Blog

Im Datorama Blog finden Sie Artikel zu aktuellen Marketingtrends, Informationen über Produktneuheiten sowie Wissenswertes rund um Marketingdaten und Marketing Intelligence.

Demo

Best Practices zur Datenkorrelation

Korrelation ist nicht unbedingt gleich Ursache

Rebecca Haly | 27.07.2020

Ursache und Wirkung gehören im Marketing dazu, denn schließlich suchen alle Marketer nach den Verbrauchern, die auf ihre Marketingaktivitäten reagieren. Die Korrelation von Daten birgt jedoch Gefahren, die es zu beachten gilt – insbesondere, wenn man versucht, Zusammenhängen auf die Spur zu kommen. In diesem Beitrag untersuchen wir die Fallstricke und Best Practices bei der Korrelation von Marketingdaten und zeigen auf, was Marketingspezialisten unternehmen können, um ungenaue Kausalitäten zu vermeiden.

Lassen Sie uns zunächst diese Begriffe definieren:

Korrelation: ist eine statistische Messung (ausgedrückt als Zahl), die die Größe und Richtung einer Beziehung zwischen zwei oder mehr Variablen beschreibt…“

Mit anderen Worten, die Relation zwischen Datensätzen.

Ursache: zeigt an, dass ein Ereignis das Ergebnis des Auftretens des anderen Ereignisses ist; d.h. es besteht eine kausale Beziehung zwischen den beiden Ereignissen…“

Oder einfach ausgedrückt, die Auswirkungen einer Sache auf eine andere.

Daher müssen wir mit der Korrelation beginnen, um dann zu verstehen, ob dies als kausale Ursache in Frage kommt.

Genau wie bei einem wissenschaftlichen Experiment in der achten Klasse sollte die Datenanalyse von einer Hypothese geleitet werden, die Sie zu beweisen oder zu widerlegen versuchen. Zum Beispiel:

  • COVID-19 wirkt sich für unsere Schuhabteilung positiv auf den eCommerce-Umsatz aus.
  • Der Klimawandel wirkt sich negativ auf unseren Kfz-Absatz in den vergangenen 10 Jahren aus.
  • Die Launch-Kampagne hat sich übergreifend positiv auf die Markenstimmung, -bekanntheit und den Umsatz der Marke 1H ausgewirkt.

Alle Daten können korreliert werden, um einen Zusammenhang aufzuzeigen. Das bedeutet jedoch nicht zwingend, dass sich das eine auf das andere ausgewirkt hat. Noch nie war es für Marketer so wichtig wie heute, einen genauen Überblick zu den Auswirkungen ihrer Botschaften, Kampagnen und Mediaspendings zu haben. Je mehr Einblick sie gewinnen, umso größer ist ihr Einfluss – sowohl auf ihre Kunden wie auf ihr Geschäft.

Hier einige wichtige Tipps, die Ihnen helfen, gängige Fallen beim Versuch, Korrelation oder Kausalität in Marketingdatensätzen aufzuzeigen, zu umgehen:

1. Vermeiden Sie agitatorische Aussagen

Eine der größten Fallen bei der Beschreibung von Beobachtungen in der Datenkorrelation ist die Verwendung von überzogenen oder sensationslüsternen Beschreibungen, um eine schwache Beziehung nachzuweisen und zur Kausalität zu führen. Vermeiden Sie dies um jeden Preis. Ihre Führungskräfte werden es durchschauen.

Stattdessen appelliert Avinash Kaushik, Digital Marketing Evangelist bei Google, an unsere Skepsis und fordert, weitere Fragen zu stellen, um unsere Gründlichkeit zu demonstrieren. Stellen Sie sich selbst Schlüsselfragen wie:

  • Was wäre, wenn wir die Daten anders schneiden würden?
  • Was wäre, wenn wir bestimmte Kanäle entfernen würden?
  • Gibt es zu viele variable Veränderungen, um eine Korrelation oder Kausalität genau zu erkennen
  • Welche Hypothesen stellen wir auf?
  • Wurde dies absichtlich geplant (d.h. geplante Kampagne) oder handelt es sich um ein Nebenprodukt anderer Aktivitäten?

2. Wählen Sie das richtige Diagramm für Ihre Analyse

Innerhalb der Datorama-Plattform können Sie aus über 100 Widgets wählen, um Ihre Daten effektiv zu visualisieren. Durch intelligente Empfehlungen erhalten Sie Vorschläge für das geeignete Widget, das sich abhängig vom jeweils zu analysierenden Datensatz anbietet. Sie können auch eigene, benutzerdefinierte Widgets erstellen und so die Daten auf Ihre ganz eigene Weise visualisieren.

Zu den empfehlenswerten Diagrammen zum Start Ihrer Korrelationsanalyse gehören:

Zeitreihendiagramme: Diagramme, die mehrere Metriken über einen bestimmten Zeitraum vergleichen. Diese eignen sich ausgezeichnet, um Trends und saisonal bedingte Schwankungen in Daten zu betrachten.

Verteilungsdiagramme: Diagramme, die einfach aufzeigen können, ob eine Korrelation besteht. Sie eignen sich sehr gut, um die Verteilung gegenüber einem Mittelwert zu erkennen.

Beziehungsdiagramme: Diagramme, die eine Relation zwischen zwei oder mehr Variablen aufzeigen. Ein Ballon- oder Blasendiagramm eignet sich am besten zur Darstellung einer Beziehung zwischen drei Variablen.

Zeigen Sie bei der Weitergabe Ihrer Ergebnisse nur die einfachsten Diagramme, um Ihre Punkte zu verdeutlichen. Ihre Hausaufgaben sind wichtig, aber nicht für die Kurzfassung.

3. Verwenden Sie einen robusten Datensatz für eine fundiertere Analyse

Bei der Analyse der Auswirkungen einer Kampagne auf Marken-KPIs oder den Umsatz ist es verlockend, einen Ausreißer als Rückgrat für Ihre Wirkungsanalyse zu nutzen. Eine konsistente Korrelation untermauert die Analyse weitaus stärker.

Wenn Sie Sonderfälle hinterfragen, analysieren Sie deren Integrität durch rigoroses Nachhaken. Geht es hier um eine strategische Ursache-Wirkung-Beziehung oder einfach nur um eine Erhöhung des Budgets? Legen Sie Ihre Vermutungen dar.

4. Nutzen Sie seriöse Datenquellen

Wenn Sie externe Datenquellen verwenden, um Ihre Hypothese zu beweisen oder zu widerlegen, stellen Sie sicher, dass Sie sich auf verlässliche Datenquellen stützen. Partielle Datensätze und nicht seriöse Datenquellen sind kritische Datenpunkte, die mit Ihren harten Marketingdaten korrelieren müssen. Werden sie als Referenz- oder kontextbezogene Datenpunkte verwendet und als solche beschrieben, können sie weitere Präzision zu Ihren Ergebnissen beisteuern. Sie sollten jedoch entsprechend herausgestellt werden. Andernfalls könnte es zu Datenverzerrungen kommen.

5. Grenzwertvariablen für Tests

Viele Marketer passen heute ihre Strategien an, um dem „neuen Normal“ gerecht zu werden. Sie befinden sich in der Test- und Lernphase und optimieren ständig über viele Taktiken und Kanäle hinweg. Vor diesem Hintergrund kann das Isolieren der Auswirkungen einzelner Kampagnenaktivitäten aufgrund von Hypothesen oder KPIs schwierig werden.

Um den Korrelationseffekt näher zu verstehen, ist eine dafür entwickelte Test- und Lernkampagne, bei der man das variable Testen einschränkt und diese isolierten Ergebnisse analysiert, ein guter Ausgangspunkt,.

6. Beginnen Sie immer mit einer Hypothese

Betrachten Sie die Korrelationsanalyse als ein Experiment. Wenn Sie von Anfang an wissen, wie Ihre Hypothese lautet, können Sie die geeigneten visuellen Hilfsmittel für Ihr Experiment heranziehen. Oftmals tauchen Marketer in Daten ein, ohne zu wissen, was sie damit erreichen wollen – und das kann dazu führen, dass das Ergebnis nicht kohärent ist.

7. Kurzzeit- und Langzeitmessung

Marken werden nicht über Nacht aufgebaut. Werbung kann, muss aber nicht unbedingt einen unmittelbaren Einfluss auf die KPIs Ihrer Marke haben. Wenn Sie verstehen, wie Ihre Verbraucher die Media, die Sie ihnen servieren, verdauen, können Sie bessere Möglichkeiten zur Analyse Ihrer Daten finden. Ein kurz- und langfristiger Messrahmen erweist sich hier als nützlich.

Wer Korrelation und Kausalität analysieren will, muss wissen, worin sich diese unterscheiden. Starten Sie Ihre Analyse mit der Korrelation und lassen Sie sich bei Ihren Ergebnissen von Ihren Fragen leiten. Mögen Ihre Annahmen stets ins Schwarze treffen und Ihre Diagramme einfach, aber effektiv sein.

Fahren Sie fort und korrelieren Sie weiter.

Sorgen Sie für einen höheren ROI, agieren Sie zügig und steigern Sie das Wachstum des gesamten Unternehmens. Mit Salesforce Datorama können Sie all Ihre Daten vernetzen, analysieren und sofort Maßnahmen ergreifen – einfach und schnell über ein zentrales Marketing-Dashboard.

Sie möchten mehr über die lückenlose Marketing-Intelligence-Lösung von Datorama erfahren? Fordern Sie gleich Ihre kostenfreie Demo an.

Autor dieses Beitrags ist Rebecca Haly, Salesforce Datorama Director of Success Managers for ASEAN, GCR & India. Wir freuen uns, wenn Sie wieder auf unserem Blog vorbeischauen!

Blog posts by Rebecca Haly | Follow Datorama on: