampagnenoptimierung die Wahrscheinlichkeit mehr als doppelt so hoch, dass sie Predictive Analytics einsetzen. 

Marketingteams mit starken strategischen Möglichkeiten in einem bestimmten Bereich setzen im Durchschnitt mit 31 % höherer Wahrscheinlichkeit Predictive Analytics ein. 

proaktive-analyse

Marketingverantwortliche verstehen die Notwendigkeit einer proaktiven Marketingstrategie anstelle einer reaktiven Strategie, aber eine nachhaltige proaktive Modellierung kann nur mit einer soliden Dateninfrastruktur bewerkstelligt werden. Eine Voraussetzung für den Einsatz von Predictive Analytics ist, dass alle Daten an einem Ort gespeichert sind. Dies wäre grundsätzlich auch manuell möglich, aber durch den Zeit- und Energieaufwand für die Ausführung nur eines dieser Modelle ohne automatisierte Datenintegration verbietet sich dieser Ansatz von selbst. Die Folge ist, dass Marketer und Analysten, die grundlegende Analytics-Tools einsetzen, auch mit weit höherer Wahrscheinlichkeit proaktive Modelle einsetzen. 

Von den Befragten, die über ein zentrales Datendepot verfügen, nutzen 69 % Predictive Analytics – bei Nutzern ohne ein solches Depot sind es nur 27 %. Ähnlich verhält es sich bei den Befragten, die ein BI-Tool verwenden: 67 % nutzen Predictive Analytics – bei denen, die dies nicht tun, sind es nur 22 %. 

"Mein größtes Problem ist, dass unsere Plattformen nicht miteinander kommunizieren."

Datenanalyst, USA, Spezialist, Technologie


Zukunftspläne für 2022

Die Mehrheit der Befragten sagt, dass sie MMM und Vorhersagemodellierung im Jahr 2022 erreichen werden. Obwohl es vielversprechend ist zu sehen, dass die Marketingbranche den Wert solcher Technologien versteht, können wir die Grundlagenarbeit, die getan werden muss, nicht ignorieren. Die manuelle Eingabe von Daten in Tabellenkalkulationen reicht für Predictive Analytics nicht aus, die Vorbereitung dauert zu lange und verursacht zu viele Fehler. Marketingteams benötigen eine einheitliche Sicht auf Marketingdaten, die automatisch integriert werden.

Schaffung der Grundlagen für Predictive Analytics

61 % geben an, dass sie im Jahr 2022 mehr proaktive Modelle einsetzen wollen. Der Umstand, dass viele Marketer und Analysten den Wert proaktiver Modelle erkannt haben, ist zwar vielversprechend, aber noch immer sind einige große Stolpersteine zu beseitigen, bevor Marketingteams tatsächlich von Predictive Analytics profitieren können. 

Für Nutzer, die noch immer auf manuelle Datenaufbereitung angewiesen sind, sind Predictive- Analytics-Methoden unglaublich zeitintensiv. Allerdings sagen 38 % der Befragten, die die Nutzung von Predictive Analytics planen, dass sie derzeit Probleme mit der manuellen Datenaufbereitung haben, und 67 % verwenden immer noch Tabellenkalkulationen zum Erstellen von Marketingreports. 

Noch bedenklicher ist, dass 48 % der Analysten, die für das kommende Jahr die Implementierung von Predictive Analytics planen, angeben, dass sie ihren Marketingdaten nicht trauen. Dieses Problem muss unbedingt angegangen werden, bevor Marketingteams Zeit und Geld in Predictive Analytics stecken, denn auch hier gilt der bekannte Grundsatz: Garbage in, garbage out. Wenn Ihre Daten nicht korrekt sind, können die daraus gewonnenen Erkenntnisse sogar mehr schaden als nutzen. Marketer und Analysten scheinen jedoch nicht zu verstehen, welche Vorarbeiten geleistet werden müssen, bevor der Einsatz von Predictive Analytics ernsthaft in Betracht gezogen werden kann. 

 

proaktive-analysen-teilzwei

marketing-analytics-cartoon-teilzwei

 

Schaffung einer einheitlichen Ansicht

Die Datengenauigkeit wird häufig durch manuelle Integration und die damit verbundenen Bedienerfehler untergraben. Hier ist ein klarer Zusammenhang zu erkennen: Befragte, die weniger Probleme mit der manuellen Datenintegration haben, haben auch ein größeres Vertrauen in die Genauigkeit ihrer Daten. 

Von den Analysten, die keine Probleme mit der manuellen Integration haben, finden nur 15 %, dass das Vertrauen in die Datengenauigkeit eine große Herausforderung darstellt – wo die manuelle Integration jedoch ein Problem darstellt, steigt dieser Wert auf 63 %. Mit anderen Worten: Analysten, denen die manuelle Datenintegration Probleme bereitet, haben fast viermal so häufig mit geringem Vertrauen in die Genauigkeit der Daten zu kämpfen. 

analysten-vertrauen

Bevor KI oder Predictive Analytics nachhaltig implementiert werden können, benötigen Marketingteams eine einheitliche Sicht auf ihre Marketingdaten. 62 % der Befragten planen, im Jahr 2022 eine einheitliche Sicht auf die Marketingdaten zu erzielen.

Mix-Modellierung verdrängt Multi-Touch

P&G, AT&T, Kraft, Coca-Cola und Pepsi geben den Weg vor – aber mit der Abschaffung von Cookies, die das Multi-Touch-Attribution-Modell infrage stellt, ist Marketing-Mix-Modellierung (MMM) nicht mehr nur etwas für die Fortune 500. Die Mehrzahl der Befragten gab an, dass sie MMM im Jahr 2022 in ihre Marketingstrategie einbinden möchten. 

Ähnlich wie Predictive Analytics können Algorithmen für die Marketing-Mix-Modellierung im Prinzip auch manuell durchgeführt werden, aber der Umfang des damit verbundenen manuellen Aufwands macht dies für Umgebungen ohne entsprechende Automatisierung kaum praktikabel. 

ziele-12-monate

"Mein größtes Problem ist, das die Marketingdaten auf zu viele verschiedene Silos verteilt sind und wir keine Single Source of Truth haben, in der alles zusammengefasst wird"

Datenanalyst, USA, Director, Medien und Unterhaltung


Marketers Vs. Analysten

Marketer und Analysten haben natürlich unterschiedliche Prioritäten, aber unsere Daten zeigen, dass diese Kluft über die bloße Meinungsverschiedenheit darüber hinausgeht, welche Marketingtechnologie sie wollen. Besorgniserregend ist, dass sich Marketer und Analysten nicht einmal darauf einigen können, welche Technologie ihnen bereits zur Verfügung steht. Wenn Marketer sich der fortschrittlichen Technologie im Reportair des Analysten nicht bewusst sind, dann läuft etwas ernsthaft schief. Egal, ob es sich um ein Problem mit der Akzeptanz, eine Fehlkommunikation oder einen Mangel an Tools und Zeit handelt, um genaue Daten zu erhalten, all diese Probleme werden weiterhin auftauchen und größere Probleme verursachen, wenn Sie mehr Technologie hinzufügen.

 

Analysten sehen höhere Datenkompetenz als Marketer

Nur 3 von 5 Analysten haben Zugriff auf ein zentrales Data Warehouse. Dies könnte erklären, warum die Handhabung von Daten so viel Zeit kostet – 41 % der Analysten haben ihre Daten noch nicht zentralisiert. Bei den Marketern steigt die Zahl derjenigen, die keinen zentralen Überblick über ihre Marketingdaten haben, auf 57 %. Die Tatsache, dass diese Zahl so viel höher ist, könnte symptomatisch für die Kluft zwischen Analysten und Marketingfachleuten sein.

Sowohl Marketer als auch Analysten geben an, dass Präsentationen meist in PowerPoint oder Google Slides entwickelt werden. Wenn es jedoch um Marketingreports geht, geben die Marketer an, dass sie diese in Tabellenkalkulationen erstellen (56 %), während die Analysten an zweiter Stelle ein BI-Tool zur Visualisierung ihrer Marketingdaten wählen (64 %).

Auch dies ist eine beunruhigende Diskrepanz. BI-Tools und Daten-Dashboards bieten eine weitaus effizientere, effektivere und genauere Methode für das Marketingreporting als Tabellenkalkulationen und PowerPoint. Häufig betrachten Marketingexperten die Analyse jedoch als eine Blackbox – Daten gehen hinein und Erkenntnisse kommen heraus. Das bedeutet, dass sie sich möglicherweise nicht darüber im Klaren sind, welche Tools zur Verfügung stehen, um Daten in Erkenntnisse umzuwandeln, oder wie viel Arbeit hinter den Kulissen auf Seiten der Analysten anfällt. 

zentralisiertes-data-warehouse

verwendung-eines-BI-tools

Uneinigkeit über den Einsatz von Predictive Analytics

Die Diskrepanz zwischen den von Marketern und Analysten gemeldeten Kompetenzen ist bei Predictive Analytics am größten. Während 60 % der Analysten der Meinung sind, dass ihr Unternehmen proaktive Modelle einsetzen kann, wird diese Ansicht von nur 42 % der Marketer geteilt. Analysten mögen zwar geschult und in der Lage sein, proaktive Modelle zu verwenden, aber es scheint, dass sich Analysten und Marketingspezialisten nicht darauf einigen konnten, wie sich Predictive-Analytics-Methoden in ihre Datenstrategie einfügen.

verwendung-von-predictive-analytics

marketing-analytics-cartoon-teilzwei

 

Analysten haben mehr Vertrauen in die Datenreife

Sowohl Marketer (60 %) als auch Analysten (72 %) geben an, dass ihre Abteilungen analytisch ausgereift sind und ständig nach Möglichkeiten suchen, ihre Datennutzung zu verbessern. Insgesamt sind Analysten zuversichtlicher, was ihre analytischen Fähigkeiten angeht, was zeigt, wie stark sie im Vergleich zu den Marketingspezialisten am Analyseprozess beteiligt sind. 

Datengestützte Entscheidungsfindung

Sowohl Marketer als auch Analysten sind von der analytischen Reife ihrer Unternehmen überzeugt und geben an, dass die Abteilungen datenorientiert arbeiten und Daten als Grundlage für strategische Marketingentscheidungen nutzen. 58 % der Marketer und 69 % der Analysten stimmen dieser Aussage zu. Gleichzeitig haben jedoch 41 % der Analysten kein Vertrauen in ihre Daten. 

datenorientierung-versus-vertauen

 

Eine einheitliche Sichtweise vs. Predictive Analytics

Analysten und Marketer sind sich einig, dass eine einheitliche Sicht auf die Marketingperformance und die Entwicklung ihrer Predictive-Analytics-Kompetenzen die Prioritäten für die nächsten 12 Monate sind; die Reihenfolge der Prioritäten sehen sie jedoch unterschiedlich. 

Während für 69 % der Analysten Predictive Analytics die oberste Priorität für das Jahr 2022 darstellen, sind die Marketer am meisten daran interessiert, eine einheitliche Sichtweise zu erreichen (58 %). Auch hier zeigt sich, dass die Analysten den Schwerpunkt auf die Leistungsfähigkeit legen, während die Marketer eindeutig die Benutzerfreundlichkeit bevorzugen

ziele-12-monate

 

Multi-Touch Attribution ist keine Priorität 

Sowohl für Marketingspezialisten als auch für Analysten hat die Multi-Touch-Attribution im Jahr 2022 die geringste Priorität. Dies spiegelt wider, wie sich die Abschaffung von Cookies und die Verschärfung der Datenschutzbestimmungen auf die Effektivität der Attributionsmodellierung auswirken werden. Marketer sind entschlossener als Analysten, wobei mehr als die Hälfte angibt, dass Multi-Touch-Attribution nicht auf der Agenda für 2022 steht.

Analysten planen die Implementierung von KI

64 % der Analysten planen die Einbindung von KI in ihre Analysen und messen diesem Aspekt damit einen wesentlich höheren Stellenwert bei als Marketer. Tatsächlich ist die Wahrscheinlichkeit, dass Analysten KI und maschinelles Lernen auf ihrer Agenda für 2022 sehen, um 20 % höher als bei Marketingfachleuten; dies stellt die größte Diskrepanz zwischen diesen beiden Gruppen dar. Auch hier zeigt sich eine Diskrepanz zwischen den beiden Rollen, denn Analysten konzentrieren sich stark auf die Verbesserung der Leistungsfähigkeit ihrer Analysen.

Die Entlastung des Analysten

Predictive Analytics und KI stehen zwar ganz oben auf der Prioritätenliste der Analysten für 2022, doch die größte Herausforderung bleibt der Zeit- und Arbeitsaufwand für die manuelle Datenaufbereitung. Dies verdeutlicht die Diskrepanz zwischen dem Wunsch der Analysten, ihre Analysen mit ausgefeilteren Funktionen zu verbessern, und der Realität der Herausforderungen, mit denen sie täglich konfrontiert werden. Führungskräfte können Analysten jedoch unterstützen, indem sie sie von manuellen Datenintegrationen entlasten, die ihre Zeit in Anspruch nehmen und sie möglicherweise daran hindern, zusätzliche analytische Erkenntnisse zu liefern. 


uk-us-de-comparison (1)

Regionale Analyse

Wenn Ihre Organisation Marketingteams hat, die auf der ganzen Welt verstreut sind, haben diese Teams wahrscheinlich nicht die gleichen Stärken, Prioritäten oder Herausforderungen. Die Strategien werden sich von einem Bereich zum nächsten unterscheiden, und ein wichtiger Grund dafür sind Unterschiede in den Datenschutzgesetzen. Befragte aus Deutschland und Großbritannien, die die DSGVO berücksichtigen müssen, befürworten viel eher eine Strategie, die nicht auf Cookies angewiesen ist.

Deutschland ist analytisch weniger ausgereift

Insgesamt liegt Deutschland in Bezug auf die aktuellen Analysefähigkeiten hinter den USA und Großbritannien zurück. Die Befragten verfügen mit einer um 10 bis 15 % geringeren Wahrscheinlichkeit über fortgeschrittene Analysemöglichkeiten. In Deutschland und den USA ist die Wahrscheinlichkeit, dass Predictive Analytics eingesetzt werden, am geringsten, während die Briten am seltensten über ein zentralisiertes Data Warehouse verfügen.

Trotz des Vertrauens in die aktuellen Analysekompetenzen verwendet die Mehrheit der Marketingspezialisten und Analysten immer noch Tabellenkalkulationen zum Erstellen von Marketingreports. In Deutschland ist dies jedoch weniger ausgeprägt, wo weniger als die Hälfte der Marketer zugeben, dass sie Marketingreports mit Tabellenkalkulationen erstellen. In Großbritannien und den USA steigt diese Zahl auf 3 von 5.

Ansichten deutscher Analysten und Marketer liegen näher beieinander

In allen drei Ländern gibt es signifikante Unterschiede zwischen der relativen Gewissheit von Analysten und Marketern; in den USA ist diese Diskrepanz jedoch besonders ausgeprägt, während die deutschen Befragten am seltensten abweichende Meinungen haben. Im Durchschnitt stimmen deutsche Marketingspezialisten ihren Datenanalysten in Bezug auf den Status quo in Sachen Datenkompetenz doppelt so häufig zu wie ihre Kollegen in den USA.usa-marketing-analytics

uk-marketing-analytics

deutschland-marketing-analytics

Top 5 der aktuellen analytischen Kompetenzen nach Region
Reihenfolge flag-usa USA flag-ukGroßbritannien flag-germanyDeutschland
1

Präsentationen werden in PowerPoint/Google Slides entwickelt

Präsentationen werden in PowerPoint/Google Slides entwickelt Präsentationen werden in PowerPoint/Google Slides entwickelt
2

Marketingreports basieren in der Regel auf Tabellen-kalkulationen

Unser Marketingteam kann Echtzeit-Reports direkt aufrufen

Wir verwenden ein Business-Intelligence-Tool zur Visualisierung unserer Marketingdaten (z. B. Tableau, Qlik, Power BI usw.)

3

Wir kombinieren unsere Marketingdaten mit Daten aus anderen Abteilungen, um unternehmensweite Entscheidungen zu treffen

Unsere Reports zeigen die End-to-End-Performance von Marketing-kampagnen

Der Großteil unserer Marketingreports wird von einem speziellen Analyse-/BI-Team erstellt

4

Unser Marketingteam kann Echtzeit-Reports direkt aufrufen

Marketingreports basieren in der Regel auf Tabellen-kalkulationen

Unser Marketingteam kann Echtzeit-Reports direkt aufrufen

5

Unsere Reports zeigen die End-to-End-Performance von Marketing-kampagnen

Wir kombinieren unsere Marketingdaten mit Daten aus anderen Abteilungen, um unternehmensweite Entscheidungen zu treffen

Marketingreports basieren in der Regel auf Tabellen-kalkulationen 

 

Deutschland hat eine weniger positive Einstellung zur Datenkultur

Amerikanische und britische Marketingexperten und Analysten beurteilen die Datenkultur in ihrem Unternehmen als sehr positiv. 70 % der amerikanischen und 67 % der britischen Befragten sind der Meinung, dass ihr Unternehmen analytisch ausgereift ist und ständig nach Möglichkeiten sucht, die Nutzung von Daten zu verbessern. 

Im Vergleich dazu sind die deutschen Befragten viel weniger zuversichtlich, was ihre Datenkultur angeht, und stimmen mit 15 bis 20 % weniger Wahrscheinlichkeit zu, dass ihr Unternehmen eine der Optionen erfüllt. Insbesondere glauben nur 52 % der Marketer in Deutschland, dass ihr Unternehmen datenorientiert arbeitet, verglichen mit 68 % der Befragten in den USA. Bis zu einem gewissen Grad spiegelt dies die allgemeinen kulturellen Unterschiede zwischen den drei Ländern wider, es zeigt aber auch die obersten Prioritäten der deutschen Unternehmen, wenn es darum geht, einen Mehrwert aus ihren Daten zu ziehen. Während die deutschen Befragten die Fähigkeit, Kampagnen spontan zu optimieren und in Echtzeit anzupassen, an erster Stelle nannten, war dies in den USA und Großbritannien die am wenigsten wichtige Fähigkeit. 

Prozentanteil der Marketingspezialisten und Analysten, die zustimmen oder klar zustimmen 

flag-usaUSA flag-uk Grossbritannien flag-germanyDeutschland

Datenorientiertheit: Wir treffen strategische Marketingentscheidungen auf der Basis objektiver Daten

68%

66%

52%

Testen und Lernen: Wir testen regelmäßig Hypothesen und richten unsere Marketingstrategie an den Ergebnissen aus

67%

60%

54%

Spontane Optimierung: Wir überwachen die Performance unserer Marketingkampagnen genau und passen sie in Echtzeit an

61%

63%

58%

Analytische Reife: Wir suchen ständig nach Möglichkeiten, die Nutzung unserer Daten zu optimieren

70%

67%

59%

 

Wichtigste Prioritäten im Bereich Analyse: Schaffung einer einheitlichen Sicht auf die Daten und Predictive Analytics

In allen drei Ländern sind die beiden wichtigsten Prioritäten für die nächsten 12 Monate die Entwicklung einer einheitlichen Sicht auf die Marketingperformance und die Nutzung von Predictive Analytics. In dieser Kategorie liegen die Antworten aus Deutschland auf einem ähnlichen Niveau wie die aus den USA und Großbritannien, was auf einen gewissen Optimismus der deutschen Marketingfachleute und Analysten hindeutet, dass sie die Lücke in Sachen Analysekompetenzen innerhalb der nächsten 12 Monate schließen können.

Während in Deutschland Analysten und Marketer darin übereinstimmen, dass die Schaffung einer einzigen, einheitlichen Sicht auf die Leistung die oberste Priorität für 2022 ist, sind die Datenanalysten in den USA und Großbritannien unterschiedlicher Ansicht. Für britische und amerikanische Analysten stehen Predictive Analytics im Vordergrund: Rund 73 % der US-amerikanischen und 70 % der britischen Analysten sehen die vorausschauende Optimierung als eine der wichtigsten Prioritäten für die nächsten 12 Monate an, verglichen mit nur 55 % bzw. 56 % der Marketingspezialisten.

Die Top 5-Analyseprioritäten für 2022
  flag-usa USA flag-ukGroßbritannien flag-germanyDeutschland
1

Predictive Analytics zur Entwicklung einer zukunftsorientierten Optimierung

Entwicklung einer einheitlichen Sicht auf die Marketingperformance

Entwicklung einer einheitlichen Sicht auf die Marketingperformance

2

Entwicklung einer einheitlichen Sicht auf die Marketingperformance

Predictive Analytics zur Entwicklung einer zukunftsorientierten Optimierung

Predictive Analytics zur Entwicklung einer zukunftsorientierten Optimierung / Marketing-Mix-Modelle

3

Multi-Touch-Attribution-Modellierung

Modellierung eines Marketing-Mix

 
4

Modellierung eines Marketing-Mix

Einbindung von künstlicher Intelligenz und/oder maschinellem Lernen in unsere Analysen

Einbindung von künstlicher Intelligenz und/oder maschinellem Lernen in unsere Analysen

5

Einbindung von künstlicher Intelligenz und/oder maschinellem Lernen in unsere Analysen

Multi-Touch-Attribution-Modellierung

Multi-Touch-Attribution-Modellierung

 

Die USA vertrauen auf Cookies, während Großbritannien und Deutschland eine Marketing-Mix-Modellierung bevorzugen

In Großbritannien wie auch in Deutschland hat die Multi-Touch-Attribution die geringste Priorität, während sie in den USA für 2022 eine relativ wichtige Strategie bleibt. Dies könnte auf die relative Stärke der DSGVO-Vorschriften im Vergleich zu den unterschiedlichen Datenschutzgesetzen in den USA zurückzuführen sein. Folglich erhalten sowohl in Großbritannien als auch in Deutschland Marketing-Mix-Modelle, eine cookiefreiere Performance-Tracking-Methode, einen deutlich höheren Stellenwert als bei Marketern und Datenanalysten in den USA.


Status Quo und Zukunftspläne nach Branche

Verschiedene Branchen werden sich auf unterschiedliche Strategien für 2022 konzentrieren. Wir sehen kontinuierlich, dass die Befragten aus den Bereichen Technologie und E-Commerce in Bezug auf Advanced Analytics weiter sind, während Telekommunikations- und Medienunternehmen hinterherhinken.

Die Datenkompetenz variiert je nach Branche

Im Durchschnitt verfügen Technologie- und E-Commerce-Unternehmen über die größte Datenkompetenz. Während Technologieunternehmen über ein besonders umfassendes Instrumentarium verfügen, konzentriert sich die E-Commerce-Branche eher auf die Verwendung eines BI-Tools, die Kombination von Marketingdaten mit anderen Abteilungsdaten und den direkten Echtzeitzugang zu Marketingdaten.

Finanz- und Marketingagenturen liegen bei der Datenkompetenz im Mittelfeld. Beide geben an, dass sie Daten abteilungsübergreifend kombinieren, um Entscheidungen zu treffen. Finanzorganisationen verwenden eher BI-Tools und zentralisierte Daten. Marketingagenturen nutzen häufiger direkte Reports und End-to-End-Marketing.

Telekommunikations- und Medienunternehmen verfügen im Durchschnitt über die geringsten Möglichkeiten. Medienunternehmen verfügen in der Regel über mehr Möglichkeiten im Bereich Echtzeit, zentralisierte Daten und End-to-End-Reports, während Telekommunikationsunternehmen eher über ein BI-Team verfügen, das Marketingreports erstellt. 


aktuelle-datenkompetenz-nach-branche

Datenstrategien für 2022 

Aus dem branchenübergreifenden Durchschnitt geht hervor, dass die Schaffung einer einheitlichen Sicht auf die Marketingperformance und die Implementierung von Predictive Analytics die häufigsten Pläne für 2022 sind. Technologie-, E-Commerce-, Finanz- und Marketingagenturen stimmen in diesem Punkt überein, Medien- und Telekommunikationsunternehmen haben jedoch andere Pläne. 

Nach der Entwicklung einer einheitlichen Sichtweise ist der nächsthäufigste Plan von Medienunternehmen für 2022 die Implementierung von Marketing-Mix-Modellen. 

Telekommunikationsunternehmen werden im Jahr 2022 eher an ihren Möglichkeiten im Bereich Multi- Touch-Attribution arbeiten. 

zukunftspläne-nach-branche

"Mein größtes Problem ist, dass unterschiedliche Datenquellen und Modelle es schwierig machen, Marketingdaten für die Analyse zusammenzuführen."

Datenanalyst, Deutschland, Director, Automotive


Über die Studie

Im August 2021 befragte Sirkin Research im Auftrag von Adverity 964 Marketer und Daten-/Business-Intelligence-Analysten in den USA, Großbritannien und Deutschland zum Thema Marketing Analytics. Die Studie behandelte Themen wie die aktuellen Kompetenzen, den analytischen Reifegrad und die wichtigsten Herausforderungen und strategischen Prioritäten der Unternehmen bei der Nutzung von Marketingdaten. Die Befragten repräsentierten ein breites Spektrum von Branchen, darunter Technologie, Marketingagenturen und E-Commerce.

 

Demografische Daten

länder-marketing-zukunftspläne
branchen-marketing-zukunftspläne
management-marketing-zukunftspläne
fachbereich-marketing-zukunftspläne
marketingabteilung-marketing-zukunftspläne
alter-marketing-zukunftspläne

Über Sirkin Research

Sirkin Research ist der führende Forschungsdienstleister für B2B-Marketer. In den letzten 15 Jahren hat Sirkin Research mit einigen der am schnellsten wachsenden Marketing-, Technologie- und Finanzmarken der Welt zusammengearbeitet – von Kopenhagen über London bis New York City – und ihnen dabei geholfen, auf der Grundlage hochrelevanter, datengestützter Erkenntnisse die Bedürfnisse ihrer Zielgruppe zu verstehen und Nachfrage zu generieren.


Was jetzt?

Wenn Sie mehr erfahren möchten, können Sie unseren regionalen Vergleich (UK/US/DE) und die Teilberichte Marketer vs. Analyst herunterladen. Alternativ können Sie mehr über Adverity erfahren, indem Sie auf den unten stehenden Link klicken.

Erfahren Sie mehr über Adverity